AlphaFold sécurise CRISPR, réduit les erreurs génétiques

Résumé

Des chercheurs ont adapté AlphaFold pour cartographier les contacts au sein de Cas9, identifier les zones liées aux erreurs hors cible et les modifier afin de sécuriser davantage l’édition génique.

Les faits

Les premiers systèmes d’édition du génome reposant sur CRISPR-Cas9 souffraient de taux connus d’effets hors cible, ces événements où la protéine modifie une séquence ADN qui n’était pas visée. Le problème est amplifié par la taille du génome humain et le nombre de cellules à éditer, ce qui rend les erreurs inévitables lorsque l’on traite un grand volume de cellules. Un système CRISPR classique s’appuie sur trois éléments clés : un ARN guide qui s’apparie à la séquence cible, une protéine Cas – souvent Cas9 – qui interagit avec l’ARN guide et l’ADN pour imposer une certaine spécificité, et enfin une protéine effectrice qui, une fois Cas9 fixé à l’ADN, réalise la modification génétique. Les chercheurs rappellent que des Cas9 améliorés ont déjà été obtenus pour réduire les effets hors cible, et que certains outils ne coupent plus les deux brins de l’ADN mais se contentent de retirer une base ou d’apporter des modifications chimiques plus fines. Malgré une longueur d’appariement ARN–ADN d’environ 18 bases, ce qui devrait théoriquement limiter les occurrences aléatoires dans un génome d’environ 3 milliards de bases, Cas9 tolère un petit nombre de bases mal appariées sans perdre son aptitude à se fixer. Le nombre et la position de ces bases tolérées varient selon les cas, ce qui complique l’anticipation des ARN guides potentiellement dangereux et rend cruciale une meilleure compréhension des interactions responsables des effets hors cible. Pour attaquer ce problème, une équipe basée dans plusieurs institutions en Chine a commencé par construire une vaste bibliothèque de sites d’édition hors cible. Elle a utilisé un système CRISPR modifié qui convertit la base ADN adénine en inosine, puis a isolé les fragments d’ADN contenant cette modification. L’opération a été répétée avec 10 ARN guides différents, permettant d’analyser un grand nombre de fragments modifiés pour dresser un panorama des séquences hors cible rencontrées. Les chercheurs ont ensuite mobilisé le logiciel de repliement de protéines AlphaFold, dans sa version capable de modéliser des complexes protéine–acide nucléique. Ils ont d’abord fourni à AlphaFold une séquence cible d’ADN, un ARN guide, la protéine Cas9 et une enzyme modifiant chimiquement les bases et pouvant se lier à Cas9, mais le modèle a positionné l’une des protéines à un endroit manifestement erroné. L’équipe a alors simplifié la configuration en ne conservant que l’ADN, l’ARN et Cas9, ce qui a abouti à une structure en accord avec celles déterminées expérimentalement. En comparant les structures obtenues pour des sites « on-target » et hors cible, les chercheurs ont mis en évidence un schéma général : environ deux tiers des sites hors cible amènent Cas9 à adopter une structure légèrement différente, et plus de 95 % modifient les acides aminés qui entrent en contact avec l’ARN. Ils en déduisent que, même lorsque la structure globale de Cas9 reste proche de la normale, certains acides aminés se réorganisent pour accommoder les bases mal appariées. AlphaFold étant déjà configuré pour calculer une « probabilité de contact » – la chance que deux éléments, acide aminé ou nucléotide, se trouvent à très courte distance – l’équipe s’en est servie pour repérer précisément les régions de Cas9 impliquées dans ces interactions problématiques et les cibler pour des modifications destinées à réduire les effets hors cible.

Pourquoi c’est important

Ce travail illustre une nouvelle étape dans la convergence entre intelligence artificielle et ingénierie du génome. En exploitant AlphaFold pour comparer finement les conformations de Cas9 sur des sites corrects et hors cible, les chercheurs parviennent à cartographier les acides aminés qui se réorganisent pour tolérer des mésappariements. Cette approche transforme un problème de sécurité – les erreurs d’édition – en une question de structure moléculaire, sur laquelle il devient possible d’agir de manière rationnelle. Au-delà du cas spécifique de Cas9 et des bases converties en inosine, cette méthode ouvre la voie à une conception plus systématique d’outils d’édition génique moins risqués. En identifiant les segments protéiques qui favorisent les interactions hors cible et en les modifiant de façon ciblée, les équipes peuvent espérer réduire fortement les erreurs tout en préservant l’activité sur les sites voulus. À terme, de tels cadres d’optimisation guidés par l’IA pourraient accélérer le développement de thérapies d’édition génique plus sûres pour les patients, en faisant de la modélisation structurale un passage obligé du design des futurs systèmes CRISPR.

Questions fréquentes

Quel problème de sécurité les systèmes CRISPR cherchent-ils à résoudre ?

Ils doivent limiter les effets hors cible, quand la modification touche une séquence ADN non prévue, ce qui devient inévitable si l’on édite beaucoup de cellules.

Quels sont les trois composants clés d’un système d’édition CRISPR ?

Un ARN guide qui cible la séquence, une protéine Cas comme Cas9 qui impose la spécificité, et une protéine effectrice qui modifie l’ADN.

Pourquoi les 18 bases d’appariement ne suffisent-elles pas à garantir la spécificité ?

Parce que Cas9 tolère quelques bases mal appariées, et le nombre comme la position de ces tolérances varient, rendant certains ARN guides risqués.

Comment l’équipe a-t-elle construit sa bibliothèque de sites hors cible ?

En utilisant un système CRISPR convertissant l’adénine en inosine, puis en isolant les fragments d’ADN contenant cette modification pour 10 ARN guides.

Que révèle la modélisation AlphaFold sur Cas9 et les sites hors cible ?

Environ deux tiers des sites hors cible changent la structure globale de Cas9, et plus de 95 % modifient quels acides aminés contactent l’ARN.

Source

Auteur

Rédaction spécialisée dans la veille et l'analyse de l'actualité de l'intelligence artificielle, des puces IA, des robots, des agents IA et de la recherche.