RTFlash

Vivant

Vers l'analyse moléculaire massivement parallèle grâce à la micro fluidique

Les avancées en biologie et en génétique nécessitent à présent le recueil et l'analyse rapide d'une multitude de données. Or, il n'existait pas pour le moment de technologie à haut débit capable de mesurer en parallèle les interactions cinétiques de plusieurs centaines de molécules.

Pour surmonter cet obstacle, des chercheurs de l’École polytechnique fédérale de Lausanne (EPFL) ont mis au point un système permettant d’étudier, simultanément, 768 interactions moléculaires cinétiques en parallèle. Baptisé kMITOMI (kinetic Mechanically Induced Trapping Of Molecular Interactions), ce système repose sur un dispositif microfluidique de la taille d'une pièce de monnaie qui intègre une grille de 24x32 canaux munis de microvannes pneumatiques.

Concrètement, ce système permet d'isoler, à l'aide d'une solution contenant un fragment d’ADN, certaines molécules grâce à une plaque au-dessus de laquelle on dispose un réseau de microcanaux. Mais l'innovation réside ailleurs : ce dispositif permet en effet d’isoler également la zone où ont lieu les interactions. On peut ensuite rincer l’ensemble du dispositif sans perturber le lien entre les deux partenaires. On dispose alors d’un parfait zéro cinétique.

Les chercheurs suisses ont pu valider leur concept avec un facteur de transcription de la souris, le Zif268. Grâce à leur nouvel outil, ils ont pu étudier très rapidement les interactions de cette protéine avec différentes séquences d’ADN.

En isolant la chambre d’interaction à intervalle régulier de 60 millisecondes et en effectuant une mesure de la fluorescence émise par les fragments d’ADN à chaque ouverture de la chambre, les chercheurs ont réussi à mesurer la cinétique des interactions.

Utilisé sur des facteurs de transcription, issus de la levure, kMITOMI a réussi à analyser en un temps record 2 388 courbes d’interaction, ce qui lui ouvre un grand champ d'application dans le domaine-clé de l'analyse et du séquençage biologique à partir d'une grande quantité de données.

Article rédigé par Mark FURNESS pour RTFlash

PNAS

Noter cet article :

 

Vous serez certainement intéressé par ces articles :

Recommander cet article :

back-to-top