Malgré les progrès remarquables réalisés avec AlphaFold2 dans la prévision de la structure des protéines et dans leur détermination par microscopie électronique cryogénique (cryoEM), la cristallographie des protéines est encore plus susceptible de fournir des données à plus haute résolution et des structures plus fiables pour la découverte de médicaments. Le goulot d’étranglement des études cristallographiques est la recherche du cocktail chimique favorisant la cristallisation. Chaque condition principale contient de deux à sept produits chimiques et est découverte en échantillonnant des centaines de solutions à partir d’écrans matriciels clairsemés.
Une fois la composition d'un bon plomb optimisée, les cristaux de protéines sont cultivés en grand nombre pour des études structurelles. La croissance des cristaux de protéines donne souvent des réponses quadratiques à l’augmentation des niveaux de certains facteurs, et les interactions bidirectionnelles sont abondantes. Les conceptions à deux niveaux ne disposent pas de ces fonctionnalités. De nouvelles expériences MOFAT (un facteur à la fois modifié) à deux niveaux peuvent détecter des interactions bidirectionnelles dans les études de simulation (Yu 2022). L'extension du MOFAT à trois niveaux intéresserait les cristallistes.
Nous émettons l'hypothèse qu'une conception MOFAT étendue (EMOFAT) à trois niveaux peut détecter des effets bidirectionnels et quadratiques. Ce plan conserve l'exécution de base des conceptions OFAT standard et ajoute des exécutions avec tous les facteurs à leurs niveaux les plus bas ou les plus élevés (2 m + 3 exécutions, où m est le nombre de facteurs). Nous avons mené des études de simulation à l'aide de scripts JSL pour explorer la capacité de ces conceptions à détecter les effets principaux et les interactions d'ordre supérieur, y compris les interactions à trois voies.
Ces conceptions peuvent être attrayantes pour les producteurs de cristaux de protéines, car les trois niveaux détecteront les réponses non linéaires et promettront de détecter les interactions bidirectionnelles avant de passer à des expériences d'optimisation plus avancées.
