Littérature scientifique sur le sujet « Interactions protéine-RNA »

Cette thèse porte sur la caractérisation et la prédiction des interfaces protéine-ADN et -ARN, et des comparaisons avec les interfaces protéine-protéine. Nous avons créé un ensemble non-redondant et représentatif de 187 complexes protéine-ADN à haute résolution, comprenant aussi les conformations non liées de 82 protéines. Cette base de données peut servir de référence dans le domaine. Nous avons mené une analyse exhaustive des propriétés de séquence et structurels des interfaces protéine-ADN/ARN et nous les avons comparé avec les propriétés des interfaces protéine-protéine et celles des régions protéiques non-interagissantes. Nous avons développé JET2DNA et JET2RNA, nouvelles méthodes pour la prediction des sites de liaison protéine-ADN/ARN à la surface des protéines. En combinant quatre descripteurs biologiquement pertinents, elles surpassent des méthodes par apprentissage machine. Elles permettent aussi de découvrir des sites de liaison alternatifs avec l'ADN/ARN et de déchiffrer leurs propriétés. Afin de donner un aperçu global de la plasticité des protéines interagissant avec l'ADN, nous avons construit la base de données protéine-(protéine)-ADN (P(P)DNAdb). Elle inclut les 187 complexes protéine-ADN de notre ensemble de référence, les forme libres des protéines et les structures des autres complexes où ces protéines, ou des homologues proches, sont impliqués. L'utilisateur peut accéder aux propriétés des interfaces, visualiser les changements de conformation associés à la liaison avec des partenaires différents et localiser les résidus interagissants avec l'ADN dans les autres structures de la même protéine
This thesis focuses on the characterization and prediction of DNA- and RNA-binding sites on protein structures, with some comparisons with protein-protein ones. We compiled and manually curated a non-redundant and representative set of 187 high resolution protein-DNA complexes, with the available 82 protein unbound conformations, that could be used as a reference benchmark. We conducted a comprehensive analysis of sequence- and structure-based properties of protein-DNA/RNA interfaces and compared them with respect to protein-protein interfaces and to non-interacting protein regions. We developed JET2DNA and JET2RNA, new methods for predicting DNA- and RNA-binding sites on protein surfaces. Combining four biologically meaningful descriptors, they outperform other machine-learning methods, in terms of predictive power and robustness to conformational changes. Our tools demonstrated to be instrumental in discovering alternative DNA/RNA-binding sites and in deciphering their properties. This could be very helpful for drug design and repurposing. To give a comprehensive view of plasticity of DNA-binding proteins and structural information on their multiple interactions, we constructed the Protein-(Protein)-DNA database (P(P)DNAdb). It comprises the 187 protein-DNA complexes in our benchmark, protein unbound forms and structures of other complexes where the proteins, or closed homologs, were in contact with other proteins. The user can access properties of the interfaces, visualize conformational changes associated to the binding of different partners and the location of the DNA-binding residues on the unbound structures and on the complexes with the other protein partners

Au fil du temps, la vie a évolué pour produire des organismes remarquablement complexes. Pour faire face à cette complexité, les organismes ont développé une pléthore de mécanismes régulateurs. Par exemple, les mammifères transcrivent des milliers d'ARN longs non codants (ARNlnc), accroissant ainsi la capacité régulatrice de leurs cellules. Un concept émergent est que les ARNlnc peuvent servir d'échafaudages aux complexes protéiques, mais la prévalence de ce mécanisme n'a pas encore été démontrée. De plus, pour chaque ARN messager, plusieurs régions 3’ non traduites (3’UTRs) sont souvent présentes. Ces 3’UTRs pourraient réguler la fonction de la protéine en cours de traduction, en participant à la formation des complexes protéiques dans lesquels elle est impliquée. Néanmoins, la fréquence et l’importance ce mécanisme reste à aborder.Cette thèse a pour objectif de découvrir et comprendre systématiquement ces deux mécanismes de régulation méconnus. Concrètement, l'assemblage de complexes protéiques promus par les ARNlnc et les 3'UTRs est étudié avec des données d’interactions protéines-protéines et protéines-ARN à grande échelle. Ceci a permis (i) de prédire le rôle de plusieurs centaines d'ARNlnc comme molécules d'échafaudage pour plus de la moitié des complexes protéiques connus, ainsi que (ii) d’inférer plus d’un millier de complexes 3'UTR-protéines, dont certains cas pourraient réguler post-traductionnellement des protéines moonlighting aux fonctions multiples et distinctes. Ces résultats indiquent qu'une proportion élevée d'ARNlnc et de 3'UTRs pourrait réguler la fonction des protéines en augmentant ainsi la complexité du vivant
