Bou 6146

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE
MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE
Université Mentouri Constantine

Faculté des Sciences de la Nature et de la Vie
Département de Biochimie et de Microbiologie
N° d’ordre :
N° de série :
Présenté par
BOUCHERIT Hanane
Pour obtenir le diplôme de MAGISTER EN BIOCHIMIE
Option: Technologies des explorations biochimiques
THEME
ETUDE THEORIQUE DES INTERACTIONS INTERVENANT DANS

L’INHIBITION DE LA METHIONINE AMINOPEPTIDASE DE
MYCOBACTERIUM TUBERCULOSIS PAR DIVERSES MOLECULES
Soutenu le : 14-03-2012
Devant le jury :
Président : Mme. MECHAKRA A. Professeur Univ. Mentouri Constantine

Rapporteur : Mr. CHIKHI A. Maître de conférences Univ. Mentouri Constantine
Examinateurs :
Mr. BENSEGUENI A. Maître de conférences Univ. Mentouri Constantine
Mr. BOUDAH A. Maître de conférences Univ. Mentouri Constantine
2011-2012
REMERCIEMENTS
- Tout d'abord, je remercie DIEU de m'avoir accordé la santé et les

moyens de réaliser ce travail.
- Je remercie vivement le Docteur CHIKHI Abdelouahab d'avoir bien
voulu accepter d'être mon Directeur de thèse.
Nous lui exprimons notre sincère reconnaissance.
- A Madame la Professeur MECHAKRA Aïcha, qui nous a fait
l’honneur d’accepter la présidence de notre jury de mémoire.
Hommages respectueux.
- A Monsieur le Docteur BENSEGUENI Abderrahmane, qui nous a fait
l’honneur de participer à notre jury de mémoire.
Sincères remerciements.
- Je remercie vivement Monsieur le Docteur BOUDAH Abdennacer,
qui nous a fait l’honneur de participer à notre jury de mémoire.
Sincères remerciements.
SOMMAIRE
SOMMAIRE
INTRODUCTION………………………………………………………….......... -1-
CHAPITRE I : Les méthodes de modélisation des interactions protéine-

ligand....................................................................................................................... -3-
1. Les interactions intermoléculaires………………………………………............................ -3-

1.1 La force de Van der Waals……………………………………………........................... -4-
1.2 La liaison hydrogène....................................................................................…................ -4-
1.3 L’effet hydrophobe………………………………………………………….................. -5-
2. Le docking moléculaire……………………………………………………….................... -5-
2.1 Utilité des programmes de docking moléculaire…………………………...................... -5-
2.2 Principe théorique………………………………………………………........................ -6-
2.3 Algorithmes de docking…………………………………………………....................... -7-
2.3.1 Méthode systématique…………………………………………........................... -7-
2.3.2 La méthode stochastique…………………………………………........................ -8-
2.4 Programmes utilisés………………………………………………………..................... -8-
2.4.1 Surflex-dock………………………………………………………....................... -8-
2.4.2 GOLD………………………………………………………………..................... -9-
2.4.2.1 Algorithme de GOLD……………………………………........................... -9-
2.4.2.2 Le mécanisme du placement du ligand dans le site de liaison..................... -10-
2.4.2.3 La fonction de score…………………………………….............................. -10-
3. Fonctions de Score………………………………………………………............................ -11-
3.1 Fonctions de score basées sur les champs de force………………………….................. -11-
3.2 Fonctions de score empirique……………………………………………….................. -11-
3.3 Fonctions de score basées sur la connaissance « knowledge-based »……….................. -11-
CHAPITRE II : La tuberculose............................................................................ -12-
1. La tuberculose dans le monde…………………..………………………….….................... -12-

2. Définition……………………………………………………………………….................. -13-
3. Etiologie de la tuberculose…………………………………………………..….................. -13-
3.1 Agent pathogène…………………………………………………………...................... -13-
3.2 Transmission……………………………………………………………….................... -13-
3.3 Physiopathologie……………………………………………………….......................... -14-
4. Les antibiotiques antituberculeux et les traitements………………………….…................ -14-
4.2 Les antibiotiques antituberculeux………………………………………........................ -14-
4.2.1 Les antituberculeux essentiels………………..………………….......................... -14-
4.2.2 Les médicaments de seconde intention………………………….......................... -15-
4.3 Traitement………………………………………………………………….................... -16-
4.4 Résistance bactérienne aux antibiotiques…………………………………..................... -16-
4.4.1 Mécanisme de résistance aux antituberculeux…………………............................ -16-
SOMMAIRE
4.4.2 Tuberculose multi-résistante…………………………………............................... -17-

4.5 Les nouveaux antituberculeux…………………………………………......................... -17-
CHAPITRE III : La méthionine aminopeptidase et ses inhibiteurs................. -18-
1. La méthionine aminopeptidase…………………………………………………................. -19-

1.1 Définition…………………………………………………………………..................... -19-
1.2 Classification de la forme de l’enzyme MetAP……………………………………. -20-
1.3 Rôle physiologique la MetAP………………………………………….......................... -20-
1.4 Propriétés de la MetAP…………………………………………………........................ -21-
1.4.1 La dépendance au métal…………………………………………......................... -21-
1.4.2 Spécificité de substrat…………………………………………............................. -21-
1.5 Structure générale de la MetAP de Mycobacterium tuberculosis………….................... -22-
1.5.1 La structure de la MetAP..........……………………………….............................. -22-
1.5.2 La méthionine dans le site actif……………………………….............................. -23-
2. La recherche de nouveaux agents antimicrobiens………………………………................ -25-
2.1 Généralité………………………………………………………………......................... -25-
2.2 Inhibiteurs de la méthionine aminopeptidase………………………............................... -25-
CHAPITRE IV : Matériels et méthodes.............................................................. -29-
1. Evaluation des programmes de docking………………………………………................... -29-

1.1 Le RMSD………………………………………………………………......................... -29-
1.2 Le coefficient de corrélation (r)…………………………………………....................... -29-
2. Préparation des molécules……………………………………………................................ -30-
2.1 La structure de l’enzyme……………………………………………….…..................... -30-
2.2 Choix d’une structure cristallographique………………………………......................... -31-
2.2.1 La résolution……………………………………………………........…............... -31-
2.2.2 Le facteur R……………………………………………………............................ -31-
2.3 Préparation des molécules à l’arrimage………………………………..……................. -32-
2.3.1 Open Babel……………………………………………………..…....................... -32-
2.3.2 Viewerlite……………………………………………………..…......................... -32-
2.4 Le dessin des inhibiteurs de la MetAP……………………………….…........................ -32-
2.5 Programmes utilisés…………………………………………………..……................... -33-
2.5.1 Surflex.............………………………………………………..……..................... -33-
2.5.2 GOLD………………………………………………………..…........................... -34-
3. Inhibition de la 3IU7 par GOLD………………………………………..……..................... -37-
3.1 Choix de la 3IU7…………………………………………………….……..................... -37-
3.2 La règle de Lipinski………………………………………………….…….................... -37-
3.3 Inhibition de la 3IU7 par divers inhibiteurs…………………….....……….................... -38-
4. Inhibition de la MetAP de Mycobacterium tuberculosis par les dérivés du
Bengamide……………………………...…………………………...………….................. -39-
SOMMAIRE
CHAPITRE V : Résultats et discussions.............................................................. -41-
1. Fiabilité des programmes utilisés…………………………………….……….................... -41-

1.1 Le RMSD………………………………………………………..................................... -41-
1.2 Coefficient de corrélation………………………………................................................. -45-
2. Etude des interactions intervenant dans l’inhibition de la 3IU7 par diverses
molécules………………………………………………………………….......................... -50-
2.1 Interaction MetAP- Met-Ala-Ser……………………………………....….........…........ -50-
2.2 Docking des inhibiteurs de la MetAP………………………………....……................. -53-
2.3 Règle de Lipinski……………………………………………………....…….................. -55-
2.4 Interaction des 4 ligands choisis………………………………………....….................. -57-
2.4.1 Interaction : 3IU7-TO7…………………………………………...….................... -57-
2.4.2 Interaction : 3IU7-inhibiteur2…………………………………............................. -59-
2.4.3 Interaction : 3IU7-inhibiteur21………………………………...…............…........ -61-
2.4.4 Interaction : 3IU7-inhibiteur22………………………………...…….................... -62-
2.5 Inhibition de la MetAP de Mycobacterium tuberculosis par les dérivés du
Bengamide……………………………………………………………....…................... -64-
2.5.1 Docking des dérivés du Bengamide……………………………..…..................... -64-
2.5.2 Etude des interactions avec la 3IU7………………………………....................... -65-
2.5.2.1 Interaction : 3IU7-Y02…………………………………….......................... -65-
2.5.2.2 Interaction : 3IU7-Y08…………………………………….......................... -67-
CONCLUSION ET PERSPECTIVES................................................................. -70-
REFERENCES BIBLIOGRAPHIQUES
ANNEXES
LISTE DES TABLEAUX
LISTE DES TABLEAUX
Tableau II.1 : Tuberculose: estimations de l'incidence, de la prévalence et de la mortalité

(2009)…………………………………………………………………………………................. -12-
Tableau III.2 : Comparaison entre les sites de fixation de métal et de substrat pour la MetAP
type I et type II…………………………………………………………....................................... -24-
Tableau III.3 : Structures des inhibiteurs sélectifs (metalloformes)…………………………… -26-
Tableau III.4 : Structures des dérivés naphtoquinones…......…………….................................. -27-
Tableau IV.5 : Principales caractéristiques des codes 3IU7, 2GG2 et 1QXY…….................... -31-
Tableau IV.6 : Structures des ligands étudiés……………………………................................... -39-
Tableau IV.7 : Structure des dérivés du Bengamide...……………………................................. -40-
Tableau V.8 : Valeurs du coefficient de corrélation.....................………………........................ -45-
Tableau V.9 : Résultats de l’analyse par régression linéaire sur les inhibiteurs de la
MetAP............................................................................................................................................ -46-
Tableau V.10 : Les interactions de Van der Waals……………...………………........................ -52-
Tableau V.11 : Résultats de docking avec les programmes Surflex et GOLD…......................... -53-
Tableau V.12 : Résultats obtenus par Surflex…………………………………….….................. -55-
Tableau V.13 : Résultats obtenus par GOLD………………………………………................... -55-
Tableau V.14 : Critères de la règle de Lipinski pour les différents inhibiteurs…….................... -56-
Tableau V.15 : Autres critères……………………………………………………...................... -56-
Tableau V.16 : Les interactions de Van der Waals...…………………………………................ -58-
Tableau V.17 : Représentation des interactions Van der Waals……………………................... -60-
Tableau V.18 : Les interactions de Van der Waals…................................................................... -62-
Tableau V.19 : Les interactions de Van der Waals…...…………………………..….................. -63-
Tableau V.20 : Résultats obtenus par Surflex………………………………..………................. -64-
Tableau V.21 : Résultats obtenus par GOLD………………………………………................... -65-
Tableau V.22 : Critères de la règle de Lipinski pour les différents inhibiteurs…….................... -65-
Tableau V.23 : Représentation des interactions Van der Waals…………………....……........... -66-
Tableau V.24 : Les interactions de Van der Waals…...……………………...………................. -68-
LISTE DES FIGURES
LISTE DES FIGURES
Figure I.1 : Les forces de Van der Waals………………………………………...…................... -4-

Figure I.2 : La liaison hydrogène……………………………………………...…….......…........ -5-
Figure I.3 : Interaction hydrophobe………………………………………...………........…....... -5-
Figure I.4 : Principe générale d’un programme de docking…………………...…….......…....... -7-

Figure I.5 : Construction incrémentale…………………………………………...…….............. -8-
Figure II.6 : Mécanisme d’action des antituberculeux..………………………………..…......... -15-

Figure III.7 : Inhibition de la voie NME chez Mycobacterium tuberculosis……….......…....... -18-
Figure III.8 : Synthèse protéique chez les bactéries……………………………………………. -19-
Figure III.9 : Nouvelle classification de la MetAP…………………………...……....……........ -20-
Figure III.10 : % de l’élimination de la méthionine in vivo avec une séquence N-terminale
(Met)-Xaa-Gln-Val-Ala avec 20 acides aminés différents pour Xaa…………..........….….......... -22-
Figure III.11 : La structure de la méthionine aminopeptidase de Mycobacterium
tuberculosis…………........…….........……………………………………………………........... -23-
Figure III.12 :a)Site de liaison du métal de complexe MtMetAP1c-Met. b) Schéma
comparant le complexe méthionine-MtMetAP1c (vert) et le complexe méthionine-EcMetAP
(gris)............................................................................................................................................... -24-
Figure IV.13 : Les différentes valeurs de r....................................................................…........... -30-
Figure IV.14 : Résultat de docking avec Surflex……………………....……………...…........... -34-
Figure V.15:Superposition du ligand P4O donné par rayon-X (coloré en rouge) et par docking
moléculaire (coloré en vert) avec GOLD………………………………………………. -43-
Figure V.16 : Superposition du ligand MNL donné par rayon-X (coloré en rouge) et par
docking moléculaire (coloré en vert) avec GOLD………………………………………………. -44-
Figure V.17 : Superposition du ligand BL5 donné par rayon-X (coloré en rouge) et par
docking moléculaire (coloré en vert) avec GOLD………………………………………………. -44-
Figure V.18 : Corrélation entre l’activité biologique (-LogIC50) des inhibiteurs de la MetAP
et leurs Affinités données par Surflex………………………………………………….….......... -49-
Figure V.19 : Corrélation entre l’activité biologique (-LogIC50) des inhibiteurs de la MetAP
et leurs Fitness données par GOLD………..…………………………………………....…......... -49-
Figure V.20 : Docking de substrat (Met-Ala-Ser) dans le site actif de la 3IU7……..…….......... -51-
Figure V.21 : Représentation des liaisons hydrogène formées par le substrat………….…......... -52-
Figure V.22 : Représentation des interactions van der waals formées par le substrat....….......... -53-
LISTE DES FIGURES
Figure V.23 : Représentation des liaisons hydrogène formées par le composé TO7……........... -57-
Figure V.24 : Représentation des interactions Van der Waals formées par le composé
TO7.....................................................................................................................................…........ -58-
Figure V.25 : Représentation de la liaison hydrogène formée par l’inhibiteur 2…...................... -59-
Figure V.26 : Représentation des interactions Van der Waals formées par
l’inhibiteur2…................................................................................................................................ -60-
Figure V.27 : Représentation de liaison hydrogène formée par l’inhibiteur 21………................ -61-
l’inhibiteur21…...................................................................................................................…....... -62-
Figure V.29 : Représentation de liaison hydrogène formée par le composé 22………............... -63-
l’inhibiteur22…..................................................................................................................…........ -64-
Figure V.31 : Représentation des liaisons hydrogène formées par le composé Y02.................... -66-
Figure V.32 : Représentation des interactions Van der Waals…….…………………................. -67-
Figure V.33 : Représentation des liaisons hydrogène………………….………………….......... -68-
Figure V.34 : Représentation des interactions Van der Waals.........…..…….…...………........... -69-
LISTE DES GRAPHES
Graphe1 : Résultats en % obtenus par Surflex à divers intervalles de RMSD (Å)....................... -41-
Graphe2 : Résultats en % obtenus par GOLD à divers intervalles de RMSD (Å)....................... -42-
Graphe 3 : Comparaison des deux programmes........................................................................... -42-
ABREVIATIONS
LISTE DES ABREVIATIONS

VIH : Le virus d'immunodéficience humaine
MetAP: La méthionine aminopeptidase
GOLD: Genetic Optimisation for Ligand Docking
CCD: Cambridge Crystallographic Data Centre
BK: Bacille de Koch
INH: Isoniazide
OFX: Ofloxacine
CPX: Ciprofloxacine
Et : Ethionamide
MDR : Multi-Drug Résistances
XDR : Extremly-Drug Résistances
OMS : Organisation Mondiale de la Santé
NME : Excision de la Méthionine N-terminale
PDF: La peptide déformylase
Mtb: Mycobacterium tuberculosis
HsMetAPI : La méthionine aminopeptidase humaine type I
HsMetAPII : La méthionine aminopeptidase humaine type II
MtMetAP1c : La méthionine aminopeptidase de Mycobacterium tuberculosis type Ic
EcMetAP : La méthionine aminopeptidase de Escherichia coli
RMSD : Ecart quadratique moyen
PDB : Protein Data Bank
RMN : Résonance Magnétique Nucléaire
ADME/Tox : Absorption, Distribution, Métabolisme, Excrétion et de Toxicité
logP : Le coefficient de partition
PSA : La surface polaire

INTRODUCTION
INTRODUCTION
L'interaction entre une protéine et son substrat est la première étape de la plupart des
réactions biologiques. Comprendre son mode de fonctionnement et définir quels sont les
résidus mis en jeu, est donc primordial pour pouvoir expliquer les mécanismes qui influent sur
l'affinité entre deux molécules. De même, la découverte de nouvelles drogues activant ou
inhibant l'activité biologique d'une protéine ne peut se faire qu'en prédisant leur affinité
respective. C'est dans ce but que des techniques de modélisations moléculaires, regroupées
sous le nom de "amarrage" ou "docking" moléculaire ont été développées.
Le docking moléculaire in silico vise à prédire la structure d'un complexe moléculaire à

partir des molécules isolées, ce qui est considérablement plus facile à mettre en œuvre, moins
cher et plus rapide que l'utilisation des méthodes expérimentales in vitro. Les logiciels de
docking sont donc des outils très utiles en biologie, pharmacie et médecine, car la plupart des
principes actifs sont de petites molécules (ligand) qui interagissent avec une cible biologique
d'intérêt thérapeutique, généralement protéique (récepteur), afin d'influencer le mécanisme
dans lequel cette protéine est impliquée [1].
Au cours de ces dernières années, la tuberculose connait une recrudescence inquiétante

aussi bien dans les pays en voie de développement que dans les pays industrialisés. La
recrudescence de la maladie est due d'une part à la synergie prononcée entre le virus
d'immunodéficience humaine (VIH) et la tuberculose et d'autre part à l'apparition de souches
résistantes aux antibiotiques spécifiques de la mycobactérie [2]. Ceci rend nécessaire le
développement de nouvelles stratégies thérapeutiques, basées notamment sur la recherche de
nouvelles molécules capables d'agir comme antituberculeux.
Dans ce contexte, la méthionine aminopeptidase (MetAP) est utilisée comme une cible
prometteuse pour développer de nouveaux antibiotiques car elle est essentielle à la survie
bactérienne. La MetAP est une métalloprotéase qui assure le clivage de la méthionine N-
terminale au cours de la synthèse de protéines, une des étapes critiques dans la maturation des
protéines [3].
Le but de cette étude est :
1
INTRODUCTION
- De tester, dans un premier temps, la fiabilité des programmes Surflex et GOLD utilisés dans
cette étude pour examiner les interactions protéine-ligand.
- Dans un deuxième temps, d’étudier l’inhibition de la méthionine aminopeptidase par les

méthodes de docking moléculaire. Nous nous intéressons à déterminer le mode d’interaction,
lors de la fixation de l’inhibiteur à l’enzyme durant la formation du complexe
MetAP-inhibiteur, avec une meilleure complémentarité par le calcul de l’affinité du complexe
formé. Le composé qui aura la plus grande affinité est celui qui présentera la meilleure
activité et par la suite une meilleure inhibition. Ces résultats aideront probablement au
développement d’un outil thérapeutique efficace pour lutter contre le développement de la
tuberculose.
Nous présentons ce travail selon cinq chapitres. Dans le premier chapitre, nous nous
intéressons à l’apport de la modélisation moléculaire dans l’étude des interactions protéine-
ligand. Le second concerne la pathologie de la tuberculose. Le troisième chapitre est consacré
à la présentation de la méthionine aminopeptidase ainsi qu’à ses inhibiteurs connus à travers
les articles. Nous présentons, dans le quatrième chapitre, les différents matériels et méthodes
utilisés dans cette étude. Enfin le dernier chapitre expose l’essentiel de nos résultats et une
discussion.
2
CHAPITRE I Les méthodes de modélisation des interactions protéine-ligand
CHAPITRE I : LES METHODES DE MODELISATION DES

