Aperçu Général

La prédiction de structure d’ARN détermine la conformation bidimensionnelle et tridimensionnelle des molécules d’ARN à partir de leurs séquences de nucléotides. Alors que le répertoire fonctionnel de l’ARN continue de s’étendre, couvrant la catalyse, la régulation génique et l’échafaudage, connaître la structure de l’ARN est essentiel pour comprendre le mécanisme. Le repliement de l’ARN est hiérarchique : la structure secondaire (paires de bases canoniques Watson-Crick et paires G-U) se forme d’abord, pilotée par la stabilité thermodynamique, et les contacts tertiaires consolident ensuite le repliement tridimensionnel. Les méthodes computationnelles exploitent cette hiérarchie pour prédire les structures avec une précision croissante.

Méthodes

La prédiction de structure secondaire utilise des algorithmes de programmation dynamique basés sur le modèle thermodynamique du plus proche voisin, dans lequel l’énergie libre de chaque empilement de paires de bases est additionnée pour trouver la structure d’énergie libre minimale (MFE). L’algorithme de Zuker et son implémentation dans des outils tels que RNAfold et Mfold sont largement utilisés. Les approches de fonction de partition (ex., RNAfold -p) calculent les probabilités d’appariement de bases à l’équilibre thermodynamique. L’analyse comparative de séquences améliore la précision de la prédiction en identifiant les positions covariantes parmi les séquences homologues. Pour la structure tertiaire, les méthodes d’assemblage de fragments (ex., SimRNA, FARFAR2) et les modèles d’apprentissage profond (ex., DRfold) construisent des modèles tridimensionnels guidés par des contraintes de structure secondaire.

Applications

La prédiction de structure d’ARN sous-tend la conception de petits ARN interférents, d’oligonucléotides antisens et d’ARN guides CRISPR. Elle permet l’annotation des ARN non codants et l’étude des mécanismes de riborégulateurs, où les changements conformationnels induits par un ligand régulent l’expression génique. Ces prédictions sont interprétées parallèlement à la structure et aux types d’ARN pour classer les transcrits nouvellement découverts et en relation avec la transcription et le traitement de l’ARN pour comprendre le repliement co-transcriptionnel. L’approche contribue également à la régulation génique et à l’épigénétique en modélisant comment les éléments structuraux dans les régions non traduites contrôlent l’efficacité de la traduction.