Over time, life has evolved to produce remarkably complex organisms. To cope with this complexity, organisms have evolved a plethora of regulatory mechanisms. For instance, thousands of long non-coding RNAs (lncRNAs) are transcribed by mammalian genomes, presumably expanding their regulatory capacity. An emerging concept is that lncRNAs can serve as protein scaffolds, bringing proteins in proximity, but the prevalence of this mechanism is yet to be demonstrated. In addition, for every messenger RNA encoding a protein, regulatory 3’ untranslated regions (3’UTRs) are also present. Recently, 3’UTRs were shown to form protein complexes during translation, affecting the function of the protein under synthesis. However, the extent and importance of these 3’UTR-protein complexes in cells remains to be assessed.This thesis aims to systematically discover and provide insights into two ill-known regulatory mechanisms involving the non-coding portion of the human transcriptome. Concretely, the assembly of protein complexes promoted by lncRNAs and 3’UTRs is investigated using large-scale datasets of protein-protein and protein-RNA interactions. This enabled to (i) predict hundreds of lncRNAs as possible scaffolding molecules for more than half of the known protein complexes, as well as (ii) infer more than a thousand distinct 3’UTR-protein complexes, including cases likely to post-translationally regulate moonlighting proteins, proteins that perform multiple unrelated functions. These results indicate that a high proportion of lncRNAs and 3’UTRs may be employed in regulating protein function, potentially playing a role both as regulators and as components of complexity

Les interactions protéine-ARN sont cruciales dans de nombreuses voies cellulaires et pathologiques. La connaissance de leurs structures 3D est essentielle pour comprendre leurs fonctions, mais leur détermination expérimentale reste difficile. Le manque de données structurales et la flexibilité de ces complexes ont entravé la prédiction structurale des interfaces protéine-ARN. En parallèle, la prédiction des interactions protéine-protéine a connu d'énormes progrès récents grâce aux informations évolutives et à l'apprentissage profond.Ma thèse s'est concentrée sur une analyse évolutive détaillée des structures d'interfaces protéine-ARN. J'ai d'abord identifié 2 022 paires d'interfaces structuralement homologues. J'ai étudié la conservation des contacts d'interface au sein de ces paires, identifiant une conservation élevée des contacts de proximité et apolaires, même dans des homologues lointains. Les liaisons hydrogène, les ponts salins et les interactions π-stacking sont plus versatiles. J'ai étudié les mécanismes de compensation des interactions non conservées. J'ai contribué au développement d'une interface web permettant à la communauté d'explorer nos données structurales et évolutives. J'ai également participé à un projet collaboratif avec des biologistes pour un cas d'étude d'interface protéine-ARN.Ensuite, j'ai étudié comment incorporer des signaux évolutifs dans les méthodes de modélisation structurale protéine-ARN en utilisant des modèles d'apprentissage automatique, notamment la régression logistique et les classificateurs CatBoost. J'ai évalué la capacité de ces modèles à apprendre comment transférer des contacts à partir d'interologues lointains et à généraliser en évitant le surapprentissage. Enfin, j'ai exploré le développement de fonctions basées sur les propensions de contact pour évaluer les poses d'amarrage protéine-ARN. Ces travaux constituent une étape vers l'amélioration de la prédiction de la structure protéine-ARN
