Mots-Clés

régulation de l’expression motifs ADN/ARN PLMdetect biologie végétale

Description

Contexte : L'Institut de Sciences des Plantes Paris-Saclay (IPS2) est une Unité Mixte de Recherche qui structure les activités de recherche, de formation et d’innovation dans le domaine des Sciences du Végétal. Dans ce cadre, l'équipe « Réseaux Génomiques » s'implique dans le développement de méthodes liées à la prédiction de réseaux d’interactions moléculaires par des approches bio-informatiques. L’équipe OGE s’intéresse quant à elle aux régulations de l’expression des organites. Ces régulations ont lieu à plusieurs niveaux (transcriptionnel, post-transcriptionnel et traductionnel) et sont dirigées par des motifs de fixation de protéines régulatrices à l’Adn ou à l’ARN. Une méthode, PLMdetect, a été développée par l’équipe Réseaux génomiques afin de caractériser des motifs sur-représentés dans les régions proximales des gènes. Plusieurs sujets de recherche basés sur PLMdetect sont déjà initiés. Dans le cadre d’une publication récente dans Science, l’équipe OGE (Etienne Delannoy) a caractérisé des motifs ARN intervenant dans la régulation de la traduction chez les mitochondries de plantes.

Objectifs : Pour étendre le travail effectué dans notre récente publication, l’ambition est d’identifier le catalogue des motifs régulateurs (ADN ou ARN) de chaque gène de la mitochondrie (environ 30 gènes) et du chloroplaste (environ 110 gènes) chez les algues vertes, les plantes terrestres monocotylédones et dicotylédones sur la base de leur conservation dans les zones proximales (5’ et 3’).

Travail demandé : Le travail de stage se découpera en 3 étapes principales

1. déterminer les motifs enrichis dans les séquences d’intérêt. L’ensemble des motifs de 6 bases (4096 possibles) seront testés avec PLMdetect sur les régions proximales de chacun des gènes dans chacun des groupes d’organismes d’intérêt. Il faudra pour cela extraire les séquences proximales 5’ et 3’ de l’ensemble des gènes de plaste et de mitochondrie disponibles dans les bases de données en utilisant des scripts déjà disponibles.
2. Reconstituer des motifs régulateurs de taille >6 bases en étudiant la co-occurrence et le chevauchement éventuel des motifs de 6 bases. Ces « grands » motifs seront testés avec PLMdetect.
3. Annoter les motifs identifiés en intégrant des données expérimentales : il s’agira de d’associer ces motifs aux extrémités connues, matures ou primaires de transcrits ainsi qu’aux séquences promotrices connues chez Arabidopsis thaliana (Dicotylédone), le maïs (Monocotylédone) et Chlamydomonas reinhardtii (algue verte).

Compétences techniques recherchées : Langages de programmation R, Python/PERL.

Références bibliographiques:

Méthode PLMdetect décrite dans l’article Bernard V. et al. Improved Detection of Motifs with Preferential Location in Promoters. Genome 2010, 53, 739–752, doi:10.1139/g10-042.

Deux récentes applications : Article Rozière et al. A comprehensive map of preferentially located motifs reveals distinct proximal cis-regulatory elements in plants. Frontiers in Plant Science. 2022. Article Tran et al. mTRAN-mRNA interaction mediates mitochondrial translation initiation in plants. Science 2023