Mise en lumière des systèmes végétaux et modèles : Cycle de vie de la Drosophile et dynamique des eccDNA sous stress nutritionnel du riz

L'ADN circulaire extrachromosomique (eccDNA) n'est pas un phénomène propre aux humains. Il apparaît à travers les règnes - des animaux aux plantes et aux champignons - suggérant un ensemble de mécanismes conservés qui génèrent et régulent l'ADN circulaire lors du développement et du stress. Si vous avez principalement rencontré l'eccDNA à travers des articles axés sur le cancer, commencez ici : les concepts fondamentaux de notre aperçu de la série, Explication du séquençage de l'eccDNA, contrastez une perspective centrée sur l'humain avec des contextes organiques plus larges.

Ce projecteur compare deux cas d'utilisation de systèmes modèles : le Cas A décrit les dynamiques potentielles des eccDNA tout au long du cycle de vie de Drosophila melanogaster (embryon → larve → pupe → adulte), et le Cas B examine le riz (Oryza sativa) en situation de carence en phosphate. Méthodologiquement, nous mettons l'accent sur la détection impartiale à partir de natif. ATAC-seq ou WGS via des signaux de lecture fractionnée et de paires discordantes, puis valider des cercles représentatifs avec la PCR inverse, la FISH ou le séquençage sélectif à longues lectures. Lorsque cela est nécessaire, des stratégies d'enrichissement comme Circle-seq et RCA sont discutées comme des compléments de validation plutôt que comme des voies de quantification principales.

Cas A — Drosophila melanogaster : profil de l'eccDNA tout au long du cycle de vie

Des ensembles de données directs et résolus par stade cataloguant les eccDNAs à travers l'embryogenèse, les stades larvaires et pupaux de Drosophila restent rares. Les preuves spécifiques à l'organisme les plus solides résident actuellement chez les mouches adultes, en particulier dans des contextes de vieillissement. Par exemple, Yang et ses collègues ont rapporté des augmentations associées à l'âge de l'expression des éléments transposables (TE) et de l'accumulation d'eccDNA chez les adultes de Drosophila, soutenues par un séquençage enrichi en cercles et une normalisation qPCR avec des spike-ins en 2022. Voir l'article de PLOS Genetics, "Transposable element landscapes in aging Drosophila" (2022), qui documente les signatures d'eccDNA dérivées des TE et fournit un lien biologiquement plausible avec les changements de chromatine dans les tissus âgés.

Mécaniquement, plusieurs revues interrogeant différents royaumes décrivent comment la jonction d'extrémités médiée par microhomologie (MMEJ/alt-EJ), le stress de réplication et l'activité des transposons peuvent générer de l'eccDNA dans divers organismes. Ces voies sont cohérentes avec le remodelage de la chromatine connu pour se produire pendant le développement de Drosophila, même si des catalogues spécifiques d'eccDNA pour les embryons/larves/pupes sont encore en cours d'élaboration. Pour un contexte plus large, voir des revues synthétisant la formation et la biologie des petits eccDNA ainsi qu'un aperçu mis à jour des catégories et de la biogenèse, par exemple. Démystification des cercles d'ADN extrachromosomique (2022).

D'un point de vue pratique, les biologistes du développement peuvent commencer par des ATAC-seq ou des WGS natifs provenant de cohortes bien chronométrées et appliquer la détection par junction-first :

• Recherchez des lectures éclatées couvrant les jonctions circulaires et des paires discordantes indiquant une circularisation ; il a été démontré que l'ATAC-seq révèle des milliers d'eccDNAs dans les systèmes mammifères grâce à ces signaux, comme documenté dans L'ATAC-seq identifie des milliers d'ADN circulaire extrachromosomique (2020).
• Valider les jonctions représentatives par PCR inverse et FISH. Un protocole étape par étape est décrit dans Identification de l'ADN circulaire extrachromosomique basé sur ATAC-Seq (2021).
• Évitez de surinterpréter les pics de couverture sans support de jonction, en particulier près des répétitions. Lorsque la résolution structurelle est nécessaire (par exemple, des cercles multi-fragments dérivés de TE), ajoutez un séquençage longue lecture sélectif ONT/PacBio pour obtenir des lectures couvrantes et clarifier les architectures.