Protein-RNA interactions are crucial in numerous cellular pathways and pathologies. Knowledge of their 3D structures is critical for understanding their functions, yet their experimental determination remains challenging. The scarcity of structural data and the inherent flexibility of these complexes have hindered the advancement of protein-RNA interface structural prediction. At the same time, tremendous progress has been made recently for protein-protein interaction prediction thanks to methods leveraging evolutionary information and deep learning.My thesis focused on a detailed evolutionary analysis of protein-RNA interface structures. I first identified 2,022 pairs of structurally homologous interfaces. I explored the conservation of interface contacts among these pairs, discovering a high conservation rate for distance-based and apolar contacts, even in distant homologs. Hydrogen bonds, salt bridges, and π-stacking interactions displayed higher versatility. I investigated mechanisms compensating for non-conserved interactions. I contributed to developing a web interface allowing the community to explore evolutionary structural insights in our datasets. I also participated in a collaborative project with biologists to study a specific protein-RNA interface.Then, I investigated how to incorporate evolutionary signals into protein-RNA structural modeling methods using machine learning models, including logistic regression and CatBoost classifiers. I assessed these models' ability to learn how to transfer contacts from remote interologs and generalize across datasets while mitigating overfitting. Lastly, I explored developing functions based on contact propensities to score protein-RNA docking poses. These efforts constitute a step towards improving protein-RNA structure prediction

Les interactions ARN-protéine interviennent dans de nombreux processus cellulaires fondamentaux. L'obtention de détails à l'échelle atomique de ces interactions nous éclaire sur leurs fonctions, mais permet également d'envisager la conception rationnelle de ligands pouvant les moduler. Lorsque les deux techniques majeures que sont la RMN et la cristallographie aux rayons X ne permettent pas d'obtenir une structure 3D entre les deux partenaires, des approches de docking peuvent être utilisées pour apporter des modèles. L'application de ces approches aux complexes ARN-protéine se heurtent cependant à une difficulté. Ces complexes résultent en effet souvent de la liaison spécifique d'une courte séquence d'ARN simple-brin (ARNsb) à sa protéine cible. Hors, la flexibilité inhérente aux segments simples-brins impose dans une approche classique de docking d'explorer un large ensemble de leur espace conformationnel. L'objectif du projet est de contourner cette difficulté par le développement d'une approche de docking dite "par fragments". Ce dernier s'est fait à partir de domaines de liaison à l'ARN très représentés dans le monde du vivant. Les résultats ont montré une excellente capacité prédictive de l'approche à partir de la séquence de l'ARN. Ils ont de plus montré un potentiel intéressant dans la prédiction de séquences d'ARN simple-brin préférentiellement reconnues par des domaines de liaisons à l'ARN
RNA-protein interactions mediate numerous fundamental cellular processes. Atomic scale details of these interactions shed light on their functions but can also allow the rational design of ligands that could modulate them. NMR and X-ray crystallography are the 2 main techniques used to resolve 3D highresolution structures between two interacting molecules. Docking approaches can also be utilized to give models as an alternative. However, the application of these approaches to RNA-protein complexes is hampered by an issue. RNA-protein interactions often relies on the specific recognition of a short singlestranded RNA (ssRNA) sequence by the protein. The inherent flexibility of the ssRNA segment would impose, in a classical docking approach, to explore their resulting large conformation space which is not computationally reliable. The goal of this project is to overcome this barrier by using a fragment-based docking approach. This approach developed from some of the most represented RNA-binding domains showed excellent results in the prediction of the ssRNA-protein binding mode from the RNA sequence and also a great potential to predict preferential RNA binding sequences

