Prévoir l'organisation des complexes ARN avec C-RCPred

Le groupe bioinformatique du laboratoire génopolitain IBISC (université Evry-Paris Saclay) a créé un algorithme intégrant les données biochimiques de liaison qu’elles soient expérimentales ou prédites et qui peut ajouter les connaissances acquises par le biologiste utilisateur, pour modéliser en 3D les complexes formés de plusieurs ARN.

Baptisé C-RCPred, ce logiciel interactif vient compléter un panel d’outils bioinformatique en libre accès sur la plateforme logicielle EvryRNA

Un outil unique et innovant

C-RCPred s’appuie, comme son nom le laisse entendre sur l’algorithme RCPred conçu par la même équipe en 2019, mais cette fois la prédiction de la structure est optimisée. Comme l’explique le communiqué du Génopole, “il ajoute à l’objectif initial d’une énergie libre de liaison minimale (donc d’une affinité maximale des éléments du complexe), d’une part, les données de probabilité d’appariement des nucléotides constituant les ARN, obtenues par expérimentation ou prédiction, et d’autre part, les connaissances issues de l’expertise du biologiste (appariements en des sites précis, motifs chimiques particuliers, conformations spatiales de certaines parties du complexe…).” C-RCPred ce positionne comme un des seuls outils existants actuellement permettant de prédire la structure secondaire des complexes formés de plus de 2 ARN et le premier intégrant toutes ces connaissances. En outre, il permet de visualiser les structures prédites avec une interface graphique dynamique et peut être relancer avec des corrections autant de fois que nécessaires.

Testé avec le bactériophage φ29, “PDB1FOQ”

Pour prouver l’efficacité de l’outil, l’équipe d’IBISC a testé C-RCPred sur un complexe déjà connu de 5 ARN comprenant 597 nucléotides indispensables à la réplication du bactériophage φ29, « PDB1FOQ ».

Les résultats obtenus par différents outils sont comparés dans la figure ci-dessous :

• La structure A est la structure connue
• La structure B est celle prédite par C-RCPred
• La C par l’ancien outil RCPred (une seule branche)
• D, E, F par d’autres outils dont on voit qu’ils sont loin de la réalité.

Crédit : Laboratoire IBISC

Deep-learning pour cancer et sepsis

Avec cet outil et les autre outils à disposition sur la plateforme EvryRNA, les chercheurs pourront éclairer le rôle des ARN dans le fonctionnement cellulaire, leur implication dans des processus pathologiques voire l’identifier de nouvelles pistes thérapeutiques. Un nouvel outil est d’ores et déjà en cours de développement, il intégrera en plus d’une approche algorithimique, des fonctions de deep learning. Objectifs : prédire la structure des longs ARN impliqués notamment dans les cancers et les cas de sepsis.