Nous avons précédemment exploré le vieillissement des organismes comme un contexte pour les changements d'eccDNA somatique. Pour les lecteurs faisant le lien entre la discussion sur le développement et les phénotypes adultes, voir eccDNA dans les cellules somatiques et la recherche sur le vieillissement : Ce que nous savons et comment le profiler.

Note neutre sur la pratique : Pour les équipes utilisant la détection ATAC-seq/WGS native et cherchant une bioinformatique reproductible, une approche consultative est utile. CD Genomics propose un traitement des données de bout en bout, ainsi que l'annotation et la visualisation adaptées à la publication. Voir Services de bioinformatique pour un aperçu de haut niveau. (Divulgation : CD Genomics est notre produit ; contexte RUO uniquement.)

Figure 1. Cycle de vie de la drosophile et tissus échantillonnés pour le profilage des eccDNA.

Schéma du cycle de vie de Drosophila melanogaster montrant l'embryon, trois stades larvaires (glandes salivaires mises en évidence), la pupe (disques imaginales) et l'adulte (gonades et tissus somatiques). La détection au niveau des jonctions (lectures éclatées et paires discordantes) et la validation orthogonale (PCR inverse et/ou lectures longues s'étendant sur les lectures) ont été utilisées pour évaluer la présence, la composition et les contributions des éléments répétitifs d'eccDNA spécifiques à chaque stade.

Conception d'étude suggérée pour le profilage du développement de Drosophila

• Mise en scène et échantillonnage : Collecter des embryons, des larves, des pupes et des cohortes d'adultes avec des critères de mise en scène clairs ; triplicats biologiques par stade.
• Choix de bibliothèque : ATAC-seq pour les eccDNAs accessibles à la chromatine ; WGS pour une couverture plus large. La profondeur peut être calibrée pour détecter les lectures traversant les jonctions (par exemple, 100 millions de lectures en paire comme point de départ pour les références ATAC-seq dans les systèmes mammifères).
• Pipeline de détection : Exécutez un flux de travail basé sur les jonctions en premier (par exemple, les modules ecc_finder, ECCsplorer ou eccDNA-pipe) avec des seuils stricts pour les lectures de séparation et des filtres pour les paires discordantes ; exigez ≥2 lectures soutenant la jonction avant de signaler des candidats.
• Validation orthogonale : Sélectionnez un sous-ensemble de jonctions par étape pour la PCR inverse et envisagez la FISH dans les tissus où la visualisation aide à l'interprétation.
• Rapport : Fournir des listes de jonction (BED/VCF/CSV), des graphiques de distribution de taille, des annotations de chevauchement de TE et des notes sur la méthode/version permettant la reproductibilité.

Hypothèses de régulation développementale (pourquoi l'eccDNA pourrait changer selon les stades)

Le développement de Drosophila implique des changements radicaux dans les programmes transcriptionnels et l'accessibilité de la chromatine. Au cours de l'embryogenèse, des cycles cellulaires rapides et un stress de réplication pourraient faciliter la formation d'eccDNA par le biais de réparations médiées par microhomologie. Chez les larves, la croissance et la différenciation des tissus peuvent modifier la régulation des transposons, ajoutant ou supprimant potentiellement des sources d'eccDNA. La pupation, avec un remodelage chromatinien étendu, pourrait temporairement augmenter les opportunités de circularisation. Les adultes—en particulier les adultes âgés—présentent une expression élevée des éléments transposables (TE) et une diminution de l'efficacité de maintenance du génome, ce qui s'aligne avec l'augmentation des eccDNA dérivés des TE rapportée en 2022. Bien que ces hypothèses liées aux stades soient ancrées dans des mécanismes, elles restent à tester avec des catalogues au niveau des jonctions ; des conceptions rigoureuses devraient documenter le staging, la cohérence des répliques et des validations orthogonales pour passer d'une logique plausible à des preuves.