Le système d’expression le plus utilisé pour la production des protéines membranaires, est le système basé sur l’ARN polymérase T7 (ARNpol T7) (Hattab et al., 2015). L'inconvénient de ce système est néanmoins que la vitesse de transcription de l’ARNpol T7 est dix fois plus rapide que celle de l’enzyme bactérienne. Depuis l’isolement de mutants spontanés, notamment C41 (DE3) et C43 (DE3) (Miroux et Walker, 1996) et l’identification de leurs mutations dans le génome, il apparaît clairement que la toxicité provoquée par la surproduction des protéines membranaires est liée à la quantité trop élevée d’ARNpol T7 dans la cellule (Wagner et al., 2008 ; Kwon et al., 2015). Les protéines membranaires ont besoin d’une vitesse de transcription/traduction plus basse pour se replier correctement dans la membrane de la bactérie. Le premier objectif de ma thèse était d’étendre l’amplitude du promoteur du système T7 sur laquelle est basée l’expression des protéines. Pour cela, nous avons isolé et caractérisé de nouvelles souches bactériennes dans lesquelles le niveau d’ARNpol T7 était efficacement régulé par un mécanisme non transcriptionnel très favorable à l’expression des protéines membranaires (Angius et al., 2016). Le deuxième objectif était de comprendre la prolifération des membranes intracellulaires chez E. coli suite à la surexpression de la protéine AtpF, une sous unité membranaire du complexe de l’ATP synthétase (Arechaga et al., 2000). Pour mieux comprendre les voies métaboliques impliquées dans la biogenèse, la prolifération et l’organisation des membranes, nous avons utilisé une approche de séquençage d’ARN à haut débit à différents temps après induction de la surexpression de la sous-unité AtpF dans la souche C43 (DE3). Ensuite, et en collaboration avec Gerardo Carranza and Ignacio Arechaga (Université de Cantabria, Espagne), nous avons construit et étudié des mutants de C43 (DE3) déficients pour les trois gènes codants pour des enzymes de la biosynthèse des cardiolipides afin d’évaluer leur participation dans la biogénèse des membranes intracellulaires
The most successful expression system used to produce membrane proteins for structural studies is the one based on the T7 RNA polymerase (T7 RNAP) (Hattab et al., 2015). However, the major drawback of this system is the overtranscription of the target gene due to the T7 RNAP transcription activity that is over ten times faster than the E. coli enzyme. Since the isolation of spontaneous mutants, namely C41(DE3) and C43(DE3) (Miroux and Walker, 1996) and the identification of their mutation in the genome, it becomes clear that reducing the amount of the T7 RNAP level removes the toxicity associated with the expression of some membrane proteins (Wagner et al., 2008; Kwon et al., 2015). Also, some membrane proteins require a very low rate of transcription to be correctly folded at the E. coli membrane. The first objective of my PhD was to extend the promoter strength coverage of the T7 based expression system. We used genetic and genomic approaches to isolate and characterize new bacterial strains (Angius et al., 2016) in which the level of T7 RNAP is differently regulated than in existing hosts. A second objective was to understand intracellular membrane proliferation in E. coli. Indeed it has been shown that over-expression of membrane proteins, like overexpression of AtpF of E. coli F1Fo ATP synthase is accompanied by the proliferation of intracellular membranes enriched in cardiolipids (Arechaga et al., 2000). To understand metabolic pathways involved in membrane biogenesis, proliferation and organization, we used a RNA sequencing approach at several time point upon over-expression of the F-ATPase b subunit in C43(DE3) host. On the other hand, in collaboration with Gerardo Carranza and Ignacio Arechaga (University of Cantabria, Spain) we studied C43(DE3) cls mutants, in which the cardiolipids genes A, B and C are deleted, to test how they participate to intracellular membranes structuration

La protéine SRSF1, aussi appelée ASF/SF2, fait partie de la famille des protéines SR, une famille de protéines liant l’ARN très conservées. Ces protéines jouent un rôle régulateur de l’épissage, également lors de l’épissage alternatif. Une centaine d’ARN cible ont été décrits pour SRSF1 mais la manière dont SRSF1 sélectionne ses cibles parmi tous les pré-ARNm est mal comprise. Des études in vitro et in vivo ont montré que les protéines SR reconnaissent un petit motif dégénéré qui est souvent présent en plusieurs copies dans les ESE («enhancer splicing element »). Bien que les protéines SR lient ces motifs avec une faible spécificité, la définition des exons se fait avec une grande fidélité. Afin de mieux comprendre le mécanisme d’action de SRSF1, j’ai réalisé une étude cinétique des interactions SRSF1-ARN dans les cellules vivantes par des techniques de microscopies avancées. Grâce au système CRISPR, j’ai pu étiqueter la protéine SRSF1 avec la protéine Halo puis