Aperçu Général
Les bases de données enzymatiques sont des ressources spécialisées qui regroupent des informations détaillées sur les réactions catalysées par les enzymes. Elles servent d’ouvrages de référence pour les enzymologistes, les ingénieurs métaboliques et les pharmacologues en fournissant un accès organisé aux données sur les substrats, les produits, les paramètres cinétiques, les inhibiteurs, les cofacteurs et la fonction physiologique. Les deux ressources les plus complètes sont BRENDA (BRaunschweig ENzyme DAtabase) et ExplorEnz (la base de données de nomenclature enzymatique de l’IUBMB). Toutes deux sont étroitement liées au système de classification de la Commission des Enzymes (EC).
Concepts Clés
BRENDA est le système d’information enzymatique le plus complet, contenant des données extraites manuellement de la littérature primaire. Il couvre les paramètres cinétiques (Km, kcat, Vmax), la spécificité du substrat, les constantes d’inhibition (Ki), le pH et la température optimaux, les sources d’organismes et la distribution tissulaire. Les entrées de données incluent des citations bibliographiques et peuvent être recherchées par numéro EC, nom d’enzyme, organisme ou ligand. ExplorEnz se concentre sur la nomenclature et la classification des enzymes, c’est le référentiel officiel de la Liste des Enzymes de l’IUBMB, fournissant le nom accepté, l’équation de réaction et les commentaires pour chaque classe EC.
Applications
Les bases de données enzymatiques soutiennent à la fois la recherche et la biotechnologie appliquée. Les reconstructions métaboliques s’appuient sur BRENDA pour attribuer des paramètres cinétiques pour la classification et nomenclature des enzymes et la modélisation du flux métabolique. Les études de cinétique enzymatique utilisent BRENDA pour comparer les paramètres mesurés aux valeurs de la littérature. Les programmes de découverte de médicaments exploitent les données d’inhibiteurs de BRENDA lors de la conception de stratégies d’inhibition enzymatique sélective. La compréhension des mécanismes de catalyse enzymatique est enrichie par les annotations structurelles et mécanistiques fournies par ces bases de données.
Protocole Pratique
Pour trouver des données de classification et de réaction enzymatique pour une nouvelle enzyme, commencez sur la page d’accueil de BRENDA (brenda-enzymes.org). Recherchez par nom d’enzyme, terme d’ontologie génique ou numéro EC s’il est déjà connu. La page de résumé affiche le numéro EC officiel, le nom accepté, l’équation de réaction et les substrats recommandés. Pour une enzyme nouvellement découverte sans attribution EC, utilisez ExplorEnz (enzyme-database.org) pour parcourir la Liste des Enzymes de l’IUBMB par classe, identifiez l’enzyme homologue la plus proche et examinez sa hiérarchie de numéro EC. Par exemple, pour classer une nouvelle protéase : déterminez qu’elle clive après des résidus hydrophobes, exécutez BLAST contre UniProt pour trouver son homologue caractérisé le plus proche, et notez le numéro EC de l’homologue (p. ex., EC 3.4.21.x pour les sérine protéases). Recherchez cette plage EC dans BRENDA, puis inspectez les onglets “Spécificité du Substrat” et “Paramètres Cinétiques”, qui tabulent les valeurs de Km et kcat pour des dizaines de substrats. Pour un aperçu mécanistique, ouvrez les sections “Cofacteur” et “Ions Métalliques” pour identifier les辅助 catalytiques requis. La section “Inhibiteurs” répertorie les molécules inhibitrices connues et leurs valeurs de Ki, indispensables pour concevoir des tests de sélectivité. En pratique, un ingénieur métabolique concevant une nouvelle voie de dégradation utiliserait ce flux de travail pour confirmer la classification EC de chaque enzyme candidate, vérifier la spécificité du substrat par rapport aux intermédiaires souhaités de la voie, et récupérer les paramètres cinétiques pour modéliser le flux à travers la voie conçue. La même approche peut être appliquée à la découverte de médicaments : pour une kinase cible impliquée dans le cancer, les données d’inhibiteurs de BRENDA peuvent être exploitées pour trouver les valeurs de Ki connues entre espèces, guidant les efforts de chimie médicinale vers des composés sélectifs avec des effets hors cible minimaux.
