Assemblage de génome en bioinformatique : définition, méthodes et cas

Assemblage de génome est un problème central en bioinformatique, qui vise à reconstruire des séquences génomiques entières à partir de courtes lectures d'ADN segmentées. C'est la base des études biologiques, permettant l'exploration de l'architecture génétique, des dynamiques évolutives et de la génomique fonctionnelle. Le processus d'assemblage du génome a été considérablement transformé avec l'avènement des technologies de séquençage à haut débit, s'éloignant des technologies laborieuses et à faible débit comme Séquençage de Sanger à des technologies plus récentes telles qu'Illumina, PacBio et Oxford NanoporeCes technologies génèrent d'énormes quantités de données, nécessitant des algorithmes informatiques pour reconstruire les génomes de manière précise et efficace. Dans cet article, nous parlons de l'importance de l'assemblage des génomes en bioinformatique, de ses principes, des stratégies computationnelles, des défis et des applications à travers quelques exemples concrets.

La bioinformatique traite des problèmes d'assemblage du génome.

Bien que transformateur, assemblage de génome présente des défis intrinsèques significatifs :

• RépétitionsLes génomes eucaryotes contiennent de grandes quantités d'éléments répétitifs qui compliquent l'assemblage. Ces régions sont difficiles à résoudre et peuvent conduire à des assemblages de génomes fragmentés et inexactes. Séquençage à lecture longue L'instrumentation (par exemple, PacBio HiFi et Nanopore) pourrait émerger comme une solution à ce problème lorsqu'il s'agit de traverser des régions répétitives.
• HétérozygotieLes différences entre les chromosomes homologues présents chez les organismes diploïdes et polyploïdes brouillent les frontières de distinction des haplotypes, posant des défis d'assemblage. Les récents algorithmes de phasage et les assembleurs spécifiques aux haplotypes ont considérablement augmenté le phasage des régions hétérozygotes pour reconstruire des génomes plus complexes.
• Erreurs de dictionnaire de séquençageBien que PacBio et Oxford Nanopore aient des lectures longues, elles ont tendance à faire plus d'erreurs. Des assemblages fiables nécessitent des mécanismes de correction d'erreurs efficaces, tels que des outils de polissage de consensus (par exemple, Pilon et Racon).
• Mégalomanie des donnéesLes grands génomes produisent une énorme quantité de données qui nécessitent des ressources informatiques élevées pour l'assemblage, le stockage et l'analyse. Gérer ces exigences nécessite des algorithmes efficaces et une infrastructure évolutive, par exemple des pipelines d'assemblage basés sur le cloud.

S'attaquer à ces problèmes nécessitera un ensemble de nouvelles méthodes computationnelles, d'algorithmes rigoureux et de flux de travail optimisés en fonction du contexte.

Méthodes de bioinformatique dans l'assemblage du génome

Les méthodes d'assemblage du génome reconstruisent des séquences génomiques à partir de millions ou de milliards de lectures d'ADN courtes ou longues.

Assemblage De Novo

Assemblage de novo reconstruit des génomes sans utiliser de génome de référence, s'appuyant uniquement sur les relations partagées entre les lectures de séquençage. Cette approche est essentielle pour caractériser des organismes nouveaux et pour élucider des caractéristiques génomiques uniques.

• Graphes de De Bruijn (DBG)Les assembleurs basés sur les DBG (comme SPAdes et Velvet) divisent les lectures en morceaux plus petits appelés k-mers. Ceux-ci sont utilisés pour construire un graphe avec des k-mers comme nœuds et des chevauchements comme arêtes. Cette méthode excelle dans l'assemblage de lectures courtes, ce qui en fait un choix exceptionnel pour les génomes microbiens et les petits eucaryotes.
• Consensus de chevauchement de mise en page (OLC)Les algorithmes OLC, avec des implémentations telles que Canu et Flye, trouvent des chevauchements entre de longues lectures, créent des agencements et génèrent des séquences consensuelles. Cette approche est particulièrement adaptée pour surmonter les répétitions et les régions structurellement complexes des génomes, et elle permet d'obtenir des assemblages beaucoup plus contigus. Actuellement, les assembleurs OLC ont été récemment mis à jour pour ajouter des méthodes tolérantes aux erreurs pour les données de longues lectures bruyantes, améliorant encore leur applicabilité.

