Chaque cellule vivante copie l’ADN en ARN. Ce processus commence lorsqu’une enzyme appelée ARN polymérase (RNAP) se scinde à l’ADN. En quelques centaines de millisecondes, la double hélice d’ADN se déplie pour former un nœud appelé bulle de transcription, de sorte que le brin d’ADN exposé puisse être copié dans un brin d’ARN complémentaire.

La manière dont le RNAP parvient à cet exploit est largement inconnue. Prendre une photo du RNAP alors que cette bulle est ouverte fournirait une mine d’informations, mais le processus se déroule trop rapidement pour que la technologie actuelle puisse facilement capturer des visualisations de ces structures. Aujourd’hui, une nouvelle étude a été menée… Nature, biologie structurale et moléculaire E. coli RNAP décrit le processus d’ouverture de la bulle de transcription.

Les résultats, capturés dans les 500 millisecondes suivant le mélange du RNAP avec l’ADN, mettent en lumière les mécanismes fondamentaux de la transcription et répondent à des questions de longue date sur le mécanisme d’initiation et l’importance de ses différentes étapes.

C’est la première fois que quelqu’un est capable de capturer des complexes de copies temporaires au fur et à mesure qu’ils se forment en temps réel. Comprendre ce processus est crucial, car il s’agit d’une étape clé de régulation de l’expression des gènes.

Ruth Secker, première auteure, est spécialiste de recherche au laboratoire de Seth Darst à Rockefeller.

Une vision inédite

Darst a été le premier à décrire la structure du RNAP bactérien, et essayer d’en extraire des détails est resté une priorité majeure de son laboratoire. Alors que des décennies de travail ont démontré que la liaison du RNAP à une séquence d’ADN spécifique déclenche une série d’étapes qui ouvrent la bulle, la manière dont le RNAP sépare les brins et place un seul brin dans son site actif fait encore l’objet de vifs débats.

Les premiers travaux dans ce domaine suggèrent que l’ouverture des bulles agit comme un facteur de ralentissement critique du processus, déterminant la rapidité avec laquelle le RNAP passe à la synthèse de l’ARN. Des découvertes ultérieures dans ce domaine ont remis en question ce point de vue, et plusieurs théories ont émergé sur la nature de cette étape limitante. « Nous savons grâce à d’autres techniques biologiques que lorsque le RNAP rencontre l’ADN pour la première fois, il produit un ensemble d’intermédiaires hautement régulés », explique le co-auteur Andreas Müller, chercheur postdoctoral au laboratoire. « Moins d’une seconde, et nous n’avons pas pu capturer les structures en si peu de temps. »

Pour mieux comprendre ces intermédiaires, l’équipe a collaboré avec des collègues du New York Center for Structural Biology, qui ont développé un système automatisé à jet d’encre capable de préparer rapidement des échantillons biologiques pour une analyse par microscopie électronique cryogénique. Grâce à ce partenariat, l’équipe a pu capturer les composés qui se forment au cours des 100 à 500 premières millisecondes de recombinaison d’ARN, ce qui a permis d’obtenir des images de quatre intermédiaires distincts avec suffisamment de détails pour permettre l’analyse.

Pour la première fois, une image claire a été obtenue des changements structurels et des intermédiaires qui se forment au cours des étapes initiales de la liaison de l’ARN polymérase à l’ADN. « La technologie était très importante pour cette expérience », explique Saker. « Sans la possibilité de mélanger rapidement l’ADN et l’ARN polymérase et d’en prendre une photo en temps réel, ces résultats n’existeraient pas. »

Mettez-vous dans la bonne position

Après avoir examiné ces images, l’équipe a pu cartographier une séquence d’événements montrant comment la protéine RNAP interagit avec les brins d’ADN lors de leur séparation, avec des niveaux de détail sans précédent. Au fur et à mesure que l’ADN se déroule, la protéine RNAP saisit progressivement l’un des brins d’ADN pour empêcher la double hélice de se rejoindre. Chaque nouvelle interaction provoque un changement de forme de la protéine RNAP, permettant ainsi la formation de davantage de liaisons entre la protéine et l’ADN. Cela implique d’expulser une partie de la protéine qui empêche l’ADN de pénétrer dans le site actif de la protéine RNAP. Ainsi, une bulle de copie stable se forme.