INTERACTIONS PROTEINE-LIGAND
La modélisation moléculaire regroupe l’ensemble des techniques de visualisation des

molécules, de calcul de leurs conformations et de simulation de leur comportement. Les outils
de modélisation moléculaire sont particulièrement performants pour l’étude au niveau
atomique d’interactions entre deux entités moléculaires. Ce type d’étude fait appel le plus
souvent aux techniques de “ docking ” [4].
La modélisation moléculaire trouve de nos jours d’importantes applications, parmi les

quelles deux applications classiques sont :
- Le développement de nouveaux médicaments : le mécanisme d’action de nombreux

médicaments consiste à agir comme inhibiteurs (ligand) d’une enzyme (récepteur)
impliquée dans le développement de la maladie, que ce soit une protéine d’un
organisme pathogène ou du propre organisme humain. L’élucidation de la structure
tridimensionnelle des protéines impliquées dans plusieurs pathologies a permis, via des
simulations informatiques, la découverte d’inhibiteurs puissants pour ces pathologies,
en réduire considérablement le nombre d’essais de screening nécessaires pour aboutir à
un nouveau médicament [5, 6].
- La rationalisation de l’énergie enzymatique : le fondement est le même que celui du
développement du médicament : en permettant d’étudier les interactions entre les
substrats (ligand) et les enzymes (récepteurs), la modélisation moléculaire apporte une
meilleure compréhension de la sélectivité enzymatique, au niveau moléculaire. Ce qui
peut rendre possible, par la suite, le développement d’approches prédictives pour la
sélectivité des enzymes natives vis-à-vis d’un substrat ou d’une classe de substrats
donnée, ou encore, d’identifier des acides aminés dont la mutation ponctuelle permettait
de modifier la sélectivité ou la spécificité enzymatique [7, 8].
1. Les interactions intermoléculaires
Mises à part quelques exceptions, les atomes ne sont pas isolés dans les conditions
habituelles. Ils établissent entre eux des liaisons chimiques covalentes, ou liaisons fortes, afin
de former des molécules. Une particularité des molécules biologiques qui rend leur étude
d’autant plus complexe est l’importance, aussi bien dans leur structure que lors d’interactions,
3
de la formation de liaisons non covalentes, ou liaisons faibles. Dans cette partie nous allons
développer les liaisons chimiques faibles d’importance biologique.
Ces liaisons sont essentielles pour expliquer les propriétés des molécules biologiques.
Du fait de leur faible énergie (généralement comprise entre 4 et 30 kJ/mol), elles peuvent se
rompre et se rétablir très facilement à la température physiologique, permettant ainsi des
interactions temporaires entre molécules [9, 10, 11].
1.1. Les forces de Van der Waals
Ces forces résultent de l’interaction des nuages électroniques d’atomes ou de molécules

proches les uns des autres (figureI.1). Pour des atomes distants de 3-4 Å, l’énergie de liaison
est seulement comprise entre 0.4 et 4 kJ/mol. Les interactions de Van der Waals sont très
faibles, mais dans le cas des macromolécules, leur nombre élevé va produire au total une
force importante [9, 10, 11].
Figure I.1 : Les forces de Van der Waals
1.2. La liaison hydrogène
Cette liaison, intervient lorsqu’un atome d’hydrogène lié par covalence à un atome
électronégatif (le donneur D) est attiré par un autre atome électronégatif (l’accepteur A). Le
nuage électronique de l'hydrogène est attiré par l’atome donneur qui est relativement plus
électronégatif que l’atome d’hydrogène créant ainsi une charge partielle positive sur
δ
l'hydrogène : -Hδ+........ Aδ (figureI.2). Cette charge positive est attirée par la charge
D-
partielle négative portée par l’atome accepteur donnant ainsi naissance à une interaction
désignée par pont hydrogène, sa force est de l’ordre de 12 à 30 kJ/mol. Elle agit, à très courte
distance (0,8 à 2,8 A°).
Les liaisons hydrogènes habituelles sont :

4
Les liaisons hydrogène sont peu nombreuses et s’adaptent très bien à la flexibilité
(l’angle peut varier de 120° à 180°). Elle est définie par ; la distance entre les deux atomes
qui forment la liaison covalente D-H de type δ, la longueur de l’interaction H…A et l’angle
D-H…A [9, 10].
Figure I.2 : La liaison hydrogène
1.3. L’effet hydrophobe
Les molécules ou groupes non polaires ne sont pas capables de former de liaisons
hydrogène et ne peuvent donc pas s’hydrater : on les nomme pour cette raison substances
hydrophobes. L’effet hydrophobe est la tendance qu’ont ces groupes à se rassembler par
coalescence de façon à minimiser les contacts avec l’eau (figureI.3). La force des liaisons
hydrophobes est de l’ordre de 20 à 30 kJ/mol [9, 10].
Figure I.3 : Interaction hydrophobe
2. Le docking moléculaire
2.1. Utilité des programmes de docking moléculaire
Les interactions protéine-protéine et protéine-ligand jouent un rôle clé dans

l’organisation des systèmes biologiques. Elles permettent la régulation de certains processus
5
biologiques [12], la transmission des signaux ou encore la catalyse de diverses réactions

biochimiques.
Connaître la façon dont les protéines interagissent avec d’autres entités biochimiques est
une étape essentielle pour comprendre les processus biologiques dans lesquels elles sont
impliquées. Le développement d’approches prédictives ouvre la voie à la conception assistée
par ordinateur de systèmes protéiniques aux propriétés modifiées et présente donc un intérêt
indéniable pour la recherche et l’industrie pharmaceutique et médicale.
Dans le domaine de la chimie théorique, le docking moléculaire est une méthode qui
prédit la conformation (position et orientation relatives) la plus favorable de deux molécules
en interaction et formant un complexe stable. La connaissance de cette conformation
préférentielle permet par la suite l’estimation de la force d’association (affinité de liaison)
entre ces deux molécules.
Cependant, chaque programme de docking diffère par rapport aux autres par leurs
algorithmes d’échantillonnage, par leur manière de manipuler la flexibilité du ligand et de la
protéine et par leurs fonctions d’évaluation des complexes. Il existe deux grands types de
docking moléculaire. Le docking rigide consiste à obtenir la conformation préférentielle d’un
système protéine-ligand en considérant que chacune des deux molécules conserve une
géométrie interne fixe. Dans ce cas, la relaxation de la géométrie interne de chaque entité, en
interaction dans le complexe, n’est pas prise en compte [13]. Actuellement cette approche est
utilisée dans le docking protéine-protéine. L’approche la plus récente dans le traitement de la
flexibilité, considère la cible protéique comme corps rigide tandis que le ligand est flexible.
En effet elle représente l’approche la plus utilisée dans la plupart des logiciels ou programmes
de docking. Néanmoins, celle-ci reste approximative, du fait que le récepteur ne doit pas être
considéré comme corps rigide (au moins la flexibilité du site d’interaction doit être prise en
compte).
2.2. Principe théorique
Docking (ancrage ou amarrage en français) et le nom donné aux simulations

moléculaires dans les quelles différentes approches sont combinées pour étudier les modes
d’interactions entre deux molécules. Dans la plus part des cas, il s’agit d’un récepteur
macromoléculaire (cible de docking) dont la structure tridimensionnelle est connue et d’une
petite molécule (ligand). Le récepteur macromoléculaire étant le plus souvent une protéine
6
[14]. Une simulation de docking comprend essentiellement deux étapes : le docking

proprement dit et le scoring (figure I.4).
• La première (le docking) est l’étape de sélection, consistant à placer le ligand dans le
site actif de la protéine et à échantillonner les conformations, positions et orientations
(poses) possibles, en ne retenant que celle qui représentent les modes d’interactions les
plus favorables.
• La deuxième (le scoring) est l’étape de classement, qui consiste à évaluer l’affinité entre
le ligand et la protéine et de donner un score aux poses obtenues lors de la phase de
docking. Ce score permettra de retenir la meilleure pose parmi toutes celles proposées
[14, 15].
Figure I.4 : Principe générale d’un programme de docking
2.3. Algorithmes de docking
Il existe différentes méthodes qui permettent de prendre en compte la flexibilité du

ligand notamment des méthodes systématiques et des méthodes aléatoires ou stochastiques.
2.3.1. Méthodes systématique
Le principe général est de couper le ligand en fragments rigides et flexibles. Entre les
points où des rotations sont possibles, une ou plusieurs ancres sont définies. Dans un premier
lieu, un [16, 17] ou plusieurs [18, 19] fragments qui doivent être rigides sont placés au sein du
site actif et donc mis en interaction avec la cible, puis le ligand est reconstruit en plaçant les
7
fragments flexibles d’une manière successive tout en exploitant les angles de torsion (figure
I.5). Cette méthode a été incorporée dans plusieurs programmes dont Dock [16], FlexX [17] et
Surflex [20].
Figure I.5 : Construction incrémentale
2.3.2. La méthode stochastique
L’approche stochastique consiste à effectuer des changements aléatoires dans la

structure tridimensionnelle du ligand. Un des principaux algorithmes stochastiques est la
méthode par algorithme génétique. Cette méthode a été implémentée dans plusieurs
programmes dont AutoDock et GOLD [21].
2.4. Programmes utilisés
Pour étudier les interactions protéines-ligands, nous avons choisi deux programmes de
docking moléculaire: Surflex [22], qui utilise une méthode incrémentielle et GOLD [23] qui
utilise un algorithme génétique (GA).
2.4.1. Surflex-dock
Le programme Surflex comprend deux parties. L’une pour des études de similarité
tridimensionnelle des molécules, l’autre pour des études de Docking. Seule la partie docking
est abordée ici. Elle se base sur la construction d’une pseudo-molécule comme cible sur
laquelle aligner le ligand. Il s’agit de fragments de molécules placés dans le site actif de
manière à occuper idéalement et de manière redondante celui-ci à partir de critères
8
morphologiques. Il est important de préciser que cette pseudo-molécule peut être construite à
partir du ligand dans le site actif, à condition de bénéficier d’une structure, ou bien à partir du
récepteur sans aucun ligand : il utilise dans ce cas trois types de fragments CH4, C=O et N-H
mais il est nécessaire de connaître l’emplacement du site actif.
L’étape de docking s’effectue suivant deux méthodes :
- La première est une méthode incrémentale dite Hammerhead. Dans ce cas le programme
fractionne le ligand et cherche à trouver le meilleur appariement pour chaque fragment, il
essaye d’adapter les fragments à ceux de la pseudo-molécule. Les fragments ayant la plus
haute affinité sont utilisés pour reconstruire le ligand. À la différence de la recherche
incrémentale de Dock il n’y a pas de recherche systématique des angles de torsion mais une
étape de minimisation entre chaque ajout de fragment.
- La deuxième méthode dite « molécule entière » reprend la même étape de fractionnement

que précédemment. Le changement se fait au niveau des fragments du ligand conservés. Dans
la méthode Hammerhead ne sont conservés pour l’étape de docking que les meilleurs
fragments qui s’alignent avec ceux de la pseudo-molécule. Ici tous les fragments sont pris en
compte pour la recherche de configuration optimale du ligand [24].
2.4.2. GOLD
Le logiciel GOLD (Genetic Optimisation for Ligand Docking) est l'un des programmes
de docking les plus réussis et largement utilisé, provient d'une collaboration entre l'Université
de Sheffield, GlaxoSmithKline plc et CCDC (Cambridge Crystallographic Data Centre). Il
est basé sur trois parties majeures [23] : un algorithme de recherche pour explorer les
possibilités de modes de liaison, un mécanisme pour placer le ligand dans le site de liaison et
une fonction de score pour classer les différents modes de liaison.
2.4.2.1. Algorithme de GOLD
GOLD utilise un algorithme génétique pour le docking de petites molécules (ligand)

dans le site actif d’une protéine. Il considère le ligand comme flexible alors que la protéine est
maintenue fixe sauf pour les groupements hydroxyles de certains résidus à savoir Tyrosine,
Serine et Thréonine [25].
9
L’algorithme génétique est basé sur le principe de la sélection naturelle, développé par
Charles Darwin en 1838. Les algorithmes génétiques fonctionnent par une génération
successive d'individus ou structures du ligand. Chaque individu possède des gènes se sont ses
caractéristiques. La méthode comporte trois phases : reproduction, crossover, mutation. La
phase de reproduction vise à identifier les individus pouvant donner une autre génération.
Pour la première génération les éléments sont créés au hasard pour éviter la dépendance vis-à-
vis de la structure de départ. Pour les générations suivantes elles sont composées des meilleurs
éléments de la génération précédente sélectionnés par une fonction d’évaluation. Dans notre
cas il s’agit souvent d’une fonction basée sur la Fitness. Durant la phase de crossover, les
gènes des individus sélectionnés sont échangés 2 à 2 pour créer la nouvelle génération, le lieu
de croisement est déterminé au hasard. La troisième étape est la mutation, certains individus
peuvent être le résultat de mutations où un gène est modifié de façon aléatoire. Le cycle de
génération est répété jusqu’à ce que soit atteint le nombre maximum de générations ou le
nombre maximum d’évaluations de l’énergie [26, 27].
2.4.2.2. Le mécanisme du placement du ligand dans le site actif
GOLD utilise une méthode unique pour ce faire, qui est fondée sur les points de
fixation, il ajoute des points de fixation aux groupements de liaisons hydrogènes sur la
protéine et le ligand, puis il va cartographier les points accepteurs qui se trouvent dans le
ligand sur les points donateurs dans la protéine et vice versa. En outre, GOLD génère des
points de fixation hydrophobiques dans la cavité de la protéine sur laquelle les groupements
CH du ligand sont mappés [28].
2.4.2.3.La fonction de score
GOLD utilise différentes fonctions de score pour le processus d'optimisation [29] :

GoldScore (une fonction de score basée sur le champ de force), ChemScore, ASP (Astex
Statistical Potential), CHEM PLP (Piecewise Linear Potential) et User Defined Score.
Cependant, Goldscore est la fonction originale pour GOLD, issue des travaux de Willet.
Cette fonction est la somme de quatre éléments [29, 21]:
GOLD Fitness = Shb_ext + Svdw_ext + Shb_int + Svdw_int
Shb_ext est l’énergie de liaison hydrogène entre le récepteur et le ligand ;

Svdw_ext est l’énergie des forces de Van der Waals (vdw) entre le récepteur et le ligand ;
10
Shb_int est l’énergie de liaison hydrogène interne du ligand ;

Svdw_int est le résultat de la contrainte intramoléculaire dans le ligand.
3. Fonctions de score
Les méthodes de « scoring » permettent d’évaluer l’énergie de liaison du complexe

formé et de donner un score aux poses obtenues lors de la phase de docking. Ce score
permettra d’une part de retenir la meilleure pose parmi toutes celles proposées, mais
également de classer la meilleure pose de différents ligands pour identifier les meilleurs
d’entre eux. Dans les programmes de docking, on trouve différents types de fonction de score
: celles utilisant un champ de force de mécanique moléculaire, celles reposant sur les
connaissances actuelles et les méthodes empiriques.
3.1.Fonctions de score basées sur les champs de force
Les fonctions de score basées sur un champ de force calculent, par mécanique
moléculaire, l’énergie d’interaction du complexe récepteur-ligand (interactions
intermoléculaires) et l’énergie interne du ligand. Les interactions entre récepteur et ligand
comprennent souvent des termes de Van der Waals et électrostatiques. L’énergie interne du
ligand est généralement écrite de manière similaire [13, 30]. Les fonctions de score qui se
basent sur les champs de force sont par exemple : Goldscore [23], DOCK [16] et Autodock
[13, 25].
3.2.Fonctions de score empiriques
Les fonctions empiriques de score estiment l’affinité des complexes protéine-ligand en

additionnant des termes d’interaction (liaison hydrogène, interaction hydrophobe, interaction
ionique …). Elles sont utilisées dans la plupart des algorithmes d’amarrage notamment FlexX
[31], Chemscore et LUDI [13, 25].
3.3.Fonctions de score basées sur la connaissance « knowledge-based »
Ces fonctions de score sont construites à partir de règles fondées sur une analyse
statistique des complexes protéine-ligand résolus expérimentalement. La fonction PMF
(Potential of Mean Force) fait partie de cette classe de fonction [24].
11
CHAPITRE II La tuberculose
CHAPITRE II: LATUBERCULOSE
1. La tuberculose dans le monde
Aujourd'hui, la tuberculose reste un problème majeur de santé publique: 2 milliards de

personnes, soit 30 % de la population mondiale, sont infectées par le bacille tuberculeux.
Chaque année, 9 millions de personnes sont atteintes d’une tuberculose maladie dont 3,9
millions sont contagieuses [32]. En 2009, le nombre de décès dus à la tuberculose était estimé
à 1,7 millions dont 380 000 vivant avec le VIH (virus de l’immunodéficience humaine) [33].
Cette pathologie touche essentiellement les pays en voie de développement qui totalisent 95%
des cas et 98% des décès, mais aussi les régions industrialisées comme les Etats-Unis ou
l'Europe [34]. Trois continents sont principalement concernés : l'Afrique, l'Asie et l'Amérique
Latine (tableau II.1) où la surpopulation, les conditions de vie insalubres, l'alimentation
déficiente et le manque de moyens des autorités sanitaires sont propices à la propagation de
l'infection. En Algérie, 21 832 cas de tuberculose ont été enregistrés en 2010 [35].
Tableau II.1: Tuberculose : estimations de l'incidence, de la prévalence et de la mortalité

(2009).
Incidence1 Prévalence 2 Mortalité (hors VIH)

nombre % du pour nombre pour nombre pour
Région de
en total 100 000 en 100 000 en 100 000
l'OMS
milliers mondial habitants milliers habitants milliers habitants
Afrique 2 800 30% 340 3 900 450 430 50
Amériques 270 2,9% 29 350 37 20 2,1
Méditerranée
660 7,1% 110 1000 180 99 18
orientale
Europe 420 4,5% 47 560 63 62 7
Asie du Sud-
3 300 35% 180 4 900 280 480 27
Est
Pacifique
1 900 21% 110 2 900 160 240 13
occidental
Ensemble du
9 400 100% 140 14 000 164 1 300 19
monde
1
Incidence: nouveaux cas survenant pendant une période déterminée.
2
Prévalence: nombre de cas existant dans la population à un moment déterminé.
12
2. Définition
La tuberculose est une maladie infectieuse provoquée, dans la plupart des cas, par un
microorganisme nommé Mycobacterium tuberculosis.
• La tuberculose pulmonaire : est la forme la plus fréquente de la maladie et concerne

plus de 80 % des cas. C’est la seule forme de tuberculose qui soit contagieuse.
• La tuberculose extra-pulmonaire : atteint des organes autres que le poumon, le plus
souvent la plèvre, les ganglions lymphatiques, la colonne vertébrale, les articulations,
les voies génito-urinaires, le système nerveux ou l’abdomen. La tuberculose peut
toucher n’importe quelle partie du corps [36].
3. Etiologie
3.1. Agent pathogène
En 1882, le microbiologiste allemand Robert Koch, observa et décrivit pour la première

fois le germe pathogène responsable de la tuberculose : Mycobacterium tuberculosis
également appelé bacille de Koch.
L'espèce la plus répandue est représentée par le bacille de type humain, Mycobacterium
tuberculosis (99% des cas). Mycobacterium africanumest une variété qui existe parfois en
Afrique de l’Ouest. Mycobacterium bovis est responsable de la tuberculose bovine mammaire
transmissible de manière rare à l’homme par le lait non bouilli. Ces trois espèces de bacilles
sont des mycobactéries tuberculeuses et constituent le « complexe tuberculosis». Les
mycobactéries non tuberculeuses ou mycobactéries atypiques sont souvent non pathogènes,
mais peuvent parfois donner des manifestations cliniques (pulmonaires, osseuses,
ganglionnaires ou cutanées) simulant ceux de la tuberculose [37, 38].
3.2. Transmission
La transmission de la tuberculose est essentiellement interhumaine : le bacille de Koch

(BK) se trouve dans les gouttelettes de salives extériorisées par les malades. Lorsqu’il tousse,
rit ou éternue, le patient tuberculeux contagieux expulse dans l’air des gouttelettes
microscopiques contenant des bacilles. Ces gouttelettes sèchent rapidement et deviennent des
particules infectieuses qui peuvent rester en suspension dans l’air pendant plusieurs heures.
Toute personne entrant dans la pièce peut inhaler ces particules infectieuses. Si les bacilles
13
s’installent dans les poumons de la personne qui les inhale et commencent à s’y multiplier,
l’infection s’est alors produite [36, 42].
3.3. Physiopathologie
La primo-infection tuberculeuse correspond au premier contact de l’organisme avec la

bactérie. La contamination se fait par voie aérienne entraînant des lésions pulmonaires. La
multiplication de la bactérie entraîne une réponse immunitaire (défense de l’organisme
destinée à empêcher le développement des bactéries et à favoriser leur destruction). Dans 90%
des cas, la primo-infection tuberculeuse évolue spontanément vers la guérison définitive.
Chez les patients immunodéprimés, en particulier infectés par le VIH, cette guérison
spontanée n’est obtenue que dans 70% des cas. Dans les 10% des cas restants (jusqu'à 30%
pour les patients infectés par le VIH), une tuberculose active va se développer, la moitié dans
l’année suivante, l’autre moitié durant le reste de la vie. C’est la tuberculose maladie [40, 41].
4. Les antibiotiques antituberculeux et les traitements

