Intégration du séquençage de l'exome entier avec d'autres approches génomiques

Séquençage de l'exome complet (WES) a réussi à identifier environ 85 % des mutations pathogènes connues en ciblant et en capturant environ 1 % à 2 % des régions exoniques (régions clés codant pour des protéines) dans le génome, devenant une technologie essentielle pour le diagnostic des maladies génétiques et la recherche sur les tumeurs. Cependant, WES présente des limitations significatives : elle ne peut pas détecter les variations régulatrices des régions non codantes (telles que les promoteurs et les sites d'épissage), l'interférence des pseudogènes et les mutations dynamiques (comme l'amplification de duplication CGG dans le syndrome de l'X fragile). De plus, le séquençage de l'exome (WES) a une capacité limitée à analyser des phénotypes complexes (tels que l'hétérogénéité du cancer et le microenvironnement immunitaire), nécessitant une intégration avec d'autres technologies omiques pour surmonter ces limitations.

Stratégies d'intégration multi-omiques (telles que WES+ARN-Seq et WES+épigénétique L'analyse couvre des informations moléculaires plus complètes grâce à des techniques complémentaires, améliorant significativement les taux de diagnostic (par exemple, la découverte d'anomalies dans la voie de glycolyse induites par des mutations TP53 dans le cancer de l'œsophage) et révélant les mécanismes d'interaction hôte-microbe (par exemple, l'impact des mutations GPR151 sur la composition du microbiote intestinal dans les maladies inflammatoires de l'intestin). Les recherches menées par des consortiums tels que l'alliance GREGoR ont également fait progresser des technologies telles que le séquençage à long parcours et la construction de matrices multi-omiques pour relever les défis liés aux variations des régions non codantes et aux motifs génétiques complexes. Actuellement, l'intégration du séquençage de l'exome entier (WES) avec d'autres omiques est devenue une direction centrale en médecine de précision, offrant une perspective systématique pour élucider les mécanismes des maladies, les thérapies ciblées et le développement de biomarqueurs.

I. Complémentarité technologique : Surmonter les limites de l'analyse mono-omique

Bien que le séquençage de l'exome (WES) puisse couvrir 85 % des mutations pathogènes connues, ses limitations ont suscité le développement rapide de stratégies d'intégration multi-omiques. Voici quelques directions complémentaires clés et des cas typiques :

Analyse des régions non codantes et des variations régulatrices

• WES a une capacité limitée à détecter les variants introniques profonds et d'autres éléments régulateurs non codants (tels que les promoteurs distaux et les enhancers). En revanche, le RNA-seq peut révéler directement des épissages aberrants et l'activation de sites d'épissage cryptiques causés par ces mutations introniques cachées ou même des mutations synonymes au sein des exons (par exemple, les mutations TP53 entraînant un mauvais épissage dans le cancer de l'œsophage). Des études montrent que couvrir tous les types de variants (WES fournit une identification à haute profondeur des mutations ponctuelles de l'ADN/mutations à faible fréquence, le scRNA-seq analyse le transcriptome + CNV complète les mutations de grands fragments), complétant les limitations des technologies uniques (WES a une faible sensibilité VAF, le scRNA-seq a une détection de l'ADN insuffisante), permettant une double vérification et une corrélation entre l'ADN et le transcriptome, et analysant avec précision le panorama "mutation-expression" de la maladie.
  • Lu W et al., grâce à l'utilisation combinée du séquençage de l'exome entier (WES) et du séquençage d'ARN à cellule unique (scRNA-seq) (complété par l'immunohistochimie, l'analyse CellChat, etc.), ont découvert les caractéristiques spécifiques du carcinome rénal à cellules claires (ccRCC) mutant germinal VHL : la présence de mutations de translocation OBP2A/BCR1 au niveau de l'ADN (rares), une forte expression de COX7A1 au niveau du transcriptome (associée à un bon pronostic), et une interaction extensive entre les TAM et les cellules T CD8+ épuisées dans le microenvironnement tumoral (clé de l'immunosuppression), révélant son panorama "mutation-transcription-microenvironnement", fournissant une base pour le diagnostic (séquençage ciblé) et le traitement (immunointervention) des ccRCC rares.

Caractéristiques des mutations génétiques du ccRCC avec mutation germinale VHL (Lu W et al., 2024)

• Analyse épigénétiqueLa méthylation anormale de l'ADN est associée au silence génique. Par exemple, grâce à l'intégration multi-omique (WES+RRBS+RNA-seq), quatre sous-groupes de méthylation (déméthylé DEM, faiblement méthylé LOW, intermédiaire INT et fortement méthylé CIMP) ont été identifiés. Les résultats ont montré que le sous-groupe LOW était activé immunitairement (longue survie, sensible à l'ICB) et que le sous-groupe CIMP était immunosupprimé (courte survie, résistant à l'ICB). De plus, les inhibiteurs de DNMT peuvent induire une déméthylation pour mimer le phénotype LOW, fournissant une base pour l'immunothérapie de précision (Anichini A et al., 2025).