j’ai combiné une technique de photo-blanchiment (FRAP) et une technique de suivi de particule unique (« single particle tracking, SPT) pour mesurer la diffusion de SRSF1 et son affinité pour l’ARN. J’ai mesuré la durée de vie des événements de liaison individuellement aussi bien sur le pool global de pré-ARNm que sur des cibles spécifiques. Nos résultats indiquent que la liaison de SRSF1 ne dépasse pas quelques secondes, même sur les cibles de haute affinité. Cette cinétique rapide permet à SRSF1 d’être en contact avec l’ensemble des transcrits naissants qui est produit en permanence dans la cellule. De plus, mon travail apporte une analyse cinétique de la dynamique des snRNP à la résolution de la molécule unique dans le nucléoplasme des cellules vivantes. Nous avons déterminé les coefficients de diffusion des snRNP et la durée de leur association à l’ARN dans ces cellules
SRSF1, formerly known as ASF/SF2, belongs to the SR protein family, which is a conserved family of RNA-binding protein that plays essential roles as regulators of both constitutive and alternative splicing. Hundreds of RNA targets have been described for SRSF1 but how SRSF1 selects its targets from the entire pool of cellular pre-mRNAs remains an open question. In vitro and in vivo studies have shown that SR proteins recognize short degenerated motifs often present in multiple copies at ESEs. Similar cryptic motifs are however frequently present in pre-mRNAs, and this low specificity of binding contrasts with the great fidelity of exon definition. To better understand the mechanism of action of SRSF1, I performed a kinetic study of SRSF1-RNA interactions in live cells using advanced microscopic techniques. Taking advantage by the CRISPR system, I tagged endogenous SRSF1 with Halo protein, and I combined photobleaching (FRAP) and single particle tracking (SPT) techniques to estimate diffusion and binding rates of SRSF1. I measured the duration of individual binding events, both on the cellular pool of pre-mRNAs and on specific targets. Our results indicate that binding of SRSF1 does not exceed few seconds, even on high-affinity targets. This rapid kinetics allows SRSF1 to rapidly sample the entire pool of nascent RNAs continuously produced in cells. Moreover, we provided a kinetic analysis of snRNP dynamics at a single-molecule resolution in the nucleoplasm of living cells. Our results enabled us to determine diffusion coefficients of snRNPs and their RNA binding duration in vivo

Les hélicases à ARN de la famille DEAH/RHA sont impliquées dans la plupart des processus essentiels à la vie tels que l'épissage, la biogenèse des ribosomes, la réplication, la transcription ou encore la détection d’ARN viraux. Ces enzymes sont capables de catalyser la dissociation de duplexes d'ARN, la réorganisation de structures secondaires ou de remodeler des complexes ARN-protéines. L'hélicase DEAH/RHA Prp43 présente la particularité d'être bifonctionnelle. Prp43 est impliquée dans l'épissage des Pré-ARNm, où elle assure le recyclage du spliceosome et du lasso, mais aussi dans la biogenèse des ribosomes où elle est impliquée dans la maturation des deux sous-unités. Prp43 est activée et régulée par cinq partenaires protéiques : Ntr1, Gno1, Pfa1, RBM5 et GPATCH2. Ces partenaires protéiques présentent tous un domaine G-patch et sont capables de stimuler les activités hélicase et ATPase de Prp43. La structure cristallographique de Prp43 en complexe avec l'ADP a été résolue au laboratoire. Cette structure a mis en évidence un mode de fixation du nucléotide inédit chez les autres hélicases, notamment au niveau de la base qui s'empile entre la phénylalanine 357 (F357) du domaine RecA2 et l'arginine 159 (R159) du domaine RecA1. Les déterminants de l'activation de Prp43 par les protéines à domaine G-patch demeurent méconnus. Dans ce travail, nous avons cherché à déterminer quel était le rôle de l’empilement de la base dans l’activation de Prp43. Nous présentons ici plusieurs structures cristallographiques de Prp43 en complexe avec tous les nucléotides diphosphates(NDP) et les désoxynucléotides triphosphates (dNDP). Ces structures ont permis de conclure qu'il y avait des différences dans l’empilement de la base selon le (d)NDP considéré. Des dosages d'activité NTPase de Prp43 avec et sans son partenaire protéique Pfa1 montrent que lorsque la base ne s'empile pas avec la F357 et la R159, l'activité de l'enzyme n'est pas correctement régulée par son partenaire protéique. Les dosages d’activité enzymatique sur les mutants ponctuels F357A et R159A révèlent que le résidu F357 permet de moduler l’activité de Prp43. Tous ces résultats nous ont permis de mettre en évidence un modèle de la régulation de Prp43 par les protéines à domaines G-patch et d'expliquer l'importance du mode de fixation de la base à l'enzyme dans cette régulation
RNA helicases from the DEAH/RHA family are involved in most of essential processes of life such as pre-mRNA splicing, ribosome biogenesis, replication, transcription or viral RNA sensing. These enzymes are able to catalyze RNA unwinding, secondary structures reorganization or RNA-protein complexes remodeling. The DEAH/RHA helicase Prp43 is remarkable because it is bifunctional, as it is involved both in pre-mRNA splicing, where it is responsible of spliceosome and lariat recycling and in the biogenesis of the two ribosomal subunits. Prp43 is activated by five protein partners: Ntr1, Gno1, Pfa1, RBM5 and GPATCH2. These protein partners all possess a G-patch domain and are able to stimulate helicase and ATPase activity of Prp43. The structure of Prp43 in complex with ADP has been solved by X-ray crystallography. The structure reveals that the nucleotide is bound to the enzyme in a novel mode that has never been observed in other known helicase structures. The specific feature of this binding mode is the base, stacked between phenylalanine (F357) from RecA2 domain and an arginine (R159) from RecA1 domain. Features of the activation of Prp43 by G-patch proteins are unclear. In this work, we investigated the role of base stacking in the activation of Prp43. We present several structures of Prp43 bound to all the nucleotide diphosphates (NDP) and deoxynucleotide diphosphates (dNTP). These results indicate that there are differences in stacking according to the (d)NDP bound to the enzyme. NTPase activity assays revealed that when stacking is weakened, Prp43 activity cannot be properly regulated by its protein partner Pfa1. Moreover, point mutations F357A and R159A show that stacking of F357 permits to modulate Prp43 activity. All these results allow us to propose a model of NTPase activity activation of Prp43 by G-patch proteins and to highlight the importance of base stacking in this regulation

La régulation post-transcriptionnelle de l’expression des gènes est un réseau d’interactions impliquant de nombreuses protéines de liaison à l’ARN et des ARN non-codants afin d’orchestrer la vie complexe des ARN messagers (ARNm). Chez les métazoaires, le complexe EJC (Exon Junction Complex) est un complexe multiprotéique déposé sur la jonction exonique des ARNm pendant l’épissage. L’EJC interagit avec de nombreux facteurs et est important pour le couplage fonctionnel entre l’épissage et l’export du noyau, la localisation, la traduction et la dégradation des ARNm. Malgré son rôle central dans la régulation génique et le développement de l’organisme, aucune carte exhaustive des sites de liaison de l’EJC n’a encore été établie. La méthode de CLIP (Cross-Linking and Immunoprécipitation) associée au séquençage à haut-débit (CLIP-seq) permet d’identifier les sites de liaison protéine à l’ARN in vivo. Cependant, les analyses des données de CLIP-seq ont permettent aujourd’hui d’obtenir une vue globale plutôt qu’une caract érisation individuelle des sites de liaison d’une protéine. En effet, les détecteurs de pics conventionnels appliqués aux données de CLIP de l’EJC produisent des résultats dont la reproductibilité et la sensibilité sont limitées. Durant ma thèse, nous avons développé une stratégie dédiée à la détection du signal de l’EJC au niveau exonique. En agrégeant les informations de différents réplicas, nous avons généré une liste de gènes reproductibles. Au sein de ces gènes, nous avons trouvé une forte corr élation entre la robustesse de détection des exons et le contenu en thymidine (T) au niveau des sites de liaison. Posant l’hypothèse que ceci est un effet du photopontage, nous avons corrigé le score de robustesse par le contenu en T et avons ainsi clairement montré que l’EJC est déposé sur certains exons et pas sur d’autres. Par conséquent, le complexe EJC est déposé de manière diff érentielle le long d’un mˆeme transcrit. Nous avons ainsiétabli une carte des sites de liaisons de l’EJC sans précédent. L’intégration de données supplémentaires a montré que le dépôt de l’EJC est indépendant de l’abondance du transcrit et n’est pas expliqué par des annotations fonctionnelles connues du gène. Bien que ce travail n’a pas permis à ce stade d’identifier les raisons de ce dépôt différentiel, nous présentons une première méthode d’analyse spécifique et reproductible des exons liés à un EJC par CLIP-seq. Les deux contributions principales de ce travail sont donc les suivantes. Premièrement, nous proposons une méthode robuste pour détecter l’enrichissement du signal de l’EJC à l’échelle de l’exon, en démontrant quantitativement que celleci est plus reproductible et plus sensible que les solutions offertes par les outils actuels. Deuxièmement, nous prouvons que, au sein d’un mˆeme transcrit, l’EJC peut être présent sur des exons, et absent d’autres, suggérant que le dépôt de l’EJC est un processus régulé suivant un code qui reste à découvrir
Post-transcriptional Gene Expression Regulation is a complex network that involves RNA-binding proteins and non-coding RNAs to orchestrate the complex life of mRNAs. In metazoans, the Exon Junction Complex (EJC) is a multi-protein complex deposited onto mRNAs exon junctions during splicing. The EJC interacts with numerous factors and is important for coupling pre-mRNA splicing with mRNA nuclear export, localization, translation, and decay. Despite its central role in gene expression and in organism development, the comprehensive map of EJC binding sites is lacking. Crosslinking and immunoprecipitation coupled with high-throughput sequencing (CLIP-seq) aims to identify transcriptome-wide RNAprotein interactions in vivo. Yet, current trends in CLIP-seq data analysis gravitate towards painting a global landscape rather than characterizing individual binding sites. However, we observed that current peak callers applied to EJC CLIP data yield results with limited reproducibility and sensibility. During my PhD, we developed a dedicated strategy to detect EJC signal enrichment at the exon level. By aggregating data from several replicates, we built a list of robust genes with reproducible EJC loading rate. Within robust genes, we assigned a robustness score to each exon according to frequency of detection across replicates. We found that the exon robustness score was correlated to the thymidine (T) content of EJC binding sites. Assuming this was due to cross-linking chemistry, we corrected the score for the T content and found exons with either high or low detection rates. The last suggests that EJC loading is not homogeneous along a transcript, but rather differential. Thus, we established an unprecedented binding site map of the EJC in living cells validated by statistical tools. Crossing this map with other information showed that EJC loading is independent of transcript expression levels or known gene functional annotations. Although the scope of this work does not include possible explanations for this differential loading, it presents a first reproducible and specific data analysis pipeline to detect EJC-loaded exons. Altogether, our contribution is twofold. First, we proposed a robust way to detect EJC signal enrichment at the exon level and demonstrated quantitatively that our approach is more reproducible and more sensitive compared to conventional tools. Second, we proved that the EJC can be present on some, and absent on other exons of the same transcript suggesting that EJC loading is a regulated process following a code that remains to be discovered

Le virus de l'hépatite C (HCV) est un virus à ARN qui synthétise ses nouveaux génomes dans les cellules hôtes infectées grâce à une ARN polymérase ARN dépendante (RdRp), appelée NS5B. Cette polymérase a été pendant longtemps une cible majeure dans la recherche d'antiviraux contre l'hépatite C. Aujourd'hui, de nombreux antiviraux ont été approuvés dans le traitement de l’hépatite C ciblant différentes protéines virales, entre autre, NS5B. Le sofosbuvir qui cible le site actif de NS5B est un antiviral qui a démontré une efficacité extraordinaire dans le traitement anti-HCV.Durant ces dernières années, les recherches sur NS5B ont permis de caractériser cette protéine, à la fois structuralement et biochimiquement. La richesse des connaissances ainsi accumulées fait de NS5B un excellent modèle pour les RdRp des virus à ARN.Toutefois, peu d'études portent sur le mécanisme d’acheminement et de sélection des ribonucléotides au site actif de NS5B, et de façon générale, sur la description atomique du mécanisme de réplication assuré par NS5B, qui implique deux dications magnésium pour la catalyse comme chez toutes les polymérases de cette famille.Durant ce travail, nous avons exploité les données structurales issues de