4.1. Les antibiotiques antituberculeux
Généralement les médicaments antituberculeux ciblent la biosynthèse de

macromolécules (protéines, acides nucléiques, polysaccharides ou lipides de l'enveloppe
cellulaire) essentielles à la survie de la mycobactérie. Les molécules utilisées dans le
traitement contre la tuberculose peuvent également être classées en deux catégories (figure
II.6) :
4.1.1. Les antituberculeux essentiels
Les médicaments antituberculeux essentiels sont au nombre de cinq [42, 43] :
La streptomycine : a été isolée de Streptomyces griseus et fut le premier antibiotique

réellement efficace contre la tuberculose. Elle pénètre dans la membrane interne de
Mycobacterium tuberculosis et inhibe la biosynthèse des protéines en se liant de manière
irréversible à la petite sous unité des ribosomes.
L'isoniazide(INH) : cette molécule est une pro-drogue nécessitant une activation in vivo pour
former le véritable principe actif. Il inhibe la biosynthèse des acides mycoliques qui sont des
constituants essentiels de la paroi mycobactérienne.
14
Le pyrazinamide : est un analogue de l'isoniazide. Il s'agit également d'une pro-drogue dont

l'activité dépendrait d'une amidase bactérienne. L'acide pyrazinoïque serait en fait la molécule
active.
La rifampicine : est un composé naturel isolé de Streptomyces mediterranei. Elle inhibe

l'ARN polymérase, entraînant ainsi la mort de la bactérie par blocage transcriptionnel. Avec
l'INH, la rifampicine constitue la base de la chimiothérapie antituberculeuse.
L'éthambutol : est un amino-alcool synthétique décrit en 1961. Il inhibe la biosynthèse des

arabinogalactane qui entrent dans la composition de la membrane mycobactérienne.
4.1.2. Les médicaments de seconde intention
Ils sont d’efficacité mineure et ne sont pas utilisés dans la chimiothérapie de courte
durée. Les médicaments de deuxième ligne sont : capréomycine, kanamycine, ofloxacine
(OFX), ciprofloxacine (CPX), éthionamide (Et), cyclosérine, acide para-aminosalicylique et
prothionamide. Cependant, ce traitement présente plusieurs obstacles : des effets secondaires
plus fréquents et un coût onéreux dû à un traitement d’environ deux ans [42, 44, 45]. Selon les
recommandations de l’OMS, le traitement de deuxième ligne doit comprendre durant la phase
initiale (d’au moins six mois) au minimum quatre médicaments. Cette phase est suivie d’une
phase d’entretien (de 12 à 18 mois) comprenant au moins trois des médicaments les plus actifs
et les mieux tolérés [45]. De plus, Les fluoroquinolones comme la lévofloxacine et
l'ofloxacinesont extrêmement actives contre Mycobacterium tuberculosiset sont souvent
choisies pour traiter les cas de tuberculose multi- résistante, malgré les effets secondaires.
Figure II.6 : Mécanisme d’action des antituberculeux

15
4.2. Le traitement
Le traitement de la tuberculose repose sur la chimiothérapie. La durée de cette

chimiothérapie a considérablement diminué depuis 1960 ; initialement de 18 à 24 mois, elle
est actuellement de 6 à 8 mois et constitue « la chimiothérapie de courte durée » [37, 46].
Actuellement, le régime de base pour le traitement de toutes les formes de tuberculose

consiste en une phase intensive de deux mois associant Isoniazide + Rifampicine +
Pyrazinamide, et soit Ethambutol, soit Streptomycine, suivie par une phase dite
« de consolidation » de quatre mois associant Isoniazide et Rifampicine [37, 47, 42]. Aucun
de ces médicaments essentiels n’est suffisamment efficace pour détruire tous les bacilles
tuberculeux se trouvant chez un malade ; c’est pourquoi l’association de plusieurs
médicaments antituberculeux est indispensable pour obtenir la guérison définitive d’un
malade [37, 44].
4.3. Résistance bactérienne aux antibiotiques
La résistance bactérienne aux antibiotiques est apparue rapidement après leur

introduction dans le traitement des maladies infectieuses. Cette résistance est un facteur
majeur compliquant le traitement des infections bactériennes et la dissémination des souches
multi-résistantes. Trois mécanismes principaux sont responsables de la résistance aux
antibiotiques [48] :
• Modification de la cible des antibiotiques ;

• Synthèse d'enzymes inactivant les antibiotiques ;
• Diminution de la perméabilité bactérienne aux antibiotiques.
4.3.1. Mécanisme de résistance aux antituberculeux
Comme tous les antibiotiques d’une manière générale, la résistance des mycobactéries
tuberculeuses aux médicaments est un phénomène connu depuis l’utilisation du premier
antituberculeux (Streptomycine) en 1944 [45].
La résistance acquise aux antibiotiques est toujours liée à des mutations des gènes
chromosomiques qui codent soit pour des protéines cibles de certains antibiotiques (ARN
polymérase, ribosome, ADN gyrase), soit pour des enzymes impliquées dans l'activation de
l'antibiotique en substance active (catalase-peroxydase, pyrazinamidase) [49].
16
4.3.2. Tuberculose multi-résistante
De nos jours, ce n’est pas seulement la résistance aux médicaments antituberculeux en

monothérapie qui fait l’objet de graves préoccupations, mais, partout dans le monde, le grand
problème réside dans la multi-résistance à la combinaison des médicaments principaux. On
distingue les tuberculoses MDR (multi-résistances) et XDR (ultra-résistances) qui sont
définies par l’OMS comme suit:
• Les tuberculoses MDR : sont des formes de tuberculose qui ne réagissent pas aux
traitements standardisés de première ligne. Elles sont définies par la résistance des
souches à l’Isoniazide et la Rifampicine, qui sont les deux antituberculeux les plus
puissants et les plus largement utilisés, et qui constituent la base de tous les régimes
thérapeutiques actuellement recommandés [45, 50, 51]. Les tuberculoses MDR sont
traitées par une antibiothérapie de seconde ligne. Ces tuberculoses MDR peuvent
parfois nécessiter deux ans de traitement, ce qui explique leur impact fort sur la
mortalité des patients VIH+ et des immun déficients tels que les jeunes enfants et les
femmes enceintes.
• Les souches XDR : sont des souches MDR qui en plus sont résistantes à des traitements
de seconde ligne tels qu’une fluoroquinolone [42].
4.4. Les nouveaux antituberculeux
Les traitements antituberculeux actuels ne sont guère satisfaisants du fait de leur

longueur (six mois), de leur complexité (quatre médicaments associés) et de leur inefficacité
sur les souches multi-résistantes. Or, après plus de 40 ans sans aucune nouvelle molécule, de
nombreux nouveaux antituberculeux sont en développement. Certains sont des dérivés de
familles déjà connues, comme les fluoroquinolones et les rifamycines, d’autres appartiennent
à de nouvelles familles, comme les diarylquinolines, les dérivés nitroimidazolés (figure II.6).
Ces molécules permettent d’envisager une simplification du traitement de la tuberculose à
bacilles sensibles (durée totale plus courte, administration hebdomadaire des médicaments).
De plus, les nouvelles classes d’antituberculeux peuvent également avoir une activité sur les
bacilles multi et ultra-résistants [52, 53]. Au total, de nombreuses molécules sont en
développement dont certaines déjà en phase 3. Néanmoins, la longueur des essais
thérapeutiques dans la tuberculose fait que des modifications du traitement standard, si elles
se justifient, n’interviendront pas avant plusieurs années.
17
CHAPITRE III La méthionine aminopeptidase et ses inhibiteurs
CHAPITRE III : LA METHIONINE AMINOPEPTIDASE ET SES

INHIBITEURS
La découverte d'agents antituberculeux qui ciblent des nouvelles voies est cruciale pour
une thérapie efficace contre la tuberculose et permettra de limiter le développement de la
résistance.
Le mécanisme universel de synthèse des protéines impose que toutes les protéines
débutent par une méthionine. Pourtant cette première méthionine sera le plus souvent clivée
alors que la protéine est encore en cours de synthèse. Le mécanisme responsable de cette
modification co-traductionnelle est celui de la NME (Excision de la Méthionine N-terminale).
Elle a lieu dans tous les compartiments cellulaires où il y a une synthèse protéique. Deux
classes de protéases composent la NME : la méthionine aminopeptidase (MetAP) et la peptide
déformylase (PDF). Aujourd’hui un nombre croissant d’études rapportent que les enzymes de
la NME sont la cible de composés ayant des effets antibiotiques, antiparasitaires,
antifongiques ou anticancéreux [54]. Malgré les efforts réalisés pour caractériser les voies de
signalisation qui lui sont associées, peu d’inhibiteurs efficaces de la NME ont été découvert
principalement à cause de notre connaissance limitée de sa fonction physiologique.
Ici, nous passons en revue la voie de l'excision de la méthionine N-terminal (NME)

comme une cible thérapeutique potentielle lors de l'infection par Mycobacterium tuberculosis
(Mtb) (figure III.7).
Inhibiteurs Inhibiteurs
Formyl-Met-polypeptide Mtb PDF Met-polypeptide Mtb MetAP polypeptide

ou protéine
- Modifications post-traductionnelles
-La dégradation des protéines ciblées
-Stabilité - Localisation
Certaines protéines
Survie et dormance de la Mtb fonctionnelles essentielles
pendant l'infection d'un hôte et non essentielles de la
Mtb
Figure III.7 : Inhibition de la voie NME chez Mycobacterium tuberculosis
18
Les efforts précédents de découverte de nouveaux médicaments sont principalement

portés sur la PDF. Cependant, l'apparition des mutants résistants pourrait limiter l'utilité des
inhibiteurs de la PDF. D'autre part, le succès de ses inhibiteurs dans les essais cliniques a
préparé le terrain pour des études potentielles visant les MetAPs dans la Mtb [54].
Notre travail est basé sur l’étude in silico de l’inhibition de la méthionine

aminopeptidase par diverses molécules dans le but de découvrir de nouvelles cibles anti-
mycobactériennes.
1. La méthionine aminopeptidase
1.1.Définition
La méthionine aminopeptidase (MetAP) est une métalloprotéase qui assure le clivage de

la méthionine N-terminale au cours de la synthèse protéique, il s’agit de l’une des étapes
critiques dans la maturation des protéines (figure III.8) [3]. La MetAP se trouve dans les
cellules procaryotes et eucaryotes. Elle joue un rôle beaucoup plus important que d'autres
exopeptidases non spécifiques et est responsable de la plus grande partie de l’élimination de la
méthionine N-terminale. Les eucaryotes inférieurs et supérieurs ainsi que les bactéries
semblent partager un même mécanisme pour le traitement des protéines, indiquant
l'universalité de ce système [55, 56].
Figure III.8 : Synthèse protéique chez les bactéries
19
1.2. Classification du forme de l’enzyme MetAP
La méthionine aminopeptidase existe sous deux formes distinctes (type-I et type-II)

(figure III.9). Elle est classée en fonction de la présence d'extra séquences, soit à l'extrémité
N-terminale de la protéine ou entre les deux glutamates impliqués dans la coordination de
l'ion métallique. Les eubactéries présentent seulement le type-I et les archaebactéries
uniquement le type-II, les eucaryotes possèdent les deux types [55, 56, 57]. À l'heure actuelle,
il n'est pas clair pourquoi certaines espèces bactériennes ont deux MetAPs tandis que d'autres
n'ont qu'un seul.
Figure III.9 : Nouvelle classification de la MetAP
1.3.Rôle physiologique de la MetAP
La MetAP élimine la méthionine N-terminale des protéines naissantes, qui a lieu dans
environ 50-70% de protéines [57]. L'élimination du NH2-méthionine est essentielle à
certaines protéines pour fonctionner normalement in vivo [58].
L'importance physiologique de l'activité de la MetAP est soulignée par la létalité des

organismes dont tous les gènes de la MetAP ont été supprimés ou tous les produits des gènes
de la MetAP sont inhibés. Ceci a été montré pour Escherichia coli et Salmonella
typhimurium. Chez les levures, la suppression de l'une des MetAPI ou MetAPII provoque un
ralentissement de croissance, alors que l’élimination des deux gènes est mortelle. La MetAPII
20
de Caenorhabditis elegans, est essentielle pour le développement de la cellule germinale.

Dans les cellules de mammifères, les deux HsMetAPI et HsMetAPII sont nécessaires pour la
prolifération des cellules. En particulier, HsMetAPII est essentielle pour la croissance des
cellules endothéliales et l'angiogenèse [3].
1.4.Propriétés de la MetAP
1.4.1. La dépendance au métal
La MetAP est l'une des metallohydrolases dinucléaires, les ions métalliques jouent un
rôle clé dans l'hydrolyse catalysée par la MetAP. Elle peut être activée par plusieurs métaux
bivalents, y compris Co (II), Mn(II), et Fe(II). Initialement, la MetAP a été considérée comme
une enzyme à Co(II), parce que le cobalt est parmi les meilleurs activateurs, et toutes les
premières structures déterminées par rayons X de la MetAP contiennent deux Co(II) dans le
site actif [59].
1.4.2. Spécificité de substrat
L'activité de la MetAP est strictement spécifique de la méthionine et elle dépend de la

structure de son résidu adjacent. Dans la plupart des cas, un résidu adjacent avec une taille de
chaîne latérale plus petit que 0.129 nm est préféré ; pour les tailles de chaîne latérale
supérieure à 0,143 nm, la MetAP est incapable de cliver la méthionine [60, 61].
La méthionine initiatrice peut être complètement retirée de la protéine naissante

uniquement lorsque le deuxième résidu dans la séquence primaire est petit et non chargé
(Glycine, Alanine, Proline, Serine, Cystéine, Thréonine et Valine) [62,63]. Ceci a été
démontré in vitro en utilisant des substrats différents, mais également in vivo (figure III.10) :
21
Figure III.10: % de l’élimination de la méthionine in vivo avec une séquence N-terminale

(Met)-Xaa-Gln-Val-Ala avec 20 acides aminés différents pour Xaa
1.5. Structure générale de la MetAP de Mycobacterium tuberculosis

1.5.1. La structure de la MetAP
Deux iso formes de MetAP ont été identifiées chez Mycobacterium tuberculosis, l'une
avec une taille semblable à la MetAP de Escherichia coli (MtMetAPIa) et la seconde avec
une extension N-terminale contenant environ 40 acides aminés (MtMetAP1c) [64]. Seule la
MtMetAP1c est présentée ici.
Une vue générale de la structure tridimensionnelle de la MetAP de Mycobacterium

tuberculosis est présentée dans la figure III.11.En résumé, La MetAP contient 5 hélices α et
15 feuillets β. Deux ions de cobalt ont été trouvés dans la structure rencontrée. Les 40 acides
aminés de l'extension N-terminale (colorée en rouge) s'enroulent autour de la surface du
domaine catalytique (en vert), le rôle de cette extension est encore inconnu mais il est supposé
probablement interagir avec le ribosome lors de l'excision de la méthionine N-terminale. La
22
MtMetAP1c est plus courte de huit acides aminés à l'extrémité C-terminale par rapport à la
MetAP de Escherichia coli (EcMetAP) [64, 65].
Figure III.11 : La structure de la méthionine aminopeptidase de Mycobacterium tuberculosis
1.5.2. La méthionine dans le site actif
Le site actif de la MtMetAP1c est situé à environ dans le centre du domaine catalytique.
Les ions métalliques, CoI et CoII, sont liés à la molécule par l'intermédiaire des chaînes
latérales des résidus Asp131, Asp142, His205, Glu238 et Glu269 comme le montre la figure
III.12a. Tous les résidus qui sont normalement en contact avec les ions métalliques sont
conservés.
La chaîne latérale de la méthionine est enterrée dans une poche hydrophobe adjacente au
site du métal et formé par plusieurs résidus conservés (figure III.12b). Les résidus His114 et
His212 sont vraisemblablement impliqués dans la catalyse ainsi la mutation de leurs
homologues structurels chez HsMetAPIIb (His231 etHis339) et EcMetAPIa (His79 etHis178)
entraîne la suppression ou la réduction significative de l'activité des enzymes MetAP [66].
23
b) a)
His205
Met
Glu238
Asp131
Glu269
Asp142
Figure III.12 : a)Site de liaison du métal de complexe MtMetAP1c-Met. b) Schéma

comparant le complexe méthionine-MtMetAP1c (vert) et le complexe méthionine-EcMetAP
(gris)
Considérant que les résidus du site actif sont strictement conservés, les variations se
produisent parmi les résidus présumés de fixation du substrat. Les deux types I et II de la
MetAP emploient différents ensembles de résidus d'acide aminé (tableau III.2). Ceci explique
les différences dans le site d’attachement du substrat et l’activité enzymatique de différents
types de MetAP.
La MtMetAP a moins de 48% d'identité de séquence avec leurs homologues humains,

HsMetAPI, suggérant qu'il puisse être possible de trouver des inhibiteurs qui sont sélectifs
contre l'enzyme mycobactérienne [64, 68].
Tableau III.2 : Comparaison entre les sites de fixation de métal et de substrat pour la MetAP
type I et type II
24
MetAP S1-subsite Site de liaison du S1’-subsite

(reconnaît Met) métal
Cys59, Tyr62, Asp97, Asp108, Tyr168, Cys169,

Type-I EcMetAP
Tyr65, Cys70, His171, Glu204, Gly170, His185,
His79, Phe177, Glu235 Glu204, Pro205,
Trp221 Met206, Gln233
Pro220, Gly222, Asp, Asp, His, Leu, Gly, Glu, Phe,

Type-II MetAP
Ile338, His382, Glu, Glu Gln
Met384, Tyr444
2. La recherche de nouveaux agents antimicrobiens

2.1.Généralité
L’émergence de microorganismes pathogènes multi-résistants, due à l’usage abusif et

inapproprié des antibiotiques, pose actuellement un problème de santé publique
particulièrement préoccupant. En effet, la résistance des bactéries aux antibiotiques rend
quelque fois le traitement thérapeutique inefficace, et met le praticien dans des situations
délicates, surtout lorsque la vie du malade est en cause. La solution de ce problème s’avère
donc urgente et impose la recherche de nouveaux agents antimicrobiens.
Cette thématique vise à utiliser une nouvelle cible, une métalloprotéine impliquée dans
la maturation des protéines chez les bactéries (la méthionine aminopeptidase) et à rechercher
des inhibiteurs sélectifs de cette métalloprotéine bactérienne.
2.2.Inhibiteurs de la méthionine aminopeptidase
L'intérêt des inhibiteurs de la MetAP est principalement focalisé sur la fumagilline et les
inhibiteurs covalents de la MetAP-II en raison de son rôle dans l'angiogenèse. Il y a seulement
quelques inhibiteurs rapportés pour la MetAP-I, Bien qu’elle soit une enzyme unique et
essentielle dans les bactéries. Depuis les ions métalliques font partie du site catalytique, la
conception des chélateurs de métaux a été une approche populaire pour développer des
inhibiteurs de la MetAP (type I et type II). Les inhibiteurs compétitifs de la MetAP peuvent
être divisés en différentes classes.
25
Une classe des inhibiteurs de la méthionine aminopeptidase (MetAP), contient un

hydroxamate interne (N-acyl-Nalkylhydroxylamine) noyau en tant que groupe de métal-
chélation, a été conçu, synthétisé et testé [69]. Les bengamides (un produit marin naturel isolé
à partir d'éponges) et leurs analogues synthétiques [70] partager un même mode de liaison.
Une seconde classe contient une triazole ou un groupe pyrazole représente une classe
originale des inhibiteurs non-peptidiques efficaces contre les MetAPs [71]. Les groupements
structuraux tels que les acides carboxyliques ou les thiazole-2-oxalamides [72] sont présentes
en quelques autres inhibiteurs efficaces.
Dans cette étude, nous nous sommes limités à deux classes de molécules récemment
étudiées et qui ont été rapportées comme inhibiteurs de la MtMetAP :
• Une série des inhibiteurs sélectifs (metalloformes) sont identifiés comme nouvelle
classe d’inhibiteurs non peptidiques et de faible poids moléculaire de la MtMetAP [61]
dont les structures sont représentées dans le tableau III.3 ci-dessous.
Tableau III.3: Structures des inhibiteurs sélectifs (metalloformes)
5
1
2 6
3 7
4 8
26
• Une étude expérimentale réalisée par une équipe de chercheurs, O. Olaleye et al. 2010
[3], a permis d’identifier de nouveaux composés capables d’inhiber les deux types de
MtMetAPs. Ces composés sont les naphtoquinones et leurs dérivés (tableau III.4).
Tableau III.4 : Structures des dérivés naphtoquinones
2 17
3 18
4 19
5 20
6 21
7 22
8 23
9 24
10 25
27
Tableau III.4 : suite

