Un réseau de régulation génique (GRN) décrit la relation hiérarchique entre les complexes de facteurs de transcription, leurs gènes cibles et les produits géniques codés qui contrôlent ensuite l'activité cellulaire. Comprendre les GRN est la clé pour guider l'amélioration des plantes par la manipulation des gènes.
L'identification des facteurs de transcription qui contrôlent la signalisation et/ou les réponses développementales est difficile en raison du grand nombre de facteurs de transcription putatifs (TF) qui n'ont toujours pas de fonction connue, et du fait que les TF qui ont déjà été caractérisés dans un contexte peuvent avoir des rôles supplémentaires dans des contextes encore inconnus. De plus, les TF précédemment caractérisés travaillent probablement en coopération avec d'autres TF dont la fonction n'a pas été décrite précédemment.
Un article récent publié dans in silico Plants présente TF DEACoN, un nouvel outil qui utilise des versions précédemment publiées et accessibles au public Données DAP-Seq d'Arabidopsis pour faire des prédictions sur les TF pouvant être impliqués dans une réponse transcriptionnelle observée. TF DEACoN analyse les données de groupes de gènes co-régulés pour "dépister" les facteurs de transcription qui peuvent contrôler leurs changements simultanés d'expression.
DIACRE TF est accessible au public en tant qu'application Web conviviale. « L'idée derrière l'analyse est analogue à l'enrichissement Gene Ontology (GO) ; au lieu d'annotations fonctionnelles, nous recherchons des TF qui ciblent les gènes d'entrée et comparons le rapport des cibles dans ce groupe de requêtes au rapport des cibles dans l'ensemble du génome. Nous avons essayé de rendre l'application facile à utiliser pour les chercheurs. Si vous avez une liste de gènes qui sont co-régulés dans votre processus d'intérêt, vous collez simplement les ID de gène dans une boîte de requête d'entrée, et l'outil génère des facteurs de transcription (TF) dont les cibles sont enrichies dans votre ensemble de gènes, ainsi que avec leurs familles et l'AT ID du gène à télécharger », explique Alexandria Harkey, chercheuse postdoctorale à l'Université Wake Forest.
Les auteurs ont démontré l'utilité de regrouper des gènes co-régulés en fonction de la similitude de leur abondance de transcrits dans le temps et dans l'espace pour trouver des régulateurs potentiels qui ne sont évidents que lorsque des grappes de gènes co-exprimés sont examinées. Ils ont utilisé TF DEACoN pour analyser les données transcriptionnelles des racines traitées avec le précurseur d'éthylène acide 1-aminocyclopropane-1-carboxylique (ACC) pour augmenter les niveaux d'éthylène, révélant des TF qui peuvent agir en aval de cette signalisation hormonale pour contrôler les changements dans le développement des racines. Ils ont ensuite utilisé une approche génétique pour montrer qu'une mutation dans l'un des facteurs de transcription prédits et jusqu'alors inconnus réduisait la régulation négative du développement des racines latérales par l'ACC.
La combinaison du filtrage et de TF DEACoN présentée dans cet article peut être appliquée à n'importe quel groupe de gènes co-régulés pour prédire les GRN qui contrôlent les réponses transcriptionnelles coordonnées.
L'outil "TF Discovery by Enrichment Analysis of Co-expression Networks" (TF DEACoN) a été développé en utilisant R brillant et de la Paquet brillant BS, et est partagé sous une licence open source sur https://github.com/aharkey/TFDEACoN.