Détection des mutations dynamiques et des variations structurelles

• Séquençage longue lecture (ONT)PacBio): Aborde le problème des pseudogènes manquants dans le séquençage de l'exome (comme la région pseudogène du gène PKD1) et des mutations dynamiques (comme l'amplification par duplication CGG dans le syndrome de l'X fragile). Les directives cliniques recommandent le protocole combiné LR-PCR+NGS, augmentant le taux de détection des mutations PKD1 de 70 % à 90 %.

• WGS Supplément : Le séquençage du génome entier (WGS) peut capturer des variations structurelles complexes (telles que les inversions chromosomiques et les translocations équilibrées) que le séquençage de l'exome (WES) a manquées. Par exemple, le WGS couvre l'ensemble des régions non codantes du génome et a découvert des variations dans les régions régulatrices (promoteurs, amplificateurs), des variations intergéniques et des associations spécifiques au sexe que le WES n'a pas pu détecter. Il a également révélé un nouveau mécanisme par lequel des variations à faible fréquence participent à la DKD par le biais de la régulation transcriptionnelle (comme l'amplificateur METTL4). Ces résultats complètent les limitations du WES, qui se concentre uniquement sur les variations des exons, et fournissent de nouvelles cibles dans les régions non codantes pour le diagnostic et le traitement précis de la DKD (Haukka JK et al., 2024).

Configuration de l'étude pour les analyses agrégées de variantes uniques et de gènes et régions intergéniques (Haukka JK et al., 2024)

Mécanismes d'interaction hôte-microbe

Analyse métagénomique : Dans les études sur les maladies inflammatoires de l'intestin (MII), le séquençage de l'exome entier (WES) a révélé que des variants communs de gènes liés à l'immunité (comme MYRF et IL17REL) régulent les voies métaboliques microbiennes (comme la synthèse d'acides gras à chaîne courte) et l'abondance (comme Alistipes) à travers des loci de traits quantitatifs microbiens (mbQTLs), et identifient des interactions génétiques-microbiennes spécifiques à la maladie (comme BTNL2 et TNFSF15). L'analyse métagénomique a montré que l'abondance du phylum Bacteroidetes et la diminution des Firmicutes (comme Faecalibacterium) dans le microbiote intestinal des patients atteints de MII étaient augmentées, et que la voie métabolique des acides gras à chaîne courte (pyruvate → acide propionique/acide acétique) était réduite. De plus, les caractéristiques microbiennes étaient associées à des variants de l'hôte (comme MYRF et IL17REL) (Hu S et al., 2021).

II. Voies techniques et innovations dans l'analyse conjointe multi-omiques

Stratégie d'optimisation de la combinaison technologique

• WGS à faible profondeur + WES à haute profondeur (WEGS) : La combinaison de WGS à faible profondeur (2X/5X) avec un WES réutilisé améliore le taux de rappel (par exemple, le taux de rappel des SNV de 8 réutilisés + 5X WGS est de 0,9847 > 0,9830 sans WES réutilisé), atteignant des performances dans les régions codantes comparables à celles du WES, et capturant davantage de variants non codants spécifiques à la population (identifiant 938 SNV de plus et 60 % d'Indels en plus par rapport aux puces de génotypage).
  • Il permet une détection de haute précision des régions codantes (couverture moyenne de 120×) à un coût 1,7 à 2 fois supérieur, tout en capturant simultanément les variants des régions non codantes (par exemple, les SNPs d'activateurs). Dans une cohorte de 862 patients atteints de PAD, le WEGS a identifié 44,74 millions de variants (y compris 12,89 millions de nouveaux variants), couvrant tous les loci connus de PAD, identifiant 4056 variants de plus par locus que les puces (Bhérer C et al., 2024).