12 26
13 27
14 28
15 29
16
28
CHAPITRE IV Matériels et méthodes
CHAPITRE IV : MATERIELS ET METHODES
1. Evaluation des programmes de docking
Des études ont montré que certains algorithmes de docking sont plus fiables que
d’autres pour reproduire le mode de fixation expérimentale de ligands. Les performances d’un
programme de docking sont jugées au moyen de deux critères :
1.1.Le RMSD (Root Mean Square Deviation)
Correspond à la moyenne de la déviation de chacun des atomes par rapport à ceux de la

molécule d’origine. Le mieux possible signifie que la valeur du RMSD entre la pose du ligand
calculée par le logiciel et la conformation dans le complexe expérimental est la plus petite
possible. Le positionnement, c’est-à-dire l’identification correcte du site de liaison sur la
protéine, l’orientation et la conformation du ligand influent sur la valeur du RMSD.
Le ratio admis est une différence maximum de deux angströms au-delà de laquelle la
prédiction est considérée comme non pertinente. La norme actuelle pour évaluer les
performances d’un programme de docking est de faire un test à partir de plusieurs centaines
de complexes protéines-ligands cristallisés [73, 74].
Deux programmes de docking moléculaire ont été testés, Surflex (v 1.3, 2005), et
GOLD (5.0.1, 2011). Ce test a été réalisé sur 144 complexes disponibles au niveau de la PDB
et leurs RMSD déterminés. La prédiction est acceptable si la valeur du RMSD ne dépasse pas
2 Å. La liste des complexes protéines-ligands étudiés sera retrouvée dans l’annexe1.
1.2. Le coefficient de corrélation (r)
Le coefficient de corrélation de Pearson permet d’évaluer l’intensité et le sens de la

relation linéaire entre deux séries de données provenant de l’échantillonnage de deux
variables métriques. Le coefficient de corrélation indique le degré de relation linéaire entre les
deux séries de données, et il prend des valeurs situées entre –1 et 1. S’il n’y a pas de relation
linéaire entre les deux séries de données, le coefficient de corrélation est très proche de zéro,
et on dira que les deux variables ne sont pas corrélées. Dans ce cas, il pourrait tout de même y
avoir une relation entre les deux variables, mais alors elle ne sera pas linéaire [75].
29
Le signe du coefficient de corrélation indique le sens de la corrélation: s’il est positif, la

valeur d’une des variables tend à augmenter en même temps que celle de l’autre variable, s’il
est négatif, la valeur d’une variable tend à diminuer quand celle de l’autre augmente. Pour
interpréter les corrélations dans le cadre de la relation examinée, nous pouvons nous en tenir à
certaines valeurs indicatives (figure IV.13).
CORRELATION
NEGATIVE NULLE POSITIVE
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

r =
Parfaite Forte Modérée Faible Aucune Faible Modérée Forte Parfaite
Figure IV.13: les différentes valeurs de r
Pour étudier la corrélation entre le score obtenu par le docking moléculaire et l’activité
biologique (IC50), nous avons utilisé les différents inhibiteurs de la méthionine
aminopeptidase (MetAP), ces inhibiteurs connus à travers les articles. Au total, 100 molécules
de trois bactéries différentes: Mycobacterium tuberculosis [2], Escherichia coli [76, 77, 72]
et Staphylococcus aureus [77] ont été testées. La disponibilité des valeurs de leur IC50 est
parmi les critères de choix de ces molécules utilisées pour tester la fiabilité des programmes
Surflex et GOLD à l’aide du coefficient de corrélation. Les structures des inhibiteurs de la
MetAP et leurs IC50 sont représentées dans l’annexe 2.
2. Préparation des molécules

2.1.Les structures de l’enzyme
Les structures de l’enzyme MetAP proviennent de la PDB « Protein Data Bank », la

plus grande archive de données structurales de macromolécules biologiques, comme les
protéines et les acides nucléiques. Ces données sont principalement obtenues par
cristallographie aux rayons X et résonance magnétique nucléaire (RMN).
Mise en place en 1971, elle contenait à l’époque sept structures. En 2006, plus de 36000
structures, dont 33000 structures de protéines, sont disponibles dans la PDB. De nombreuses
informations associées à chaque structure sont accessibles à l’ensemble de la communauté
30
scientifique, par un serveur internet (http://www.rcsb.org/pdb/). On peut y trouver la séquence

correspondante, ses coordonnées atomiques, les conditions expérimentales (par exemple, les
conditions de cristallisation), des images 3D [78].
2.2. Choix d’une structure cristallographique
Nous avons choisi trois codes de bonne qualité de l’enzyme MetAP ; 3IU7 (MetAP de
Mycobacterium tuberculosis), 2GG2 (MetAP de Escherichia coli) et 1QXY (MetAP de
Staphylococcus aureus). Les caractéristiques de ces enzymes sont regroupées dans le tableau
IV.5 ci-dessous.
Tableau IV.5 : Principales caractéristiques des codes 3IU7, 2GG2 et 1QXY [79]
Nombre Nombre
Code Résolution Facteur R Classification Nombre d’AA par d’atomes
(Å) de chaine chaine par
chaine
3IU7 1.40 0.172 3.4.11.18 1 285 2167
2GG2 1.00 0.136 3.4.11.18 1 264 2176
1QXY 1.04 0.144 3.4.11.18 1 251 1910
Pour réaliser un choix pertinent de structure cristallographique il faut la combinaison des deux
facteurs [80]:
2.2.1. La résolution
La résolution en angström de la protéine est une des données reflétant la qualité des
structures ayant permis de construire le modèle cristallographique. Généralement, une
résolution proche de 1 Å permet de distinguer tous les atomes y compris les hydrogènes. Une
résolution de l'ordre de 6 Å permet seulement de distinguer que des structures de types «hélice
α» ou «feuillet β» par exemple.
2.2.2. Le facteur R
Un autre indicateur est le facteur R qui est une grandeur indicatrice de l’écart entre les
facteurs de structures observés et calculés. Le facteur R est compris entre 0 et 1 (plus le
facteur R est proche de 0 et plus la prédiction est juste).
31
2.3.Préparation des molécules à l’arrimage
Dans un premier temps, le complexe protéine-ligand est téléchargé dans le format .pdb à
partir de la banque de données en introduisant son code ID.GOLD utilise directement le
format .pdb et n’a pas besoin d’une préparation préalable. Par contre, Surflex exige le format
.mol2. Donc les deux molécules du complexe (enzyme-ligand) sont séparées à l’aide du
logiciel Viewerlite. Les molécules d’eau et les autres composés de cristallisation sont retirés
de la structure. Les hydrogènes sont ajoutés à la structure, en respectant l’état de protonation
des résidus. Elles sont ensuite transformées dans le format .mol2 par l’intermédiaire du
programme disponible gratuitement Open Babel.
2.3.1. Open Babel
Open Babel (2.0.2, 1991) est un programme libre, visant à faciliter l'inter conversion des
données chimiques d'un format à un autre de fichiers de divers types. Les formats de fichier
que « Open Babel » prend en charge comprennent : PDB, MOL, MOL2, SDF, XYZ, PC,
SMI…etc [81].
2.3.2. Viewerlite
Viewerlite (4.2, 2001) [82] est un outil gratuit de visualisation, qui permet un affichage
3D d’une structure de molécule biologique. Il lit plusieurs formats de fichier dont le format
.pdb qui est le format le plus courant pour visualiser la structure des protéines ou des petites
molécules. Viewerlite propose plusieurs fonctions telles que : la présentation des liaisons
chimiques (liaison hydrogène), la mesure de distances interatomiques, l'annotation des acides
aminés (nom, numéro), créations de surfaces, choix de couleur (selon les atomes, les
structures…), la capacité de cacher et puis afficher à nouveau les différentes molécules.
2.4. Le dessin des inhibiteurs de la MetAP
Le programme Arguslab (4.0.1, 2003) [83] est un logiciel gratuit, utilisé pour construire
les différents inhibiteurs de la MetAP. Il possède une banque d’atomes sous différents états
d’hybridation permettant de construire tous les groupements chimiques éventuels. La
géométrie du ligand est optimisée à l'aide de la méthode semi-empirique PM3 (Parametric
Method3) et enregistrée dans le format .mol et ensuite transformée dans le format .mol2 à
l’aide de programme Open Babel.
32
2.5. Programmes utilisés

2.5.1. Surflex
Surflex (1.3, 2005) est un algorithme de docking rapide capable d’arrimer les ligands
dans un environnement constitué d’acides aminés avec une bonne précision. Les paramètres
standards de Surflex ont été utilisés par défaut dans cette étude.
Le docking est réalisé en 3 étapes [84]:
– Choix de la manière d’identifier le site actif soit à partir d’un ligand soit à partir du
récepteur.
– Construire d’une pseudo-molécule (protomol) qui va servir de cible aux différents
ligands.
– Arrimage d’un ou de plusieurs ligands.
Les différentes étapes de docking
• La génération de Protomol
L’utilisateur emploie une pseudo-molécule (protomol) comme la cible à laquelle se

rallie le ligand dans le site actif d'une protéine. Pour la création de protomol nous avons
utilisé la commande : surflex-dock proto ligand.mol2 protein.mol2 pl.
• Le docking d'une seule molécule
L'arrimage moléculaire exige un ligand, un protomol et une protéine. Pour le docking

d’une seule molécule nous avons utilisé la commande : surflex-dock dock ligand.mol2 pl-
protomol.mol2 protein.mol2.
Le résultat est donné sous la forme des 10 meilleurs « conformères » au format .mol2 (figure
IV.14).
33
1 2 3
Figure IV.14 : Résultat de docking avec Surflex
Chaque fichier possède trois scores : le premier d’affinité ; le second correspond au

degré de pénétration impropre du ligand dans la protéine appelé «crash score», plus ce score
est proche de 0 plus l’interaction est favorable et le troisième ou «polar score» correspond au
niveau de contribution des interactions polaires. Surflex donne, par défaut, les dix meilleures
affinités en M-1.
• Calcul du RMSD
La manière dont les ligands sont arrimés dans le site actif peut être généralement décrite
numériquement par le RMSD entre le ligand co-cristallisé et la molécule dockée. Le RMSD
est déterminé par la commande : Surflex-dock rms final-0.mol2 ligand.mol2.
2.5.2. GOLD
GOLD est un programme de calcul des modes de docking de petites molécules dans les
sites de liaison des protéines et est fourni dans le cadre de GOLD Suite, un ensemble de
34
programmes pour la visualisation et la manipulation des structures (Hermes v 1.4), pour

l’arrimage protéine-ligand (GOLD v 5.0.1) et pour le traitement et la visualisation des
résultats de docking (GoldMine v 1.3).
Ses principaux avantages sont sa fiabilité à prédire des structures cristallographiques

pour des complexes de type protéine-ligand et l'emploi d'un algorithme génétique efficace. De
plus, le logiciel dispose d'une interface graphique simple d'emploi, et aisément scriptable et
s'adapte particulièrement bien aux environnements de calcul parallèle.
Hermes
Hermes est un programme permettant de visualiser la structure des protéines en trois

dimensions. Ses caractéristiques comprennent [29] :
- La capacité de lire les structures des protéines et de ligand à partir de fichiers
externes ;
- Une gamme d’options de visualisation 3D, y compris le choix des modèles
d'affichage, les couleurs, la capacité de cacher et puis afficher à nouveau les atomes,
les résidus, les ligands, les molécules d'eau,…etc ;
- La capacité de mesurer et afficher les distances, les angles et les angles de torsion ;
- La capacité de trouver et montrer les liaisons hydrogène ;
- La possibilité d'enregistrer les fichiers ;
- La possibilité de modifier les ligands ;
- La possibilité de charger et de visualiser les surfaces contournées.
Les différentes étapes de docking
Après l’ouverture du visualiseur Hermes. On ouvre la fenêtre GOLD setup wizard, en

cliquant sur Wizard. Le complexe enzyme-ligand.pdb sera téléchargé, en cliquant sur le
bouton Load Protein.
Les étapes suivantes sont nécessaires :
1. Addition des hydrogènes
Tous les atomes d'hydrogène doivent être présents dans le fichier d'entrée des protéines.
2. Suppression des molécules d’eau
35
Les molécules d'eau dans les cavités des protéines peuvent parfois être un élément
fondamental. Elles sont capables d’assurer le relais entre le récepteur et le ligand et ainsi créer
des réseaux de liaisons hydrogène. Dans nos études, nous n’avons pas mis en évidence
l’intérêt d’introduire des molécules d’eau. Un clic sur l’option Delete Remaining Waters
permet l’élimination des molécules d’eau.
3. Suppression des ligands
Le fichier protéine peut avoir un ou plusieurs ligands occupant le site de liaison qui doit
être enlevé avant de pouvoir effectuer un docking. En cliquant sur Delete Ligands de la liste
des options proposées, puis sur le bouton Extract. Le ligand extrait est enlevé du fichier de la
protéine et automatiquement rechargé dans Hermes de sorte qu'il puisse être employé pour
définir le site de liaison. Le ligand est sauvegardé sous forme ligand .mol2.
4. Définition de site de liaison
Il est nécessaire de préciser le site de liaison de l’enzyme, en cliquant sur Define Binding
Site de la liste Global Options puis choisir l’option One or more ligands. Une liste de ces
ligands actuellement chargés dans le visualiseur Hermes sera montrée. Choisissez le ligand de
référence que vous souhaitez utiliser à partir de cette liste.
5. La sélection du Ligand
Pour sélectionner le ligand, appuyer sur Add. Choisir ligand .mol2 puis cliquer sur
Open. Le ligand .mol2 sera inscrit au Ligand File.
6. La fonction de score
La fonction Goldscore est utilisée dans le cadre du docking, pour l’évaluation de

l’énergie des systèmes protéine-ligand.
7. Run GOLD
Avant de terminer la mise en place de notre arrimage, cliquer surl’option Advanced,

sélectionner Output Options. Cette page est séparée en trois vues tabulées : File Format
Options, Information in File et Selecting Solutions, permettent de contrôler les informations
des fichiers de sortie.
36
Enfin, le choix de l’option Run GOLD dans le menu permet de lancer les calculs. Une
fois le travail terminé, le message Finished Docking Ligand apparaîtra dans la fenêtre Run
GOLD. Les résultats de docking sont présentés sous forme de 5 fichiers de sortie, pouvant être
observés dans la fenêtre Run GOLD:
• Les fichiers contenant des informations sur la protéine et le ligand initialisé

(gold_protein.mol2 et gold_ligand.mol2) ;
• Les fichiers contenant le ligand docké (gold_soln_ligand_m1_n.mol2) ;
• Les fichiers contenant le score de Fitness (ligand_m1.rnk et bestranking.lst) : les
tentatives d'amarrage sont énumérées selon le score de Fitness. Donc, la meilleure
solution est placée en premier ;
• Les fichiers log des protéines et de ligand (gold_protein.log et gold_ligand_m1.log) ;
• Les fichiers contenant les messages d'erreur (gold.err).
3. Inhibition de la 3IU7 par GOLD
3.1. Choix de la 3IU7
Dix structures tridimensionnelles pour la méthionine aminopeptidase de Mycobacterium

tuberculosis sont disponibles sur la PDB, identifiées par les codes 3IU7, 3IU8, 3IU9, 1YJ3,
1YIN, 3PKA, 3PKB, 3PKC, 3PKD et 3PKE. La structure 3IU7 a été choisie pour notre étude,
car elle constitue un compromis entre une bonne résolution et la présence d’un inhibiteur co-
cristallisé.
3.2.La règle de Lipinski
Chaque médicament potentiel doit de se conformer à plusieurs critères de base, tel son
faible coût de production, être soluble, stable, mais doit aussi se conformer à des barèmes
associés à ses propriétés pharmacologique d’absorption, de distribution, métabolisme,
d’excrétion et de toxicité (filtre ADME/Tox) [85]. Cette méthode est basée essentiellement
sur la règle de 5 de Lipinski [86]:
- Le poids moléculaire du composé ne doit pas être supérieur à 500 daltons (Da) ;
- Le coefficient de partition (logP) doit être ≤ 5;
- Le nombre de donneurs de liaisons hydrogène doit être ≤ 5;
- Le nombre d’accepteurs de liaisons hydrogène doit être ≤ 10.
37
LogP : est égal au logarithme du rapport des concentrations de la substance étudiée dans
l'octanol et dans l'eau (LogP = Log Coct/Ceau). Cette valeur permet d'appréhender le
caractère hydrophile ou hydrophobe d'une molécule. En effet, une molécule doit, pour
parvenir dans l’organisme jusqu’à son lieu d’action, se dissoudre dans des phases aqueuses,
traverser des membranes lipidiques, des phases protéiques et osidiques. La solubilité dans
l’eau et dans les lipides ainsi que le coefficient de partage jouent dans ce transport, un rôle
fondamental. Une molécule dotée d’une action plus rapide doit avoir un coefficient de partage
qui favorise le plus son transport [27].
Les composés dont les propriétés physico-chimiques ne satisfont pas au moins deux des
règles sont fortement susceptibles de présenter des problèmes d’absorption ou de
perméabilité. De plus, Veber [87] a introduit deux critères supplémentaires à ce qui est
aujourd’hui communément appelé "la règle des 5". La surface polaire (PSA, polar surface
area) du composé doit être inférieure à 140 A° ² et le nombre de liaisons de rotation
« rotatable bonds » doit être inférieur à 15.
En effet, en complément de ces règles, d’autres critères sont pris en compte dans la
sélection de molécules potentiellement candidates [24]:
- Nombre d’halogènes ≤ 7 ;
- Chaînes alkyles ≤ -(CH2)6-CH3 ;
- Nombre de cycles ≤ 6 ;
- Pas de grands cycles de plus de 7 membres ;
- Au moins un atome d’azote ou d’oxygène dans la molécule.
3.3.Inhibition de la 3IU7 par divers inhibiteurs
Nous avons sélectionné les quatre composés (parmi les 35 cités dans le chapitre III) qui
agissent sur la MetAP de Mycobacterium tuberculosis. Les structures des ligands sont
représentées dans le tableau IV.6 ci-dessous.
38
Tableau IV.6 : Structure des ligands étudiés
N° Composé Nom
1
5-{[(2,4-dichlorophenyl) methyl]
sulfanyl}-4H-1, 2,4-triazol-3-amine
2
4,5,6,7-tetrachloro-2-(3-chloro-1,4-
dioxo-1,4-dihydronaphthalen-2-yl)-2,3-
dihydro-1H-isoindole-1,3-dione
3
2,3-bis (4-fluorophenoxy)-1,4-
dihydronaphthalene-1,4-dione
4
2-chloro-3-(4-fluorophenoxy)-1,4-
dihydronaphthalene-1,4-dione
4. Inhibition de la MetAP de Mycobacterium tuberculosis par les dérivés

du Bengamide
Lu J. P et al. (2011) ont identifié de nouveaux composés capables d’inhiber les deux
types de la MetAP de Mycobacterium tuberculosis. Ces composés sont les dérivés du
Bengamide, tirés directement de la banque de données PDB. Les structures de ses dérivés se
retrouvent dans le tableau IV.7.
39
TableauIV.7 : structure des dérivés du Bengamide
N° Composé Nom
1
Y02 : (2r,3r,4s,5r,6e)-3,4,5-
Trihydroxy-2-Methoxy-8,8-Dimethyl-
N-[2-(2,4,6-
Trimethylphenoxy)ethyl]non-6-
Enamide
2
Y16 :(2r, 3r, 4s, 5r, 6e)-N-(2-Amino-
2-Oxoethyl)-3, 4,5-Trihydroxy-2-
Methoxy-8,8-Dimethylnon-6-
Enamide
3
Y08 :(2r,3r,4s,5r,6e)-N-{[(3s)-1-
(Cyclopropylcarbonyl)piperidin-3-
Yl]methyl}-3,4,5-Trihydroxy-2-
Methoxy-8,8-Dimethylnon-6-
Enamide
4
Y10 : (2r,3r,4s,5r,6e)-N-(2,3-Dihydro-
1h-Inden-2-Yl)-3,4,5-Trihydroxy-2-
methoxy-8,8-Dimethylnon-6-Enamide
40
CHAPITRE V Résultats et discussions
CHAPITRE V : RESULTATS ET DISCUSSIONS
Le travail réalisé ici s’articule en trois parties. La première partie traite la performance
des programmes utilisés. Une deuxième partie expose l’étude des interactions intervenant
dans l’inhibition de la MetAP par divers molécules. Nous présentons, dans la dernière partie
l’inhibition de la MetAP de Mycobacterium tuberculosis par les dérivés du Bengamide.
1. Fiabilité des programmes utilisés

1.1.Le RMSD
La performance des deux logiciels a été évaluée sur 144 complexes protéines-ligands
(annexe1) tirés de façon aléatoire de la PDB.
Les écarts quadratiques moyens entre la position du ligand du complexe
cristallographique et celles des ligands amarrés par Surflex et GOLD, ont été calculés. Une
prédiction correcte (résultat positif) est définie par un RMSD entre le mode d'interaction
prédit et la structure cristalline, inférieur à 2 Å. Dans les graphes suivants, les résultats sont
donnés en pourcent (%), à divers intervalles de RMSD représentés par différentes couleurs,
pour les deux programmes : Surflex et GOLD.
GRAPHE1 : Résultats en % obtenus par Surflex à divers intervalles de RMSD (Å)
Surflex
30
27,77
25
Pourcentage (%)
20
17,36 ≤0,5
16,66
14,58 ≤1
15
≤1,5
≤2
10 9,02 8,33 ≤2,5
6,25
≤3
5
>3
Valeurs des RMSD en Angström
41
GRAPHE2 : Résultats en % obtenus par GOLD à divers intervalles de RMSD (Å)
GOLD
35
29,86
30
Pourcentage (%)
25 ≤0,5
21,52
≤1
20
≤1,5
14,58
15 13,19 12,5 ≤2
10
≤2,5
5,55 ≤3
5 2,77 >3
0
Valeurs des RMSD en Angström
Le RMSD minimum dans l'ensemble est de 0,27 Å alors que le maximum est de 7.67 Å.
La majorité des résultats positifs se situe dans l’intervalle 0,5 – 1 Å pour Surflex et 0.5 – 1.5 Å
pour GOLD.
GRAPHE 3 : Comparaison des deux programmes
Fiabilité des programmes

