Spelling suggestions: "subject:"highthroughput sequencing data analysis"" "subject:"highthroughput sequencing data analysis""
1 |
Modélisation des réseaux de régulation de l’expression des gènes par les microARNPoirier-Morency, Guillaume 12 1900 (has links)
Les microARN sont de petits ARN non codants d'environ 22 nucléotides impliqués dans la régulation de l'expression des gènes. Ils ciblent les régions complémentaires des molécules d'ARN messagers que ces gènes codent et ajustent leurs niveaux de traduction en protéines en fonction des besoins de la cellule. En s'attachant à leurs cibles par complémentarité partielle de leurs séquences, ces deux groupes de molécules d'ARN compétitionnent activement pour former des interactions régulatrices. Par conséquent, prédire quantitativement les concentrations d'équilibres des duplexes formés est une tâche qui doit prendre un compte plusieurs facteurs dont l'affinité pour l'hybridation, la capacité à catalyser la cible, la coopérativité et l'accessibilité de l'ARN cible. Dans le modèle que nous proposons, miRBooking 2.0, chaque interaction possible entre un microARN et un site sur un ARN cible pour former un duplexe est caractérisée par une réaction enzymatique. Une réaction de ce type opère en deux phases : une formation réversible d'un complexe enzyme-substrat, le duplexe microARN-ARN, suivie d'une conversion irréversible du substrat en produit, un ARN cible dégradé, et de la restitution l'enzyme qui pourra participer à une nouvelle réaction. Nous montrons que l'état stationnaire de ce système, qui peut comporter jusqu'à 10 millions d'équations en pratique, est unique et son jacobien possède un très petit nombre de valeurs non-nulles, permettant sa résolution efficace à l'aide d'un solveur linéaire épars. Cette solution nous permet de caractériser précisément ce mécanisme de régulation et d'étudier le rôle des microARN dans un contexte cellulaire donné. Les prédictions obtenues sur un modèle de cellule HeLa corrèlent significativement avec un ensemble de données obtenu expérimentalement et permettent d'expliquer remarquablement les effets de seuil d'expression des gènes. En utilisant ces prédictions comme condition initiale et une méthode d'intégration numérique, nous simulons en temps réel la réponse du système aux changements de conditions expérimentales. Nous appliquons ce modèle pour cibler des éléments impliqués dans la transition épithélio-mésenchymateuse (EMT), un mécanisme biologique permettant aux cellules d'acquérir une mobilité essentielle pour proliférer. En identifiant des éléments transcrits différentiellement entre les conditions épithéliale et mésenchymateuse, nous concevons des microARN synthétiques spécifiques pour interférer avec cette transition. Pour ce faire, nous proposons une méthode basée sur une recherche gloutonne parallèle pour rechercher efficacement l'espace de la séquence du microARN et présentons des résultats préliminaires sur des marqueurs connus de l'EMT. / MicroRNAs are small non-coding RNAs of approximately 22 nucleotide long
involved in the regulation of gene expression. They target complementary
regions to the RNA transcripts molecules that these genes encode and adjust the concentration according to the needs of the cell.
As microRNAs and their RNA targets binds each other with imperfect complementarity, these two groups actively compete to form regulatory interactions. Consequently, attempting to quantitatively predict their equilibrium concentrations is a task that must take several factors into account, including the affinity for hybridization, the ability to catalyze the target, cooperation, and RNA accessibility.
In the model we propose, miRBooking 2.0, each possible interaction between
a microRNA and a binding site on a target RNA is characterized by an enzymatic
reaction. A reaction of this type operates in two phases: a reversible formation
of an enzyme-substrate complex, the microRNA-RNA duplex, and an irreversible
conversion of the substrate in an RNA degradation product that restores the
enzyme which can subsequently participate to other reactions.
We show that the stationary state of this system, which can include up to 10 million equations in practice, has a very shallow Jacobian, allowing its efficient resolution using a sparse linear solver. This solution allows us to
characterize precisely the mechanism of regulation and to study the role of
microRNAs in a given cellular context. Predictions obtained on a HeLa S3 cell
model correlate significantly with a set of experimental data obtained
experimentally and can remarkably explain the expression threshold effects of
genes. Using this solution as an initial condition and an explicit method of
numerical integration, we simulate in real time the response of the system to
changes of experimental conditions.
We apply this model to target elements involved in the Epithelio-Mesenchymal Transition (EMT), an important mechanism of tumours proliferation. By
identifying differentially expressed elements between the two conditions, we
design synthetic microRNAs to interfere with the transition. To do so, we
propose a method based on a parallel greedy best-first search to efficiently
crawl the sequence space of the microRNA and present preliminary results on
known EMT markers.
|
Page generated in 0.0794 seconds