Conseils pratiques de validation :

• Utilisez la conception de primers pour la PCR inverse qui couvre les jonctions prédites ; vérifiez les amplicons par séquençage Sanger.
• Pour la confirmation par lecture longue, ciblez les régions avec un contenu répétitif ou des cercles multi-fragments suspects, en priorisant les tissus ayant une identité de stade claire.
• Considérez uniquement les échelles de spike-in lors de l'utilisation de l'enrichissement (RCA), et notez les biais de récupération potentiels par classe de taille ; évitez d'utiliser la RCA comme voie de quantification principale pour les comparaisons de stade.

Cas B — Oryza sativa (riz) : dynamique de l'eccDNA en cas de carence en phosphate

Les génomes des plantes sont riches en répétitions, et les conditions de stress remodelent souvent la chromatine et l'activité des transposons, ce qui fait de l'eccDNA une fenêtre prometteuse sur l'adaptation rapide. Bien que le riz en situation de carence en phosphate soit un scénario convaincant, la littérature varie selon les espèces et le type de stress ; des critères de jonction stricts et une validation croisée sont essentiels pour éviter les confusions dues aux artefacts de couverture induits par les répétitions.

Un point de référence informatif est le travail sur les pathogènes fongiques des plantes qui insiste sur les preuves de jonction plutôt que sur la couverture seule. Dans Magnaporthe oryzae (le pathogène de la brûlure du riz), Joubert et Krasileva ont documenté un circularome hautement diversifié contenant des rétrotransposons LTR, des gènes et des effecteurs en utilisant Illumina et PacBio CCS, avec un appel rigoureux des lectures éclatées. Voir Les ADN circulaires extrachromosomiques du pathogène de la brûlure du riz Magnaporthe oryzae (2022)Bien que cette étude se concentre sur un champignon, ses critères de jonction stricts et sa validation en font une référence méthodologique pour les conceptions de stress des plantes.

Pour les systèmes modèles de plantes, les études sur Arabidopsis thaliana ont démontré comment le séquençage à long terme peut résoudre la composition et la structure de l'eccDNA, mettant en évidence des caractéristiques de frontière telles que les répétitions inversées. Voir Composition et structure des ADN circulaires extrachromosomiques d'Arabidopsis thaliana révélées par séquençage Nanopore (2023).

Riz : dynamique des eccDNA sous stress nutritionnel (carence en phosphate)

Dans les conceptions de carence en phosphate de riz, considérez les étapes suivantes de détection et de validation :

• Détection native : Commencez par le WGS ou l'ATAC-seq dans des tissus contrôles par rapport à des tissus privés de phosphate (racine et feuille), en mettant l'accent sur les preuves de jonction à lecture divisée. L'approche de jonction ATAC-seq centrée sur les mammifères se généralise aux plantes lorsque le mappage tient compte des répétitions.
• Stratégie de validation : Utiliser la PCR inverse pour des jonctions représentatives et le séquençage long-read pour des cercles complexes ou dérivés d'éléments transposables. Comme les plantes contiennent souvent des eccDNA multi-fragments et un contenu de répétition élevé, des spans ONT/PacBio sélectifs aident à confirmer l'architecture.
• L'enrichissement en complément : Réservez le Circle-seq/RCA pour la validation ciblée plutôt que pour la quantification primaire, en raison des biais potentiels de taille/structure. Les revues comparant les méthodes suggèrent des différences directionnelles dans la récupération par classe de taille et chimie, mais les courbes de biais quantitatif sont encore en cours de perfectionnement. Une comparaison plus large est résumée dans Analyse comparative des méthodologies pour la détection de l'ADN circulaire extrachromosomique (2024).

Lors de la planification des enrichissements ou des contrôles, la méthodologie chevauche les principes généraux de notre guide de série. Choix des méthodes d'enrichissement des eccDNA : digestion par exonuclease, RCA, capture et contrôles. Adapter des spike-ins aux contextes d'ADN végétal avec une échelle de taille de cercles synthétiques, et enregistrer la récupération à travers les catégories de taille.

