Approaches to characterize structural properties of RNA

Abstract

The secondary structure of an RNA molecule is fundamental for its function. However, structural conservation and the structure of RNA in vivo are still poorly understood. Data from recent high-throughput experiments can provide new insights, but they have not yet been systematically exploited. The aim of my doctoral studies was to exploit these experimental data to develop computational approaches for discovering and analyzing structural properties of RNA. I developed two algorithms: CROSS predicts the secondary structure propensity profile of an RNA, and CROSSalign discovers structural similarities among different RNAs. In addition, I studied the effect of the presence of protein binding motifs on the prediction of the RNA structure, in vivo and investigated how the propensity of RNAs to bind to proteins could be exploited to create a predictive tool. The suite of tools that I developed opens new possibilities for studying the structural properties of long RNA molecules and for investigating structural conservation in large-scale analyses.

La estructura secundaria del ARN es fundamental para su función. Sin embargo, la conservación estructural y la estructura del ARN in vivo son poco conocidas. Los datos provenientes de experimentos de alto rendimiento pueden proporcionar nuevos conocimientos, pero aun no han sido usados sistemáticamente. El objetivo de mis estudios de doctorado fue emplear estos datos experimentales con el fin de desarrollar metodos computacionales para el descubrimiento y el analisis de las propiedades estructurales del ARN. Como resultado de mi tesis desarrollé dos algoritmos: CROSS, que predice el perfil de propensión de estructura secundaria de un ARN; y CROSSalign, que busca similitudes estructurales entre diferentes ARNs. Además, estudié el efecto de la presencia de dominios de unión protéinica en la predicción de la estructura del ARN in vivo; e investigué como la propensión de los ARNs a unirse a las proteínas podría usarse para crear un modelo predictivo. El conjunto de herramientas que desarrollé abre nuevas posibilidades para estudiar las propiedades estructurales de moléculas de ARN largas y para investigar la conservación estructural en análisis a gran escala.