Scalable Enumeration of Pareto-optimal Polymers for Computing Equilibrium Concentrations

Dans le monde microscopique de la biologie synthétique, les scientifiques construisent des machines complexes à partir d'ADN. Il ne s'agit pas des longs brins torsadés qui portent le code génétique dans nos cellules, mais de courts fragments synthétiques conçus pour s'assembler selon des motifs spécifiques. Lorsque ces pièces se rencontrent, elles se lient les unes aux autres, formant des structures plus larges appelées complexes. L'objectif est de créer des systèmes capables d'exécuter une logique, de détecter leur environnement ou de s'assembler en formes spécifiques, à la manière d'une usine moléculaire. Cependant, prédire le comportement de ces systèmes est incroyablement difficile. Bien qu'un concepteur puisse partir d'un petit ensemble de pièces d'ADN, les lois de la chimie permettent à ces pièces de se combiner de multiples façons, créant un nombre infini de structures possibles. Certaines de ces structures sont les produits attendus, mais beaucoup sont des sous-produits accidentels qui obstruent le système ou provoquent sa défaillance. Pour garantir que ces machines moléculaires fonctionnent comme prévu, les chercheurs doivent comprendre quelles structures se formeront et en quelles quantités lorsque le système atteint un état d'équilibre.

Pendant des décennies, les scientifiques se sont appuyés sur des programmes informatiques pour modéliser ces interactions, mais ces outils peinent lorsque les systèmes deviennent importants. Ils fonctionnent en vérifiant toutes les manières possibles dont les pièces d'ADN pourraient se connecter, une tâche qui devient impossible lorsque le nombre de combinaisons explose. Une nouvelle approche, développée par des chercheurs de l'Université du Texas à Austin et de l'Institut coréen d'sciences et de technologie avancée (KAIST), offre un moyen de percer cette complexité sans perdre en précision. Au lieu d'essayer de lister chaque structure possible, l'équipe s'est concentrée sur un groupe spécifique et plus restreint de structures qui sont thermodynamiquement stables. Ils ont prouvé que la grande majorité des structures accidentelles et instables sont si improbables d'apparaître dans un système équilibré qu'elles peuvent être ignorées en toute sécurité. En filtrant ces candidats improbables, ils ont réduit un problème infini à un problème fini, rendant possible l'analyse de systèmes qui étaient auparavant trop vastes pour être étudiés.

Les chercheurs ont commencé par définir un concept qu'ils appellent l'optimalité de Pareto. En termes simples, une structure est optimale au sens de Pareto si elle ne peut pas être décomposée en morceaux plus petits et indépendants sans rompre une liaison chimique. Si un complexe de grande taille peut être divisé en deux parties distinctes qui n'ont pas besoin de rester collées l'une à l'autre, il est considéré comme instable. Les lois de la physique favorisent la version divisée car elle crée plus d'unités séparées, ce qui augmente le désordre, ou l'entropie, un moteur clé des réactions chimiques. L'équipe a démontré mathématiquement que ces structures instables et divisibles n'apparaissent jamais dans l'état le plus stable et de plus basse énergie d'un système. De plus, même dans un scénario réel où les conditions ne sont pas parfaitement idéales, la quantité totale de ces structures instables est si faible par rapport aux structures stables qu'elles ont un effet négligeable sur le résultat global. Cette découverte a permis aux chercheurs de rejeter l'océan infini de structures impossibles ou improbables pour se concentrer uniquement sur l'ensemble fini de polymères stables et optimaux au sens de Pareto.

Pour trouver ces structures stables, l'équipe s'est tournée vers une branche des mathématiques appelée la base de Hilbert. Cette méthode leur permet d'identifier les blocs de construction fondamentaux d'un système à partir desquels tous les autres structures valides peuvent être dérivés. Par le passé, cet outil mathématique n'était utilisé que pour des systèmes où chaque liaison possible était forcée de se former, un scénario qui ne reflète pas la réalité désordonnée de la chimie de l'ADN où les liaisons peuvent être faibles ou incomplètes. Les chercheurs ont étendu cette méthode pour gérer ces conditions plus réalistes et insaturées. Ils ont montré que l'ensemble de toutes les structures stables correspond exactement à un ensemble spécifique de solutions mathématiques, prouvant que le nombre de structures pertinentes est fini et peut être calculé. Cependant, même avec cette réduction, le calcul de l'ensemble complet pour de grands systèmes restait trop lent pour une utilisation pratique. Le nombre de calculs requis augmentait si rapidement qu'il faudrait des années pour terminer un système moyennement complexe.

Pour résoudre ce problème de vitesse, l'équipe a introduit une stratégie basée sur la limitation de la taille des structures qu'elle recherche. Ils ont raisonné que, dans de nombreux systèmes d'ingénierie, les structures les plus importantes ne sont pas composées de tous les types d'ADN disponibles, mais plutôt d'un sous-ensemble plus restreint. Ils ont développé un algorithme qui recherche des structures stables ne contenant pas plus d'un certain nombre de types d'ADN différents, un paramètre qu'ils appellent la borne de support. Au lieu de vérifier chaque combinaison possible de ces types, ce qui serait encore trop nombreux, ils ont utilisé une technique mathématique astucieuse appelée plan de couverture (covering design). Cette technique agit comme un tamis, sélectionnant un petit ensemble stratégique de groupes à tester. En effectuant les calculs complexes uniquement sur ces groupes sélectionnés, ils pouvaient reconstruire l'ensemble complet des structures pertinentes pour l'ensemble du système sans avoir à effectuer tout le travail lourd pour chaque possibilité individuelle.

L'efficacité de cette méthode a été testée sur plusieurs familles de systèmes d'ADN décrites dans la littérature scientifique récente, incluant des chaînes linéaires et des structures en arbre de portes logiques. Dans un test impliquant une chaîne de sept modules, la nouvelle méthode a calculé les structures pertinentes en seulement 24 secondes. Un calcul direct par force brute du même système a pris plus de 1 000 secondes, et pour des systèmes plus grands, la méthode directe aurait pris des heures ou des jours, si elle avait pu être réalisée. Les chercheurs ont constaté qu'en fixant la limite du nombre de types d'ADN à un nombre modeste, ils récupéraient presque toutes les structures qui comptent pour le comportement du système. Les quelques structures qu'ils ont manquées étaient si rares qu'elles ne changeaient pas le résultat prédit du système. Cette approche leur a permis de réaliser une analyse détaillée de la fuite (leakage analysis), vérifiant quelle quantité de produit non intentionnel se formait lorsque les entrées étaient retirées, une tâche qui était auparavant impossible pour des systèmes possédant plus de quelques modules.

Ce travail offre une voie pratique pour la conception de systèmes moléculaires complexes. En combinant une justification thermodynamique pour ignorer les structures instables avec un algorithme évolutif utilisant un tamisage mathématique, les chercheurs ont rendu possible l'analyse de systèmes d'ADN qui étaient auparavant hors de portée. Leur méthode ne nécessite pas que le système soit parfait ou que les liaisons soient fortes ; elle fonctionne même lorsque la chimie est faible et incomplète. La capacité de troquer une petite part de complétude théorique contre un gain massif de vitesse donne aux ingénieurs un nouvel outil pour vérifier leurs conceptions avant de les construire en laboratoire. À mesure que le domaine de l'informatique à ADN évolue vers des machines plus grandes et plus complexes, cette capacité à prédire efficacement les concentrations à l'équilibre sera essentielle pour garantir que ces dispositifs moléculaires fonctionnent comme prévu.