Un logiciel accélère la conception des expériences CRISPR


  • FrançaisFrançais



  • Les cultures de biocarburants commercialement viables sont essentielles pour réduire les émissions de gaz à effet de serre, et un nouvel outil développé par le Center for Advanced Bioenergy and Bioproducts Innovation (CABBI) devrait accélérer leur développement, ainsi que les progrès de l’édition génétique en général.

    Les génomes des cultures sont adaptés par des générations de sélection pour optimiser des traits spécifiques, et jusqu’à récemment, les sélectionneurs étaient limités à la sélection sur la diversité naturelle. La technologie d’édition de gènes CRISPR/Cas9 peut changer cela, mais les outils logiciels nécessaires à la conception et à l’évaluation des expériences CRISPR ont jusqu’à présent été basés sur les besoins d’édition des génomes de mammifères, qui ne partagent pas les mêmes caractéristiques que les génomes de cultures complexes.

    Entrez CROPSR, le premier outil logiciel open source pour la conception et l’évaluation à l’échelle du génome des séquences d’ARN guide (ARNg) pour les expériences CRISPR, créé par des scientifiques du CABBI, un centre de recherche sur la bioénergie (BRC) financé par le Département de l’énergie. Selon l’étude publiée dans BMC Bioinformatique.

    « CROPSR fournit à la communauté scientifique de nouvelles méthodes et un nouveau flux de travail pour effectuer des expériences de knock-out CRISPR/Cas9 », a déclaré le développeur de CROPSR Hans Müller Paul, biologiste moléculaire et Ph.D. étudiant avec le co-auteur Matthew Hudson, professeur de sciences des cultures à l’Université de l’Illinois à Urbana-Champaign. « Nous espérons que le nouveau logiciel accélérera la découverte et réduira le nombre d’expériences ratées. »

    Pour mieux répondre aux besoins des généticiens des cultures, l’équipe a créé un logiciel qui lève les restrictions imposées par d’autres packages sur la conception et l’évaluation des séquences d’ARNg, les guides utilisés pour localiser le matériel génétique ciblé. Les membres de l’équipe ont également développé un nouveau modèle d’apprentissage automatique qui n’éviterait pas les guides pour les régions génomiques répétitives souvent trouvées dans les plantes, un problème avec les outils existants. Le modèle de notation CROPSR a fourni des prédictions beaucoup plus précises, même dans les génomes non cultivés, ont déclaré les auteurs.

    « L’objectif était d’incorporer des fonctionnalités pour faciliter la vie du scientifique », a déclaré Müller Paul.

    De nombreuses cultures, en particulier les matières premières bioénergétiques, ont des génomes polyploïdes très complexes, avec de multiples ensembles de chromosomes. Et certains outils logiciels d’édition de gènes basés sur des génomes diploïdes (comme ceux des humains) ont du mal avec les particularités des génomes des cultures.

    « Cela peut parfois prendre des semaines ou des mois pour se rendre compte que vous n’avez pas le résultat que vous attendiez », a déclaré Müller Paul.

    Par exemple, un trait peut être régulé par une collection de gènes, en particulier un gène impliquant le stress des plantes où les systèmes de sauvegarde sont utiles. Un scientifique pourrait concevoir une expérience pour assommer un gène et ignorer qu’un autre remplit la même fonction. Le problème peut ne pas être découvert jusqu’à ce que la plante mûrisse sans altérer le trait de quelque manière que ce soit. C’est un problème particulier avec les cultures qui nécessitent des conditions météorologiques spécifiques pour pousser, où manquer une saison peut signifier un retard d’un an.

    L’utilisation d’une approche à l’échelle du génome a permis aux scientifiques d’adapter CROPSR à l’utilisation des plantes en supprimant les biais intégrés trouvés dans les outils logiciels existants. Parce qu’ils sont basés sur des génomes humains ou de souris, où les copies multiples de gènes sont moins courantes, ces outils pénalisent les séquences d’ARNg qui frappent le génome dans plus d’une position, pour éviter de provoquer des mutations dans des endroits où elles ne sont pas destinées. Mais avec les cultures, le but est souvent de faire muter plus d’une position pour éliminer toutes les copies d’un gène. Auparavant, les scientifiques devaient parfois concevoir quatre ou cinq expériences de mutation pour éliminer chaque gène individuellement, ce qui nécessitait du temps et des efforts supplémentaires.

    CROPSR peut générer une base de données d’ARN guides CRISPR utilisables pour l’ensemble du génome d’une culture. Ce processus est gourmand en calculs et prend du temps – nécessitant généralement plusieurs jours – mais les chercheurs n’ont à le faire qu’une seule fois pour créer une base de données qui peut ensuite être utilisée pour les expériences en cours.

    Ainsi, plutôt que de rechercher un gène ciblé dans une base de données en ligne, puis d’utiliser les outils actuels pour concevoir des guides distincts pour cinq emplacements différents et de faire plusieurs séries d’expériences, les scientifiques pourraient rechercher le gène dans leur propre base de données et voir tous les guides disponibles. CROPSR indiquerait également d’autres emplacements à cibler dans le génome. Les chercheurs pourraient sélectionner un guide qui touche tous les gènes, ce qui faciliterait et accélérerait la conception de l’expérience.

    « Vous pouvez simplement accéder à la base de données, récupérer toutes les informations dont vous avez besoin, être prêt à partir et commencer à travailler », a déclaré Müller Paul. « Moins vous passez de temps à planifier vos expériences, plus vous pouvez passer de temps à faire vos expériences. »

    Pour les scientifiques du CABBI, qui travaillent souvent avec des génomes végétaux répétitifs, disposer d’un outil d’ARNg qui leur permet de concevoir des guides fonctionnels en toute confiance « devrait être un pas en avant », a-t-il déclaré.

    Comme son nom l’indique, CROPSR a été conçu en pensant aux génomes des cultures, mais il s’applique à tout type de génome.

    « CROPSR est également basé sur les gènes humains, car la disponibilité des données pour les gènes des cultures n’est tout simplement pas encore là », a déclaré Müller Paul, « mais nous envisageons des collaborations avec d’autres BRC pour fournir une prédiction plus performante basée sur la biophysique pour aider à atténuer certains des problèmes causés par le manque de données. »

    À l’avenir, il espère que les chercheurs enregistreront leurs échecs ainsi que leurs réussites pour aider à générer les données nécessaires à la formation d’un modèle spécifique à une culture. Si les collaborations se concrétisent, « nous pourrions envisager des avancées très intéressantes dans la formation de modèles d’apprentissage automatique pour les applications CRISPR, et potentiellement pour d’autres modèles également ».

    Les autres co-auteurs de l’étude sont Dave Istanto, ancien étudiant diplômé du CABBI avec Hudson à l’U of I Department of Crop Sciences ; et Jacob Heldenbrand, ancien programmeur de recherche CABBI au National Center for Supercomputing Applications de l’Illinois. Hudson et Müller Paul sont également affiliés à l’Illinois Informatics Institute et au Carle R. Woese Institute for Genomic Biology.

    N'oubliez pas de voter pour cet article !
    1 étoile2 étoiles3 étoiles4 étoiles5 étoiles (No Ratings Yet)
    Loading...
    mm

    La Rédaction

    L'équipe rédactionnelle

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée.