Simple Science

La science de pointe expliquée simplement

# Sciences de la santé# Oncologie

Avancées dans les matériaux de détection de l'ARN

Un nouveau système combine la biologie synthétique et la science des matériaux pour le diagnostic par ARN.

― 9 min lire


Percée dans la détectionPercée dans la détectionde l'ARNles diagnostics RNA.Un nouveau système modulaire améliore
Table des matières

La biologie synthétique et la science des matériaux sont deux domaines qui, quand on les combine, peuvent créer de nouveaux matériaux super intéressants. Ces matériaux peuvent détecter les changements dans leur environnement et réagir à différents signaux. Ils pourraient être utiles dans des domaines comme le dépistage de maladies, la livraison de médicaments, la culture de tissus et la personnalisation des traitements médicaux.

La collaboration entre ces deux domaines a commencé vers le début des années 2000. À cette époque, les chercheurs ont commencé à travailler sur des idées comme les origami d'ADN et des matériaux créés en utilisant des bactéries modifiées. Au fil des ans, ce travail a conduit au développement de matériaux intelligents qui réagissent à divers signaux, soit par des composants biologiques spéciaux, soit en utilisant des organismes vivants modifiés d'une manière ou d'une autre.

L'importance des matériaux intelligents

Ces matériaux intelligents sont particulièrement utiles pour la détection. Par exemple, ils peuvent aider à trouver des polluants environnementaux ou des marqueurs spécifiques qui indiquent des problèmes de santé. Les cibles courantes pour ces matériaux incluent les protéines, les acides nucléiques et les petites molécules. Cependant, il y a moins de matériaux spécifiquement conçus pour détecter l'ARN. C'est en partie parce que l'ARN peut être moins stable que d'autres molécules, et souvent, il doit être augmenté en quantité avant les tests, ce qui rend le processus plus compliqué.

Quelques exemples de matériaux de détection de l'ARN incluent des nanomatériaux en or ou en argent, des nanoparticules magnétiques, des points quantiques et des matériaux à base de carbone comme l'oxyde de graphène. Ces matériaux soutiennent les sondes qui se lieront à l'ARN et améliorent également les signaux qu'ils produisent. Cette capacité à détecter de très petites quantités d'ARN est cruciale, surtout lorsqu'on cherche des biomarqueurs spécifiques en milieu clinique.

Une autre catégorie de capteurs d'ARN sont les systèmes basés sur le papier. Ces systèmes peuvent utiliser des approches créatives comme les interrupteurs à prise ou la technologie CRISPR/Cas pour trouver des ARNm et du matériel génétique viral. Ils sont faciles à utiliser, peu coûteux et adaptés aux tests de proximité.

Comment fonctionnent les matériaux de détection

Beaucoup de matériaux de détection changent quand ils entrent en contact avec une molécule cible. Ce changement peut être dans leur rigidité ou pourrait impliquer la libération d'un composé attaché au matériau. Par exemple, il existe des hydrogels qui gonflent quand un antigène spécifique est ajouté ou libèrent des médicaments quand ils détectent un antibiotique. Dans un autre exemple, un gel peut se former grâce à la liaison d'un aptamère à l'ADN, mais si de la cocaïne est présente, le gel se décomposera.

Certains matériaux peuvent traiter l'information de manière plus intelligente que simplement réagir à un seul changement de signal. Ils peuvent utiliser des portes logiques simples pour répondre différemment en fonction d'une combinaison d'entrées. Les technologies de biologie synthétique et de science des matériaux permettent ce genre de traitement d'information, permettant aux matériaux de filtrer des signaux, de stocker de l'information ou de moduler leurs réponses.

Il existe plusieurs exemples où les matériaux se comportent comme des portes logiques de base, comme les portes AND, OR et NOT. Les chercheurs ont même combiné ces portes pour créer des systèmes plus complexes qui peuvent réagir différemment en fonction de plusieurs entrées. Par exemple, un système de matériau hybride a été créé qui agit comme un encodeur binaire, traitant des signaux et fournissant différentes sorties en fonction des informations qu'il reçoit.

La technologie CRISPR dans les matériaux de détection

La technologie CRISPR peut aussi être utilisée pour créer des matériaux de détection, surtout pour la détection de l'ARN. Un composant CRISPR spécifique appelé Cas12a est très utile car il peut être programmé, est spécifique à certaines séquences et amplifie automatiquement les signaux. Un exemple innovant utilise Cas12a dans des hydrogels, où il libère des molécules attachées quand il se lie à un ARN cible spécifique.

Un autre composant CRISPR important est Cas13a, qui se lie à l'ARN et, en reconnaissant une cible, peut couper d'autres molécules d'ARN de manière à amplifier le signal de détection. Des systèmes comme SHERLOCK utilisent cette fonctionnalité en combinant des processus qui amplifient l'ARN avec l'activité de Cas13a qui libère un signal.

Développer un nouveau système de détection

Dans cette étude, un système de détection hautement modulaire a été introduit, utilisant des polymères magnétiques combinés avec des composants de biologie synthétique. Ce système est capable de détecter l'ARN sans avoir besoin d'amplifier la cible d'abord. En utilisant le système Cas13a, il peut convertir et amplifier efficacement les signaux d'ARN. De plus, un module qui réagit aux protéases a été inclus pour augmenter encore le signal généré par la détection de Cas13a.

La modularité de ce système permet divers ajustements. La spécificité pour les cibles peut être changée en modifiant les séquences d'ARN, l'amplification du signal peut être réglée, et la sortie peut être modifiée en utilisant différentes protéines fluorescentes ou des enzymes de rapport. Cette structure adaptable met en avant les possibilités de fusionner des composants biologiques avec la science des matériaux, surtout pour des applications cliniques.

