Nouvelle méthode de détection précoce des maladies à l’aide de gouttelettes d’ADN

La formation de gouttelettes aqueuses par séparation de phase liquide-liquide (ou coacervation) dans les macromolécules est un sujet brûlant dans la recherche en sciences de la vie. Parmi ces différentes macromolécules qui forment des gouttelettes, l’ADN est assez intéressant car il est prévisible et programmable, qualités utiles en nanotechnologie. Récemment, la programmabilité de l’ADN a été utilisée pour construire et réguler des gouttelettes d’ADN formées par coacervation d’ADN conçus pour la séquence.

Un groupe de scientifiques de l’Université de technologie de Tokyo (Tokyo Tech) dirigé par le professeur Masahiro Takinoue a développé une gouttelette d’ADN computationnelle capable de reconnaître des combinaisons spécifiques de microARN synthétisés chimiquement (miARN) qui agissent comme biomarqueurs de tumeurs. En utilisant ces miARN comme entrée moléculaire, les gouttelettes peuvent donner une sortie de calcul logique de l’ADN grâce à la séparation physique des phases des gouttelettes d’ADN. Le professeur Takinoue explique la nécessité de telles études : « Les applications des gouttelettes d’ADN ont été rapportées dans des microcompartiments inspirés des cellules. Même si les systèmes biologiques régulent leurs fonctions en combinant la biodétection avec le calcul logique moléculaire, aucune littérature n’est disponible sur l’intégration des gouttelettes d’ADN avec l’informatique moléculaire. » Leurs conclusions ont été publiées dans Matériaux fonctionnels avancés.

Le développement de cette gouttelette d’ADN a nécessité une série d’expériences. Tout d’abord, ils ont conçu trois types de nanostructures d’ADN en forme de Y appelées motifs Y A, B et C avec 3 extrémités collantes pour fabriquer des gouttelettes d’ADN A, B et C. En règle générale, des gouttelettes similaires se regroupent automatiquement tandis que pour joindre des gouttelettes dissemblables, une molécule « liante » spéciale est nécessaire. Ainsi, ils ont utilisé des molécules de liaison pour joindre la gouttelette A avec les gouttelettes B et C ; ces molécules de liaison ont été appelées lieurs AB et AC, respectivement.

Dans leur première expérience, ils ont évalué l’opération « ET » dans le mélange de gouttelettes AB en introduisant 2 ADN d’entrée. Dans cette opération, la présence d’entrée est enregistrée comme 1 tandis que son absence est enregistrée comme 0. La séparation de phase du mélange de gouttelettes AB s’est produite uniquement à (1,1), ce qui signifie que lorsque les deux ADN d’entrée sont présents, suggérant une application réussie de l’AND opération. À la suite de cette étude, les scientifiques ont décidé d’introduire des marqueurs tumoraux du cancer du sein, miARN-1 et miARN-2, dans le mélange de gouttelettes AC comme entrées pour l’opération ET. L’opération ET a réussi, ce qui implique que la gouttelette d’ADN computationnelle a identifié les miARN.

Dans des expériences ultérieures, l’équipe a démontré des opérations ET et NON simultanées dans le mélange AB avec des biomarqueurs du cancer du sein miARN-3 et miARN-4. Enfin, ils ont créé un mélange de gouttelettes ABC et ont introduit les 4 biomarqueurs du cancer du sein dans cette solution. La séparation de phase dans la gouttelette ABC dépendait du clivage du lieur, entraînant une séparation en deux phases ou une séparation en trois phases.

Cette propriété de la gouttelette ABC a permis aux chercheurs de démontrer la capacité de détecter un ensemble de biomarqueurs connus du cancer ou de détecter simultanément les marqueurs de 3 maladies. Le professeur Takinoue, qui est également l’auteur correspondant, voit un énorme potentiel pour les gouttelettes d’ADN computationnelles. Selon lui, « Si une gouttelette d’ADN peut être développée qui peut intégrer et traiter plusieurs entrées et sorties, nous pouvons l’utiliser dans la détection précoce des maladies ainsi que dans les systèmes d’administration de médicaments. Notre étude actuelle agit également comme un tremplin pour la recherche dans le développement d’intelligence cellules artificielles et robots moléculaires. »