A polarized charge model for RNA: enhanced stability of G- quadruplexes and improved folding free energy landscapes

La vie sur Terre repose sur un langage moléculaire complexe écrit en acide ribonucléique, ou ARN. Si l'ADN est souvent célébré comme le maître plan de l'hérédité, l'ARN agit comme l'ouvrier actif, traduisant les instructions génétiques en protéines et régulant d'innombrables processus biologiques. Pour comprendre comment l'ARN accomplit ces tâches, les scientifiques doivent observer comment il se replie en formes tridimensionnelles spécifiques. La forme d'une molécule détermine sa fonction, tout comme une clé doit avoir les bons contours pour s'insérer dans une serrure. Pendant des décennies, les chercheurs ont utilisé de puissantes simulations informatiques pour observer ces molécules se déplacer et se replier, espérant prédire leur comportement sans avoir besoin de les construire en laboratoire. Cependant, ces modèles numériques ont eu du mal à capturer la véritable nature de l'ARN, produisant souvent des formes trop lâches ou instables, ne correspondant pas à ce qui est observé lors des expériences réelles.

Le cœur de ce problème réside dans la manière dont les simulations gèrent l'électricité. Les molécules d'ARN sont hautement chargées, et elles existent dans un environnement aqueux où les molécules d'eau masquent et remodèlent constamment ces forces électriques. Les modèles informatiques standards ont traditionnellement traité la charge électrique de chaque atome comme une valeur fixe et immuable, ignorant comment l'eau environnante et les autres atomes pourraient légèrement déplacer cette charge. Cette simplification fait que les simulations calculent mal la force avec laquelle les différentes parties de l'ARN s'attirent ou se repoussent. En conséquence, les molécules numériques se désintègrent souvent ou ne parviennent pas à former les structures complexes et serrées que la nature crée.

Dans une étude récente, une équipe de chercheurs de l'Université de Jining et de l'Université de technologie avancée de Shenzhen a proposé une nouvelle façon de résoudre ce problème. Ils ont développé une méthode pour calculer les charges électriques des atomes d'ARN non pas comme des nombres fixes, mais comme des valeurs qui changent en fonction de la forme spécifique et de l'environnement de la molécule. Ils appellent cette approche un modèle de charge polarisée. En appliant cette nouvelle méthode à deux types distincts de structures d'ARN, l'équipe a démontré que leurs simulations pouvaient maintenir ces molécules ensemble de manière beaucoup plus efficace que les modèles précédents. Les résultats suggèrent que la prise en compte de ces forces électriques changeantes est essentielle pour créer des jumeaux numériques précis de l'ARN.

Les chercheurs ont d'abord testé leur modèle sur une structure connue sous le nom de G-quadruplexe. Ce sont des formes complexes à quatre brins formées par des séquences d'ARN riches en un bloc de construction appelé guanine. Les G-quadruplexes sont stabilisés par un empilement d'anneaux plats de guanine et, surtout, nécessitent des ions métalliques, tels que le potassium ou le sodium, pour se loger dans le canal central afin de maintenir la structure. Dans les simulations standard utilisant des modèles plus anciens, ces ions centraux dérivent souvent vers l'eau environnante, provoquant le démantèlement de la structure entière. Lorsque les chercheurs ont appliqué leur nouveau modèle de charge polarisée, les ions sont restés fermement en place. Le modèle a recréé avec succès la forte attraction électrique entre les ions centraux et les anneaux d'ARN environnants, maintenant la stabilité de la structure. Cette stabilité a été observée à travers différents types d'ions et diverses configurations de simulation standard, indiquant que la nouvelle méthode corrige une faille fondamentale dans la manière dont ces interactions étaient calculées auparavant.

L'équipe s'est ensuite tournée vers une structure plus simple mais tout aussi importante : l'épingle à cheveux d'ARN (hairpin). Il s'agit d'un repliement courant où un seul brin d'ARN revient sur lui-même pour former une tige et une boucle, ressemblant à une épingle à cheveux. Pour tester leur modèle, les chercheurs ont simulé le processus de repliement d'un brin d'ARN lâche en cette forme d'épingle à cheveux. Ils ont utilisé une technique spécialisée qui permet à l'ordinateur d'explorer de nombreuses formes différentes et de calculer l'énergie requise pour atteindre chacune d'elles. Dans les simulations utilisant les modèles standards, le paysage énergétique était désordonné et confus, échouant souvent à montrer que l'épingle à cheveux repliée était l'état le plus stable. En revanche, lorsque les chercheurs ont utilisé leur modèle de charge polarisée, les simulations ont systématiquement montré que l'épingle à cheveux repliée était la forme la plus favorable sur le plan énergétique. Le modèle a réussi à guider le brin d'ARN virtuel vers sa forme compacte correcte, correspondant à ce qui est observé dans les expériences réelles.

Un aperçu clé de ce travail est que la charge électrique d'un atome n'est pas une propriété statique, mais dépend de son environnement. Dans l'épingle à cheveux repliée, les atomes impliqués dans les liaisons hydrogène deviennent légèrement plus chargés que dans un brin lâche et déplié. Le nouveau modèle capture ce changement, alors que les modèles plus anciens traitent chaque atome comme ayant la même charge, qu'il soit enfoui à l'intérieur d'un nœud serré ou exposé à l'eau. En incorporant cette sensibilité, les chercheurs ont découvert que leurs simulations pouvaient reproduire la stabilité correcte de la molécule sans avoir besoin de modifier les règles mathématiques sous-jacentes du logiciel de simulation. Cela signifie que la méthode peut être facilement adoptée par d'autres scientifiques utilisant des outils standards, offrant ainsi une mise à niveau pratique pour le domaine.

L'étude a également souligné une limite : les nouvelles valeurs de charge dépendent de la forme spécifique de la molécule utilisée pour les calculer. Si les chercheurs avaient calculé les charges sur la base d'un brin lâche et déplié, puis tenté de simuler le processus de repliement, les résultats auraient été moins précis. Le modèle fonctionne mieux lorsque les charges sont dérivées d'une forme qui ressemble étroitement à la structure finale stable. Cela suggère que, pour obtenir les résultats les plus précis, les scientifiques devraient utiliser la forme stable connue d'une molécule pour géner les paramètres de charge avant de lancer les simulations de son comportement.

En fin de compte, cette recherche offre une fenêtre plus claire sur le monde microscopique de l'ARN. En affinant la manière dont les forces électriques sont calculées, l'équipe a démontré qu'il est possible de créer des simulations bien plus fidèles à la réalité. La capacité de maintenir la stabilité des G-quadruplexes et de prédire correctement le repliement des épingles à cheveux rapproche les scientifiques de la compréhension de la façon dont l'ARN fonctionne dans la santé et la maladie. Bien que la méthode ne soit pas une solution parfaite pour tous les scénarios, elle représente une étape significative dans la quête de la modélisation de la machinerie dynamique et complexe de la vie au niveau atomique.