Une nouvelle approche pour prédire la structure des ARN Contrairement à son célèbre cousin, l’acide désoxyribonucléique (ADN), formé sur toute sa longueur de deux brins complémentaires qui s’enroulent en une double hélice monotone, l’ARN n’est constitué que d’un seul brin capable de se replier en une multitude de structures complexes. Cette diversité structurale explique la multiplicité de rôles que joue l’ARN à l’intérieur de la cellule, notamment dans la régulation de l’activité des gènes.La structure d’un ARN est dictée en grande partie par l’appariement de ses constituants, les nucléotides A, G, C et U, sur de courtes régions de la molécule. Jusqu’ici, la structure des ARN était modélisée en recherchant la combinaison d’appariements la plus stable. Cette approche souffre toutefois d’une limitation importante : seuls les appariements classiques A:U et G:C, c’est-à-dire ceux où les nucléotides se font face, sont pris en considération. Les appariements non classiques, ceux où les nucléotides se côtoient ou se superposent, ne sont pas pris en compte par les algorithmes de prédiction conventionnels. Ceux-ci génèrent donc des modèles incomplets qui peuvent entraîner le chercheur sur une fausse piste. C’est en voulant remédier à cette lacune que François Major et son équipe ont été amenés à proposer une approche radicalement différente pour prédire la structure des ARN. Cette approche consiste à assembler la structure in silico à partir de motifs qui tiennent compte de l’ensemble des interactions entre un nucléotide et ses voisins, indépendamment de la séquence de l’ARN. Les bio-informaticiens de l’Université de Montréal ont ainsi pu faire une découverte primordiale : un nombre très restreint de petits motifs de huit nucléotides ou moins suffit pour reconstituer les structures des ARN répertoriées dans les banques de données expérimentales. Suite de l'article : umontreal.ca