Algorithmes de prediction et de recherche de multi-structures d'ARN

6 Résumé
représentation en arbre des ARNs et factorise les paires de bases ou les hélices communes entre
plusieurs structures. Le chapitre 2 présente mes définitions de structures secondaires, que cela
soit sur des paires de bases ou sur des hélices. J’ai ensuite étudié les deux sujets suivants :
• Quelle est la multi-structure représentant toutes les structures secondaires “pertinentes”
d’un ARN ?
Il y a souvent beaucoup de structures sous-optimales qui ont une énergie proche de
l’optimale, mais qui sont topologiquement très proches. Je choisis donc de garder uniquement
les structures localement optimales pour décrire toutes les structures possibles.
Ces structures sont, en un certain sens, “saturées” : on ne peut leur ajouter aucune paire
de bases. Ces structures ont été introduites par Clote dans [22], dans un contexte limité
aux paires de bases. La thèse généralise cette définition aux hélices thermodynamiquement
stables.
Le chapitre 3 propose un algorithme efficace pour énumérer les structures localement optimales.
Dans une telle structure, chaque structure plate est maximale en un certain sens:
l’algorithme manipule donc des structures maximales par juxtaposition. Pour des
raisons pédagogiques, la thèse présente tout d’abord l’algorithme sur un modèle simple
de Nussinov-Jacobson (section 3.2), puis l’étend à des hélices thermodynamiquement stables
(section 3.3). J’ai implémenté cet algorithme dans le logiciel Regliss, et j’ai effectué
plusieurs expériences montrant comment Regliss peut décrire le paysage énergétique de
séquences d’ARN (pages 51 et suivantes).
• Comment trouver toutes les occurences d’une multi-structure dans une séquence ?
Dans ce problème de recherche de motifs, on part d’une multi-structure, donnée comme
imbrication de structures plates. Cette multi-structure peut représenter des structures
putatives (comme des strucutres sous-optimales produites par un logiciel de prédiction, ou
comme les structures localment optimales produites par Regliss) ou des structures réelles
(pour des ARNs ayant plusieurs structures stables, ou bien pour plusieurs structures similaires
au sein de familles d’ARNs).
Le chapitre 4 propose un algorithme efficace de programmation dynamique pour localiser
toutes les occurences d’une telle multi-structure dans une séquence génomique. Ici encore,
la décomposition en imbrication de structures plates est la clé de l’algorithme (section
4.2). La thèse présente aussi comment des contraintes supplémentaires peuvent donner
des résultats biologiquement plus pertinents (section 4.3).
J’ai implémenté cet algorithme dans le logiciel Alterna, et testé plusieurs cas d’utilisation
(pages 74 et suivantes). J’ai essayé de montrer que, lorsqu’on connaît un ensemble de structures
putatives (même sans connaître la “bonne” structure), il est possible de rechercher
de telles structures sur le génome et d’annoter des séquences pouvant être des ARNs avec
la même fonction.
Je conclus ma thèse, pages 79 et suivantes, en donnant quelques pistes de recherche: est-ce
possible de définir des multi-structures pondérées, où certaines instances seraient plus privilégiées
que d’autres ? Comment visualiser, comparer, indexer des multi-structures ? À la fin de cette
thèse, je pense pouvoir affirmer que les multi-structures sont un outil prometteur pour explorer
la richesse des structures secondaires des ARN non-codants.