L’équipe suggère que l’étape limitante de la transcription pourrait être le placement du brin matrice d’ADN dans le site actif de l’enzyme RNAP. Cette étape implique de surmonter d’importantes barrières énergétiques et de réorganiser plusieurs composants. Les recherches futures visent à confirmer cette nouvelle hypothèse et à explorer d’autres étapes de la transcription.

« Nous n’avons examiné que les premières étapes de cette étude », explique Müller. « Nous espérons ensuite examiner d’autres complexes, des points temporels ultérieurs et des étapes supplémentaires dans le cycle de transcription. »

Loin de résoudre des théories contradictoires sur la façon dont les brins d’ADN sont capturés, ces résultats mettent en évidence la valeur de la nouvelle méthode, qui peut capturer en temps réel les événements moléculaires qui se produisent en quelques millisecondes. Cette technologie permettra davantage d’études de ce type, aidant ainsi les scientifiques à visualiser les interactions dynamiques dans les systèmes biologiques.

« Si nous voulons comprendre l’un des processus les plus fondamentaux de la vie, que toutes les cellules exécutent, nous devons comprendre comment sa progression et sa vitesse sont régulées », explique Darst. « Une fois que nous le saurons, nous aurons une idée plus claire de la façon dont cela se produit. la transcription est initiée.

Les modèles du système terrestre nous aident à comprendre les changements climatiques et environnementaux. Grâce aux progrès de la puissance de calcul, les modèles du système terrestre peuvent désormais être exécutés à une résolution kilométrique, capturant des détails extrêmement fins pour mieux prédire les conditions météorologiques extrêmes et comprendre les cycles de l’eau, du carbone et de l’énergie.

Cependant, les modèles actuels s’appuient généralement sur des données anciennes de faible résolution (~ 50 km) sur la surface terrestre, qui peuvent manquer de détails importants.

étudePublié dans Données scientifiques du système terrestreDe nouvelles données de surface terrestre à haute résolution (1 km) ont été développées pour la période 2001-2020, y compris les paramètres d’utilisation des terres, de végétation, de sol et de topographie.

La recherche fournit les premiers ensembles de données complets sur la surface terrestre d’un kilomètre pour améliorer considérablement la capacité de simuler l’ESM à l’échelle k. L’utilisation des nouveaux ensembles de données permet une prévision plus précise des cycles de l’eau, du carbone et de l’énergie dans les simulations ELM2 à une résolution de 1 km sur la frontière des États-Unis. Ce travail constitue une étape importante vers la modélisation du système terrestre à l’échelle k, soutenant le développement de meilleures stratégies d’atténuation et d’adaptation au changement climatique.

Les résultats montrent que les paramètres de surface terrestre à haute résolution contribuent à la grande variation spatiale dans les simulations ELM2 de l’humidité du sol, de la chaleur latente, du rayonnement à ondes longues émis et du rayonnement à ondes courtes absorbé. En moyenne, environ 31 à 54 % des informations spatiales sont perdues en augmentant la résolution de 1 à 12 km des simulations ELM2.

À l’aide de méthodes d’apprentissage automatique interprétables, les facteurs influents à l’origine de l’hétérogénéité spatiale et de la perte d’informations spatiales sont identifiés pour les simulations ELM2, mettant en évidence l’influence significative de l’hétérogénéité spatiale et de la perte d’informations pour différents paramètres de surface terrestre, ainsi que pour les conditions climatiques moyennes. La comparaison avec quatre ensembles de données de référence indique que ELM2 fonctionne généralement bien pour simuler l’humidité du sol et les flux d’énergie de surface.