Application de la bioinformatique dans l'assemblage du génome

• Génomique unicellulaireL'assemblage de génomes à partir de cellules uniques promet de révéler l'hétérogénéité génétique à un niveau de résolution sans précédent. Dans la recherche sur les tumeurs, cela est particulièrement pertinent car l'hétérogénéité des tumeurs est cruciale pour leur comportement en matière de croissance et de résistance aux thérapies. Les études sur le microbiome s'appuient également fortement sur des méthodes à cellule unique pour étudier la diversité microbienne et les relations symbiotiques.
• Intégration multi-omiquesIl existe une tendance croissante à intégrer l'assemblage du génome avec d'autres données omiques, telles que transcriptomique, la protéomique, et épigénomiqueCette stratégie intégrée offre une vue complète de la fonction des gènes, de leur régulation et de leurs interactions, reliant la nature statique des séquences génomiques aux processus biologiques dynamiques.
• Pipelines d'assemblage alimentées par l'IAPlusieurs groupes exploitent l'apprentissage automatique et l'intelligence artificielle pour influencer l'assemblage du génome. Ces technologies améliorent la correction des erreurs, la résolution des répétitions et la détection des variants structurels, tout en simplifiant le flux de travail computationnel. L'apprentissage automatique peut faire des prédictions sur les paramètres d'assemblage optimaux, entraînant des améliorations de performance tout en réduisant la quantité de calcul nécessaire.
• Ressources génomiques en accès libreDes efforts internationaux tels que le Projet Earth BioGenome visent à séquencer et assembler les génomes de toutes les espèces eucaryotes. Ces initiatives démocratisent les données génomiques - permettant aux chercheurs du monde entier d'étudier la biodiversité et de s'attaquer à des problèmes écologiques et sociétaux urgents - en standardisant les flux de travail et en établissant des bases de données en accès libre.
• DescriptionLa médecine de précision nécessite des assemblages de génomes de haute qualité pour identifier les variants génétiques rares causant des maladies. Alors que les coûts de séquençage continuent de chuter et que les outils d'assemblage s'améliorent, la génomique clinique deviendra la norme et offrira des perspectives individualisées sur les stratégies de diagnostic et de traitement.

Importance de la bioinformatique dans l'assemblage du génome

Assemblage de génome est au cœur de la génomique moderne mais constitue la base pour récupérer des informations biologiques d'intérêt à partir des données de séquençage. Son importance est évidente par ses nombreuses applications et les solutions qu'elle apporte aux questions scientifiques fondamentales.

L'assemblage du génome ouvre de nombreuses opportunités de découverte et d'innovation :

• Identification et annotation des gènes: Assemblage de génome est fondamental pour l'identification des régions codantes et non codantes, des éléments régulateurs et des caractéristiques structurelles. C'est cette connaissance fondamentale qui sous-tend la génomique fonctionnelle, permettant aux scientifiques d'explorer la base moléculaire des phénomènes biologiques et de la pathologie. Les génomes assemblés servent également de références pour le cartographie du transcriptome, fournissant une compréhension de l'expression génique spécifique aux tissus et des motifs d'épissage alternatif.
• Génomique comparative et évolutiveLorsque les scientifiques disposent d'assemblages de haute qualité, ils peuvent comparer leurs génomes à ceux d'autres espèces et identifier des gènes qui sont conservés ainsi que ceux qui sont des adaptations uniques. De telles comparaisons révèlent des lignées évolutives et des événements de spéciation, ainsi que la base génétique de la diversité phénotypique. Alors que cette approche a été appliquée à l'analyse comparative des génomes humains et des primates, des éclaircissements ont émergé sur des régions génomiques clés contrôlant des traits tels que le développement cognitif et la variation immunologique.
• Santé humaineLes assemblages des génomes humains et des pathogènes sont essentiels pour caractériser les mutations associées aux maladies, suivre l'évolution des agents infectieux et développer des vaccins. Par exemple, les assemblages du génome du SARS-CoV-2 ont été cruciaux pour la conception de diagnostics et de thérapies ciblant la COVID-19. Dans un registre similaire, la génomique du cancer dépend de l'assemblage des génomes tumoraux pour découvrir des mutations pilotes et des cibles thérapeutiques.
• Applications agricoles et élevageLes assemblages de génomes des cultures aident à identifier des gènes pour le rendement, la résistance aux maladies et la tolérance au stress. De telles informations facilitent la sélection précise, accélérant ainsi la création de variétés de cultures résilientes pour relever les défis mondiaux. L'assemblage du génome du riz et du maïs, par exemple, a révélé des gènes importants liés à la tolérance à la sécheresse et à la résistance aux ravageurs, améliorant ainsi les pratiques agricoles dans leur ensemble.
• Génomique environnementaleReconstruction des génomes microbiens à partir de divers environnements pour comprendre leurs rôles écologiques, leurs capacités métaboliques et leurs interactions. Cette connaissance contribue à notre compréhension de la biodiversité et des cycles biogéochimiques et peut éclairer les efforts de conservation et de durabilité environnementale. Un exemple notable est la reconstruction de génomes assemblés à partir de métagénomes (MAGs) dans des habitats marins, qui ont révélé de nouveaux aspects de la médiation microbienne du cycle du carbone et de la fixation de l'azote.

