Restez toujours informé: suivez-nous sur Google Actualités (icone ☆)
Les relations de coïncidence des familles de gènes prévisibles et leurs prédicteurs. Les nœuds représentent des familles de gènes, ou des groupes de familles de gènes ayant le même PAP, et les arêtes sont des relations de coïncidence, la flèche pointant vers le nœud dont la présence est prédite par l'autre.
Crédit: Proceedings of the National Academy of Sciences (PNAS)
L'étude se concentre sur le pangenome, l'ensemble complet des gènes d'une espèce donnée, pour répondre à la question cruciale de savoir si l'évolution est prévisible ou si les chemins évolutifs des génomes dépendent de leur histoire et sont donc imprévisibles aujourd'hui. À l'aide d'une approche d'apprentissage automatique nommée Random Forest et d'un ensemble de données de 2 500 génomes complets d'une seule espèce bactérienne, l'équipe a effectué plusieurs centaines de milliers d'heures de traitement informatique pour aborder cette question.
Après avoir alimenté leurs ordinateurs avec ces données, l'équipe a d'abord créé des "familles de gènes" à partir de chaque gène de chaque génome. Une fois les familles identifiées, l'équipe a analysé le modèle de présence de ces familles dans certains génomes et leur absence dans d'autres. Cette analyse a révélé un écosystème invisible où les gènes peuvent coopérer ou être en conflit les uns avec les autres.
Ces interactions entre gènes rendent certains aspects de l'évolution quelque peu prévisibles. En outre, cet outil permet désormais de faire des prédictions. Les implications de cette recherche sont vastes et pourraient mener à des avancées dans divers domaines:
- Conception de génomes novateurs: permettant aux scientifiques de concevoir des génomes synthétiques et offrant une feuille de route pour la manipulation prévisible du matériel génétique.
- Lutte contre la résistance aux antibiotiques: comprendre les dépendances entre les gènes peut aider à identifier le "casting de soutien" de gènes qui rendent la résistance aux antibiotiques possible, ouvrant la voie à des traitements ciblés.
- Atténuation du changement climatique: les informations issues de l'étude pourraient informer la conception de micro-organismes conçus pour capturer le carbone ou dégrader les polluants.
- Applications médicales: la prévisibilité des interactions géniques pourrait révolutionner la médecine personnalisée en fournissant de nouvelles métriques pour le risque de maladie et l'efficacité du traitement.