Dans le jeu cosmique actuel de cache-cache, les scientifiques disposent d’un nouvel outil qui pourrait leur donner un avantage. Ministère de l’Énergie(DOE) Laboratoire de physique des plasmas à Princeton (PPPL) ont développé un programme informatique qui comprend… Apprentissage automatique Ce qui peut aider à identifier les blocs plasma Dans l’espace, on les appelle plasmides. Dans un nouveau développement, le programme a été formé à l’aide de données simulées.

Le programme examinera d’énormes quantités de données collectées par des engins spatiaux dans la magnétosphère, la région de l’espace extra-atmosphérique fortement affectée par le champ magnétique terrestre, et surveillera les signes de la présence de ces masses mystérieuses. Grâce à cette technique, les scientifiques espèrent en apprendre davantage sur les processus qui régissent la reconnexion magnétique, un processus qui se produit dans la magnétosphère et dans tout l’univers et qui peut endommager les satellites de communication et le réseau électrique.

Les scientifiques pensent que l’apprentissage automatique pourrait améliorer la capacité à trouver des plasmoïdes, aider à comprendre les bases de la reconnexion magnétique et permettre aux chercheurs de mieux se préparer aux conséquences des perturbations provoquées par la reconnexion.

« Pour autant que nous le sachions, c’est la première fois que quelqu’un utilise l’intelligence artificielle entraînée sur des données simulées pour rechercher des plasmoïdes », a-t-il déclaré. Kendra Bergstedtétudiant diplômé en Programme de Princeton en physique des plasmas, dont le siège est à PPPL. Bergstedt fut le premier auteur de papier Publier les résultats dans le Journal of Earth and Space Sciences. Ce travail combine l’expertise croissante du laboratoire en science informatique avec sa longue histoire d’exploration de la reconnexion magnétique.

Trouver un lien

Les scientifiques veulent trouver des moyens fiables et précis de détecter les plasmoïdes afin de pouvoir déterminer s’ils affectent la reconnexion magnétique, un processus constitué de lignes de champ magnétique qui se séparent, puis se rejoignent violemment et libèrent d’énormes quantités d’énergie. Lorsque cela se produit près de la Terre, la reconnexion peut déclencher une cascade de particules chargées tombant dans l’atmosphère, désactivant les satellites, les téléphones portables et le réseau électrique. « Certains chercheurs pensent que les plasmoïdes aident à une reconnexion rapide dans les grands plasmas », a-t-il déclaré. Hantao J.« Mais ces hypothèses n’ont pas encore été prouvées. »

Les chercheurs veulent savoir si les plasmoïdes peuvent modifier la vitesse à laquelle se produit la reconnexion. Ils veulent également mesurer la quantité d’énergie que la reconnexion donne aux particules de plasma. « Mais pour expliquer la relation entre les plasmoïdes et la reconnexion, nous devons savoir où se trouvent les plasmoïdes », explique Bergstedt. « Et c’est ce que l’apprentissage automatique peut nous aider à faire. »

Les scientifiques ont utilisé des données d’entraînement générées par ordinateur pour garantir que le logiciel puisse reconnaître une gamme de signatures plasmatiques. En règle générale, les plasmoïdes générés par des modèles informatiques sont des versions idéalisées basées sur des formules mathématiques avec des formes – telles que des cercles parfaits – qui n’apparaissent pas souvent dans la nature. Si le programme est entraîné uniquement à reconnaître ces versions parfaites, il risque de manquer celles qui ont d’autres formes. Pour éviter ces erreurs, Bergstedt et Gee ont décidé d’utiliser des données synthétiques intentionnellement incomplètes afin que le programme dispose d’une base de référence précise pour les études futures. « Comparé aux modèles mathématiques, le monde réel est compliqué », a déclaré Bergstedt. « Nous avons donc décidé de laisser notre logiciel apprendre en utilisant les données avec les fluctuations que vous obtiendriez dans les observations réelles, par exemple, au lieu de commencer nos simulations avec un courant complètement plat. plaque, nous donnons à notre plaque quelques vibrations.  » « Nous espérons que l’approche d’apprentissage automatique permettra plus de nuances qu’un modèle mathématique strict. » Tentatives précédentes Bergstedt et Gee ont écrit des programmes informatiques incluant des modèles de plasmoïdes plus idéalisés.

