RNAflash: Fast and Sensitive Structure-aware RNA Homology Detection and Alignment

Dans la vaste bibliothèque de la vie, l'ARN agit comme un messager et un gestionnaire polyvalent, transportant les instructions de l'ADN et aidant à construire les protéines qui font fonctionner nos cellules. Pour comprendre comment une pièce spécifique d'ARN fonctionne, les scientifiques cherchent souvent ses parents — d'autres molécules d'ARN qui partagent un ancêtre commun. Ces parents, appelés homologues, sont comme des cousins éloignés dans un arbre généalogique ; ils peuvent paraître très différents en surface, mais ils se replient souvent en formes similaires pour accomplir la même tâche. Trouver ces cousins est crucial pour prédire comment l'ARN se replie en une structure tridimensionnelle, une étape clé pour comprendre son fonctionnement et la manière dont il pourrait être ciblé par des médicaments. Cependant, il existe un problème persistant dans ce domaine : les outils utilisés pour trouver ces parents obligent généralement les scientifiques à choisir entre vitesse et précision. Les outils rapides manquent souvent les cousins éloignés car ils reposent trop lourdement sur des correspondances exactes, lettre par lettre, tandis que les outils précis qui examinent la forme de la molécule sont si lents qu'ils peuvent prendre des jours pour effectuer une recherche dans les bases de données modernes contenant des millions de séquences.

Une équipe de chercheurs de l'Université Jiao Tong de Shanghai a introduit une nouvelle approche appelée RNAflash qui vise à briser ce compromis. Leur méthode agit comme un moteur de recherche en deux étapes conçu pour trouver rapidement ces parents d'ARN insaisissables, puis pour les organiser en un portrait de famille utile. La première étape utilise un système entraîné pour reconnaître la « voix » des séquences d'ARN, même lorsque les lettres ont considérablement changé au fil du temps. Au lieu de comparer chaque lettre d'une séquence de requête contre chaque séquence dans une base de données massive de trente millions d'entrées, ce système convertit chaque séquence en un résumé compact. Il utilise ensuite un index à haute vitesse pour trouver les correspondances les plus prometteuses en une fraction de seconde. Ce balayage initial est rapide, mais il n'est pas parfait ; il peut inclure quelques fausses alertes ou manquer des connexions subtiles qu'un examen plus approfondi révélerait.

Pour corriger cela, la seconde étape du processus prend les meilleurs candidats de la première ronde et les examine avec un œil beaucoup plus attentif. Cette étape utilise un type d'analyse différent qui examine la forme prédite des molécules d'ARN. Puisque la forme d'une molécule d'ARN est souvent plus stable et conservée que sa séquence de lettres, cette étape peut confirmer des relations que la recherche rapide a manquées. Elle aligne les séquences en fonction de la correspondance de leurs formes, garantissant que la liste finale de parents est à la fois précise et biologiquement significative. Le résultat est une collection de séquences organisées en un alignement de séquences multiples, qui est une grille alignant les parents afin que les scientifiques puissent voir où ils s'accordent et où ils diffèrent. Cette grille est le fondement de la prédiction de la structure 3D de la molécule.

Les chercheurs ont testé leur système contre un large éventail d'outils existants, y compris certains qui sont considérés comme la référence dans le domaine. Ils ont constaté que RNAflash était capable de trouver plus de parents éloignés que les outils rapides basés uniquement sur les séquences, et qu'il le faisait beaucoup plus vite que les outils lents prenant en compte la forme. Lors d'un test à grande échelle impliquant des centaines de requêtes contre une base de données de trente millions de séquences, la nouvelle méthode a terminé l'ensemble du processus de recherche et d'alignement pour les 174 requêtes en 1 682 secondes. En revanche, les outils traditionnels basés sur la forme ont mis plus de 100 fois plus de temps pour accomplir le même travail. Les alignements produits par RNAflash étaient non seulement plus rapides à créer, mais ils étaient également de meilleure qualité, contenant des signaux évolutifs plus utiles qui aident les scientifiques à comprendre comment l'ARN se replie.

L'équipe a également créé une version plus légère et plus rapide de leur outil pour les situations où la vitesse est la priorité absolue. Cette version, appelée RNAflash-L, peut trouver et aligner des parents en moins d'une seconde par requête. Bien qu'elle soit légèrement moins sensible que la version complète, elle surpasse néanmoins les autres outils rapides dans la qualité des alignements qu'elle produit. Cette vitesse est significative car elle signifie que les chercheurs peuvent désormais générer les alignements de haute qualité nécessaires aux prédictions de structure avancées à une échelle qui était auparavant impossible. En rendant possible la recherche à travers des millions de séquences en quelques secondes plutôt qu'en plusieurs jours, ce travail ouvre la voie à l'analyse de molécules d'ARN qui étaient auparavant trop difficiles à étudier, accélérant potentiellement la découverte de nouvelles fonctions biologiques et de cibles thérapeutiques.