Considérations de conception spécifiques au stress nutritionnel du riz :

• Chronologie d'échantillonnage : Établir des échantillons de base (contrôle), puis introduire une carence en phosphate pendant des intervalles définis (par exemple, 24 à 72 heures, 1 à 2 semaines), en échantillonnant d'abord les racines (sensing des nutriments plus direct) et les feuilles plus tard pour des réponses systémiques.
• Réplication : Triplicats biologiques par condition et tissu ; envisager des réplicats techniques pour la préparation de bibliothèques afin d'auditer la reproductibilité.
• Planification de la profondeur : profondeur WGS suffisante pour capturer les lectures de jonction dans des contextes de répétition (par exemple, ≥30× de couverture génomique pour les tissus avec un contenu répété élevé) ; ajuster la profondeur ATAC-seq pour l'accessibilité de la chromatine des plantes.
• Annotation : Intégrer les catalogues de TE et les modèles de gènes pour contextualiser l'origine de l'eccDNA ; suivre les chevauchements avec les gènes de réponse au stress et les unités répétées.
• Comparaisons de quantification : Rapporter les comptes au niveau des jonctions normalisés par la profondeur de lecture ; éviter d'utiliser des comptes basés sur l'enrichissement pour la quantification inter-conditions.

Figure 2. Schéma d'échantillonnage du riz pour les expériences de carence en phosphate.

Les racines et les feuilles ont été collectées à partir de plantes témoins appariées (+P) et de plantes dépourvues de phosphate (−P) à des moments définis (exemple : 0, 3, 7, 14 jours). L'appel de jonctions WGS/ATAC a été effectué par tissu et par moment ; des jonctions représentatives ont été validées par PCR ciblée et séquençage sélectif à longues lectures pour confirmer la structure dans les régions riches en répétitions.

Les chevauchements de Venn aident à visualiser des cercles spécifiques à des conditions.

Pour communiquer les effets des conditions, un simple chevauchement des appels d'eccDNA entre les tissus témoins et ceux privés de phosphate est efficace. Assurez-vous que la comparaison est effectuée au niveau des jonctions avec des filtres et une profondeur cohérents entre les échantillons, et incluez la concordance des réplicats.

Figure 3. Chevauchement au niveau des jonctions des appels d'eccDNA entre les échantillons de riz témoin et ceux soumis à un stress phosphaté.

Le diagramme de Venn montre les ensembles de jonctions filtrées (exemple de critères : ≥2 soutiens de lecture éclatée, MAPQ≥30) pour les racines sous les conditions +P et −P ; les jonctions partagées et uniques aux conditions ont été validées pour un sous-ensemble par PCR ciblée et confirmation par Sanger ou lecture longue.

Différences computationnelles dans les génomes non humains

La gestion des répétitions et des particularités de l'assemblage du génome est essentielle pour l'analyse des eccDNA chez les plantes. Même lorsque la ploïdie est simple (le riz est diploïde), l'abondance des répétitions et le multi-mappage peuvent gonfler les faux positifs si les seuils de jonction sont trop permissifs.

• Appel prioritaire aux jonctions : Favorisez les pipelines qui mettent en avant les lectures éclatées et les paires discordantes, et dépriorisez les indicateurs basés uniquement sur la couverture ; cette approche reflète les critères stricts de l'étude sur Magnaporthe et atténue les facteurs de confusion liés aux répétitions.
• Options d'outillage : Le domaine maintient plusieurs pipelines avec des capacités chevauchantes. ECCsplorer, publié dans BMC Bioinformatics (2022), implémente des options de détection et de filtrage des lectures divisées/discordantes ; voir ECCsplorer : un pipeline pour détecter l'eccDNA (2022). ecc_finder, publié dans Frontiers in Plant Science (2021), met l'accent sur l'identification robuste des lectures éclatées ; voir ecc_finder : Un outil robuste et précis (2021)La plateforme intégrée eccDNA-pipe (Briefings in Bioinformatics, 2024) prend en charge l'analyse des données d'entrée et comprend des modules de distribution de longueur et d'annotation ; voir eccDNA-pipe (2024).
• Ajustement des paramètres : Dans les plantes, resserrez les paramètres de cartographie (par exemple, les préréglages BWA-MEM ou minimap2) pour minimiser les lectures fractionnées spurielles ; exigez ≥2 supports de jonction ; masquez les répétitions problématiques connues si elles produisent des jonctions artefactuelles dans les ensembles de données simulés ; et vérifiez explicitement le comportement de multi-mappage.
• Longue lecture intégration : Lorsque les répétitions obscurcissent les signaux des lectures courtes, ajoutez ONT/PacBio pour des lectures couvrant les jonctions et les répétitions internes. Les analyses de lectures longues d'Arabidopsis soulignent comment les caractéristiques de frontière et la structure des répétitions internes ne deviennent interprétables qu'avec des longueurs de lecture adéquates.
• Pertinence de la référence : Suivre la version des assemblages de pistes et les mises à jour. Pour les analyses différentielles (contrôle vs stress), maintenir des références et des ensembles de paramètres identiques ; enregistrer les flux de travail conteneurisés et les versions fixées pour la reproductibilité.

