Las modificaciones dinámicas y reversibles del ADN y el ARN regulan la expresión y transcripción de los genes, influyendo en los procesos celulares, el desarrollo de enfermedades y la salud del organismo. Los pequeños ARN nucleolares (snoARN) son moléculas de ARN guía que dirigen modificaciones químicas a las dianas de ARN ribosómico (ARNr) celulares.
Investigadores de la Universidad de Chicago desarrollaron un nuevo método para identificar dianas de ARN celular de snoARN, descubriendo miles de dianas previamente desconocidas en células humanas y tejidos cerebrales de ratones. Estas interacciones van más allá de guiar modificaciones de ARNr e incluyen ARN mensajero (ARNm), que facilita la secreción de proteínas, un proceso celular importante.
Chuan He, PhD, coautor senior del estudio, declaró: "Una vez que ves tantas dianas para estos snoARN, te das cuenta de que hay mucho más por entender." Los hallazgos, publicados en noviembre de 2024 en la revista Cell, sugieren implicaciones significativas para la fisiología y aplicaciones terapéuticas potenciales.
A pesar de que hay más de 1,000 genes conocidos que codifican snoARN en el genoma humano, solo se han identificado alrededor de 300 dianas de ARN. Muchos snoARN varían en longitud de 50 a 250 residuos, lo que indica diversas funciones. El estudio utilizó una nueva herramienta llamada "snoKARR-seq" para vincular snoARN a sus ARN diana.
Los hallazgos revelaron que la mayoría de las nuevas dianas de snoARN no se superponen con los sitios de modificación de ARN conocidos, lo que sugiere una función celular mucho más amplia. Notablemente, un snoARN llamado SNORA73 interactuó con ARNm que codifican proteínas secretadas y proteínas de membrana celular, actuando como un "pegamento molecular" que facilita este proceso.
Los investigadores demostraron que se pueden diseñar secuencias de snoARN sintéticas para afectar la secreción de proteínas. Al modificar un reportero de proteína fluorescente verde (GFP) para interactuar con SNORA73, lograron aumentar la secreción de proteínas entre un 30 y un 50 %.
Aunque la tecnología para sintetizar y entregar snoARN aún no está lista, tanto He como Pan son optimistas de que esos desafíos se pueden resolver, ya que se basa en avances anteriores en tecnología utilizando otras formas de ARN. También creen que, dado que los snoARN son específicos de los tipos celulares, podrían tener funciones más diversas y posibilidades terapéuticas en otros lugares.
Los autores adicionales del estudio incluyen a Tong Wu, Bernadette A. Miao, Fei Ji, Shun Liu, Pingluan Wang, Yutao Zhao, Yuhao Zhong, Arunkumar Sundaram, Tie-Bo Zeng, Marta Majcherska-Agrawal y Robert J. Keenan.