Selon les scientifiques, l’utilisation de l’apprentissage automatique deviendra plus courante dans la recherche en astrophysique. « Cela peut être particulièrement utile lors d’extrapolations à partir d’un petit nombre de mesures, comme nous le faisons parfois lors de l’étude de la reconnexion », a déclaré Ji. « La meilleure façon d’apprendre à utiliser un nouvel outil est de l’utiliser réellement. Nous ne voulons pas. rester à l’écart et rater l’occasion. »

Bergstedt et Gee prévoient d’utiliser le programme de détection de plasmoïdes pour examiner les données collectées par la mission Magnetic Multiscale (MMS) de la NASA. Lancé en 2015 pour étudier la reconnexion, MMS se compose de quatre vaisseaux spatiaux volant en formation à travers le plasma dans la queue magnétique, la région de l’espace orientée à l’opposé du Soleil et contrôlée par le champ magnétique terrestre.

La queue magnétique est un endroit idéal pour étudier la reconnexion car elle allie accessibilité et taille. « Si nous étudions la reconnexion en observant le Soleil, nous ne pouvons prendre des mesures qu’à distance », a déclaré Bergstedt. « Si nous observions la reconnexion en laboratoire, nous pourrions placer nos instruments directement dans le plasma, mais les volumes de plasma seraient plus petits que ceux que l’on trouve normalement dans l’espace. » L’étude de la reconnexion dans la queue magnétique est un compromis idéal. « Il s’agit d’un vaste plasma naturel que nous pouvons mesurer directement avec un vaisseau spatial qui le traverse », a déclaré Bergstedt.

Alors que Bergstedt et Gee travaillent à améliorer le programme de détection des plasmoïdes, ils espèrent franchir deux étapes importantes. La première consiste à exécuter une procédure appelée adaptation de domaine, qui aidera le programme à analyser des ensembles de données qu’il n’a jamais rencontrés auparavant. La deuxième étape consiste à utiliser le logiciel pour analyser les données du vaisseau spatial MMS. « La méthodologie que nous avons démontrée est principalement une preuve de concept car nous ne l’avons pas optimisée de manière approfondie », explique Bergstedt. « Nous voulons que le modèle fonctionne mieux qu’il ne le fait actuellement, commencer à l’appliquer à des données réelles et ensuite partir de là ! »

Cette recherche a été soutenue par le ministère de l’Énergie Science de l’énergie de fusion programme sous contrat DE-AC0209CH11466, par la NASA sous subventions NNH15AB29I et 80HQTR21T0105, et par une bourse de recherche supérieure de la National Science Foundation sous subvention DGE-2039656.

—

Le laboratoire de physique de Princeton maîtrise le plasma, le quatrième état de la matière, pour résoudre certains des défis scientifiques et technologiques les plus difficiles au monde. Notre laboratoire est situé sur le campus Forrestal de l’Université de Princeton à Plainsboro, dans le New Jersey, et nos recherches stimulent l’innovation dans une gamme d’applications, notamment l’énergie de fusion, la fabrication à l’échelle nanométrique, les matériaux et dispositifs quantiques et la science de la durabilité. L’université exploite un laboratoire pour l’Office of Science du Département américain de l’énergie, le plus grand partisan de la recherche fondamentale en sciences physiques du pays. Je sens la chaleur à l’intérieur https://energy.gov/science Et http://www.pppl.gov.