Aperçu du design expérimental WEGS (Bhérer C et al., 2024)

• Technologies de capture ciblée complémentaires : La combinaison de HaloPlex (circularisation sélective) et de SureSelect V5 (capture hybride) couvre 97 % de la région CDS, détectant avec précision des variants ponctuels somatiques avec un faible VAF (< 10 %) (tels que les délétions intraframées de MTOR et les variants de MAP2K1/PTPN11), résolvant le défi de détection des variants somatiques à VAF extrêmement bas (Type IIB < 4 %, Type I < 10 %) dans les FCD.
  • Fujita A et al., grâce à une combinaison de technologies, ont découvert que dans les malformations cérébrales liées à l'épilepsie (telles que la dysplasie corticale focale FCD et le mégagyre hémisphérique HME), les variants somatiques/germinales sont enrichis dans les voies PI3K-AKT3-mTOR et RAS-MAPK (tels que les délétions intraframées de mTOR, les variants MAP2K1/PTPN11 et les CNV importants de DEPDC5/TSC1), et ces variants activent les signaux de la voie (élévation de p-S6/p-ERK). Cela révèle que l'activation anormale de ces voies est une cause commune des malformations cérébrales épileptiques, fournissant des preuves moléculaires pour un diagnostic précis (tel que le séquençage ciblé pour détecter des variants somatiques à faible VAF), un traitement (tel que les inhibiteurs de mTOR) et une évaluation pronostique (suivi de l'activité des voies).

Intégration des données et analyse intelligente

Analyse familiale et héritage mendélien

• Validation de la Cosegregation WES : Pour les maladies génétiques dominantes (par exemple, la maladie de Huntington), les données WES sont utilisées pour dépister les variants cosegregant avec le phénotype du patient (par exemple, ≥2 générations de patients dans une famille portant la même mutation d'exon), combinées avec la terminologie HPO pour standardiser les descriptions phénotypiques (par exemple, "dystonie").
• Filtrage de l'hérédité récessive : Pour les maladies génétiques récessives (par exemple, la fibrose kystique), seules les mutations homozygotes ou hétérozygotes composés sont retenues (par exemple, la combinaison p.Arg117His/p.Gly542X du gène CFTR), tandis que les variants bénins avec une fréquence dans la population >1 % sont exclus (basé sur la base de données gnomAD).

Annotation fonctionnelle et prédiction structurelle

• Intégration AlphaMissense-WES : Pour les variants de la région exon WES, AlphaMissense est utilisé pour prédire l'impact des mutations sur la stabilité des protéines (par exemple, BRCA1 p.Arg1753Gln entraîne un changement conformationnel dans le domaine BRCT, prédisant ΔΔG = 3,2 kcal/mol).
• Annotation spécifique à la WES : L'annotation fonctionnelle (par exemple, mutations non-sens, mutations de décalage de cadre) est effectuée sur les variantes de la région des exons capturées par la WES à l'aide de l'outil ANNOVAR, et liée à la base de données ClinVar (par exemple, TP53 p.Arg273His est étiqueté comme pathogène).

Évaluation de la pathogénicité basée sur l'apprentissage automatique

• Évaluation intégrée de la pathogénicité REVEL : En intégrant les scores REVEL (une méthode d'ensemble basée sur la conservation évolutive et les caractéristiques biophysiques) avec des paramètres de séquençage spécifiques à la WES (par exemple, couverture des exons >20× et fréquence allélique variant (VAF) >15%), les chercheurs peuvent construire un modèle de prédiction de pathogénicité plus robuste. Cette approche combinée (atteignant une AUC de 0,89) offre une amélioration de 12 % de la précision diagnostique par rapport aux modèles généraux en filtrant les artefacts de séquençage tout en priorisant les mutations fonctionnellement critiques.
• Extraction de littérature assistée par LLM : Les preuves cliniques liées aux variantes WES dans PubMed sont automatiquement extraites à l'aide du grand modèle EvAgg (par exemple, "p.Val600Glu est associé à la résistance aux inhibiteurs de BRAF dans le mélanome"), et une chaîne de preuves (preuves de niveau PS3/BS3) est générée après examen manuel.

Étude de cas en translational clinique

• Traitement de précision du cancer de l'œsophage : Le séquençage de l'exome entier (WES) combiné à la protéomique a révélé des mutations géniques clés (TP53, MACF1, AKAP9) régulant les fonctions protéiques (réplication de l'ADN, signalisation Wnt, glycolyse). L'amplification précoce du chromosome 3q favorise la signalisation Ca²⁺ et la prolifération, et huit voies dynamiques entraînent la progression à différents stades. Les variations environnementales (consommation d'alcool/non-fumeur) favorisent la réplication de l'ADN/la mitose à travers les caractéristiques SBS16/APOBEC. La cible PGK1 (la phosphorylation S203 favorise la glycolyse, l'inhibition de la gemcitabine) a été identifiée, élucidant la chaîne causale de "variation génomique - fonction protéique - progression des voies", fournissant une base pour un diagnostic et un traitement de précision (Li L et al., 2023).
• diagnostic RP-ILD : le WES a identifié six variants du gène IFIH1, et Séquençage de Sanger a vérifié l'association entre ces variants (en particulier rs12479043, rs10930046 et rs141134657) et le risque de DIL, d'anticorps anti-MDA5 positifs et d'apparition aiguë de DIL chez les patients atteints de DM, fournissant une base pour l'étude des biomarqueurs génétiques pour le RP-DIL (Okamoto M et al., 2025).

