Nucleic-Acid Delivery Using Lipid Nanocapsules

International audience

Les microARNs

International audience

Alternate Conformations Regulate Ribosomal Recoding in a Positive-sense RNA Virus

Positive-sense RNA viruses are important animal, plant, insect and bacteria pathogens and constitute the largest group of RNA viruses. Due to the relatively small size of their genomes, these viruses have evolved a variety of non-canonical translation mechanisms to optimize coding capacity expanding their proteome diversity. One such strategy is codon redefinition or recoding. First described in viruses, recoding is a programmed translation event in which codon alterations are context dependent. Recoding takes place in a subset of messenger RNA (mRNAs) with some products reflecting new, and some reflecting standard, meanings. The ratio between the two is both critical and highly regulated. While a variety of recoding mechanisms have been documented, (ribosome shunting, stop-carry on, termination-reinitiation, and translational bypassing), the two most extensively employed by RNA viruses are Programmed Ribosomal Frameshifting (PRF) and Programmed Ribosomal Readthrough (PRT). While both PRT and PRF subvert normal decoding for expression of C-terminal extension products, the former involves an alteration of reading frame, and the latter requires decoding of a non-sense codon. Both processes occur at a low but defined frequency, and both require Recoding Stimulatory Elements (RSE) for regulation and optimum functionality. These stimulatory signals can be embedded in the RNA in the form of sequence or secondary structure, or trans-acting factors outside the mRNA such as proteins or micro RNAs (miRNA). Despite 40+ years of study, the precise mechanisms by which viral RSE mediate ribosome recoding for the synthesis of their proteins, or how the ratio of these products is maintained, is poorly defined. This study reveals that in addition to a long distance RNA:RNA interaction, three alternate conformations and a phylogenetically conserved pseudoknot regulate PRT in the carmovirus Turnip crinkle virus (TCV).

Études d'ingénierie du ribozyme VS de Neurospora

Les ribozymes sont des ARN catalytiques fréquemment exploités pour le développement d’outils biochimiques et d’agents thérapeutiques. Ils sont particulièrement intéressants pour effectuer l’inactivation de gènes, en permettant la dégradation d’ARNm ou d’ARN viraux associés à des maladies. Les ribozymes les plus utilisés en ce moment pour le développement d’agents thérapeutiques sont les ribozymes hammerhead et hairpin, qui permettent la reconnaissance spécifique d’ARN simple brin par la formation de structures secondaires stables. In vivo, la majorité des ARN adoptent des structures secondaires et tertiaires complexes et les régions simples brins sont parfois difficiles d’accès. Il serait intéressant de pouvoir cibler des ARN repliés et un motif d’ARN intéressant à cibler est la tige-boucle d’ARN qui peut être importante dans le repliement global des ARN et pour accomplir des fonctions biologiques. Le ribozyme VS de Neurospora fait la reconnaissance de son substrat replié en tigeboucle de façon spécifique par une interaction kissing-loop, mais il n’a jamais été exploité pour faire la reconnaissance d’un ARN cible très différent de son substrat naturel. Le but des travaux présentés dans cette thèse est de déterminer si le ribozyme VS possède l’adaptabilité nécessaire pour l’ingénierie de ribozymes qui clivent des ARN cibles différents du substrat naturel. Dans le cadre de cette thèse, le ribozyme VS a été modifié pour l’adapter à différents substrats et des études de cinétiques ont été réalisées pour évaluer l’impact de ces modifications sur l’activité de clivage du ribozyme. Dans un premier temps, le ribozyme a été modifié pour faire la reconnaissance et le clivage de substrats possédant différentes longueurs de tiges Ib. Le ribozyme a été adapté avec succès à ces substrats de différentes longueurs de tige Ib, avec une activité qui est similaire à celle du ribozyme avec un substrat sans modification. Dans un deuxième temps, c’est l’interaction kissing-loop I/V du ribozyme qui a été substituée de façon rationnelle, dans le but de savoir si un ribozyme VS mutant peut reconnaitre et cliver un substrat ayant une boucle différente de celle de son substrat naturel. L’interaction kissing-loop I/V a été substituée pour les interactions kissing-loop TAR/TAR* de l’ARN du VIH-1 et L22/L88 de l’ARN 23S de Deinococcus radiodurans. La réaction de iii clivage des ribozymes comportant ces nouvelles interactions kissing-loop est toujours observée, mais avec une activité diminuée. Finalement, la sélection in vitro (SELEX) de ribozymes a été effectuée pour permettre un clivage plus efficace d’un substrat mutant avec une nouvelle boucle. Le SELEX a permis la sélection d’un ribozyme qui clive un substrat avec une boucle terminale mutée pour celle de l’ARN TAR du VIH-1 et cela avec une activité de clivage très efficace. L’ensemble de ces études démontre que le ribozyme VS peut être modifié de diverses façons pour la reconnaissance spécifique de différents substrats, tout en conservant une bonne activité de clivage. Ces résultats montrent le grand potentiel d’ingénierie du ribozyme VS et sont prometteurs pour la poursuite d’études d’ingénierie du ribozyme VS, en vue du clivage d’ARN cibles repliés en tige-boucle complètement différents du substrat naturel du ribozyme VS.

Previsão do índice bovespa por meio de redes neurais artificiais: uma análise comparada aos métodos tradicionais de séries de tempo

Forecast is the basis for making strategic, tactical and operational business decisions. In financial economics, several techniques have been used to predict the behavior of assets over the past decades.Thus, there are several methods to assist in the task of time series forecasting, however, conventional modeling techniques such as statistical models and those based on theoretical mathematical models have produced unsatisfactory predictions, increasing the number of studies in more advanced methods of prediction. Among these, the Artificial Neural Networks (ANN) are a relatively new and promising method for predicting business that shows a technique that has caused much interest in the financial environment and has been used successfully in a wide variety of financial modeling systems applications, in many cases proving its superiority over the statistical models ARIMA-GARCH. In this context, this study aimed to examine whether the ANNs are a more appropriate method for predicting the behavior of Indices in Capital Markets than the traditional methods of time series analysis. For this purpose we developed an quantitative study, from financial economic indices, and developed two models of RNA-type feedfoward supervised learning, whose structures consisted of 20 data in the input layer, 90 neurons in one hidden layer and one given as the output layer (Ibovespa). These models used backpropagation, an input activation function based on the tangent sigmoid and a linear output function. Since the aim of analyzing the adherence of the Method of Artificial Neural Networks to carry out predictions of the Ibovespa, we chose to perform this analysis by comparing results between this and Time Series Predictive Model GARCH, developing a GARCH model (1.1).Once applied both methods (ANN and GARCH) we conducted the results' analysis by comparing the results of the forecast with the historical data and by studying the forecast errors by the MSE, RMSE, MAE, Standard Deviation, the Theil's U and forecasting encompassing tests. It was found that the models developed by means of ANNs had lower MSE, RMSE and MAE than the GARCH (1,1) model and Theil U test indicated that the three models have smaller errors than those of a naïve forecast. Although the ANN based on returns have lower precision indicator values than those of ANN based on prices, the forecast encompassing test rejected the hypothesis that this model is better than that, indicating that the ANN models have a similar level of accuracy . It was concluded that for the data series studied the ANN models show a more appropriate Ibovespa forecasting than the traditional models of time series, represented by the GARCH model