Comparaison de modèle multi-objectif pour le docking moléculaire J-C. Boisson J-C. BOISSON Réunion Dock

J-C. BOISSON Réunion Dock Plan Rappel : modèle multi-objectif choisi. Autre modèles. Comparaison d’algorithmes génétiques. Comparaison de configurations d’opérateur. Résultats. Perspectives. 27/03/2017 J-C. BOISSON Réunion Dock

J-C. BOISSON Réunion Dock Plan Rappel : modèle multi-objectif choisi. Autre modèles. Comparaison d’algorithmes génétiques. Comparaison de configurations d’opérateur. Résultats. Perspectives. 27/03/2017 J-C. BOISSON Réunion Dock

Un nouveau modèle tri-objectif (1/8) Il est divisé en : un terme énergétique  évaluation de la qualité du complexe ligand / site obtenu. un terme géométrique  indication sur la qualité de pénétration du ligand dans le site. Un terme de robustesse  assurance de la stabilité des complexes obtenus. A-A Tantar, N. Melab, E-G. Talbi and B. Toursel. A Parallel Hybrid Genetic Algorithm for Protein Structure Prediction on the Computational Grid. Elsevier Science, Future Generation Computer Systems, 23(3):398-409, 2007. 27/03/2017 J-C. BOISSON Réunion Dock

Un nouveau modèle tri-objectif (2/8) 1. Energie du complexe ligand / site Champs de force utilisé = Consistent Valence Force Field (CVFF) 27/03/2017 J-C. BOISSON Réunion Dock

Un nouveau modèle tri-objectif (3/8) 2. Surface du complexe  3 possibilités:  surface de Van Der Waals (a: blue),  surface accessible au solvant (b: red),  surface de Connolly (c: green). 27/03/2017 J-C. BOISSON Réunion Dock

Un nouveau modèle tri-objectif (4/8) 2. Surface du complexe  3 possibilités:  surface de Van Der Waals,  surface accessible au solvant  surface de Connolly.  SASA Solvent Accessible Surface Area Papier original S.M. Le Grand and K.M. Merz, Jr. Rapid Approximation to Molecular Surface Area via the Use of Boolean Logic and Look-Up Tables. Journal of Computational Chemistry, 14(3):349-352 (1993). Papier plus récent utilisant SASA A. Leaver-Fay, G.L. Butterfoss, J. Snoeyink and B. Kuhlman. Maintaining solvent accessible surface area under rotamer substitution for protein design. Journal of Computational Chemistry, 28(8):1336-1341 (2007). 27/03/2017 J-C. BOISSON Réunion Dock

Un nouveau modèle tri-objectif (5/8) SASA = 6201 Å2 SASA = 5548 Å2 27/03/2017 J-C. BOISSON Réunion Dock

Un nouveau modèle tri-objectif (6/8) 3. Robustesse du complexe G = 27/03/2017 J-C. BOISSON Réunion Dock

J-C. BOISSON Réunion Dock Un nouveau modèle tri-objectif (7/8) : échantillonnage à base de rotations 27/03/2017 J-C. BOISSON Réunion Dock

J-C. BOISSON Réunion Dock Un nouveau modèle tri-objectif (8/8) : échantillonnage à base de translations 27/03/2017 J-C. BOISSON Réunion Dock

J-C. BOISSON Réunion Dock Plan Rappel : modèle multi-objectif choisi. Autre modèles. Comparaison d’algorithmes génétiques. Comparaison de configurations d’opérateur. Résultats. Perspectives. 27/03/2017 J-C. BOISSON Réunion Dock

J-C. BOISSON Réunion Dock Modèles testés Champ de force CVFF Autodock 4.0 Modèle Etotal Elies Enlies Etotale Surface Robustesse M1 X M2 M3 M4 M5 M6 M7 M8 27/03/2017 J-C. BOISSON Réunion Dock

J-C. BOISSON Réunion Dock Plan Rappel : modèle multi-objectif choisi. Autre modèles. Comparaison d’algorithmes génétiques. Comparaison de configurations d’opérateur. Résultats. Perspectives. 27/03/2017 J-C. BOISSON Réunion Dock

Non-dominated Sorting GA (NSGA-II) [Deb et al. 2002] Assignement de la fitness, tri selon la dominance : Population divisée selon les fronts. Fitness (x) = indice de front auquel appartient x. Préservation de la diversité  distance. Sélection tournoi binaire. Opérateurs de recombinaison et mutation. Remplacement  les pires individus sont supprimés. Archive élististe des meilleures solutions rencontrées 27/03/2017 J-C. BOISSON Réunion Dock 15

Indicator-Based EA (IBEA) [Zitzler et al. 2004] Assignement de la fitness selon l’indicateur de qualité Qi : Fitness (x) = Qi (x , P\{x}) Préservation de la diversité  aucune. Sélection par tournoi binaire. Opérateurs de recombinaison et mutation. Remplacement  suppression des pires individus et mise à jour des fitness des invididus conservés. Archive élististe des meilleures solutions rencontrées 27/03/2017 J-C. BOISSON Réunion Dock 16

