Régulation de l’activité de Dicer par TRBP dans la biogénèse des micro-ARN
Notice bibliographique
Résumé
Les microARN (miARN) sont de petits ARN non codants ayant un rôle dans la régulation post-transcriptionnelle des gènes. Ils font partie du complexe de répression induit par les miARN (RNA-induced silencing complex; RISC) où ils servent de guide pour cibler des ARN messagers (ARNm) par complémentarité de séquence et inhibent leur traduction. Les miARN ont le potentiel de réguler la traduction de pratiquement toutes les protéines cellulaires, ce qui leur confère un rôle central dans plusieurs processus cellulaires, dont le développement de l’organisme. Afin d’être fonctionnels, les miARN doivent passer par une voie de biogénèse hautement régulée où ils sont d’abord transcrits, puis clivés en deux temps par les endonucléases Drosha et Dicer et, finalement, chargés sur Argonaute (AGO) pour former le complexe RISC. Cette thèse s’intéresse à l’étape de clivage par Dicer et sa régulation par le cofacteur TRBP, protéine pouvant à la fois lier Dicer et son substrat. Le premier objectif de cette thèse est de développer un nouveau protocole pour l’expression et la purification de la protéine Dicer humaine afin de faciliter sa caractérisation in vitro en améliorant les rendements limités des méthodes existantes. Nous avons optimisé l’expression de Dicer dans un système d’expression basé sur des cellules humaines HEK293-6E cultivées en suspension. Ensuite, nous avons développé un protocole de purification en 3 étapes permettant la purification de Dicer en une seule journée, où chacune des étapes a été soigneusement optimisée pour minimiser les pertes et maximiser la stabilité de Dicer. Ensuite, par des études biophysiques de SEC-MALS et microscopie électronique à coloration négative, nous avons confirmé que Dicer était bien repliée sous forme monomérique. Finalement, nous avons fait la caractérisation biochimique de Dicer en mesurant sa liaison à un pre-miARN par études de retard sur gel et des études de cinétique à l’état-stationnaire. Ces expériences de cinétique nous ont permis de déterminer de nouvelles valeurs de kcat et KM qui concordent avec un modèle impliquant un changement de conformation du complexe Dicer-substrat avant la réaction de clivage. Le deuxième objectif est de caractériser l’effet de TRBP sur l’activité de Dicer. Pour ce faire, nous avons testé quelques pre-miARN en présence de TRBP et montré que cette dernière pouvait être un activateur ou un inhibiteur de Dicer. En effet, TRBP active Dicer à faible concentration de substrat alors qu’elle inhibe Dicer à forte concentration de substrat. Nous avons ensuite caractérisé ce mécanisme enzymatique de manière détaillée par la combinaison d’expériences de liaison et de cinétique à l’état-stationnaire. Notre modèle final montre qu’une faible concentration de TRBP est nécessaire afin d’obtenir un effet d’activation à faible concentrations de substrat. Cela suggère que TRBP active Dicer sans modifier sa grande spécificité pour son substrat. Ces nouveaux résultats suggèrent que TRBP a évolué de manière à pouvoir activer efficacement Dicer sans modifier la spécificité de l'enzyme.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».