III. Défis et directions de pointe

Goulots d'étranglement techniques et solutions

• Complexité des données : Le séquençage unicellulaire (scRNA-Seq) présente des niveaux de bruit élevés, nécessitant le développement d'algorithmes de réduction du bruit (comme la correction de lot dans Seurat V5). Les taux d'erreur du séquençage à longues lectures (10%-15%) doivent être optimisés grâce à des algorithmes de correction d'erreurs (comme Canu).
• Équilibre coût-efficacité : Le séquençage génomique complet (WGS) coûte 3 à 5 fois plus cher que le séquençage de l'exome (WES), mais le séquençage spécifique à une région (comme les exons uniquement + les régions régulatrices clés) peut réduire les coûts à 60 % de ceux du WGS.

Défis d'application clinique

• Éthique et vie privée : Des bases de données standardisées (comme le projet All of Us) doivent être établies, couvrant différents groupes ethniques (comme les variations régionales du HLA dans les populations d'Asie de l'Est) afin d'éviter les biais de diagnostic.
• Surveillance dynamique des mutations : Développer des technologies de PCR en temps réel (comme la TP-PCR) pour l'amplification des répétitions CGG du gène FMR1 afin d'atteindre une surveillance prénatale dynamique.

Tendances futures

• Cadre d'analyse modulaire : Support pour des directives ACMG mises à jour dynamiquement et des flux de données émergents (tels que les interactions microbiome-hôte). Par exemple, GATK4 intègre un module d'annotation fonctionnelle du microbiome pour améliorer la capacité à élucider les mécanismes de la MII.
• Traitement de précision : Dépistage personnalisé des cibles médicamenteuses basé sur le séquençage de l'exome entier (WES) et l'épigénétique. Par exemple, le WES a révélé que les mutations IDH1 sont à l'origine des gliomes, et combiné à l'analyse de méthylation, a guidé l'utilisation des inhibiteurs IDH (tels que l'Ivosidénib).

Conclusion

L'intégration du séquençage de l'exome entier (WES) avec d'autres technologies omiques (RNA-Seq, WGS, séquençage unicellulaire) a augmenté le taux de diagnostic des maladies génétiques de 35 % à 65 %. À l'avenir, il est nécessaire de construire une boucle fermée de "données-algorithme-clinique", en utilisant des matrices multi-omiques pour analyser l'hétérogénéité des maladies, atteignant finalement un saut de la "médecine empirique" à la "médecine jumeau numérique."

Les gens demandent aussi

Pourquoi un patient choisirait-il le séquençage du génome entier plutôt que le séquençage de l'exome entier ?

Bien que actuellement plus coûteux, le séquençage du génome entier (WGS) est plus puissant que le séquençage de l'exome entier (WES) pour détecter les mutations potentielles causant des maladies dans les régions WES, en particulier celles dues aux SNV. Le séquençage de l'exome entier (WES) est couramment utilisé et est progressivement optimisé pour la détection des variantes génétiques rares et communes chez les humains.

Quelles sont les limitations de séquençage de l'exome?

Le séquençage de l'exome ne cible pas 100 % des gènes du génome humain ; environ 97 % des exons sont ciblés. Cependant, environ 10 % des exons peuvent ne pas être couverts à des niveaux suffisants pour appeler de manière fiable des variants hétérozygotes. Chaque individu peut avoir des distributions de rendement de couverture légèrement différentes à travers l'exome.

Lequel des éléments suivants est un avantage du séquençage du génome entier par rapport au séquençage de l'exome ?

L'un des principaux avantages du séquençage du génome entier (WGS) est qu'il offre une vue plus complète de la composition génétique d'un individu. Le WGS peut identifier des variantes qui ne sont pas présentes dans l'exome, y compris celles dans les régions non codantes et les variantes structurelles.

Comment la multi-omique améliore-t-elle le diagnostic du cancer ?

La multi-omique améliore le diagnostic du cancer en intégrant des données provenant de la génomique, de la transcriptomique, de la protéomique et de la métabolomique, permettant une compréhension globale de la biologie tumorale et des stratégies de traitement personnalisées.