Résultats de comparaison (1/2) Instances de la base ccdc astex. Instance Algorithme IBEA NSGA-II 6rsa - < > 1mbi 2tsc ~ 1htf 1dog >  meilleur <  moins bon ~  non significatif 27/03/2017 J-C. BOISSON Réunion Dock

Résultats de comparaison (2/2) Instances de la base ccdc astex. NSGA-II IBEA Instance RMSD (Å) dst 6rsa 1.66 1.04 1.32 1.3 1mbi 5.2 0.4 4.16 0.8 2tsc 2.19 2.75 2.68 1htf 2.88 2.64 2.59 1.33 1dog 4.38 0.99 2.44 0.56 Å  Angström dst  déviation standard 27/03/2017 J-C. BOISSON Réunion Dock

J-C. BOISSON Réunion Dock Plan Rappel : modèle multi-objectif choisi. Autre modèles. Comparaison d’algorithmes génétiques. Comparaison de configurations d’opérateur. Résultats. Perspectives. 27/03/2017 J-C. BOISSON Réunion Dock

Configurations d’opérateurs Profil Docking RT RTs Reverse SBRot SMO MDRL MDRT rigide flexible P1R X P1 P2R P2 P3R P3 P4R P4 P5R P5 P6R P6 27/03/2017 J-C. BOISSON Réunion Dock

J-C. BOISSON Réunion Dock Plan Rappel : modèle multi-objectif choisi. Autre modèles. Comparaison d’algorithmes génétiques. Comparaison de configurations d’opérateur. Résultats. Perspectives. 27/03/2017 J-C. BOISSON Réunion Dock

Résultats sur 6 instances Meilleurs modèles : M4, M5, M7 et M8.  Impact positif des objectifs surface et robustesse.  Comportement équivalent CVFF et Autodock. Meilleurs profils : P1, P5 et P6.  Apport de l’hybridation. Globalement, la flexibilité apporte de meilleurs résultats. RMSD moyen  2,2. 27/03/2017 J-C. BOISSON Réunion Dock

J-C. BOISSON Réunion Dock Plan Rappel : modèle multi-objectif choisi. Autre modèles. Comparaison d’algorithmes génétiques. Comparaison de configurations d’opérateur. Résultats. Perspectives. 27/03/2017 J-C. BOISSON Réunion Dock

Perspectives Suite des tests sur la base CCDC-Astex. Optimisation des meilleurs modèles et profils. Hybridation avec des recherches locales multi-objectif. Nouveaux modèles de coopération. 27/03/2017 J-C. BOISSON Roadef2008

Questions ? 27/03/2017 J-C. BOISSON Roadef2008

AG : codage d’un individu Site Ligand X1 Y1 Z1 X2 Y2 Z2 X3 Y3 Z3 . XN YN ZN X’1 Y’1 Z’1 X’2 Y’2 Z’2 X’3 Y’3 Z’3 . X’N Y’N Z’N « docking complex » 27/03/2017 J-C. BOISSON Réunion Dock

AG: initialisation de la population Génération du site  le même pour tous les individus. Génération du ligand  perturbations aléatoires d’un ligand « graine ». Combinaison de : Rotation(s) globale(s), Rotation(s) d’un angle de torsion  modification de conformation. 27/03/2017 J-C. BOISSON Réunion Dock

AG : opérateur de croisement Parents S1 + L1 S2 + L2 Enfants S1 + L2 S2 + L1 27/03/2017 J-C. BOISSON Roadef2008

AG : opérateur de mutation Rotation d’un angle de torsion Translation Rotation 27/03/2017 J-C. BOISSON Roadef2008

PARAllel and DIStributed Evolving Objects http://paradiseo.gforge.inria.fr/ EO ParadisEO MO MOEO  Evolving Object (EO), développement d’algorithme à base de population de solutions: EA, PSO.  Moving Objects (MO), mise en place de recherches locales : HC, SA, TS, ILS.  Multi-Objective EO (MOEO), développement d’algorithme évolutionnaire multi-objectifs : NSGA-II, IBEA, …  ParadisEO (PEO), mise en place de métaheuristiques parallèles. S. Cahon, N. Melab and E-G. Talbi, ParadisEO: A Framework for the Reusable Design of Parallel and Distributed Metaheuristics. Journal of Heuristics, vol. 10(3), pp.357-380, May 2004. A. Liefooghe, M. Basseur, L. Jourdan and E-G. Talbi. ParadisEO-MOEO: A Framework for Multi-Objective Optimization. Proceedings of EMO’2007, pages 457-471, LNCS, Springer-Verlag, 2007. 27/03/2017 J-C. BOISSON Roadef2008