5 Travaux de recherche connexes 87
6.2 Travaux futurs 160
La modélisation des boucles de régulation entre miARN et FT a permis d'identifier un grand nombre de boucles potentielles. Seules deux de ces boucles ont été soumises à une variété de tests fonctionnels afin d'identifier leur rôle. Plusieurs des autres boucles identifiées impliquent des FT dont au moins une partie du rôle est connu. Il serait dont possible d'identifier des rôles pour plusieurs des miARN présents
dans les prédictions de boucles de régulation. De ceux-‐ci, nombreux sont ceux pour lesquels il n'existe présentement aucun rôle connu, d'où l'intérêt d'utiliser la modélisation comme base à la génération d'hypothèse sur le rôle de ces miARN.
Cette première modélisation a été faite en utilisant les données génomiques d'Homo sapiens et de Mus musculus dû à un intérêt quant aux résultats obtenus pour ces deux espèces. Il serait intéressant de reproduire la modélisation en utilisant les données génomiques des diverses espèces de Caenorhabditis pour lesquels des données génomiques, en particulier de miARN sont disponibles, soit C. briggsae, C.
elegans et C. remanei. La comparaison entre trois espèces très proches l'une de l'autre
permettrait d'étudier la relation entre des changements biologiques (tel que la reproduction hermaphrodite de C. briggsae et de C. elegans et sexuée de C. remanei) et la présence ou l'absence de boucles de régulation entre miARNs et FT. De plus cette comparaison entre trois espèces très proches l'une de l'autre par rapport à une ou deux espèces éloignées (telles que M. musculus et H. sapiens) permettrait d'évaluer la rapidité d'acquisition et de perte de ces boucles de régulations par rapport à la vitesse d'acquisition et de perte de FT et de miARN. Similairement, il serait possible de comparer les boucles présentes dans les génomes de divers rongeurs (souris, rat, hamster) par rapport à celles présentes dans les génomes de divers hominidés (humain, gorille, orang-‐outan, chimpanzé). Ces données génomiques et l'annotation des miARN dans celles-‐ci ont récemment été publiées et ces analyses sont maintenant possibles.
La modélisation des interactions entre miARN et ARNm ne permet pas, pour l'instant, de prédire exactement l'effet d'un miARN sur un ARNm. Pour ce faire, il faudrait un modèle basé sur des résultats expérimentaux qui puisse prendre en considération non seulement le nombre de miARN sur un ARNm par rapport à une référence mais également l'effet de la variation de cet ARNm sur tout le microtargetome. On peut en effet penser qu'une augmentation de miARN sur un ARNm le ferait graduellement diminuer et donc augmenterait le nombre de miARN disponibles pour cibler d'autres ARNm. On peut émettre l'hypothèse que dans ce
162
contexte, un ou un petit ensemble d'ARNm diminuerait grandement et qu'un grand nombre d'ARNm diminuerait légèrement. Un modèle pouvant prédire ce genre de comportement permettrait de meilleures analyses des effets des miARN.
Cette modélisation considère présentement tous les miARN et tous les ARNm connus, incluant les variantes de transcrits de ces ARNm. Par contre, il existe d'autres ARNnc répertoriés qui pourraient influencer la modélisation des interactions. L'ajout de ces ARNnc ajouterait de la puissance au modèle. Pour ce faire, il faudrait notamment quantifier ces divers ARNnc et déterminer lesquels peuvent se lier à des ARNm et empêcher la liaison de miARN, lesquels peuvent avoir un effet par eux même sur les ARNm et lesquels peuvent directement affecter la fonction des miARN. De façon similaire, plusieurs protéines peuvent également être liées aux ARNm et empêcher les miARN de se lier. Certaines sont connues et pourraient être ajoutées au modèle pour améliorer la précision des prédictions.
La suite logique des deux modélisations présentées dans cette thèse est de les combiner dans un modèle dynamique. Brièvement, dans un premier temps, l'assignation des interactions entre miARN et ARNm serait faite tel que dans la deuxième modélisation de cette thèse. Ensuite, la connaissance des boucles de régulation entre miARN et FT serait utilisée en combinaison avec l'assignation miARN/ARNm pour modifier les quantités des diverses espèces d'ARN. Une nouvelle assignation miARN/ARNm pourrait alors être faite basée sur les nouvelles quantités, et ainsi de suite. Il serait intéressant de voir si ce système dynamique convergerait vers une suite stable d'états ou pas. Il pourrait aussi être possible d'évaluer la similarité des divers états en évaluant l'effet des diverses modifications d'interactions de miARN sur les divers ARNm. Il est possible qu'il existe une suite stable d'états du système qui soit tous équivalents dans le sens ou l'effet net sur chaque ARNm est nul.
L'effet des miARN sur une cible donnée est souvent subtil, de l'ordre d'une réduction de 50% des niveaux d'expression. Cet effet relativement modeste complique l'identification de cibles de miARN. Nous avons montré que de petits changements
dans les niveaux d'expression des miARN ou des ARNm peuvent mener à des changements importants du microtargetome. Dans ce contexte, il ne semble pas raisonnable de tenter d'identifier des cibles de miARN en utilisant des populations de cellules qui ne soient pas parfaitement homogène. C'est le cas notamment lorsque des cellules sont transfectées pour exprimer un ARNm rapporteur. Mes travaux de recherche m'amènent à croire que pour mieux comprendre le rôle des miARN, nous devrons analyser leurs effets dans des conditions qui soient le plus proche possible du contexte biologique et que les expériences devront se faire une cellule à la fois afin de mesurer chaque effet indépendamment et non pas de mesurer un effet moyenné sur toute une population.
En vingt ans, les miARN sont passés d'une curiosité observée chez C. elegans et étudiée par quelques laboratoires à une classe d'ARNnc étudiés dans des centaines de laboratoires pour leur rôle dans toutes les fonctions biologiques et les dérèglement de celles-‐ci, de C. elegans à l'humain en passant par la drosophile et la souris. Ceci reflète, selon moi, le rôle central qu'occupent les miARN dans les processus biologiques. Il ne viendrait jamais à l'esprit de quiconque de ne pas considérer le rôle potentiel des protéines impliquées dans un système biologique à l'étude. De la même manière, je crois qu'il est maintenant impossible de bien comprendre un système biologique en ne considérant que le rôle des protéines et pas celui des divers ARN, codants et non codants, possiblement impliqués.
164