Position-resolved k-mer analysis of mature microRNAs reveal widespread CG and UA depletion across taxa

Au sein de chaque cellule vivante, un vaste réseau de minuscules instructions moléculaires permet au mécanisme de la vie de fonctionner sans accroc. Parmi les instructions les plus importantes figurent de courts brins d'ARN appelés micro-ARN. Ces molécules agissent comme des régulateurs précis, trouvant des séquences correspondantes spécifiques dans d'autres messages génétiques et les réduisant au silence pour garantir que la cellule produise les bonnes protéines au bon moment. Pour qu'un micro-ARN fonctionne, sa forme et sa composition chimique doivent être exactes. Les scientifiques savent depuis longtemps que les toutes premières lettres de la séquence d'un micro-ARN sont critiques, agissant comme une clé qui s'insère dans une serrure spécifique pour amorcer le processus. Cependant, les règles régissant le reste de la molécule — les lettres qui suivent ces premières lettres — sont restées un mystère. Les lettres qui sont assises les unes à côté des autres dans ces minuscules brins suivent-elles un motif caché, ou sont-elles disposées de manière aléatoire ?

Une équipe de chercheurs de l'université Bharathidasan en Inde a désormais cartographié l'ensemble du paysage de ces minuscules molécules pour répondre à cette question. Ils n'ont pas examiné seulement quelques exemples ; ils ont plutôt analysé près de 49 000 enregistrements de micro-ARN matures provenant de 271 organismes différents, allant des humains et d'autres mammifères aux insectes, aux poissons et aux plantes. En analysant cette collection massive, ils ont découvert que l'arrangement des lettres dans ces molécules est loin d'être aléatoire. Il existe une règle répandue et constante qui régit la façon dont ces courts brins génétiques sont construits, une règle qui reste vraie à travers tout l'arbre de la vie.

Les chercheurs se sont concentrés sur la fréquence à laquelle des paires de lettres spécifiques apparaissent l'une à côté de l'autre. Dans le langage de la génétique, ces paires sont appelées dinucléotides. Lorsqu'ils ont compté chaque appariement possible à travers les millions de séquences étudiées, deux paires spécifiques se sont distinguées par leur absence. La combinaison des lettres C et G, et la combinaison des lettres U et A, sont apparues beaucoup moins souvent que ce que prédirait le hasard. En fait, la paire C-G était la plus rare de toutes les seize combinaisons possibles, ne représentant que 3,3 % du total. La paire U-A était la deuxième plus rare. Inversement, la paire U-G était la plus commune, apparaissant nettement plus souvent que prévu.

Pour s'assurer que ces résultats n'étaient pas simplement le résultat des nombres, les scientifiques ont utilisé une méthode de comparaison rigoureuse. Ils ont créé deux ensembles différents de scénarios de type « et si ». Dans le premier, ils ont pris les mêmes séquences de micro-ARN et ont mélangé l'ordre des lettres au sein de chacune d'elles, conservant le nombre total de chaque lettre mais détruisant tout ordre naturel. Dans le second, ils ont mélangé les lettres à chaque position spécifique à travers toutes les séquences de même longueur. Même comparés à ces versions mélangées et aléatoires, les vrais micro-ARN présentaient toujours une absence distincte de paires C-G et U-A. Cela a prouvé que la rareté de ces paires est une caractéristique réelle des molécules, et non un simple effet secondaire de la quantité de chaque lettre présente.

Ce modèle de rareté ne se limitait pas aux paires de deux lettres. Les chercheurs ont également examiné des groupes de trois lettres, connus sous le nom de trinucléotides. Ils ont découvert que chaque combinaison contenant une paire C-G ou une paire U-A était également appauvrie, apparaissant moins fréquemment que les modèles aléatoires ne le prédisaient. Cela suggère que la règle contre ces voisins spécifiques s'applique à travers toute la longueur du micro-ARN, et pas seulement en un point spécifique. La découverte était cohérente à travers les dix grands groupes d'organismes testés, des plantes à fleurs aux nématodes et aux humains. Que l'organisme soit une plante ou un animal, les micro-ARN évitaient systématiquement de placer un C à côté d'un G ou un U à côté d'un A.

Il y avait une exception intéressante qui nécessitait un examen plus approfondi. Bien que la paire U-A soit globalement rare, les chercheurs ont remarqué une petite augmentation de sa fréquence au tout début de la séquence du micro-ARN. À la première position, la paire U-A apparaissait plus souvent que dans le reste de la molécule. Cependant, lorsque les scientifiques ont pris en compte le fait que la première lettre d'un micro-ARN est presque toujours un U, ce pic a disparu. Il s'est avéré que le nombre élevé de paires U-A au début était simplement dû au fait qu'il y avait tellement de U au début pour commencer. Une fois cette composition initiale prise en considération, la paire U-A s'est révélée appauvrie partout, tout comme la paire C-G.

L'étude a également exploré pourquoi ces modèles pourraient exister. Pour les paires C-G manquantes, une explication plausible réside dans l'histoire de la mutation de l'ADN. Chez de nombreux animaux, la lettre C est souvent modifiée chimiquement d'une manière qui la rend sujette à changer en T (ou U dans l'ARN) au fil de l'évolution. Si une paire C-G dans l'ADN mute en une paire U-G, l'ARN résultant aura naturellement moins de paires C-G et plus de paires U-G. Cela correspond à l'observation des chercheurs selon laquelle l'U-G est la paire la plus commune tandis que le C-G est la plus rare. Cependant, l'article note que ce n'est qu'une hypothèse ; l'étude n'a pas mesuré directement les taux de méthylation de l'ADN ou de mutation, cela reste donc une possibilité probable plutôt qu'une cause confirmée.

La raison de la rareté de la paire U-A demeure, quant à elle, un mystère complet. Les chercheurs n'ont pas trouvé de mécanisme biologique expliquant pourquoi ces deux lettres s'évitent. Il est possible que la structure même de la molécule, la façon dont elle est traitée à l'intérieur de la cellule, ou la façon dont elle interagit avec ses cibles, rende la combinaison U-A instable ou indésirable. L'étude a réussi à identifier que cet appauvrissement existe et qu'il est universel, mais elle s'arrête avant d'expliquer pourquoi.

En créant une carte détaillée de la façon dont les lettres sont arrangées dans ces minuscules régulateurs, les chercheurs ont fourni une nouvelle base pour comprendre la biologie des micro-ARN. Ils ont montré que ces molécules ne sont pas de simples chaînes aléatoires de lettres, mais qu'elles sont construites avec une architecture spécifique et conservée qui a été maintenue à travers des millions d'années d'évolution. Bien que la raison complète de cette architecture ne soit pas encore connue, la découverte que les micro-ARN évitent universellement certaines combinaisons de lettres offre un nouvel indice aux scientifiques qui tentent de comprendre comment ces molécules critiques fonctionnent et évoluent. Le travail suggère que les règles de la vie ne sont pas écrites seulement dans les lettres individuelles, mais dans les manières spécifiques dont ces lettres sont autorisées à siéger les unes à côté des autres.