complexes ternaires (NS5B+RNA+nucleotide) obtenus en 2015 par cristallographie à l'échelle atomique. Nous avons utilisé ces structures pour mener des études de modélisation moléculaire, essentiellement par dynamique moléculaire afin d’aborder la question de l'acheminement des nucléotides vers le site actif de NS5B.Nous avons eu recours à la fois à des méthodes de dynamiques moléculaires classiques et des méthodes de dynamiques moléculaires dites biaisées telles que différentes méthodes de dynamiques moléculaires dirigées (SMD et TMD) et la dynamique moléculaire accélérée (aMD).Nos résultats indiquent que l’acheminement du nucléotide au site actif associé à un magnésium Mg(B) est contrôlé tout au long du tunnel par différents éléments de NS5B. Initialement, le nucléotide se lie à une région proche de la boucle qui surplombe le tunnel lui permettant, grâce aux interactions qu’il établit avec sa partie triphosphate, de s’orienter base en avant. Ensuite, le nucléotide atteint un point de contrôle formé essentiellement par le motif F3 (R158) et le motif F1(E143). Le nucléotide reste lié à ce site jusqu’à l’arrivée du second dication magnésium (Mg(A)) qui provoque des réarrangements structuraux, notamment au niveau du motif F3, entrainant l’avancée du nucléotide vers le site actif. Une fois ce point de contrôle passé, le nucléotide interroge alors la base du brin d’ADN matrice sans s’insérer entièrement dans le site actif.Nos simulations ont clairement établi que les dernières étapes d’entrée du nucléotide sont finement régulées par l’arrivée du second dication magnésium qui a donc un rôle de coordinateur en plus de son rôle connu dans la catalyse.Ce mécanisme d’entrée semble être spécifique aux RdRp virales et permet de comprendre pourquoi les analogues de nucléotides peuvent être aussi efficaces contre les virus à ARN
The hepatitis C virus is an RNA virus that synthesises its new genomes in the infected host cells thanks to an RNA-dependent RNA polymerase (RdRp) termed NS5B. This polymerase has been a prime target for antiviral therapy. Numerous direct antiviral drugs are now approved in the HCV treatment and allow very high rates of treatment success. These drugs target among others the HCV NS5B RdRp with the sofosbuvir being one of the most successful drugs.Tremendous efforts have been made in the past decades to characterize NS5B, in particular structurally and biochemically. However, there is little information about the molecular mechanisms of NS5B ribonucleotides entry and selection and in general on the atomistic details of the RNA replication mechanism, although the involvement of two magnesium dications in catalysis is well established in this family of polymerases. Since 2015, structures of ternary complexes of NS5B have been resolved by crystallography offering very valuable details about the binding of nucleotides at the NS5B active site.In this work, we took advantage of these structural data to address the ribonucleotides entry and to further explore the nucleotide addition cycle in NS5B using molecular modelling and molecular dynamics simulations. We used both conventional molecular dynamics techniques and biased simulations that enhance sampling such as Steered Molecular Dynamics (SMD), Targeted Molecular Dynamics (TMD) or accelerated Molecular dynamics (aMD).Based on our modelling results, we found that the access to the active site through the nucleotides tunnel is checked by successive NS5B elements. First, the entering ribonucleotide together with an associated magnesium Mg(B) binds next to a loop that overhangs the nucleotide tunnel and interactions with its triphosphate moiety orient it base-first towards the active site. Second, the ribonucleotide encounters a checkpoint constituted by the residues of motif F3(R158) and motif F1(E143) where it is blocked until the arrival of a second magnesium ion, the Mg(A). This allowed the motif F3 to undergo small structural rearrangements leading to the advancement of the nucleotide towards the active site to interrogate the RNA template base prior to the complete nucleotide insertion into the active site.Our simulations pointed out that these dynamics are finely regulated by the second magnesium dication, thus coordinating the entry of the correct magnesium-bound nucleotide with shuttling of the second magnesium necessary for the two-metal ion catalysis. This entry mechanism is specific to viral RdRps and may explain why modified ribonucleotides can be so successful as drugs against RNA viruses