Références

1. Bhérer C, Eveleigh R, Trajanoska K, St-Cyr J, Paccard A, Nadukkalam Ravindran P, Caron E, Bader Asbah N, McClelland P, Wei C, Baumgartner I, Schindewolf M, Döring Y, Perley D, Lefebvre F, Lepage P, Bourgey M, Bourque G, Ragoussis J, Mooser V, Taliun D. Une méthode de séquençage rentable pour les études génétiques combinant un exome entier à haute profondeur et un génome entier à faible profondeur.. NPJ Génétique Médicale7 février 2024 ; 9(1) : 8.
2. Fujita A, Kato M, Sugano H, Iimura Y, Suzuki H, Tohyama J, Fukuda M, Ito Y, Baba S, Okanishi T, Enoki H, Fujimoto A, Yamamoto A, Kawamura K, Kato S, Honda R, Ono T, Shiraishi H, Egawa K, Shirai K, Yamamoto S, Hayakawa I, Kawawaki H, Saida K, Tsuchida N, Uchiyama Y, Hamanaka K, Miyatake S, Mizuguchi T, Nakashima M, Saitsu H, Miyake N, Kakita A, Matsumoto N. Une analyse génétique intégrée des lésions cérébrales malformées épileptogènes. Acta Neuropathol Commun. 2023 Mar 2;11(1):33.
3. Lu W, Jin T, Yu X, Liu Y, Lu Z, Huang S, Wen Z, Yan H, Su C, Ye Y, Huang Z, Mo Z, Yu Z. L'intégration du séquençage de tout l'exome et du scRNA-seq révèle les caractéristiques d'un échantillon de carcinome rénal à cellules claires survenant dans le contexte de la maladie de VHL.. Sci Rep2025 déc. 18;15(1):44077.
4. Anichini A, Caruso FP, Lagano V, Noviello TMR, Tufano R, Nicolini G, Molla A, Bersani I, Sgambelluri F, Covre A, Lofiego MF, Coral S, Di Giacomo AM, Simonetti E, Valeri B, Cossa M, Ugolini F, Simi S, Massi D, Milione M, Maurichi A, Patuzzo R, Santinami M, Maio M, Ceccarelli M, Mortarini R; enquêteurs du Consortium d'immuno-oncologie épigénétique Airc (EPICA). Le profilage multi-omique intégré révèle le rôle du paysage de méthylation de l'ADN dans la formation de l'hétérogénéité biologique et du comportement clinique du mélanome métastatique.. J Exp Clin Cancer Res2025 Jul 18;44(1):212.
5. Haukka JK, Antikainen AA, Valo E, Syreeni A, Dahlström EH, Lin BM, Franceschini N, Krolewski AS, Harjutsalo V, Groop PH, Sandholm N ; Groupe d'étude FinnDiane. Le séquençage de l'exome entier et du génome entier de 1064 individus atteints de diabète de type 1 révèle de nouveaux gènes associés à la maladie rénale diabétique.. Diabétologie. Nov 2024;67(11):2494-2506.
6. Hu S, Vich Vila A, Gacesa R, Collij V, Stevens C, Fu JM, Wong I, Talkowski ME, Rivas MA, Imhann F, Bolte L, van Dullemen H, Dijkstra G, Visschedijk MC, Festen EA, Xavier RJ, Fu J, Daly MJ, Wijmenga C, Zhernakova A, Kurilshikov A, Weersma RK. Les analyses de séquençage de l'exome entier révèlent des interactions gène-microbiote dans le contexte de la MII.. Bien. Févr 2021;70(2):285-296.
7. Li L, Jiang D, Zhang Q, Liu H, Xu F, Guo C, Qin Z, Wang H, Feng J, Liu Y, Chen W, Zhang X, Bai L, Tian S, Tan S, Xu C, Song Q, Liu Y, Zhong Y, Chen T, Zhou P, Zhao JY, Hou Y, Ding C. Caractérisation protéogénomique intégrative du cancer de l'œsophage précoce. Nat Commun. 25 mars 2023 ; 14(1) : 1666.
8. Okamoto M, Yoshida A, Zaizen Y, Ishida M, Shimizu T, Sakamoto N, Hozumi H, Yamano Y, Gono T, Matsuo N, Kaieda S, Kuwana M, Miyamura T, Kawakami A, Mukae H, Suda T, Kondoh Y, Yamamoto K, Hoshino T. Variantes génétiques de l'interféron induites par le domaine hélicase C 1 chez des patients japonais atteints de pneumopathie interstitielle rapidement progressive associée à la dermatomyosite : une étude d'association génétique utilisant le séquençage de l'exome complet et le séquençage de Sanger.. Respir Res. 31 oct. 2025 ; 26(1) : 304.