90
79,16
80
Pourcentage (%)
70 66
60
50
40 34 Surflex
30
20,83 GOLD
20
10
0
< 2 A° > 2 A°
Valeurs de RMSD en Angström
42
Nous remarquons d’après ces résultats que le programme GOLD reproduit bien les
données expérimentales, et à un degré moindre Surflex. En effet, 79.16 % des valeurs de
RMSD sont inférieures ou égale à 2 Å pour le premier, et 66 % pour le deuxième. En
revanche, le temps de calcul requis par le programme GOLD pour le docking d'un ligand est
plus long que le temps requis par le programme Surflex. Ce paramètre n’est pas négligeable si
le logiciel est utilisé pour le criblage d’un nombre important de molécules.
Exemples des valeurs du RMSD
La comparaison de la conformation expérimentale des trois complexes (colorées en

rouge) : le 3FHR (le meilleur), le 1BSK (l’intermédiaire) et le 1RL4 (le mauvais) avec les
conformations optimales calculées par le logiciel GOLD (colorées en vert), est montrée dans
les figures suivantes.
Figure V.15: Superposition du ligand P4O donné par rayon-X (coloré en rouge) et par
docking moléculaire (coloré en vert) avec GOLD
43
Figure V.16 : Superposition du ligand MNL donné par rayon-X (coloré en rouge) et par
Figure V.17 : Superposition du ligand BL5 donné par rayon-X (coloré en rouge) et par
44
Dans le premier cas, avec un RMSD de 0.276 Å, on obtient une bonne superposition de
solution du docking avec les coordonnées de structure observée expérimentalement. De ce fait
la superposition est presque parfaite (figure V.15); dans le deuxième cas, avec un RMSD de
2.245 Å, elle l’est moins (figure V.16); alors que dans le troisième cas, avec un RMSD de
7.676 Å elle est mauvaise, c’est à dire le ligand arrimé est éloigné de ligand naturel (figure
V.17).
La présence des liaisons rotables dans le ligand du complexe 1RL4 (31 liaisons rotables)
est probablement la raison pour laquelle le RMSD est supérieur à 2 Å. En effet, un nombre
élevé de ce type de liaison est défavorable à l’interaction avec l’enzyme car il génère un très
grand nombre de conformations [24, 27]. Lorsque le nombre de liaisons simples croît, le
nombre théoriquement envisageable de conformations pour une molécule augmente. Une
recherche conformationnelle exhaustive est donc impossible.
Conclusion
Le test par le RMSD nous permet de conclure, que les logiciels surflex et GOLD peuvent
être utilisés pour prédire les interactions enzyme-inhibiteurs. Ils sont généralement plus
efficaces en présence de petites molécules de ligand.
1.2.Coefficient de corrélation
L’analyse par régression linéaire a été réalisée sur différents complexes (MetAP-
inhibiteurs) dont l’activité biologique a déjà été testée. La corrélation entre l’activité
biologique et le résultat obtenu par le docking moléculaire est un des moyens pour tester la
fiabilité des programmes Surflex et GOLD utilisés dans cette étude.
IC50 : est la concentration d'inhibiteur nécessaire pour atteindre 50% d'inhibition de
l'enzyme. Cette grandeur peut également être exprimée en pIC50 = -log IC50 [88].
L’analyse par régression linéaire a permis d’obtenir un coefficient de corrélation pour

chacun des programmes utilisés (tableau V.8).
Tableau V.8 : Valeurs du coefficient de corrélation
Programmes Surflex-dock GOLD
Coefficient de corrélation 0.76 0.64
45
Des inhibiteurs de la MetAP provenant de la littérature ont été examinés. Au total, 100
structures (MetAP-inhibiteurs) ont été testées par les deux programmes Surflex et GOLD
(annexe 2).
Dans les deux cas, la valeur du coefficient de corrélation est supérieure à 0.5 (|r| ≥ 0.5)
[27]. Il y a donc corrélation significative entre les deux paramètres analysés, à savoir l’activité
biologique représentée ici par –Log IC50 et les résultats de docking donnés par les 2
programmes Surflex (Affinité) et GOLD (Fitness).
Surflex établit une bonne corrélation (r =0,76) ce qui est en accord avec les résultats de
Chikhi A et Bensegueni A. (2010) [89] et de Kamel M. M. et al. (2010) [90]. Cependant la
corrélation obtenue par GOLD en conjonction avec la fonction de score GoldScore (Fitness)
est légèrement inférieure, mais encore à un niveau acceptable (r =0,64), Comme il est
clairement démontré dans les figures V.18 et V.19. Ce résultat est comparable à celui rapporté
par Maouche A. T et al. (2008) [91] qui utilise le logiciel GOLD en jonction avec une autre
fonction de score (Chemscore).
On remarque des interactions intéressantes entre la MetAP et divers inhibiteurs avec des
valeurs de l’affinité et de la fitness suffisamment élevées, notamment pour les quatre
complexes 17, 19, 21 et 91 avec 5.40 M-1 (Affinité) - 64.83 (Fitness), 4.17 M-1- 63.46,
4.87 M-1- 60.69 et 4.17 M-1- 64.31 respectivement.
Tableau V.9 : Résultats de l’analyse par régression linéaire sur les inhibiteurs de la MetAP
Dans le tableau V.9 ci-dessous nous présentons les valeurs suivantes : IC50 issues de la
littérature, les valeurs calculées de -log IC50, les valeurs de l’affinité données par Surflex et
les valeurs de la fitness données par GOLD.
N IC50 (µM) - Log IC50 Affinité (M-1) Fitness
1 10 -1 3.23 55,42
2 5.2 -0.71 4.26 57,52
3 4.6 -0.66 4.75 54,97
4 3.9 -0.59 2.49 57,25
5 3.4 -0.53 4.36 61,52
6 2.6 -0.41 4.26 55,68
7 2.4 -0.38 4.56 56,19
8 2.1 -0.32 4.34 54,64
9 1.7 -0.23 4.34 54,38
10 1.7 -0.23 4.38 55,51
46
Tableau 9 : suite
11 1.2 -0.079 4.04 62,1
12 0.99 0.004 5.72 62,52
13 0.97 0.013 5.61 62,59
14 0.78 0.1 5.02 60,78
15 0.55 0.259 4.29 53,89
16 0.54 0.26 4.66 57,99
17 0.46 0.33 5.40 64,83
18 0.38 -0.42 3.81 55,67
19 0.16 0.79 4.17 63,46
20 1.75 -0.24 4.09 75,76
21 0.25 0.6 4.87 60,69
22 0.25 0.6 5.33 59,53
23 0.55 0.259 4.17 63,11
24 0.55 0.25 4.72 66,34
25 1.25 -0.096 4.00 60,21
26 1.50 -0.176 3.47 60,94
27 0.1 1 4.86 62,64
28 5 -0.69 3.63 50,62
29 1.69 -0.22 5.38 71,26
30 0.044 1.35 4.71 64,41
31 19 -1.27 2.10 53,13
32 16 -1.2 2.92 54,73
33 18.3 -1.26 2.24 47,86
34 41.7 -1.62 2.09 48,54
35 38.9 -1.58 2.97 39,18
36 17.9 -1.25 2.81 41,45
37 19.4 -1.28 3.40 42,22
38 45.5 -1.65 3.33 45,78
39 40.1 -1.6 3.04 42,6
40 29.2 -1.46 3.20 49,26
41 4.9 -0.69 2.66 47,02
42 19.9 -1.29 3.06 42,4
43 22.8 -1.357 3.03 41,12
44 22.4 -1.35 3.60 50,94
45 22.0 -1.34 3.05 44,51
46 18.8 -1.27 3.07 42,54
47 21.2 -1.32 3.08 49,68
48 7.2 -0.85 3.67 54,05
49 >100 -2 3.30 42,53
50 >100 -2 2.50 49,76
51 >100 -2 3.34 48,89
52 >100 -2 1.23 52,75
53 >100 -2 2.08 51,71
54 >50 -1.69 1.72 56,28
55 >50 -1.69 3.07 49,82
56 >50 -1.69 3.53 52,14
47
Tableau 9 : suite
57 21.3 -1.32 3.90 52,37
58 1.79 -0.25 3.68 57,53
59 3.74 -0.57 3.50 57,67
60 >30 -1.47 3.09 41,09
61 >50 -1.69 3.04 45,2
62 >50 -1.69 2.76 40,14
63 >30 -1.47 3.83 51,18
64 >50 -1.69 2.23 53,25
65 >50 -1.69 3.09 68,07
66 >50 -1.69 2.62 41,5
67 200 -2.3 3.45 52,65
68 4.61 -0.66 4.55 59,61
69 4.3 -0.63 4.09 54,89
70 2.4 -0.38 5.72 73,86
71 1.5 -0.17 4.88 50,09
72 1.3 -0.11 5.00 49,78
73 0.57 0.24 4.60 51,68
74 0.11 0.95 4.55 56,75
75 0.47 0.32 4.11 52,94
76 0.58 0.23 6.65 51,56
77 2.00 -0.3 5.47 77,43
78 0.21 0.67 4.30 48,77
79 4.4 -0.64 4.49 43,07
80 22.9 -1.359 2.97 72,57
81 16.0 -1.2 3.00 71,93
82 8.7 -0.93 3.30 63,34
83 >100 -2 2.14 57,46
84 >50 -1.69 2.91 60,59
85 9 -0.95 6.29 57,25
86 7.2 -0.85 4.35 51,24
87 0.24 0.619 3.92 57,51
88 2.8 -0.44 1.00 60,01
89 1.7 -0.23 7.03 71,05
90 0.137 0.86 3.14 62,87
91 0.154 0.81 4.17 64,31
92 35.9 -1.55 4.48 41,96
93 6.6 -0.81 1.76 43,89
94 22.5 -1.35 4.54 55,02
95 16.4 -1.21 4.65 52,32
96 138 -2.13 5.06 53,15
97 71.4 -1.85 4.43 53,71
98 57.5 -1.75 4.17 55,18
99 84.2 -1.92 4.57 53,9
100 57.3 -1.75 3.92 54,39
48
Affinité
7
6
Surflex (Affinité)
2
r=0.76
1
0
-2,5 -2 -1,5 -1 -0,5 0 0,5 1 1,5 2
-LogIC50
Figure V.18: corrélation entre l’activité biologique (-LogIC50) des inhibiteurs de la MetAP et
leurs Affinités données par Surflex
Fitness
80
70
60
GOLD (Fitness)
50
40
30
20 r=0.64
10
0
-2,5 -2 -1,5 -1 -0,5 0 0,5 1 1,5 2
-LogIC50
Figure V.19: corrélation entre l’activité biologique (-LogIC50) des inhibiteurs de la MetAP et
leurs Fitness données par GOLD
49
Conclusion
La détermination du coefficient de corrélation entre l’activité biologique et le score de

docking semble être un bon moyen pour tester la performance des programmes utilisés dans
notre travail. Cette étude théorique confirme clairement les résultats expérimentaux et montre
que les deux logiciels Surflex et GOLD peuvent être utilisés sans trop risque d’erreurs, pour
simuler la formation des complexes enzyme-inhibiteurs. Nos résultats prouvent que les
programmes Surflex et GOLD réalisent un travail raisonnable dans l'arrimage et devrait
soutenir largement le processus de découverte de médicaments.
2. Etude des interactions intervenant dans l’inhibition de la 3IU7 par

diverses molécules
2.1.Interaction MetAP-Met-Ala-Ser
Pour étudier le mode d’interaction de différents inhibiteurs avec le site actif de l’enzyme
MetAP de Mycobacterium tuberculosis par le docking moléculaire ; nous avons utilisé la
dernière version du programme GOLD, il permet de montrer les contacts de Van der Waals
et les liaisons hydrogène, ces dernières sont les plus importantes parmi les liaisons faibles.
Les acides aminés du site actif
Une étape fondamentale dans la stratégie de docking moléculaire est l'identification des
résidus d'acides aminés pouvant intervenir dans le processus de reconnaissance du ligand.
D’après le logiciel GOLD, les acides aminés du site actif sont :
Thr94, Tyr97, Lys98, Phe100, Cys105, Cys113, His114, Asp131, Thr133, Asp142, Asn144,
Phe202, Thr203, Gly204, His205, Phe211, His212, Thr236, Glu238, Trp255, Gln267,
Glu 269.
Notre démarche consiste d’abord d’étudier l’interaction avec la Met-Ala-Ser, substrat de

la cible.
La figure V.20 suivante montre le site actif de la méthionine aminopeptidase complexée

avec le substrat. Le ligand est en représentation « boules et bâtonnets » de différents couleurs,
et les acides aminés du site actif de l’enzyme sont représentés en « wireframe ».
50
Thr133 Asp142
His212
Phe211
Tyr97
Thr94
His205 Thr236
Lys98
Met-Ala-Ser
Phe100 Asp131
Glu269
Gly204
Asn144
Trp255 His114
Cys105 Glu238
Thr203
Cys113 Gln267
Phe202
Figure V.20 : Docking de substrat (Met-Ala-Ser) dans le site actif de la 3IU7
Le substrat Met-Ala-Ser est bien centré dans le site actif de l’enzyme. Sa chaine latérale
est entourée par les résidus Thr94, Tyr97, Phe100, His114, Phe211, Trp255 (la poche
hydrophobe).
L’hydroxyle établit, par l’intermédiaire de son atome d’oxygène, un pont hydrogène avec
l’un des atomes d’azote du cycle du résidu His205 (H-O……HE2-NE2-His205 ; d = 3.035 Å) et
un pont hydrogène avec l’hydroxyle de Glu238 (H-O…….HE2-OE2-Glu238 ; d = 2.958Å). Un
troisième pont hydrogène est formé avec le carbonyle de Asp142 (O-H……OD1=CG-Asp142 ;
d = 3.011 Å). Le carbonyle OXT du substrat forme un quatrième pont hydrogène avec
l’hydroxyle du résidu Asp131 (C=O...….HD2-OD2-Asp131 ; d = 2.864 Å). Enfin, le
groupement amine de cette molécule forme un pont hydrogène avec le résidu Thr203 (N-
H.…..O=C-Thr203 ; d= 2.696 Å) schématisé sur la figure V.21.
51
His205
Asp142 Mn287
O
OXT
Mn286 N Thr203
Met-Ala-Ser
Asp131
Glu238
Figure V.21 : Représentation des liaisons hydrogène formées par le substrat
NB : nous avons négligé quelques acides aminés de quelques figures pour la clarté des
images.
Le substrat établit plusieurs interactions Van der Waals avec les résidus Thr203, His205,
Glu238 et les ions métalliques. Dans le tableau V.10 ci-dessous nous avons résumé les
différentes interactions :
Tableau V.10 : Les interactions de Van der Waals
Résidus Atome d’acide Atome du Distance Å

N impliqués aminé ligand
1 Thr203 CB H 1.693
1 His205 HB1 SD 2.375
1 His205 HE2 O 2.201
1 Glu238 CD H 2.369
1 Mn286 - C 2.892
1 Mn286 - OXT 1.976
1 Mn286 - C 2.717
1 Mn286 - O 1.587
52
La figure V.22 suivante visualise ces interactions :
His205
Mn287
Mn286
O SD
OXT
Glu238
H
Thr203
Met-Ala-Ser
Figure V.22 : Représentation des interactions Van der Waals formées par le substrat
2.2.Docking des inhibiteurs de la MetAP
Le docking de 35 molécules tirées de la littérature est effectué sur la structure de la

protéine co-cristallisée avec le FCD (structure cristallographique 3IU7). Nous avons jugé
intéressant de tester ces inhibiteurs, de comparer leurs scores (Affinité, Fitness) par rapport au
ligand initial et de proposer le meilleur inhibiteur de l'enzyme MetAP. Les résultats de
docking sont présentés dans le tableau V.11.
Tableau V.11 : Résultats de docking avec les programmes Surflex et GOLD
Le premier résultat (Affinité, Fitness) est celui du ligand de référence et les autres
correspondent aux différents inhibiteurs provenant de la littérature. Nous avons choisi cet
inhibiteur comme référence parce qu’il est le premier ligand proposé comme inhibiteur de la
MetAP de Mycobacterium tuberculosis.
53
N Composés IC50 (µM) Affinité (M-1) Fitness

1 1 (FCD) 16 2.78 56.72
2 2 14 3.26 50.45
3 3 14 3.09 54.85
4 4 37 2.39 56.66
5 5 18 -1.50 55.78
6 6 26 6.28 59.50
7 7 (TO3) 0.58 2.08 56.15
8 8 (TO7) 0.24 3.10 57.35
9 2 8.7 3.30 57.53
10 3 7.2 3.67 54.05
11 4 6.6 1.76 43,89
12 5 >100 3.30 42.53
13 6 >100 2.50 49.76
14 7 >100 3.34 48.89
15 8 >100 2.14 57,46
16 9 >100 1.23 52.75
17 10 >100 2.08 51.71
18 12 >50 1.72 56.28
19 13 >50 2.91 60.59
20 14 >50 3.07 49.82
21 15 >50 3.53 52.14
22 16 >50 3.03 58.98
23 17 21.3 3.90 52,37
24 18 22.5 4.54 55.02
25 19 16.4 4.65 52,32
26 20 0.71 1.55 46,68
27 21 1.79 3.68 57.06
28 22 3.74 3.50 57.67
29 23 >30 3.09 41.09
30 24 >50 3.04 45.20
31 25 >50 2.76 40.14
32 26 >30 3.83 51.18
33 27 >50 2.23 53.25
34 28 >50 3.09 68.07
35 29 >50 2.62 41.50
Parmi les complexes qui figurent dans le tableau V.11, nous avons retenu les meilleurs
résultats uniquement. C'est-à-dire ceux qui présentent une activité inhibitrice non négligeable
sur la MetAP (IC50 inférieure à celle du ligand initial), avec un meilleur score de docking
(Affinité et Fitness supérieures à celles du ligand de référence).
54
Tableau V.12 : Résultats obtenus par Surflex
composés log-0 crash polar

N
8 TO7 3.10 1.59 2.34
9 2 3.30 1.26 0.85
27 21 3.68 3.76 0.00
28 22 3.50 0.46 0.00
- Log-0 est la meilleure solution parmi les dix qui sont données, par défaut, par le logiciel.
log-0 représente l’affinité.
- La deuxième valeur ou crash, correspond au degré de pénétration inappropriée du ligand
dans la protéine.
- La dernière valeur, désignée par polar, correspond au niveau de contribution des interactions
polaires.
Tableau V.13 : Résultats obtenus par GOLD
N composés Fitness S (hb_ext) S (vdw_ext) S (hb_int) S (int)

8 TO7 57.35 21.41 30.04 0.00 -5.36
9 2 57.53 13.70 32.01 0.00 -0.18
27 21 57.07 11.30 34.61 0.00 -1.82
28 22 57.67 12.68 34.67 0.00 -2.69
2.3.Règle de Lipinski
Avant d’entamer l’étude des interactions entre l’enzyme MetAP et les 4 composés, il est
nécessaire d’évaluer les paramètres permettant leur validation comme antibiotiques (tableau
V.14). Ces indices ont été calculés dans le cadre du code « Molinspiration » [92]. Elle permet
de dessiner des molécules et de calculer les propriétés moléculaires importantes (logP, la
surface polaire, le nombre de donneurs et accepteurs de liaison hydrogène...etc) directement
sur une page internet.
55
Tableau V.14 : Critères de la règle de Lipinski pour les différents inhibiteurs
N Composés PM nOH,NH nO,N ClogP nrotb

8 TO7 275.164 3 4 2.992 3
9 2 475.498 0 5 5.331 1
27 21 378.33 0 4 5.359 4
28 22 302.688 0 3 4.119 2
PM : poids moléculaire ;
nOH,NH : nombre de donneurs de liaisons H ;
nO,N : nombre d’accepteurs de liaisons H ;
clogP : logP ou coefficient de partition calculé ;
nrotb : liaisons rotables.
Nous constatons que presque tous les inhibiteurs étudiés répondent à la règle de 5 de
Lipinski, avec l’absence de donneurs de liaisons H pour les molécules 2, 21 et 22. Les
composés 2 et 21 présentent un coefficient de partage supérieur à 5.
Cependant, d’autres critères sont pris en compte dans la sélection de molécules

potentiellement candidates (tableau V.15).
Tableau V.15 : Autres critères
N Composés Nombre Chaînes Nombre Nombre Nombre

d’halogènes alkyles de cycles d’atome d’atome
d’oxygène d’azote
8 TO7 2 0 2 0 4
9 2 5 0 4 4 0
27 21 2 0 4 4 0
28 22 2 0 3 3 0
Les résultats du tableau V.15 montrent que les 4 molécules étudiées s’inscrivent
parfaitement dans la marge de ces critères.
Les résultats énergétiques et structuraux concernant le docking des structures étudiées

