L'évolution n'est pas aussi aléatoire qu'on le pensait, selon une nouvelle étude

Une nouvelle étude a révélé que l’évolution n’est pas aussi imprévisible qu’on le pensait auparavant, ce qui pourrait permettre aux scientifiques d’explorer quels gènes pourraient être utiles pour résoudre des problèmes réels tels que la résistance aux antibiotiques, les maladies et le changement climatique.

L'étude, publiée dans le Actes de l'Académie nationale des sciences (PNAS), remet en question la croyance de longue date selon laquelle l'évolution est imprévisible et a découvert que la trajectoire évolutive d'un génome peut être influencée par son histoire évolutive, plutôt que déterminée par de nombreux facteurs et accidents historiques.

L'étude a été dirigée par le professeur James McInerney et le Dr Alan Beavan de l'École des sciences de la vie de l'Université de Nottingham, ainsi que par le Dr Maria Rosa Domingo-Sananes de l'Université Nottingham Trent.

“Les implications de cette recherche sont tout simplement révolutionnaires”, a déclaré le professeur McInerney, l'auteur principal de l'étude. “En démontrant que l'évolution n'est pas aussi aléatoire qu'on le pensait, nous avons ouvert la porte à un éventail de possibilités en biologie synthétique, en médecine et en sciences de l'environnement.”

L’équipe a effectué une analyse du pangénome, l’ensemble complet des gènes au sein d’une espèce donnée, pour répondre à la question cruciale de savoir si l’évolution est prévisible ou si les chemins évolutifs des génomes dépendent de leur histoire et ne sont donc pas prévisibles aujourd’hui.

En utilisant une approche d’apprentissage automatique connue sous le nom de Random Forest, ainsi qu’un ensemble de données de 2 500 génomes complets d’une seule espèce bactérienne, l’équipe a effectué plusieurs centaines de milliers d’heures de traitement informatique pour répondre à la question.

Après avoir introduit les données dans leur ordinateur haute performance, l’équipe a d’abord créé des « familles de gènes » à partir de chacun des gènes de chaque génome.

“De cette façon, nous pourrions comparer les génomes de manière similaire”, a déclaré le Dr Domingo-Sananes.

Une fois les familles identifiées, l’équipe a analysé la manière dont ces familles étaient présentes dans certains génomes et absentes dans d’autres.

“Nous avons constaté que certaines familles de gènes n'apparaissaient jamais dans un génome alors qu'une autre famille de gènes particulière était déjà présente, et à d'autres occasions, certains gènes dépendaient beaucoup de la présence d'une famille de gènes différente.”

En effet, les chercheurs ont découvert un écosystème invisible dans lequel les gènes peuvent coopérer ou entrer en conflit les uns avec les autres.

“Ces interactions entre les gènes rendent certains aspects de l'évolution quelque peu prévisibles et, de plus, nous disposons désormais d'un outil qui nous permet de faire ces prédictions”, ajoute le Dr Domingo-Sananes.

Le Dr Beavan a déclaré : « Grâce à ce travail, nous pouvons commencer à explorer quels gènes « soutiennent » un gène de résistance aux antibiotiques, par exemple. Par conséquent, si nous essayons d'éliminer la résistance aux antibiotiques, nous pouvons cibler non seulement le gène focal, mais aussi peut également cibler ses gènes de soutien.

“Nous pouvons utiliser cette approche pour synthétiser de nouveaux types de constructions génétiques qui pourraient être utilisées pour développer de nouveaux médicaments ou vaccins. Savoir ce que nous savons maintenant a ouvert la porte à toute une série d'autres découvertes.”

Les implications de la recherche sont considérables et pourraient conduire à :

• Conception nouvelle du génome : permet aux scientifiques de concevoir des génomes synthétiques et fournit une feuille de route pour la manipulation prévisible du matériel génétique.
• Combattre la résistance aux antibiotiques – Comprendre les dépendances entre les gènes peut aider à identifier les « gènes de soutien » qui rendent possible la résistance aux antibiotiques, ouvrant ainsi la voie à des traitements ciblés.
• Atténuation du changement climatique – Les enseignements de l’étude pourraient éclairer la conception de micro-organismes conçus pour capter le carbone ou dégrader les polluants, contribuant ainsi aux efforts de lutte contre le changement climatique.
• Applications médicales : la prévisibilité des interactions génétiques pourrait révolutionner la médecine personnalisée en fournissant de nouveaux indicateurs de risque de maladie et d’efficacité des traitements.