Modèles de paramètres d'alignement pratiques (exemple)

• BWA‑MEM (v0.7.17+) : bwa mem -t 16 -M -T 30 -c 10000 -H reference.fa R1.fastq R2.fastq
  • Filtre post-traitement : samtools view -q 30 pour exiger un MAPQ≥30 et samtools sort/index.
• minimap2 (v2.24+; lectures courtes) : minimap2 -ax sr --eqx -t 16 reference.fa R1.fastq R2.fastq
  • Pour les longues lectures ONT/PacBio : minimap2 -x map-ont -t 16 reference.fa longreads.fq

Pourquoi ces méthodes fonctionnent : le filtre -T/ MAPQ et le cap -c réduisent les alignements de faible confiance et secondaires qui créent de manière erronée des signaux divisés/discordants dans les répétitions ; --eqx préserve les détails cigar/MD pour l'appel de jonction ; exiger ≥2 soutiens de lecture divisée indépendants et supprimer les heuristiques de sauvetage de mate réduit les faux positifs. Enregistrez les versions des outils Pin et les commandes complètes dans les notes de méthode pour améliorer la reproductibilité et la réutilisabilité.

En tant qu'étape de reproductibilité, nous avons réalisé un petit benchmark de paramètres sur des types d'échantillons représentatifs (adultes de Drosophile en pool ; tissu racinaire de riz) pour comparer les seuils de MAPQ (20 / 30 / 40) et le soutien des lectures éclatées (1 / 2 / 3). Métriques d'évaluation : sensibilité (rappel des jonctions) et taux de faux positifs (jonctions sans soutien orthogonal). Résumé d'exemple : un MAPQ plus strict et l'exigence de ≥2 lectures éclatées ont réduit les appels de candidats tout en améliorant la spécificité ; une règle de MAPQ≈30 + ≥2 lectures éclatées équilibre souvent la sensibilité et le contrôle des faux positifs. Des ensembles de données de benchmark et un pipeline containerisé seront publiés sur Zenodo/OSF (bientôt disponible).

Pour les choix de flux de travail en bioinformatique et les détails de filtrage des artefacts, voir Bioinformatique pour l'eccDNA : Algorithmes de détection, filtrage des artefacts et normes de rapport. Si vous avez besoin d'un partenaire consultatif pour aider à ajuster les pipelines pour les génomes de plantes ou les stades de Drosophile, l'aperçu général à Services de bioinformatique est un point d'entrée pratique.

Tableau de comparaison compact et choix de scénarios

Choix de scénarios (qui devrait choisir quoi) :

• Si votre objectif est la quantification résolue par stade avec un minimum de travail en laboratoire, commencez par la détection ATAC-seq/WGS native (lectures éclatées/paire discordante) et validez les jonctions via PCR inverse ; ajoutez Circle-seq pour la sensibilité lorsque les intrants le permettent.
• Si vous avez besoin d'informations sur l'adaptation au stress des plantes dans des génomes riches en répétitions, combinez la détection native avec la validation ciblée par Circle-seq et le séquençage à long lecteur pour une résolution structurelle.
• Si vos entrées sont faibles ou précieuses, privilégiez la détection native et augmentez les réplicats, car l'amplification par RCA peut fausser les distributions de taille et compliquer la quantification.

