Description du projet
Faire la lumière sur la régulation post-transcriptionnelle de l’expression des gènes
Les génomes contiennent des gènes qui codent les protéines. L’activité des gènes, et donc l’expression des protéines, est fortement régulée: toutes les cellules n’expriment pas systématiquement toutes les protéines. Il est essentiel de comprendre la manière dont les cellules contrôlent l’activité des gènes pour comprendre leur fonctionnement. Après la transcription d’un gène en ARN, des mécanismes post-transcriptionnels régulent la stabilité de l’ARN et la vitesse à laquelle il est transposé en protéines. Ces étapes très complexes ont été peu étudiées et sont encore largement méconnues. Le projet EPIC, financé par le CER, entend faire la lumière sur la régulation post-transcriptionnelle à l’aide du système de modèle unicellulaire établi, la levure Saccharomyces cerevisiae, et d’autres espèces fongiques eucaryotes. L’équipe fera appel à des technologies à haut débit, à la biologie synthétique et à l’apprentissage profond pour révéler le langage de la régulation des gènes et favoriser la (ré)écriture des génomes.
Objectif
Genomes encode instructions for cells to regulate gene activity in response to their environment. However, and despite its importance for biology, medicine and biotechnology, the underpinning regulatory code remains undeciphered. Gene regulation consists of two major steps. First, genes are transcribed into mRNA. Second, post-transcriptional mechanisms regulate mRNA stability and the rate at which it is translated into proteins. This second step of gene regulation is still poorly understood because relevant parameters such as mRNA half-life, mRNA protein binding and subcellular localization are difficult to assay. The lack of understanding of post-transcriptional regulation implies that we still do not have a complete picture of the regulatory code. In EPIC, we exploit the advantages of the model eukaryote Saccharomyces cerevisiae and other species covering a broad evolutionary range to derive the first comprehensive sequence-based model of eukaryotic gene regulation. EPIC integrates the complementary expertise of 3 teams. It combines innovative high-throughput technologies (Pelechano) to probe post-transcriptional regulation at an unprecedented scale across a broad range of species and conditions with synthetic biology to massively test regulatory sequences (Verstrepen). Deep learning on these data allows us to build predictive models and unravel complex regulatory instructions (Gagneur). Ultimately, EPIC will enable us to decipher the actual language of gene regulation and facilitate (re)writing genomes. EPIC will enable understanding and predicting regulation, and ultimately phenotype, from DNA, closing a major gap in basic biology, while also opening exciting avenues for applications in biotechnology and medicine, from pinpointing disease-causing mutations to rational design of genes, RNAs and cells.
Champ scientifique
- natural sciencesbiological sciencessynthetic biology
- natural sciencesbiological sciencesbiochemistrybiomoleculesproteins
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
- natural sciencesbiological sciencesgeneticsRNA
- natural sciencesbiological sciencesgeneticsgenomes
Mots‑clés
Programme(s)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Thème(s)
Régime de financement
HORIZON-ERC-SYG - HORIZON ERC Synergy GrantsInstitution d’accueil
9052 ZWIJNAARDE - GENT
Belgique