Protéines bactériennes et exsudats racinaires : décrypter le dialogue moléculaire

🧬 Le langage chimique de la rhizosphère

Les racines des plantes libèrent une large diversité de composés organiques : sucres, acides aminés, acides organiques (citrique, malique), flavonoïdes et polysaccharides. Ces exsudats racinaires constituent un signal nutritionnel et chimio-attractant pour les bactéries du sol. En retour, certaines bactéries bénéfiques (PGPR) colonisent la rhizosphère et améliorent la croissance végétale. Comprendre les interactions protéine-protéine (PPI) entre les protéines bactériennes et les composés protéiques des exsudats (ou les protéines végétales) est essentiel pour décoder ce dialogue.

🔍 Stratégie générale : annotation, prédiction et validation

Pour identifier comment une protéine bactérienne interagit avec un partenaire protéique issu des exsudats racinaires, une approche multi-étapes est nécessaire. L’annotation fonctionnelle du génome bactérien permet de repérer les gènes codant pour des récepteurs membranaires, des transporteurs, ou des facteurs de transcription. Ensuite, les hubs d’interaction protéine-protéine (comme STRING, IntAct) aident à cartographier les réseaux potentiels.

1. Annotation génomique et prédiction de domaines

Des outils comme Prokka, RAST ou PGAP permettent d’annoter le génome bactérien. Des bases de données de motifs (Pfam, InterPro) identifient des domaines protéiques impliqués dans la reconnaissance de ligands (ex: domaines LysM pour la fixation de carbohydrates, ou domaines TPR pour interactions protéine-protéine). L’annotation guide la sélection des candidats pour les tests d’interaction.

2. Prédiction des hubs d’interaction (PPI networks)

Les outils bioinformatiques comme STRING (Search Tool for Recurring Instances of Neighbouring Genes) agrègent les données expérimentales et les prédictions orthologiques. Ils génèrent des réseaux d’interaction protéine-protéine à l’échelle du génome. Pour les exsudats racinaires, une analyse complémentaire en docking moléculaire (ClusPro, HADDOCK) peut simuler l’interaction entre une protéine bactérienne candidate et une protéine végétale (ex: une lectine ou un réceptaire-like kinase).

3. Validation expérimentale des interactions

Les prédictions doivent être confirmées in vitro ou in vivo. Les techniques courantes sont :

• Double hybride chez la levure (Y2H) : détection d’interaction directe entre deux protéines.
• Co-immunoprécipitation (Co-IP) : capture de complexes protéiques natifs.
• Pull-down avec protéines recombinantes.
• Spectrométrie de masse (AP-MS) pour identifier des interactomes complets.

L’intégration des données bioinformatiques et des preuves expérimentales permet de construire des modèles robustes des dialogues plante-bactérie.

📌 Exemple concret : récepteurs chimiotactiques chez Pseudomonas

Les bactéries du genre Pseudomonas possèdent des chémorécepteurs (MCP) qui détectent des acides aminés spécifiques présents dans les exsudats racinaires. L'annotation du génome identifie les gènes codant ces MCP, et des expériences de double hybride ont montré des interactions directes avec des protéines de signalisation cytoplasmiques (CheA, CheW). Ces interactions modulent le comportement de colonisation racinaire.

🔬 Étapes opérationnelles (récapitulatif)

1. Annoter le génome de la souche bactérienne pour détecter les ORF codant pour des protéines de surface ou des régulateurs.
2. Prédire les domaines d’interaction via des bases de données (Pfam, SMART) et des algorithmes de prédiction de sites de liaison.
3. Cloner, exprimer et purifier les protéines bactériennes candidates.
4. Screener les protéines des exsudats racinaires (ou librairies d’expression de racines) par Y2H ou co‑IP.
5. Confirmer les interactions par des approches orthogonaless (SPR, MST, ou cristallographie).

Ces démarches ont permis d’identifier des couples d’interaction clés pour la nodulation (légumineuses – Rhizobium) ou la répression des phytopathogènes.