Processus de développement par étapes

Pour créer ce système de détection de l'ARN, amplifiant le signal, les chercheurs ont suivi une approche structurée. Au départ, ils ont conçu un circuit en cascade où une entrée est détectée, transmise et transformée en sortie. Le premier module reconnaît l'ARN, le deuxième module transmet le signal, et le troisième module le convertit en une sortie mesurable.

Le module Cas, qui est constitué de crRNA et de Cas13a, devient activé quand il se lie à l'ARN cible. Le module TEV est conçu pour libérer un ARN rapporteur lorsqu'il est clivé par une protéase. Enfin, le module mCherry relie l'activité de clivage à la production d'un signal de sortie fluorescent.

Caractérisation du système

Avant d'assembler l'ensemble du système, les modules individuels ont été développés et testés séparément. Par exemple, le module Cas a été créé pour inclure la protéine Cas13a, tandis que le module TEV incluait les composants nécessaires et a été immobilisé sur un support magnétique. L'activité de l'ensemble a été surveillée grâce à des mesures de fluorescence pour s'assurer que le système fonctionnait comme prévu.

Une fois que ces sous-systèmes étaient fonctionnels, ils ont été assemblés dans le système combiné. Pour éviter les interactions indésirables, un support de plaque sur mesure a été utilisé pour positionner les modules éloignés tout en permettant la communication via des biomolécules libérées. Ce design a permis de s'assurer que la sortie n'était générée qu'en réponse à l'ARN cible.

Tester la spécificité et la fonctionnalité

La spécificité du système a été testée en comparant sa réponse à différentes séquences d'ARN. Dans une expérience, le système a réussi à distinguer un ARN cible d'autres ARNS similaires, montrant une haute sélectivité. De plus, des tests ont montré que le système pouvait détecter des biomarqueurs spécifiques dans des échantillons de sang de patients, indiquant son potentiel pour les diagnostics cliniques.

La modularité du système a été confirmée en échangeant des composants pour cibler différents ARNs sans compromettre la performance globale. Par exemple, le crRNA spécifique à un biomarqueur du cancer pourrait être échangé pour cibler une autre séquence d'ARN, démontrant la flexibilité du système.

Améliorer l'amplification du signal à l'aide de modèles

Le design initial du système montrait un certain potentiel d'amplification du signal, mais les chercheurs étaient impatients de l'améliorer. En changeant les matériaux utilisés pour le module mCherry en un matériau magnétique à base de cellulose, ils ont augmenté les propriétés de capture et de libération pour la protéine mCherry. Cette modification a permis une plus grande amplification du signal.

Un modèle mathématique a été créé pour mieux comprendre les interactions et prédire la sortie du système dans différentes conditions. En ajustant le modèle aux données expérimentales, les chercheurs ont pu obtenir des informations sur le comportement du système et identifier les conditions optimales de performance.

Ce modèle a non seulement aidé à valider le système, mais a également agi comme un guide pour de futures améliorations. En analysant les interactions au sein du système, les chercheurs pouvaient effectuer des ajustements éclairés pour améliorer l'efficacité globale du processus de détection.

Conclusion et perspectives d'avenir

Cette étude illustre comment combiner la biologie synthétique avec la science des matériaux peut conduire au développement de systèmes innovants pour le diagnostic de l'ARN. Le Design Modulaire permet une personnalisation facile pour cibler des séquences d'ARN spécifiques et ouvre des portes pour appliquer cette technologie dans divers domaines, y compris les diagnostics médicaux, l'agriculture et le suivi des bioprocédés.

Les méthodes développées ici pourraient conduire à des outils diagnostiques plus accessibles et efficaces. En intégrant diverses approches de plusieurs disciplines scientifiques, les chercheurs mettent en avant le potentiel d'avancées futures dans la détection et l'interprétation des signaux biologiques. Cela représente non seulement un pas en avant dans les capacités de diagnostic, mais démontre aussi l'importance de la collaboration interdisciplinaire dans l'innovation scientifique.

Source originale

Titre: Signal-amplifying Biohybrid Material Circuits for CRISPR/Cas-based single-stranded RNA Detection

Résumé: The functional integration of biological switches with synthetic building blocks enables the design of modular, stimulus-responsive biohybrid materials. By connecting the individual modules via diffusible signals, information-processing circuits can be designed. Such systems are, however, mostly limited to respond to either small molecules, proteins, or optical input thus limiting the sensing and application scope of the material circuits. Here, we design a highly modular biohybrid material based on CRISPR-Cas13a to translate arbitrary single-stranded RNAs into a biomolecular material response. We exemplify this system by the development of a cascade of communicating materials that can detect the tumor biomarker microRNA miR19b in patient samples or sequences specific for COVID-19. Specificity of the system is further demonstrated by discriminating between input miRNA sequences with single-nucleotide differences. To quantitatively understand information processing in the materials cascade, we developed a mathematical model. The model was used to guide systems design for enhancing signal amplification functionality of the overall materials system. The newly designed modular materials can be used to interface desired RNA input with stimulus-responsive and information-processing materials for building point-of-care suitable sensors as well as multi-input diagnostic systems with integrated data processing and interpretation.

Auteurs: Wilfried Weber, H. Mohsenin, R. Schmachtenberg, S. Kemmer, H. J. Wagner, M. Johnston, S. Madlener, C. Dincer, J. Timmer

Dernière mise à jour: 2024-06-13 00:00:00

Langue: English

Source URL: https://www.medrxiv.org/content/10.1101/2024.06.12.24308852

Source PDF: https://www.medrxiv.org/content/10.1101/2024.06.12.24308852.full.pdf

Licence: https://creativecommons.org/licenses/by-nc/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à medrxiv pour l'utilisation de son interopérabilité en libre accès.

Articles similaires