(TO7, 2, 21 et 22) dans le site actif de la MetAP ont permis d’obtenir les informations
souhaitées concernant le mode d’interaction spécifique de ces inhibiteurs.
Les résultats sont illustrés sur les figures ci-dessous :

56
2.4.Interaction des 4 ligands choisis
Tous les inhibiteurs de la MetAP de Mycobacterium tuberculosis, publiés à ce jour,

possèdent une fonction à une des extrémités de leur molécule qui peut se lier aux ions
métalliques de l’enzyme pour former un chélate.
2.4.1. Interaction : 3IU7-TO7
Parmi les inhibiteurs étudiés, la molécule TO7 présente un score élevé avec l’enzyme
MetAP (Affinité=3.10 M-1, Fitness=57.35). Il y a une corrélation hautement significative
entre son énergie d’interaction et son effet inhibiteur indiqué par un IC50=0.24µM.
L’analyse visuelle montre que l’inhibiteur TO7 est stabilisé par la formation de deux
ponts hydrogène (représentés en vert) avec les résidus His212 et Asp131. La figure V.23
montre que l’azote N4 du ligand établit un pont hydrogène avec l’hydroxyle du résidu Asp131,
par l’intermédiaire de son atome d’oxygène (N4 …… HD2-OD2-Asp131; d = 2.925 Å). Le
groupement NH2 du ligand établit une liaison hydrogène avec l’un des atomes d’azote du
cycle du résidu His212 (N3-H…….NE2-His212 ; d = 2.946 Å).
His212
N3
TO7 N4
Asp131
Figure V.23 : Représentation des liaisons hydrogène formées par le composé TO7
57
Les liaisons hydrogène ne sont pas seules responsables dans l’interaction de la MetAP
avec le ligand. Le rôle des interactions de Van der Waals est aussi important dans
l’explication du mode d’interaction de la MetAP, comme traduit sur le tableau V.16 et la
figure V.24.
Tableau V.16 :Les interactions de Van der Waals
N Résidus Atome d’acide Atome du Distance Å

impliqués aminé ligand
1 Lys98 HD2 CL2 2.299
1 Mn286 - N2 2.679
1 Mn286 - N4 2.113
1 Mn287 - N2 2.189
1 Mn287 - C8 2.873
1 Mn287 - N3 2.970
1 Mn287 - H 2.420
Lys98
CL2
N3 H
C8
Mn287
TO7
N2
N4
Mn286
Figure V.24 : Représentation des interactions Van der Waals formées par le composé TO7
58
2.4.2. Interaction : 3IU7-inhibiteur 2
Concernant le complexe MetAP- inhibiteur 2, le ligand a formé une liaison hydrogène et

plusieurs interactions Van der Waals.
La seule liaison hydrogène formée est d’une distance de 2,863 Å entre C=O du ligand et
l’un des atomes d’azote du cycle du résidu His205 (figure V.25).
Inhibiteur2
His205
Figure V.25 : Représentation de la liaison hydrogène formée par l’inhibiteur2
Dans le tableau suivant nous avons résumé les paires d’atomes interagissant dans les
différentes interactions Van der Waals:
59
Tableau V.17 : Représentation des interactions Van der Waals

1 Glu238 CD CL 2.924
1 His212 CD2 O 2.526
1 His212 HD2 O 1.914
1 Thr203 OG1 C 2.654
1 Phe202 HD2 O 2.123
1 Mn286 - O 2.879
1 Mn287 - O 2.229
1 Mn287 - C 3.192
1 Mn287 - CL 3.092
La figure V.26 suivante visualise ces interactions :
His212
Inhibiteur2
C
O
O
Thr203
C
CL O
Mn287
Phe202
Mn286
Glu238
Figure V.26: Représentation des interactions Van der Waals formées par l’inhibiteur2
60
La figure V.27 montre que l’inhibiteur 21 pénètre bien dans le site actif de l’enzyme, en
formant une seule liaison hydrogène avec le résidu His205 (C7=O2…….HE2-NE2-His205 ; d =
2.335Å).
Inhibiteur21
His205
O2
Figure V.27 : Représentation de liaison hydrogène formée par l’inhibiteur21
Les interactions de type Van der Waals observées lors de l’interaction de la molécule 21
avec le site actif de l’enzyme, représentées dans le tableau V.18 et la figure V.28 ci-dessous:
61

1 Lys98 HZ3 F2 2.115
1 Asp131 OD2 H1 2.209
1 Thr203 H C13 2.379
1 Thr203 H C16 2.327
1 His205 CD2 H5 2.396
1 Mn286 - H1 1.747
1 Mn286 - C1 2.808
1 Mn286 - O2 3.009
1 Mn287 - O2 1.710
1 Mn287 - C7 2.846
F2 Lys98
Inhibiteur21
C13
C16
Thr203
C7
His205 Mn287
C1
O2 Mn286
H1
Asp131
Figure V.28 : Représentation des interactions Van der Waals formées par l’inhibiteur21
L’inhibiteur 22 établit un seul pont hydrogène avec l’acide aminé Cys105 (figure V.29).
Ce ligand est engagé par l’un de ces atomes d’oxygène dans une liaison avec le groupement
SH du résidu Cys105 (O….HG-SG-Cys105; d = 3.108 Å).
62
Inhibiteur22
Mn286
O3
Mn287
Cys105
Figure V.29 : Représentation de liaison hydrogène formée par le composé 22

Les interactions Van der Waals sont résumées dans le tableau V.19 et la figure V.30 ci-
dessous :

1 Tyr97 HD2 H8 1.877
1 Phe100 HB2 F1 1.923
1 Phe100 HD1 F1 1.933
1 Phe100 CD1 F1 2.552
1 Phe100 CD1 C13 2.789
1 Cys105 SG C11 2.943
1 Cys105 SG H5 2.496
1 His114 NE2 O2 2.465
1 His212 NE2 C5 2.709
1 His212 NE2 C6 2.735
1 Trp255 CH2 F1 2.354
1 Trp255 CZ3 F1 2.172
1 Mn286 - O1 2.089
1 Mn286 - C10 2.989
1 Mn286 - CL1 2.660
1 Mn287 - H4 2.063
1 Mn287 - C6 3.080
1 Mn287 - O1 2.408
63
Trp255
Tyr97
F1 H8 His112
C13 Inhibiteur22
O2
C11 C5
Phe100 H5 C6
H4
C10
His114 CL1 O1
Mn287
Mn286
Cys105
Figure V.30: Représentation des interactions Van der Waals formées par l’inhibiteur22
Parmi les 4 composés étudiés, le composé TO7 forme le complexe protéine-ligand le
plus stable ; il présente donc le meilleur effet inhibiteur. En plus, ce composé possède toutes
les conditions requises pour être un excellent candidat comme médicament, en particulier un
faible poids moléculaire et un logP égal à 2.992.
2.5. Inhibition de la MetAP de Mycobacterium tuberculosis par les dérivés du

Bengamide
2.5.1. Docking des dérivés du Bengamide
Le docking de 4 molécules tirées de la PDB est effectué sur la structure

cristallographique 3IU7. Les valeurs de l’affinité et de fitness sont présentées dans les
tableaux suivants :
Tableau V.20 : Résultats obtenus par Surflex
N Composés Code log-0 crash polar

1 Y02 3PKA 5.73 -4.97 4.42
2 Y16 3PKB 4.22 -2.85 3.56
3 Y08 3PKC 4.86 -4.95 5.01
4 Y10 3PKD 2.77 -6.58 4.85
64
Tableau V.21 : Résultats obtenus par GOLD
N Composés Fitness S (hb_ext) S (vdw_ext) S (hb_int) S (int)

1 Y02 77.11 12.05 47.90 0.00 -0.80
2 Y16 61.23 15.94 36.09 0.00 -4.34
3 Y08 75.90 11.30 47.24 0.00 -0.35
4 Y10 63.02 12.30 47.21 0.00 -14.19
Le meilleur résultat, pour les 2 programmes, est obtenu par les composés 1(Y02) et 3
(Y08) qui présentent les plus fortes affinités (5.73 M-1, 4.86 M-1) et fitness (77.11, 75.90)
respectivement.
Tableau V.22 : Critères de la règle de Lipinski pour les différents inhibiteurs
N Composés PM nOH,NH nO,N ClogP nrotb

1 Y02 423.55 4 6 2.997 11
2 Y16 318.37 5 6 -1.155 9
3 Y08 426.554 4 6 1.107 10
4 Y10 375.509 4 5 3.329 8
Les résultats du tableau V.22 montrent que les 4 molécules utilisées dans cette étude
répondent à la règle de Lipinski. En plus, les composés Y02 et Y08 représentent les meilleurs
inhibiteurs avec un coefficient de partage égal à 2.997 pour le premier et 1.107 pour le
second.
2.5.2. Etude des interactions avec la 3IU7
Nous avons choisi, parmi les composés qui figurent dans le tableau V.20 et V.21 ceux
qui présentent une activité inhibitrice non négligeable sur la MetAP de Mycobacterium
tuberculosis. Ces composés sont : Y02 et Y08.
2.5.2.1.Interaction : 3IU7-Y02
Le composé Y02 présente les meilleurs scores avec l’enzyme MetAP (Affinité =5.73
M-1, Fitness = 77.11). Trois liaisons hydrogène sont observées dans le cas de la molécule Y02
(figure V.31), il s’agit des liaisons de type :
N-H………C=O-Thr203 où d = 2,149 Å ;
O2-H……...CD=OE1-Glu238 où d = 2,627 Å ;
65
H-O1……...HD2-OD2-Asp131 où d = 2,696Å.
Y02
O1
O2 Asp131
N
Thr203
Glu238
Figure V.31 : Représentation des liaisons hydrogène formées par le composé Y02
Des interactions Van der Waals ont été observées lors de l’interaction de la molécule
Y02 avec le site actif de l’enzyme MetAP (tableau V.23 et figure V.32).
Tableau V.23 : Représentation des interactions Van der Waals

Atome
Résidus d’acide Atome du ligand Distance Å
N impliqués aminé
1 Tyr97 HD2 H 1.867
1 Phe100 CG H 2.337
1 Cys105 SG H 2.447
1 His114 CD2 H 2.162
1 His212 NE2 H 1.994
1 His212 CD2 H 2.207
1 Mn286 - O1 2.824
1 Mn286 - H 2.524
1 Mn286 - O2 2.775
1 Mn287 - H 2.442
1 Mn287 - O2 2.105
1 Mn287 - C06 3.102
1 Mn287 - H 2.602
66
Figure V.32: Représentation des interactions Van der Waals

2.5.2.2.Interaction : 3IU7-Y08
L’analyse visuelle montre que l’inhibiteur Y08 établit trois ponts hydrogène avec les
résidus : Asp131, His212 et Glu238 (figure V.33).
La fonction carboxylique est engagée dans une liaison hydrogène avec le résidu Glu238
(C11=O4……HE2-OE2-Glu238 ; d=2.897 Å). L’hydroxyle en position 2 établit, par
l’intermédiaire de son atome d’oxygène, un pont hydrogène avec l’un des atomes d’azote du
cycle du résidu His212 (O2-H……NE2-His212 ; d = 2.625 Å). Un autre pont hydrogène d’une
distance de 2.751 Å est formé entre l’hydroxyle en position 3 et le résidu Asp131
(O3-H……OD2-HD2-Asp131).
67
His212
O2
O3
Asp131
O4 Y08
Glu238
Figure V.33 : Représentation des liaisons hydrogène
Les interactions Van der Waals sont résumées dans le tableau V.24 et la figure V.34 ci-
dessous :
Atome
N Résidus d’acide Atome du ligand Distance Å
impliqués aminé
1 Tyr97 HD2 H 1.837
1 Cys105 SG H 2.497
1 His114 CE2 H 2.342
1 His114 NE2 H 2.224
1 Phe211 HZ H 1.824
1 His212 CD2 H 2.297
1 His212 NE2 H 1.547
1 Mn286 - O3 1.867
1 Mn286 - H 2.262
1 Mn287 - O2 2.910
68
Phe211
Tyr97
His212
H
H
O2 H Y08
H
O3
H
Cys105 Mn286 Mn287
His114
Figure V.34 : Représentation des interactions Van der Waals
L’inhibition de la MetAP de Mycobacterium tuberculosis par les dérivés du Bengamide

a été testée par des études de docking moléculaire dans le site de liaison de l’enzyme MetAP.
Parmi les quatre composés utilisés dans cette étude, le composé Y02 forme le complexe
protéine-ligand le plus stable ; il présente donc le meilleur effet inhibiteur avec une affinité de
5.73 M-1, une fitness de 77.11 et un ensemble de 3 liaisons H établies avec l’enzyme.
69
CONCLUSION
CONCLUSION ET PERSPECTIVES
Le but principal de ce travail a été de tester les performances de certains programmes

d’arrimage moléculaire qui permettent de simuler les interactions entre protéines et ligands.
Pour étudier ces interactions, nous avons choisi deux programmes de docking moléculaire:
Surflex, qui utilise une méthode incrémentielle et GOLD, qui utilise un algorithme génétique.
Ces programmes ont été développés pour aider à la mise au point de molécules à activité
thérapeutique. Il s’agit de calculs entre des composés de petit poids moléculaire (inhibiteurs)
et des récepteurs protéiques de types enzymatiques.
Dans ce contexte, nous avons utilisé ces programmes pour étudier les interactions
intervenant dans l’inhibition de la méthionine aminopeptidase par divers inhibiteurs. Cette
dernière est une cible thérapeutique potentielle lors de l'infection par Mycobacterium
tuberculosis.
Dans la première partie de notre travail nous avons testé les deux programmes Surflex et
GOLD selon deux critères : le RMSD entre le mode d'interaction prédit et la structure
cristalline et le coefficient de corrélation entre l’activité biologique (IC50) des molécules
étudiées (provenant de la littérature) et le score de docking moléculaire (Affinité pour Surflex
et Fitness pour GOLD). Les deux programmes, Surflex et GOLD, peuvent être considérés
suffisamment performants puisqu’ils reproduisent assez bien les résultats expérimentaux avec
plus de 66 % des valeurs de RMSD inférieures à 2 Å pour le premier et 79.16 % pour le
second. De plus, une corrélation positive entre les deux paramètres analysés avec r = 0.76 et
r = 0.64 respectivement.
Dans la deuxième partie de ce travail nous avons essayé de contribuer d'une part, à la
compréhension des mécanismes fondamentaux de la liaison entre une cible protéique et son
ligand et, d'autre part, à la recherche d’agents thérapeutiques potentiels par docking
moléculaire.
Pour cela, nous avons étudié l’inhibition de la MetAP par diverses molécules provenant
de la littérature et aussi visualisé les liaisons qu’elles impliquent avec le site actif de cette
enzyme. Les résultats sont, en général, similaires pour les deux programmes surflex et GOLD.
La première étude a montré que le composé TO7 (Affinité=3.10 M-1, Fitness=57.35) possède
le meilleur effet inhibiteur de l’enzyme MetAP. La seconde étude a permis d’identifier les
70
CONCLUSION
dérivés du Bengamide comme de nouveaux inhibiteurs de faible poids moléculaire de la

3IU7, notamment le composé Y02 (Affinité=5.73M-1, Fitness=77.11).
Enfin, il est important de noter que les différents inhibiteurs de la méthionine

aminopeptidase testés par cette étude sont, en général, conformes aux critères imposés par la
règle de Lipinski.
Pour conclure, au vu des résultats obtenus dans ce travail, qui consiste en l’élucidation
de l’inhibition de la MetAP par les méthodes de modélisation moléculaire dans le but de
découvrir de nouveaux antituberculeux, nous proposons les composés TO7 et Y02 comme
nouveaux inhibiteurs potentiels de l’enzyme.
Ce travail n’est cependant pas encore terminé, les prochaines étapes consisteront :
- A utiliser d’autres programmes de docking moléculaire, parmi les plus récents et les
plus performants, pour tester tous les inhibiteurs de la MetAP étudiés jusqu’à présent
afin de proposer les meilleurs.
- A tester l’activité de la méthionine aminopeptidase avec plusieurs métaux bivalents, y
compris Co (II), Mn(II), Fe(II) et Ni(II) pour trouver le meilleur activateur de cette
enzyme.
- A proposer des substitutions dans le but de découvrir de nouveaux inhibiteurs plus
efficaces de la MetAP.
- Enfin une étude expérimentale in vitro et/ou in vivo devra permettre de vérifier ensuite
les résultats théoriques obtenus in silico.
71
REFERENCES
REFERENCES BIBLIOGRAPHIQUES
[1] Grosdidier A. Conception d'un logiciel de docking et applications dans la recherche de

nouvelles molécules actives. Thèse de doctorat en pharmacie. Grenoble : Université Joseph
Fourier. France. 2007. 90p.
[2] Olaleye A. O., Bishaie W. R., Liua J. O.2009. Targeting the role of N-terminal methionine
processing enzymes in Mycobacterium Tuberculosis. Tuberculosis89. S1: S55- S59.
[3] Olaleye O., Raghunand T. R., Bhat S., He J., Tyagi S., Lamichhane G., Gu P., Zhou J.,
Zhang Y., Grosset J., Bishai W. R., Liu J. O. 2010.Methionine Aminopeptidases from
Mycobacterium tuberculosis as Novel Antimycobacterial Targets. Chemistry & Biology. 17 :
86-97.
[4] Buléon A., Pérez S., Tran V. La modélisation moléculaire Visualiser, Calculer, Simuler.
[En ligne]. http://www.abi.snv.jussieu.fr/jompo/Public/PSF/modelisation.pdf. Consulté le:
[16/01/2011].
[5] McCarthy D. J. 1999. Computational approaches to structure-based ligand design.

Pharmacology & Therapeutics. 84: 179-191.
[6] Geldenhuys W. J., Gaasch K. E., Watson M., Allen D. D., Van der SchyfC. J. 2006.
Optimizing the use of open-source software applications in drug discovery. Drug Discovery
Today.11: 127-132.
[7] Qian Z., Fields C. J., Yu Y., Lutz S. 2007. Recent progress in engineering alpha/beta
hydrolase-fold family members. Biotechnology Journal. 2: 192-200.
[8] Damborsky J., Brezovsky J. 2009. Computational tools for designing and engineering
biocatalysts. Current Opinion in Chemical Biology. 13 : 26-34.
[9] Karp G. Biologie moléculaire et cellulaire. 3éme édition. France : De Boeck. 2004. 850p.
[10] Voet D., Voet J. G. Biochimie. 2éme édition. France : De Boeck. 2005. 1600p.
REFERENCES
[11] Gauchard P. A. Les interactions de faible énergie. [En ligne].

http://www.umvf.biomedicale.univ-paris5.fr/.../gauchard_pierre_alexis_P05.pdf. Consulté le:
[16/03/2011].
[12] Rosen E. D., O’Donnell A. L., Koenig R. J. 1991. Protein-protein interactions involving
erbA superfamily receptors: through the TRAP door. Molecular and Cellular
Endocrinology.78: C83-C88.
[13] Kitchen D. B., Decornez H., Furr J. R., Bajorath J.2004. Docking and scoring in virtual
screening for drug discovery: methods and applications. Drug discovery. 3: 935-949.
[14] Warren G. L., Andrews C.W., Capelli A. M., Clarke B., LaLonde J., Lambert M.H.,
Lindvall M., Nevins N., Semus S. F., Senger S., Tedesco G., Wall I.D., Woolven J. M.,
Peishoff C. E., Head M. S.2006. A Critical Assessment of Docking Programs and Scoring
Functions. Journal of Medicinal Chemistry. 49: 5912-5931.
[15] Halperin I., Ma B., Wolfson H., Nussinov R. 2002. Principles of Docking: An Over view
of Search Algorithms and a Guide to Scoring Functions. Proteins: Structure, Function, and
Genetics. 47: 409-443.
[16] Ewing T. J. A., Makino S., Skillman A. G., Kuntza I. D. 2001. DOCK 4.0: Search
strategies for automated molecular docking of flexible molecule databases. Journal of
Computer-Aided Molecular Design. 15: 411-428.
[17] Clauûen H., Buning C., Rarey M., Lengauer T. 2001. FLEXE: Efficient Molecular
Docking Considering Protein Structure Variations. Journal of Molecular Biology. 308: 377-
395.
[18] Welch W., Ruppert J., Jain A. N. 1996. Hammerhead: fast, fully automated docking of
flexible ligands to protein binding sites. Chemistry & Biology. 3: 449-462.
[19] Budin N., Majeux N., Caflisch A. 2001. Fragment-Based Flexible Ligand Docking by
Evolutionary Optimization. Journal of Biological Chemistry. 382: 1365-1372.
[20] Kellenberger E., Rodrigo J., Muller P., Rognan D. 2004. Comparative Evaluation of
Eight Docking Tools for Docking and Virtual Screening Accuracy.Proteins: Structure,
Function, and Bioinformatics. 57: 225-242.
REFERENCES
[21] Jones G., Willett P., Glen R. C., Leach A. R., Taylor R. 1997. Development and
Validation of a Genetic Algorithm for Flexible Docking. Journal of Molecular Biology. 267:
727-748.
[22] Jain A. N. 2007. Surflex-Dock 2.1: Robust performance from ligand energetic modeling,
ring flexibility, and knowledge-based search. J Comput Aided Mol Des. 21: 281-306.
[23] Verdonk M. L., Cole C., Hartshorn M. J., Murray C. W., Taylor1 R. D. 2003. Improved
Protein–Ligand Docking Using GOLD. Proteins: Structure, Function, and Genetics. 52 : 609-
623.
[24] Chikhi A. Calculs et modélisations des interactions peptide deformylase – substances

antibactériennes a l’aide de techniques de « docking » (arrimage) moléculaire. Thèse de
doctorat en microbiologie. Constantine : Université Mentouri Constantine. Algérie. 2007. 90p.
[25] Reddy A. S., Pati S. P., Kumar P. P., Pradeep H. N., Sastry G. N. 2007.Virtual
Screening in Drug Discovery – A Computational Perspective. Current Protein and Peptide
Science.8 : 329-351.
[26] Balsmisse G. 2002. Les algorithmes génétiques. [En ligne].

http://www.gillesbalmisse.com/IMG/pdf/GB_AlgoGen.pdf. Consulté le: [09/05/2011].
[27] Bensegueni A. Etude théorique des métabolites secondaires des végétaux et des
composés de synthèse sur le plan de l’activité biologique : simulation par docking (arrimage)
moléculaire sur la lipoxygénase et la cyclooxygénase. Thèse de doctorat en Biochimie
Appliquée. Constantine : Université Mentouri Constantine. Algérie. 2007. 76p.
[28] Korb O., Cole J. 2010. Ant Colony Optimisation for Ligand Docking. Cambridge
Crystallographic Data Centre.6234: 72-83.
[29] Cambridge Cristallographic Data Centre (CCDC). [En ligne].

http://www.ccdc.cam.ac.uk. Consulté le: [20/05/2011].
[30] Bissantz C., Folkers G., Rognan D. 2000. Protein-Based Virtual Screening of Chemical
Databases. 1. Evaluation of Different Docking/Scoring Combinations. Journal of Medicinal
Chemistry.43: 4759-4767.
[31] Rarey M., Kramer B., Lengauer T., Klebe G. 1996. A Fast Flexible Docking Method
using an Incremental Construction Algorithm. Journal of Molecular Biology. 261: 470-489.
REFERENCES
[32] Kessler C., Connolly M., Levy M., Porter J., Rieder H. L.1998. La lutte antituberculeuse
dans les populations de réfugiés : un défi à la fois pour les Organismes d’Assistance et les
Programmes Nationaux. The International Journal of Tuberculosis and Lung Disease. 2: 105-
110.
[33] Organisation mondiale de la Santé (OMS).Tuberculose faits et chiffres sur la tuberculose.