Liste de contrôle pratique pour le QC et le reporting (pour les deux cas)

• Échantillons de documents de mise en scène (Drosophile) ou chronologies/tissus de stress (riz) avec des comptes de réplicats.
• Enregistrez les métriques de la bibliothèque (insérer la taille, la profondeur de lecture), les paramètres de cartographie et les versions de logiciels ; conteneurisez les flux de travail.
• Fournir des listes de jonction (BED/VCF/CSV), des distributions de taille, des chevauchements d'annotation (gènes/TEs) et des résultats de validation (PCR inverse/FISH/étendues de longues lectures).
• Inclure les récupérations de ladder avec spike-in (si une enrichment est utilisée) ; rapporter la concordance des réplicats (par exemple, R²) et les notes de normalisation entre conditions.
• Lien vers les fichiers FASTQ bruts et les livrables traités avec un dictionnaire de données ; maintenir les principes FAIR pour la réutilisation.

Pour les seuils de QC et les normes de reproductibilité adaptés aux projets eccDNA, voir Métriques de qualité pour le séquençage d'eccDNA : efficacité d'enrichissement, bruit de fond et reproductibilité.

Note de portée et de version de la méthode

Les pipelines et les chimies de séquençage évoluent rapidement. Avant d'exécuter une grande enquête, confirmez les versions actuelles et les paramètres par défaut pour ECCsplorer, ecc_finder et eccDNA-pipe ; revisitez les versions d'assemblage pour votre organisme modèle ; et préenregistrez les seuils de contrôle qualité et les fractions de validation par classe de taille. Cela aidera à aligner les attentes entre le laboratoire humide, la bioinformatique et les évaluateurs.

Références :

1. Kumar P, et al. L'ATAC-seq identifie des milliers d'ADN circulaires extrachromosomiques dans le cancer et les lignées cellulaires. Sci Adv. 2020;6(20):eaba2489. doi: 10.1126/sciadv.aba2489. PMCID : PMC7228742.
2. Su Z, Wu S, Kim NE, et al. Identification de l'ADN circulaire extrachromosomique dans les cellules mammifères basé sur l'ATAC-Seq et sa validation par PCR inverse et FISH. Bio Protoc. 2021;11(11):e4003. doi: 10.21769/BioProtoc.4003. PMCID : PMC8161110.
3. Zhang P, Peng H, Llauro C, Bucher E, Mirouze M. ecc_finder : un outil robuste et précis pour détecter l'ADN circulaire extrachromosomique à partir de données de séquençage. Front Plant Sci. 2021 ;12 :743742. doi : 10.3389/fpls.2021.743742. PMCID : PMC8672306.
4. Mann L, Seibt KM, Weber B, Heitkam T. ECCsplorer : un pipeline pour détecter l'ADN circulaire extrachromosomique (eccDNA) à partir de données de séquençage de nouvelle génération. BMC Bioinformatics. 2022 ; 23(1) : 40. doi : 10.1186/s12859-021-04545-2.
5. Merkulov P, Egorova E, Kirov I. Composition et structure des ADN circulaires extrachromosomiques d'Arabidopsis thaliana révélées par séquençage Nanopore. Plants (Bâle). 2023;12(11):2178. doi: 10.3390/plants12112178.
6. Joubert PM, Krasileva KV. Les ADN circulaires extrachromosomiques du pathogène de la brûlure du riz Magnaporthe oryzae contiennent une grande variété de rétrotransposons LTR, de gènes et d'effecteurs. BMC Biol. 2022;20(1):260. doi: 10.1186/s12915-022-01457-2. PMCID : PMC9694575.
7. Tang M, et al. Analyse comparative des méthodologies pour détecter l'ADN circulaire extracromosomique. Nat Commun. 2024;15:9208. doi: 10.1038/s41467-024-53496-8. PMCID : PMC11502736.
8. Wu M, Rai AK, Wu C, et al. Démystification des cercles d'ADN extrachromosomiques : catégories, biogenèse et thérapies anticancéreuses. Comput Struct Biotechnol J. 2022;20:5999–6014. doi : 10.1016/j.csbj.2022.10.033. PMCID : PMC9647416.
9. Yang N, et al. Paysages d'éléments transposables dans le vieillissement de Drosophila. PLoS Genet. 2022;18(3):e1010024. doi: 10.1371/journal.pgen.1010024. PMCID : PMC8893327.