Le couteau suisse de la recherche sur le génome

“L’ADN est assez ennuyeux, car il est pratiquement le même dans chaque cellule”, explique Martin Vingron, directeur et chef du département de bioinformatique à l’Institut Max Planck de génétique moléculaire à Berlin. “Quand le génome est comme le livre de la vie, ce qui m’intéresse le plus, ce sont les notes secondaires.” Ces “notes” sont de petites marques chimiques attachées à la molécule d’ADN qui ne modifient pas l’information génétique elle-même, mais influencent ce qui arrive à l’ADN au site respectif. Autrement dit, ces marques ont un effet épigénétique. Ils servent de régulateurs des régions génomiques responsables de l’activation et de la désactivation des gènes, tels que les promoteurs et les amplificateurs.

Dans de nombreuses maladies complexes, le contrôle épigénétique des gènes ne fonctionne pas correctement et présente un grand intérêt pour les scientifiques. Cependant, l’analyse de ces régions en laboratoire est souvent lourde, chronophage et compliquée. C’est pourquoi Vingron et son équipe ont décidé de développer un nouveau progiciel appelé CRUP (Condition-specific Regulatory Units Prediction) qui simplifie l’analyse et résout plusieurs problèmes pratiques.

“Nous voulions combiner les étapes courantes du processus de prédiction de l’amplificateur dans un programme simple et universel”, explique la bioinformaticienne Verena Heinrich qui a développé le package. Le CRUP simplifie l’analyse à bien des égards. L’algorithme d’apprentissage automatique n’est pas limité à des types de cellules ou de tissus spécifiques. Il n’a pas besoin d’être recalibré avant chaque analyse d’un jeu de données et permet une étude comparative de plusieurs séries de données. L’outil, qui a été développé par Heinrich et la doctorante Anna Ramisch, est toujours facile à utiliser.

L’activité stimulante de l’activateur

Le CRUP identifie et caractérise spécifiquement les amplificateurs – segments d’ADN qui stimulent ou “améliorent” la transcription des gènes. Ces régions attirent les protéines qui s’attachent aux séquences promotrices qui fonctionnent comme un interrupteur pour chaque gène. Cependant, quel activateur contrôle les bons gènes au bon moment reste souvent un mystère. “Les activateurs et leurs gènes associés peuvent être situés loin les uns des autres”, explique Heinrich. “Cela rend difficile pour nous d’attribuer les séquences régulatrices à leurs cibles respectives.”

Le génome contient des centaines de milliers d’amplificateurs qui sont actifs à différentes phases de la vie d’une cellule, comme pendant la croissance, l’entretien ou la maladie. Lorsque l’ADN est serré comme un fil de laine sur des bobines de protéines porteuses appelées histones, les séquences régulatrices sont dans un état de “repos”. Ils ne deviennent actifs que par des modifications chimiques des protéines histones. Ensuite, des sections se déroulent des grappes d’ADN, sont exposées et deviennent accessibles aux molécules qui activent les gènes. L’analyse des protéines histones par immunoprécipitation de la chromatine (ChIP) en tandem avec le séquençage de l’ADN révèle alors quels activateurs sont actifs et lesquels ne le sont pas.

En trois étapes pour une analyse complète

Ces données ChIP sont l’entrée pour le programme nouvellement développé. Le CRUP examine d’abord toutes les séquences, puis décide s’il s’agit d’un activateur ou non. L’algorithme de classification est basé sur l’intelligence artificielle, qui est formée avec des informations provenant de cellules souches embryonnaires de souris. Il détecte les régions activatrices dans de nombreuses autres espèces animales ou tissus, comme Heinrich et ses collègues l’ont démontré sur un ensemble diversifié de données fournies par le programme allemand d’épigénome (DEEP).

Dans la deuxième étape, CRUP peut être alimenté avec plusieurs ensembles de données et le programme trouve où ils diffèrent. Cela permet d’interpréter une série de mesures ou d’identifier des différences entre les tissus. Les modifications épigénétiques des activateurs deviennent apparentes – au fil du temps ou lors de la comparaison de tissus sains et malades. La troisième et dernière étape de l’analyse est la cartographie des gènes à leurs activateurs respectifs. « Nous avons demandé : quelle partie du génome est active en même temps au même endroit ? explique Heinrich. Pour y parvenir, le CRUP relie l’analyse de l’amplificateur avec des données de transcription qui révèlent quels gènes sont actifs et des expériences qui indiquent quelles parties du brin d’ADN sont proches les unes des autres.

Enfin, les chercheurs ont testé leur programme dans un cadre pratique. Ils ont analysé les tissus de souris atteintes de polyarthrite rhumatoïde, une maladie immunitaire, et les ont comparés aux données d’animaux sains. Le CRUP a identifié plus de 200 différences dans les régions amplificatrices, dont certaines avaient déjà été associées à la maladie dans d’autres études. Il a également été démontré que les gènes que le CRUP a attribués à ces activateurs jouent un rôle dans la maladie.

Un catalyseur pour la recherche

“Notre programme identifie de manière fiable les candidats pour les activateurs associés à la maladie et les relie à leurs gènes cibles”, explique Vingron. Son équipe espère que le nouvel outil rendra le domaine plus accessible et accélérera la recherche pour aider à identifier les causes de maladies humaines complexes. “Le CRUP devrait être particulièrement utile pour tous les groupes de recherche qui ne disposent pas d’une équipe de bioinformaticiens à portée de main.”