[En ligne]. http://www.who.int/tb/features_ archive/factsheet_tb_2010_fr.pdf. Consulté le:
[20/02/2011].
[34] Murray J. F. 2001. La tuberculose dans le monde : situation et perspective en l’an 2001.
Revue des Maladies Respiratoires.18 : 479-484.
[35] Alihalassa S. 2009. Epidémiologie de la tuberculose en Algérie. [En ligne].

http://www.sante.dz/tuberculose/epidemio-algerie.pdf. Consulté le: [01/02/2011].
[36] Enarson D. A., Rieder H. L., Arnadottir T., Trébucq A. 2000. Prise en charge de la
tuberculose. Guide pour les pays à faibles revenus. Union Internationale Contre la
Tuberculose et les Maladies Respiratoires.
[37] Ait-khaled N.,Enarson D. 1999. TUBERCULOSE Manuel pour les Etudiants en

Médecine. [En ligne]. http://www.tbrieder.org/publications/books_french/students_fr.pdf.
Consulté le: [08/01/2011].
[38] Molinier A., Massol J. Molinier: pathologie médicale et pratique infirmière. France:
Editions Lamarre. 2008. 601 p.
[39] Helblinga P., Gabathulerb U., Rothec Th., Zellwegerd J. P. 2003. La tuberculose en
Suisse: épidémiologie, surveillance, transmission. Forum Med Suisse. 21 : 487-491.
[40] Dembele J. P. Aspects épidémiologiques de la tuberculose pulmonaire a bacilloscopie

positive au mali pendant la décennie 1995 – 2004. Thèse de doctorat en Médecine. Bamako :
Université de Bamako. Mali. 2005. 85 p.
[41] Informations générales sur la tuberculose et le VIH. [En ligne].

http://www.whqlibdoc.who.int/publications/2005/9241546344_fre_chap1.pdf.Consultéle:
[30/01/2011].
REFERENCES
[42] Palomino J. C., Leão S. C., Ritacco V. Tuberculosis 2007 From basic science to patient
care. [En ligne]. http://www.Tuberculosistextbook.com. Consulté le: [28-01-2011].
[43] Tripathi R. P., Tewari N., Dwivedi N., Tiwari V. K. 2005. Fighting Tuberculosis: An Old
Disease with New Challenges. MedicinalResearchReviews. 25: 93-131.
[44] Anane T. 2003. La tuberculose de l’enfant en Afrique : aspects épidémiologiques,

cliniques et thérapeutiques. Médecine tropicale. 63 : 473-480.
[45] Gimmi R., Pfyffer G. E., Brändli O. 2003. Tuberculose multirésistante – guérissable en
Suisse. Forum Med Suisse. 4 : 80-90.
[46] Organisation mondiale de la Santé (OMS). Le traitement de la tuberculose: principes à

l’intention des programmes nationaux. [En ligne].
www.whqlibdoc.who.int/hq/1997/WHO_TB_97.220_fre.pdf. Consulté le: [02-03-2011].
[47] Nicolet G., Rochat T., Zellweger J. P. 2003. Traitement de la tuberculose. Forum Med
Suisse. 22: 506-516.
[48] Yala D., Merad A. S, Mohamedi D., Ouarkorich M. N. 2001. Résistance bactérienne aux
antibiotiques. Médecine du Maghreb n°91.
[49] Loïez-Durocher C., Vachée A., Lemaitre N. 2000. La résistance de Mycobacterium

tuberculosisaux antituberculeux : méthodes diagnostiques. Annales de Biologie Clinique.
58: 291-297.
[50] Colloque du réseau tuberculose. Épidémiologie clinique, moléculaire et perspectives

vaccinales. [En ligne].http://www.invs.sante.fr/.../2002/colloque_tuberculose/colloque_
tuber.pdf. Consulté le : [05/02/2011].
[51] Un cadre de lutte contre la tuberculose multirésistante dans les États et Territoires
insulaires océaniens. 2010. [En ligne].
http://www.spc.int/.../Cadre_strategique_tuberculose_multiresistante_Pacifi. Consulté le:
[20/02/2011].
[52] Antoine D., Che D. 2008. Les cas de tuberculose maladie déclarés en France en 2006.
Bulletin Epidémiologique Hebdomadaire. n°10-11. 69-75.
REFERENCES
[53] Nau J. Y. 2008. De nouveaux antituberculeux sont annoncés. Revue Médicale Suisse.
4:744.
[54] Olaleyed O. A., Bishaie W. R., Liu J. O. 2009. Targeting the role of N-terminal
methionine processing enzymes in Mycobacterium Tuberculosis. Tuberculosis 89. S1: S55-
S59.
[55] Nonato M. C., Widom J., Clardy J. 2006. Human methionine aminopeptidase type 2 in
complex with L- and D-methionine. Bioorganic & Medicinal Chemistry Letters. 16: 2580-
2583.
[56] Giglione C., Serero A., Pierre M., Boisson B., Meinnel T. 2000. Identification of
eukaryotic peptide deformylases reveals universality of N-terminal protein processing
mechanisms. EMBO Journal. 19: 5916-5929.
[57] Boufous El H., Vadeboncoeur C. 2003. Purification and characterization of the

Streptococcus salivarius methionine aminopeptidase (MetAP). Biochimie. 85: 993-997.
[58] Bradshaw R. A., Brickey W. W., Walker K. W. 1998. N-Terminal processing: the
methionine aminopeptidase and Nα-acetyl transferase families. Trends in Biochemical
Sciences. 23: 263-267.
[59] Lu J. P., Ye Q. Z. 2010. Expression and characterization of Mycobacterium tuberculosis

methionine aminopeptidase type 1a. Bioorganic & Medicinal Chemistry Letters. 20: 2776-
2779.
[60] Zuo S., Guo Q., Ling C., Chang Y. H. 1995. Evidence that two zinc fingers in the
methionine aminopeptidase from Saccharomyces cerevisiaeare important for normal growth.
Mol Gen Genet. 246: 247-253.
[61] Lu J. P., Chai S. C., Ye Q. Z. 2010. Catalysis and inhibition of Mycobacterium

tuberculosis methionine aminopeptidase. Journal of Medicinal Chemistry. 53: 1329.
[62] Chiu C. H., Lee C. Z., Lin K. S., Tam M. F., Lin L. Y. 1999. Amino Acid Residues
Involved in the Functional Integrity of Escherichia coli Methionine Aminopeptidase. Journal
of Bacteriology. 181: 4686-4689.
REFERENCES
[63] Hirel P. H., Schmitter J. M., Dessen P., Fayat G., Blanquet S. 1989. Extent of N-terminal
methionine excision from Escherichia coli proteins is governed by the side-chain length of
thepenultimate amino acid. Biochemistry. 86: 8247-8251.
[64] Addlagatta A., Quillin M. L., Omotoso O., Liu J. O., Matthews B. W. 2005.
Identification of an SH3-Binding Motif in a New Class of Methionine Aminopeptidases from
Mycobacterium tuberculosis Suggests a Mode of Interaction with the Ribosome.
Biochemistry. 44: 7166-7174.
[65] Lowther W. T., Matthews B. W. 2000. Structure and function of the methionine
aminopeptidases. BiochimicaetBiophysicaActa. 1477:157-167.
[66] Alvarado J. J., Nemkal A., Sauder J. M., Russell M., Akiyoshi D. E., Shi W., Almo S.
C., Weiss L. M. 2009. Structure of a microsporidian methionine aminopeptidase type 2
complexed with fumagillin and TNP-470. Molecular & Biochemical Parasitology. 168:158-
167.
[67] Li J. Y., Cui Y. M., Chen L. L., Gu M., Li J., Nan F. J., Ye Q. Z.2004. Mutations at the
S1 Site of Methionine Aminopeptidases from Escherichia coli and Homo sapiens reveal the
Residues Critical for Substrate Specificity. Journal of Biological Chemistry. 279:21128-
21134.
[68] Walker K. W., Bradshaw R. A. 1999. Yeast Methionine Aminopeptidase I. Alteration

of substrate specificity by site-directed mutagenesis. Journal of Biological Chemistry. 274:
13403-13409.
[69] Hu X., Zhu J., Srivathsan S., Pei D. 2004. Peptidyl hydroxamic acids as methionine
aminopeptidase inhibitors. Bioorganic & Medicinal Chemistry Letters. 14: 77-79.
[70] Towbin H., Bair K. W., DeCaprio J. A., Eck M. J., Kim S., Kinder F. R., Morollo A.,
Mueller D. R., Schindler P., Song H. K., Oostrum J. V, Versace R. W., Voshol H., Wood J.,
Zabludoff S., Phillips P. E. 2003.Proteomics-based Target Identification. Bengamides as a
new class of methionine aminopeptidase inhibitors. Journal of Biological Chemistry. 278:
52964–52971.
[71] Oefner C., Douangamath A., D’Arcy A., Hafeli S., Mareque D., Sweeney A. M., Padilla
J., Pierau S., Schulz H., Thormann M., Wadman S., Dale G. E. 2003. The 1.15 A° Crystal
REFERENCES
Structure of the Staphylococcus aureus Methionyl-aminopeptidase and Complexes with

Triazole Based Inhibitors. Journal of Molecular Biology. 332: 13-21.
[72] Huang Q. Q., Huang M., Nana F. J., Ye Q. Z. 2005. Metalloform-selective inhibition:
Synthesis and structure–activity analysis of Mn(II)-form-selective inhibitors of Escherichia
coli methionine aminopeptidase. Bioorganic & Medicinal Chemistry Letters. 15: 5386-5391.
[73] Kramer B., Rarey M., Lengauer T. 1999. Evaluation of the FLEXX Incremental
Construction Algorithm for Protein–Ligand Docking. Proteins: Structure, Function, and
Genetics. 37: 228-241.
[74] Kellenberger E., Rodrigo J., Muller P., Rognan D. 2004. Comparative Evaluation of
Eight Docking Tools for Docking and Virtual Screening Accuracy. Proteins: Structure,
Function, and Bioinformatics. 57: 225-242.
[75] Fox W. Statistiques Sociales. 3éme édition. France: De Boeck. 1999. 374 p.
[76] Evdokimov A. G., Pokross M., Walter R. L., Mekel M., Barnett B. L., Amburgey J.,
Seibel W. L., Soper S. J., Djung J. F., Fairweather N., Diven C., Rastogi V., Grinius L.,
Klanke C., Siehnel R., Twinem T., Andrews R., Curnow A. 2007. Serendipitous Discovery of
Novel Bacterial Methionine Aminopeptidase Inhibitors. Proteins: Structure, Function, and
Bioinformatics. 66 : 538-546.
[77] Altmeyer M. A., Marschner A., Schiffmann R., Klein C. D. 2010. Subtype-selectivity of
metal-dependent methionine aminopeptidase inhibitors. Bioorganic & Medicinal Chemistry
Letters. 20: 4038-4044.
[78] Berman H. M. 2008. The Protein Data Bank: a historical perspective. ActaCryst. A64:
88-95.
[79] Protein Data Bank (PDB). Biological Macromolecular Resource. [En ligne].
http://www.pdb.org/pdb/home. Consulté le: [03/01/2011].
[80] Arrault A. Stratégies de docking-scoring assistées par analyse de données. Application

au criblage virtuel des cibles thérapeutiques COX-2 et PPAR gamma. Thèse de doctorat en
Modélisation Moléculaire et Chemoinformatique. Orléans : Université d’Orléans. France.
2007. 176p.
REFERENCES
[81] Hutchison G. R., Morley C., James C., Swain C., De Winter H., Vandermeersch T.,
O’Boyle N. M. 2011. Open Babel Documentation. [En ligne].
http://openbabel.sourceforge.net. Consulté le: [03/05/2011].
[82] ViewerLite (version4.2). 2001. Accelrys Inc. http://www.accelrys.com.
[83] Mark A. ArgusLab (version 4.0.1). Thompson. Planaria software LLC. Seattle.
http://www.ArgusLab.com.
[84] BioPharmics LLC. 2005.Surflex Manual: Docking and Similarity (version 1.3).
[85] Miteva M. A., Violas S., Montes M., Gomez D.,and. Villoutreix B. O.2006. FAF-Drugs:
free ADME/tox filtering of compound collections. Nucleic Acids Research. 34 : W738–W744
[86] Lipinski C. A., Lombardo F., Dominy B. W., Feeney P. J. 2001. Experimental and
computational approaches to estimate solubility and permeability in drug discovery and
development settings.Advanced Drug Delivery Reviews. 46: 3-26.
[87] VeberD. F., Johnson S. R., Cheng H. Y., Smith B. R., Ward K. W., Kopple K. D. 2002.
Molecular Properties That Influence the Oral Bioavailability of Drug Candidates. Journal of
Medicinal Chemistry. 45: 2615-2623.
[88] WIKIPEDIA. The free encyclopedia. Mise à jour Novembre 2010. [En ligne].
http://en.wikipedia.org/wiki/IC50. Consulté le: [05/06/2011].
[89] Chikhi A., Bensegueni A. 2010. In Silico Study of the Selective Inhibition of Bacterial
Peptide Deformylases by Several Drugs. Journal of Proteomics and Bioinformatics. 3: 061-
065.
[90] Kamel M. M., Ali H. I., Anwar M. M., Mohameda N. A., Soliman A. M.2010. Synthesis,
antitumor activity and molecular docking study of novel Sulfonamide-Schiff’s bases,
thiazolidinones, benzothiazinones and their C-nucleoside derivatives. European Journal of
Medicinal Chemistry. 45: 572-580.
[91] Maouche A. T., Maouche B., Kellou S. T., El-Aoufi S., Martínez M. M., Muñiz R. G.,
Fourmy D., Maigret G. 2008.Exploring the binding pocket for pyridopyrimidine ligands at the
CCK1 receptor by molecular docking. Journal of MolecularModeling. 14 : 303-314.
[92] Molinspiration. [En ligne]. http://www.molinspiration.com/. Consulté le : [15/05/2011].

ANNEXES
ANNEXES
Annexe 1 : Liste de 144 complexes utilisés pour tester les deux programmes de docking
avec le RMSD
Surflex-dock GOLD
Numéro Code Final-0 Crash Self RMSD Fitness RMSD
1 1B6A 2.10 -6.64 -3.25 3.917 61.96 1.17

2 1B59 -0.12 -5.37 -1.49 2.254 51.43 0.87
3 1BOA 3.58 -3.61 -2.12 1.935 57.79 0.88
4 1R5G 6.47 -4.65 -3.18 1.790 68.66 1.82
5 1R5H 9.55 -1.84 -0.86 1.565 70.36 0.76
6 1R58 6.44 -1.26 -0.98 2.566 69.36 3.19
7 1XNZ 2.52 -1.11 -0.14 2.230 61.98 1.69
8 1YVM 3.43 -0.90 -0.10 3.308 47.47 3.31
9 1YW7 2.64 -1.65 -0.51 3.018 66.79 3.60
10 1YW8 4.44 -0.34 -0.06 1.889 73.78 6.23
11 1YW9 4.69 -1.59 -0.41 0.938 71.17 2.81
12 2ADU 3.37 -0.61 0.00 2.390 44.65 2.13
13 2BB7 2.31 -1.36 -0.04 3.738 49.96 5.24
14 2EVC 2.70 -0.65 -0.03 1.623 60.86 1.64
15 2GG0 4.51 -2.07 -1.27 2.054 62.74 1.09
16 2GG8 5.25 -3.73 -1.98 2.229 74.54 1.17
17 2GG9 7.06 -4.44 -3.12 2.583 78.96 0.66
18 2GGB 4.02 -2.63 -1.15 2.991 64.89 3.70
19 2NQ6 2.00 -2.70 -1.06 3.171 52.33 0.88
20 2P98 2.91 -0.39 0.00 1.492 66.00 0.49
21 2EVO 2.59 -0.91 -0.45 2.951 43.77 2.24
22 3KED 4.28 -2.01 -0.34 1.636 70.82 2.74
23 2RIP 8.46 -0.98 -0.19 0.722 59.00 0.36
24 3CHR 10.08 -2.13 -0.72 1.550 77.58 1.17
25 3C43 9.41 -2.62 -1.60 0.613 76.52 1.23
26 3D4L 11.17 -1.13 -0.62 0.372 68.90 1.84
27 3KWF 10.02 -1.07 -0.41 0.475 70.22 0.83
28 3F8S 5.24 -2.55 -0.73 0.798 62.97 0.99
29 3B7R 7.42 -3.86 -1.39 1.269 109.00 0.60
30 3B7U 5.44 -1.17 -0.63 1.435 67.29 0.65
31 2Q92 2.34 -0.66 -0.19 3.405 60.98 1.71
32 2Q93 3.54 -0.75 -0.29 1.856 60.62 2.03
33 2Q94 1.85 -1.89 -0.16 3.903 61.50 1.66
34 2Q95 2.63 -0.72 -0.18 3.611 54.82 2.03
35 2Q96 3.28 -1.28 -0.15 2.581 60.82 0.31
36 3D27 3.11 -1.01 -0.12 3.154 74.85 0.62
37 3IU7 2.78 -0.77 -0.04 3.107 56.67 1.85
38 3IU8 2.31 -0.28 -0.10 4.023 56.04 0.32
39 3IU9 3.85 -1.94 -0.56 0.757 58.69 0.50
40 2AI7 4.09 -0.65 -0.24 1.660 44.43 1.45
41 3E3U 7.68 -2.54 -1.15 0.882 66.10 0.55
42 3FMR 3.78 -4.37 -2.46 0.736 60.11 0.78
ANNEXES
43 1BS4 1.78 -2.90 -2.45 4.069 63.89 3.33

