Décrypter les architectures complexes d'ARN par sondage et interactions – PaRNAssus

La prédiction en structure secondaire constitue une étape essentielle de la modélisation des architectures adoptées par les Acides RiboNucléiques (ARN). Des progrès récents des techniques de sondage haut-débit de l’ARN ont permis le développement de méthodes prédictives in silico, informées par des données expérimentales, dont les prédictions possèdent un fort recoupement, en terme de paires de bases, avec les structures connues. Cependant, une écrasante majorité des outils de modélisation disponibles se limitent à une unique stratégie pour l’incorporation des données expérimentales au sein de leur algorithme de prédiction. Ce faisant, elles négligent les différences entre les réactifs, dont les effets sont pourtant fortement affectés par les conditions expérimentales. De plus, très rares sont les méthodes permettent l’incorporation simultanée de données de sondage multiples, ou encore la prédiction d’interactions complexes, mais essentielles fonctionnellement, tels les pseudonoeuds et les motifs non-canoniques.

Ce projet s’attache à développer de nouveaux protocoles hybrides, informatiques et expérimentaux, permettant la production de données utiles à la modélisation structurale. En étudiant les mécanismes structuraux sous-jacents au sondage chimiques via plusieurs molécules, nous estimerons la complémentarité des sondes multiples et conditions expérimentales. Nous incorporerons ensuite cette information de façon statistique au sein d’algorithmes de prédiction en structure secondaire étendue, intégrant pseudonoeuds et liaisons non-canoniques. Afin d’informer les choix de conception méthodologiques, nous effectuerons un sondage chimique de nombreuses structures proposant des motifs non-canoniques connus, et explorerons des approches complémentaires par apprentissage statistique et dynamique moléculaire pour identifier des motifs de sondage discriminants.

L’adoption sélective de repliements alternatifs est un propriété physiologique connue des ARN. Cependant, la plupart des méthodes biophysiques disponibles se limitent à la prédiction d’une unique structure. Ceci est problématique, car les protocoles de sondage mesurent alors une image moyenne, n’offrant qu’une compatibilité partielle avec les structures fonctionnelles. Afin de contourner ce problème, et ainsi de déconvoluer le signal, nous proposons de développer une méthodes innovante basée sur le sondage simultané d’un ensemble de mutants issus d’ARN d’intérêt.
Enfin, l’ARN se replie de façon co-transcriptionnel, et des aspects cinétiques gouvernent l’état adopté à l’issue d’un repliement dans des conditions physiologiques. Nous proposons dans ce projet une stratégie expérimentale originale, informée par un nouveau protocole de séquençage haut-débit, pour détecter les états intermédiaires peuplés au cours de la transcription.

L’objectif ultime de ce projet est donc de fournir à la communauté, s’intéressant à la modélisation moléculaire des ARN, de nouveaux protocoles hybrides permettant une modélisation, rapide et précise, des structures adoptées par des ARN d’intérêt. Plusieurs variantes seront proposées, permettant une adaptation au type d’ARN considéré, et la granularité des modèles requis par les expérimentalistes. Leur composante in silico sera mise à disposition de la communauté, sous la forme d’implémentations de références et d’outils en ligne. Il construit sur les bases de deux projets récents, soutenus respectivement par l’ANR/FWF et la FRM, et sera réalisé par un consortium possédant un large spectre de compétences. Il réunit des chercheurs, ayant l’ARN comme objet d’étude commun, mais issus de plusieurs disciplines informatique, biochimie, biologie structurale, mathématiques, statistiques et physique, dans un élan interdisciplinaire qui contribuera à découvrir la vraie nature des ARN structurés.