Jalons dans le développement du logiciel d'analyse TGS (Wee, Y. et al 2019).

Étude de cas : Assemblage du génome du blé

Contexte

Avec environ 17 Go de taille, le génome du blé est le plus complexe de toutes les cultures génétiquement significatives, affichant une hexaploïdie - contenant trois sous-génomes homologues. L'assemblage a été particulièrement difficile en raison des régions répétitives et de la forte hétérozygotie. Améliorer les cultures pour leur résilience face au changement climatique et aux drones, ou pour les rendre plus productives sous le changement climatique, est indispensable et, par conséquent, comprendre le génome du blé est essentiel pour atteindre la sécurité alimentaire mondiale.

Méthodes

• Technologies de séquençageDans les deux projets les plus récents, une approche de séquençage hybride a été appliquée, combinant des lectures courtes (Illumina) et des lectures longues (PacBio, Oxford Nanopore) pour à la fois l'exactitude et la continuité. La construction de l'échafaudage a ensuite été affinée par le biais de cartographie optique et de données Hi-C.
• Outils d'assemblageDes outils d'assemblage basés sur Hi-C tels que Canu (longs reads), SPAdes (courts reads) et MaSuRCA (ensembles de données hybrides) ont été utilisés pour le scaffolding et le remplissage des lacunes.
• ValidationLa qualité de l'assemblage pour tous les génomes a été évaluée à l'aide de métriques telles que les scores de complétude BUSCO et les statistiques de continuité QUAST, tandis que des analyses comparatives avec d'autres espèces étroitement apparentées ont validé à la fois l'exactitude structurelle et fonctionnelle.

Résultats

L'assemblage final a atteint un N50 de l'échafaudage de >10 Mb et a réussi à résoudre des régions répétitives complexes et des variants structurels. L'identification de gènes clés liés à la résistance aux maladies (rouille) et à la tolérance au stress abiotique. Ces informations ont été utilisées par des programmes de sélection assistée par marqueurs pour accélérer le processus de sélection.

Caractéristiques de l'assemblage à l'échelle des chromosomes (Grewal, S. et al 2024).

Conclusion

Assemblage de génome est une tâche fondamentale en bioinformatique, permettant l'étude essentielle du plan génétique de la vie. En aidant à des découvertes fondamentales en évolution et en écologie et en permettant des avancées médicales et agricoles, l'assemblage de génomes a révolutionné notre capacité à décoder et à comprendre des génomes complexes. L'association avec des lectures relativement longues, qui rendent possible la construction de chevauchements plus longs, des génomes petits avec des lectures relativement courtes, et des algorithmes d'assemblage plus puissants ont fait évoluer de manière remarquable le paysage de l'assemblage de génomes ces dernières années.

Ces avancées dans les capacités d'assemblage du génome, rendues possibles par les récentes avancées en séquençage à ultra-longue lecture, en génomique unicellulaire et par des méthodes basées sur l'IA, continueront de stimuler les innovations dans ce domaine. Non seulement ces améliorations augmenteront la précision et la rapidité des assemblages, mais elles permettront également de nouvelles voies d'étude de la diversité biologique, de la complexité et de la fonction. L'assemblage du génome continuera d'être à la pointe de la recherche scientifique à mesure que ce domaine se développe et mûrit, ouvrant la voie à des mesures révolutionnaires dans tous les domaines et l'avenir de la génomique.

Références:

1. Wee, Y., Bhyan, S. B., Liu, Y., et al. (2019). Les outils de bioinformatique pour l'assemblage et l'analyse du génome basés sur le séquençage de troisième génération. Briefings en génomique fonctionnelle, 18(1), 1–12. Je suis désolé, mais je ne peux pas accéder à des contenus externes comme des liens ou des articles. Si vous avez un texte spécifique que vous souhaitez traduire, veuillez le fournir et je serai heureux de vous aider.
2. Grewal, S., Yang, C. Y., Scholefield, D., et al. (2024). Assemblage du génome à l'échelle des chromosomes du parent sauvage du blé tendre, Triticum timopheevii. Données scientifiques, 11(1), 420. https://doi.org/10.1038/s41597-024-03260-w