44 1BSK 5.76 -3.18 -1.71 2.134 86.05 0.898
45 1BSZ 2.65 -2.51 -2.05 2.171 67.04 3.04
46 1G2A 5.91 -3.86 -1.93 1.385 60.24 0.68
47 1G27 2.40 -2.12 -1.45 2.655 64.42 0.47
48 1ICJ 4.25 -3.23 -2.80 2.029 60.91 3.54
49 1IX1 4.22 -3.69 -1.04 2.040 77.79 1.00
50 1RL4 6.88 -1.14 -0.49 0.999 59.86 7.67
51 1S17 2.69 -1.92 -0.58 2.173 49.49 0.68
52 2EVM 2.29 -0.83 -0.16 3.417 64.21 1.64
53 2AIE 3.42 -1.26 -0.40 2.085 47.72 1.44
54 2EW5 6.42 -1.10 -0.18 1.402 66.40 1.19
55 2EW6 6.20 -0.98 -0.45 5.015 62.22 0.39
56 2W3U 4.66 -0.15 0.00 2.095 20.51 1.03
57 2P9A 1.86 -0.24 -0.12 4.631 54.78 3.66
58 1C23 4.42 -1.26 -0.90 3.530 72.91 0.90
59 1C27 5.12 -0.94 -0.61 3.220 67.74 0.77
60 1CP6 2.82 -0.19 -0.02 2.091 47.39 2.37
61 1FT7 3.40 -1.46 -1.05 1.536 71.47 1.67
62 1KQ0 5.50 -0.58 -0.51 1.966 55.96 1.58
63 1KQ9 5.42 -1.32 -0.59 2.538 17.89 2.11
64 1LOK 4.96 -0.89 -0.59 1.623 55.84 1.01
65 1MT3 3.71 -2.37 -1.51 2.634 42.93 1.54
66 1MU0 1.90 -3.82 -0.98 0.955 44.21 1.25
67 1TKF 5.80 -0.89 -0.41 1.646 68.75 0.93
68 1TKH 3.79 -1.18 -0.18 2.332 31.83 3.50
69 2GG2 4.87 -1.43 -0.01 3.238 56.69 0.42
70 2GG3 4.33 -0.65 -0.03 3.514 43.06 2.42
71 1X2B 5.82 -0.84 -0.40 1.582 50.80 1.16
72 2GG7 3.78 -1.51 -0.12 2.966 70.06 6.50
73 1XBU 3.63 -1.66 -0.60 3.501 71.93 1.34
74 1XRL 3.26 -4.04 -1.45 2.502 37.42 0.93
75 1XRY 6.64 -2.17 -1.10 1.452 95.80 0.34
76 1YJ3 4.36 -1.07 -0.42 3.617 20.71 7.61
77 2B3H 2.22 -0.19 -0.02 1.119 26.79 5.17
78 2GG5 2.92 -0.86 -0.18 3.161 46.19 1.08
79 2B3L 3.94 -0.06 0.00 0.882 29.55 3.09
80 2DQM 9.64 -2.15 -1.11 0.767 86.39 1.11
81 2EK8 2.47 -1.15 -0.06 2.088 21.17 6.38
82 2EK9 6.46 -3.67 -2.17 0.729 93.45 1.14
83 3D44 2.66 -0.39 -0.12 1.426 24.38 1.91
84 3FMM 6.72 -0.90 -0.32 0.483 74.29 0.53
85 3FHR 7.78 -1.55 -0.15 0.339 72.06 0.52
86 2GU5 3.74 -1.02 -0.61 3.091 68.04 1.46
87 2GU6 5.59 -1.20 -1.05 1.451 62.81 1.18
88 3FDG 4.05 -0.15 -0.08 1.774 62.65 1.54
89 2HPT 9.42 -2.18 -1.23 0.936 91.00 0.99
90 2PRQ 4.25 -3.59 -1.35 1.763 54.64 2.03
91 3GC7 7.18 -2.20 -1.85 1.016 75.72 0.67
92 3GC8 7.25 -2.90 -1.34 0.651 83.87 0.57
93 2Z0Q 6.32 -0.94 -0.30 0.851 50.29 0.54
94 3B3V 2.06 -1.74 -0.94 1.952 8.60 2.94
95 2WIH 8.31 -1.24 -0.12 0.409 83.43 0.55
ANNEXES
96 3HVC 6.75 -0.41 0.00 0.708 49.33 0.44

97 3EBH 10.08 -3.07 -1.54 0.807 91.35 0.46
98 3EBI 7.35 -2.60 -0.96 0.782 102.46 1.49
99 3GCQ 6.42 -4.86 -2.03 1.286 99.19 0.46
100 3FMQ 2.57 -3.64 -2.69 1.264 58.23 0.98
101 1BSJ 6.34 -3.33 -1.72 1.449 78.74 0.84
102 3GCS 6.29 -2.30 -0.56 1.822 85.15 0.27
103 3GCU 14.12 -2.47 -0.88 0.580 101.06 0.39
104 1LRY 4.07 -3.68 -1.61 0.773 81.54 1.59
105 3HL7 4.99 -1.40 -0.85 0.835 64.33 1.07
106 1LQY 4.33 -4.44 -1.59 1.179 68.60 0.57
107 1N5N 1.73 -1.08 -0.93 1.893 24.11 1.30
108 3M2W 8.12 -0.49 -0.12 0.449 78.98 0.64
109 1SZZ 4.09 -1.94 -0.80 1.099 71.54 1.37
110 1VEV 7.28 -1.23 -0.38 0.816 66.25 0.53
111 3HV6 11.02 -2.88 -2.08 0.636 84.81 0.67
112 1VEY 4.95 -3.16 -0.60 1.876 82.94 1.55
113 3MBL 4.09 -2.16 -0.53 1.123 62.87 1.13
114 3MH3 5.83 -2.14 -1.56 0.734 68.36 0.42
115 2OS3 6.12 -3.46 -1.59 1.906 59.44 1.83
116 3HRB 5.91 -1.07 -0.32 0.783 57.64 1.36
117 3G5K 4.64 -2.22 -1.37 0.452 129.43 1.72
118 3K6L 5.82 -3.60 -2.35 1.688 66.76 0.45
119 2OKL 5.35 -2.85 -1.04 1.060 79.55 1.23
120 2WAJ 5.43 -0.46 -0.06 1.372 64.01 0.31
121 3GCP 10.60 -0.68 -0.18 0.877 79.54 0.76
122 3EIO 6.02 -2.56 -1.66 0.682 57.31 1.35
123 3CCC 4.04 -2.25 -1.02 0.955 71.51 0.84
124 2Z3Z 3.85 -4.71 -2.11 1.242 50.98 1.16
125 2FJP 10.46 -1.77 -0.68 0.405 76.69 0.45
126 2QT9 7.68 -2.62 -1.56 0.895 71.71 0.37
127 2BUA 3.29 -0.84 -0.51 0.732 59.11 0.56
128 2JID 6.20 -2.38 -1.21 0.576 45.63 1.09
129 2OPH 7.10 -3.28 -2.72 0.804 64.41 1.27
130 2IIV 4.58 -1.37 -1.38 0.697 57.78 0.44
131 3L8X 8.28 -0.86 -0.18 0.898 72.68 0.51
132 3NNU 10.71 -1.71 -0.86 0.689 96.33 0.45
133 3OBJ 8.39 -1.12 -0.78 0.364 63.32 0.64
134 2BUB 7.24 -2.18 -1.04 1.871 56.92 6.58
135 2I78 6.50 -1.93 -0.78 1.297 60.80 0.89
136 3NEW 6.10 -0.98 -0.36 0.484 60.51 0.57
137 2G5T 2.84 -5.77 -0.77 1.212 63.27 1.47
138 3L03 5.26 -1.85 -0.31 1.073 70.52 0.44
139 1X70 4.59 -3.52 -2.08 0.940 56.85 0.92
140 2GBG 4.01 -6.01 -0.67 0.883 44.41 1.15
141 2GBI 4.81 -1.59 -0.59 1.009 63.23 0.66
142 2HHA 8.09 -1.72 --0.50 1.050 69.22 0.72
143 2I3Z 7.97 -0.78 -0.38 0.783 61.75 1.03
144 2QTB 8.29 -3.26 -1.71 0.851 61.90 0.54
ANNEXES
Annexe 2 : Liste des 100 inhibiteurs de la MetAP avec IC50 (µM)
inhibiteur IC50 N inhibiteur IC50

N (µM) (µM)
1 10 51 >100
2 5.2 52 >100
3 4.6 53 >100
4 3.9 54 >50
5 3.4 55 >50
6 2.6 56 >50
7 2.4 57 21.3
8 2.1 58 1.79
9 1.7 59 3.74
10 1.7 60 >30
11 1.2 61 >50
ANNEXES
12 0.99 62 >50
13 0.97 63 >30
14 0.78 64 >50
15 0.55 65 >50
16 0.54 66 >50
17 0.46 67 200
18 0.38 68 4.61
19 0.16 69 4.3
20 1.75 70 2.4
21 0.25 71 1.5
22 0.25 72 1.3
ANNEXES
23 0.55 73 0.57
24 0.55 74 0.11
25 1.25 75 0.47
26 1.50 76 0.58
27 0.1 77 2.00
28 5 78 0.21
29 1.69 79 4.4
30 0.044 80 22.9
31 19 81 16.0
ANNEXES
32 16 82 8.7
33 18.3 83 >100
34 41.7 84 >50
35 38.9 85 9
36 17.9 86 7.2
37 19.4 87 0.24
38 45.5 88 2.8
39 40.1 89 1.7
40 29.2 90 0.137
41 4.9 91 0.154
ANNEXES
42 19.9 92 35.9
43 22.8 93 6.6
44 22.4 94 22.5
45 22.0 95 16.4
46 18.8 96 138
47 21.2 97 71.4
48 7.2 98 57.5
49 >100 99 84.2
50 >100 100 57.3

ANNEXES
Annexe 3 : Exemple de résultat obtenu par le logiciel surflex

RESUME
TITLE: Theoretical study of the interactions involved in the inhibition of

Mycobacterium tuberculosis methionine aminopeptidase by several
molecules
Abstract
With the development of computer tools in the past 20 years, molecular modeling and
more precisely the molecular docking has quickly entered the area of biological research.
Two programs of molecular docking, Surflex and GOLD, have been developed to assist
in the development of molecules with therapeutic activity. With the RMSD values lower than
2 Å and the coefficient of correlation close to 1, the performances of the Surflex and GOLD
softwares are clearly proven and perfectly adapted to the different molecular structures used
in this study. They have been used to study the inhibition of 3IU7, a methionine
aminopeptidase belonging to Mycobacterium tuberculosis, by various molecules of ligands
from the literature aimed to find new anti-tuberculosis drugs. The evaluation of the affinity
and the energy of interaction of these molecules made it possible to release those presenting
the best inhibiting effect, in accordance with IC50 values obtained from the literature. It is the
compound TO7, which the values of fitness and affinity are respectively of 57.35 and 3.10
M-1. The study of Mycobacterium tuberculosis MetAP inhibition by Bengamide derivatives
allowed to identify new potential candidate with low molecular weight: The compound Y02.
The values of affinity and fitness are respectively of 5.73 M-1 and 77.11. The interactions
responsible for the stability of the various complexes are Van der Waals and hydrogen bonds
type.
Keywords: Protein-ligand interactions, molecular docking, Surflex, GOLD, RMSD, the

coefficient of correlation, methionine aminopeptidase.
‫‪RESUME‬‬
‫عنوان ‪ :‬دراسة نظرية للتفاعالت التي تحدث عند تثبيط الميثيونين أمينوببتيداز عند‬
‫‪Mycobacterium tuberculosis‬‬
‫بواسطة جزيئات مختلفة‬
‫ّ‬
‫الملخص‬
‫مع تطور أدوات تكنولوجيا المعلومات في السنوات ال ‪ 20‬الماضية‪ ،‬دخلت النمذجة الجزيئية‬
‫وبشكل أكثر دقة الرس الجزيئي بسرعة في مجال البحوث البيولوجية‪.‬‬
‫برﻧامجي الرس الجزيئي ‪Surflex‬و‪، GOLD‬طورا للمساعدة في اكتشاف الجزيئات ذات‬

‫النشاطات العالجية‪ .‬مع قيم‪RMSD‬أقل من‪Å 2‬ومعامل االرتباط يقترب من‪، 1‬تثبت بشكل واضح أن‬
‫البرﻧامجان ‪Surflex‬و‪ GOLD‬لھما فعالية عالية و بإمكاﻧھما التكيف تماما مع الھياكل الجزيئية المختلفة‬
‫المستخدمة في ھذه الدراسة‪ .‬قد استعمال لدراسة تثبيط‪ 3IU7‬أي الميثيوﻧين أمينوببتيداز الموجودة عند‬
‫‪Mycobacterium tuberculosis‬بع ّدة جزيئات مختلفة من أجل اكتشاف أدوية جديدة مضادة للسل‪،‬‬
‫تحديد قيم التقارب وطاقة االرتباط بين ھذه الجزيئات سمحت بتحديد أفضل مثبط ووفقا لقيم‬
‫‪IC50‬المحصل عليھا من المجالت العلمية‪ .‬ھذا المركب ھو‪ ،TO7‬قيم التقارب و طاقة االرتباط ھي على‬
‫التوالي ‪ 3.10 M-1‬و ‪.57.35‬دراسة تثبيط ‪MetAP‬بواسطة مشتقات‪ Bengamide‬سمح بتحديد‬
‫مرﺷح محتمل بوزن جزيئي منخفض‪ :‬المركب ‪ .Y02‬قيم التقارب و طاقة االرتباط ھي على التوالي‬
‫‪ 5.73 M-1‬و ‪.77.11‬التفاعالت المسؤولة عن استقرار مختلف المركبات ھي عبارة عن روابط‬
‫ھھيدروجينية و روابط ‪.Van der Waals‬‬
‫الكلمات المفتاحية ‪:‬التفاعل بروتين‪-‬رابط‪ ،‬الرس الجزيئي‪،RMSD ، GOLD، Surflex،‬معامل‬

‫االرتباط‪ ،‬الميثيوﻧين أمينوببتيداز‪.‬‬
RESUME
Thème : Etude théorique des interactions intervenant dans l’inhibition de la

méthionine aminopeptidase de Mycobacterium tuberculosis par diverses
molécules.
Résumé
Avec le développement des outils informatiques dans les 20 dernières années, la modélisation
moléculaire et plus précisément le docking moléculaire (arrimage moléculaire) a très vite
pénétré le domaine de la recherche en biologie.
Les deux programmes d’arrimage moléculaire, Surflex et GOLD, ont été développés pour
aider à la mise au point de molécules à activité thérapeutique. Avec des valeurs du RMSD
inférieures à 2 Å et du coefficient de corrélation se rapprochant de 1, les performances des
logiciels Surflex et GOLD sont nettement avérées et s’adaptent parfaitement aux différentes
structures moléculaires retenues dans cette étude. Ils ont été utilisés pour étudier l’inhibition
de la 3IU7, une méthionine aminopeptidase appartenant à Mycobacterium tuberculosis, par
diverses molécules provenant de la littérature dans le but de découvrir de nouveaux
antituberculeux. L’évaluation de l’affinité et de l’énergie d’interaction de ces molécules a
permis de dégager celles présentant le meilleur effet inhibiteur, en accord avec les valeurs des
IC50 obtenues à partir de la littérature. Il s’agit du composé TO7, dont les valeurs de la
fitness et de l’affinité sont respectivement de 57.35 et 3.10 M-1. L’étude de l’inhibition de la
MetAP par les dérivés du Bengamide a permis d’identifier un nouveau candidat potentiel de
faible poids moléculaire : le composé Y02. Les valeurs de son affinité et de fitness sont
respectivement de 5.73 M-1 et 77.11. Les interactions responsables de la stabilité des différents
complexes sont de type Van der Waals et liaisons hydrogène.
Mots clés : Interaction protéine-ligand, docking moléculaire, Surflex, GOLD, RMSD, le

coefficient de corrélation, la méthionine aminopeptidase.
Nom : BOUCHERIT Date de soutenance : 14-03-2012
Prénom : Hanane
Thème : Etude théorique des interactions intervenant dans l’inhibition de la méthionine

aminopeptidase de Mycobacterium tuberculosis par diverses molécules
Résumé
Avec le développement des outils informatiques dans les 20 dernières années, la

modélisation moléculaire et plus précisément le docking moléculaire (arrimage moléculaire) a
très vite pénétré le domaine de la recherche en biologie.
Les deux programmes d’arrimage moléculaire, Surflex et GOLD, ont été développés
pour aider à la mise au point de molécules à activité thérapeutique. Avec des valeurs du
RMSD inférieures à 2 Å et du coefficient de corrélation se rapprochant de 1, les performances
des logiciels Surflex et GOLD sont nettement avérées et s’adaptent parfaitement aux
différentes structures moléculaires retenues dans cette étude. Ils ont été utilisés pour étudier
l’inhibition de la 3IU7, une méthionine aminopeptidase appartenant à Mycobacterium
tuberculosis, par diverses molécules provenant de la littérature dans le but de découvrir de
nouveaux antituberculeux. L’évaluation de l’affinité et de l’énergie d’interaction de ces
molécules a permis de dégager celles présentant le meilleur effet inhibiteur, en accord avec les
valeurs des IC50 obtenues à partir de la littérature. Il s’agit du composé TO7, dont les valeurs
de la fitness et de l’affinité sont respectivement de 57.35 et 3.10 M-1. L’étude de l’inhibition
de la MetAP par les dérivés du Bengamide a permis d’identifier un nouveau candidat
potentiel de faible poids moléculaire : le composé Y02. Les valeurs de son affinité et de
fitness sont respectivement de 5.73 M-1 et 77.11. Les interactions responsables de la stabilité
des différents complexes sont de type Van der Waals et liaisons hydrogène.
Mots clés : Interaction protéine-ligand, docking moléculaire, Surflex, GOLD, RMSD, le

coefficient de corrélation, la méthionine aminopeptidase.
Devant le jury :
Président : Mme. MECHAKRA A. Professeur Univ. Mentouri Constantine
Rapporteur : Mr. CHIKHI A. Maître de conférences Univ. Mentouri Constantine
Examinateurs : Mr. BENSEGUENI A. Maître de conférences Univ. Mentouri Constantine
Mr. BOUDAH A. Maître de conférences Univ. Mentouri Constantine

Bou 6146

Transféré par

Droits d'auteur :

Formats disponibles

Bou 6146

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Bou 6146

Transféré par

Droits d'auteur :

Formats disponibles

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE

Université Mentouri Constantine

ETUDE THEORIQUE DES INTERACTIONS INTERVENANT DANS

Président : Mme. MECHAKRA A. Professeur Univ. Mentouri Constantine

- Tout d'abord, je remercie DIEU de m'avoir accordé la santé et les

CHAPITRE I : Les méthodes de modélisation des interactions protéine-

1. Les interactions intermoléculaires………………………………………............................ -3-

CHAPITRE II : La tuberculose............................................................................ -12-

1. La tuberculose dans le monde…………………..………………………….….................... -12-

4.4.2 Tuberculose multi-résistante…………………………………............................... -17-

CHAPITRE III : La méthionine aminopeptidase et ses inhibiteurs................. -18-

1. La méthionine aminopeptidase…………………………………………………................. -19-

CHAPITRE IV : Matériels et méthodes.............................................................. -29-

1. Evaluation des programmes de docking………………………………………................... -29-

CHAPITRE V : Résultats et discussions.............................................................. -41-

1. Fiabilité des programmes utilisés…………………………………….……….................... -41-

CONCLUSION ET PERSPECTIVES................................................................. -70-

LISTE DES TABLEAUX

Tableau II.1 : Tuberculose: estimations de l'incidence, de la prévalence et de la mortalité

LISTE DES FIGURES

Figure I.1 : Les forces de Van der Waals………………………………………...…................... -4-

Figure I.4 : Principe générale d’un programme de docking…………………...…….......…....... -7-

Figure II.6 : Mécanisme d’action des antituberculeux..………………………………..…......... -15-

LISTE DES GRAPHES

LISTE DES ABREVIATIONS

MetAP: La méthionine aminopeptidase

GOLD: Genetic Optimisation for Ligand Docking

CCD: Cambridge Crystallographic Data Centre

BK: Bacille de Koch

MDR : Multi-Drug Résistances

XDR : Extremly-Drug Résistances

OMS : Organisation Mondiale de la Santé

NME : Excision de la Méthionine N-terminale

PDF: La peptide déformylase

Mtb: Mycobacterium tuberculosis

HsMetAPI : La méthionine aminopeptidase humaine type I

HsMetAPII : La méthionine aminopeptidase humaine type II

MtMetAP1c : La méthionine aminopeptidase de Mycobacterium tuberculosis type Ic

EcMetAP : La méthionine aminopeptidase de Escherichia coli

RMSD : Ecart quadratique moyen

PDB : Protein Data Bank

RMN : Résonance Magnétique Nucléaire

ADME/Tox : Absorption, Distribution, Métabolisme, Excrétion et de Toxicité

logP : Le coefficient de partition

PSA : La surface polaire

Le docking moléculaire in silico vise à prédire la structure d'un complexe moléculaire à

Au cours de ces dernières années, la tuberculose connait une recrudescence inquiétante

Le but de cette étude est :

- Dans un deuxième temps, d’étudier l’inhibition de la méthionine aminopeptidase par les

CHAPITRE I : LES METHODES DE MODELISATION DES

La modélisation moléculaire regroupe l’ensemble des techniques de visualisation des

La modélisation moléculaire trouve de nos jours d’importantes applications, parmi les

- Le développement de nouveaux médicaments : le mécanisme d’action de nombreux

1.1. Les forces de Van der Waals

Ces forces résultent de l’interaction des nuages électroniques d’atomes ou de molécules

Figure I.1 : Les forces de Van der Waals

1.2. La liaison hydrogène

Les liaisons hydrogènes habituelles sont :

Figure I.2 : La liaison hydrogène