Quand la séquençage de nouvelle génération a-t-il été inventé et comment a-t-il transformé la génomique ?

La question qui a déclenché une révolution : Quand le séquençage de nouvelle génération a-t-il été inventé ?

Chaque laboratoire de génomique moderne s'appuie sur séquençage de nouvelle génération (NGS). Mais peu de gens s'arrêtent pour poser une simple question : Quand le NGS a-t-il réellement été inventé et pourquoi cela a-t-il tout changé ?

Avant 2005, le séquençage de l'ADN était dominé par la méthode de Sanger, développée dans les années 1970. Elle était puissante mais lente : chaque réaction ne pouvait lire que quelques centaines de paires de bases à la fois. Même avec l'automatisation, le séquençage d'un génome entier nécessitait des années d'efforts et des millions de dollars. Le Projet Génome Humain, achevé en 2003, a coûté environ 3 milliards de dollars et a duré plus d'une décennie. Ces limitations ont préparé le terrain pour une avancée majeure.

Au début des années 2000, les chercheurs se demandaient :

• La séquençage pourrait-il être miniaturisé et parallélisé pour traiter des milliers de fragments à la fois ?
• La chimie et l'informatique pourraient-elles fusionner pour lire l'ADN plus rapidement et à moindre coût ?

La réponse est venue en 2005, lorsque le séquençage de nouvelle génération est né, inaugurant une ère de séquençage massif et parallèle à haut débit qui a transformé la biologie à jamais.

Le séquençage de nouvelle génération (NGS) n'était pas une invention unique, mais une culmination d'avancées en microfluidique, en imagerie et en enzymologie. Il représentait un changement de paradigme, passant de l'analyse d'une molécule à la fois à celle de milliards simultanément. En quelques années seulement, les coûts de séquençage du génome ont chuté, passant de millions de dollars à moins de 1 000 dollars par génome, permettant tout, de l'écologie microbienne à la génétique à l'échelle des populations.

Dans cet article, nous retraçons comment le séquençage de nouvelle génération (NGS) a émergé de décennies de progrès incrémentiels et pourquoi comprendre son histoire reste important pour la recherche en génomique moderne. Pour les lecteurs qui découvrent les fondamentaux du séquençage, vous souhaiterez peut-être également revoir notre aperçu, Séquençage de l'ADN : Définition, Méthodes et Applications, ce qui explique les principes de base derrière ces technologies.

De Sanger à la deuxième génération — Le chemin vers le séquençage ADN à haut débit

Pour comprendre quand le séquençage de nouvelle génération a véritablement commencé, nous devons voir comment le domaine a évolué de la chimie fondamentale de Sanger vers des systèmes évolutifs et à haut débit. Cette section retrace cette transition.

L'ère Sanger : De la terminaison de chaîne à l'automatisation

En 1977, Frederick Sanger et ses collègues ont introduit le méthode de séquençage par didésoxy (terminaison de chaîne), un jalon en biologie moléculaire.

Cette méthode utilisait des nucléotides modifiés (ddNTPs) pour terminer la synthèse de l'ADN à des bases spécifiques, créant des fragments résolubles par électrophorèse.

Au cours des années 1980 et 1990, le séquençage de Sanger a été affiné grâce à l'étiquetage fluorescent et à l'électrophorèse capillaire, permettant des améliorations de débit et une adoption généralisée.

Les instruments d'Applied Biosystems ont automatisé une grande partie de ce flux de travail à la fin des années 1980, réduisant le chargement manuel des gels et améliorant la reproductibilité.

Le séquençage Sanger est devenu la « norme d'or » en matière de précision, bien que son débit et son coût par base demeurent limitants pour les grands génomes.

Les limites du séquençage de première génération

• Malgré l'automatisation, les méthodes de Sanger lisent toujours un fragment par réaction, produisant des longueurs de lecture d'environ 400 à 1000 paires de bases.
• Pour les grands génomes, le coût, le travail et le temps restaient prohibitifs. Par exemple, le séquençage d'un génome humain prenait des années et nécessitait un financement massif.
• À mesure que les projets prenaient de l'ampleur (génétique des populations, microbiomes, recherche sur le cancer), la demande pour des technologies plus évolutives augmentait.

Le Tournant : 454 Pyrosequencing Lance l'Ère du NGS (2005)

En 2005, 454 Life Sciences a publié le premier séquenceur de nouvelle génération commercial basé sur pyroséquençage dans des puits de picolitres microfabriqués.

Son design utilisé PCR en émulsion pour amplifier clonalement des fragments d'ADN sur des billes, qui ont été déposées dans des puits d'une PicoTiterPlate. Chaque puits a reçu des enzymes de séquençage et des réactifs.

Lors de chaque flux de nucléotides, le pyrophosphate (PPi) libéré par l'incorporation était converti en lumière via des réactions enzymatiques (ATP sulfurylase + luciférase), permettant une détection en temps réel.

Cette approche massivement parallèle a permis de séquencer des millions de fragments d'ADN simultanément, passant d'un à un à plusieurs à la fois.

Bien que le 454 ait été progressivement abandonné, son architecture a jeté les bases du séquençage massivement parallèle et a inspiré les plateformes successeurs.

Fig 1. La procédure de séquençage du système GS FLX de 454 Life Sciences.

L'explosion de 2005 à 2010

Entre 2005 et 2010, NGS passé d'une innovation de niche à un outil génomique grand public. Cette époque a vu le lancement de plusieurs plateformes, une augmentation du débit et une chute vertigineuse du coût par base. Voici un aperçu des percées clés qui ont façonné la deuxième génération de séquençage.

454 Pyroséquençage et le premier NGS commercial

Comme mentionné, 454 Life Sciences a lancé son Séquenceur de génome FLX en 2005, basé sur la pyroséquençage, permettant un séquençage massivement parallèle utilisant la PCR en émulsion et la détection par lumière.

Bien que relativement courtes selon les normes actuelles (~200–300 pb au départ), la technologie 454 a démontré la preuve de concept : des millions de modèles pouvaient être séquencés en parallèle.

Son succès a encouragé la concurrence et l'innovation de la part d'autres entreprises.

3.2 Montée d'Illumina / Solexa : Séquençage par synthèse

Technologie Solexa (fondée à partir des travaux de l'Université de Cambridge par Balasubramanian et Klenerman) a d'abord mûri au milieu des années 2000. L'entreprise a commercialisé une méthode de séquençage par synthèse (SBS) qui utilisait des terminateurs réversibles.

En 2007, Illumina a acquis Solexa, intégrant sa technologie SBS et lançant le Analyseur de génome plateforme.

L'article de 2008 dans Nature par Bentley et al. a été décisif — il a démontré le séquençage de génome humain entier avec précision en utilisant la chimie des terminateurs réversibles d'Illumina.

Cette démonstration a signalé que le séquençage de nouvelle génération (NGS) pouvait rivaliser avec le séquençage de Sanger pour les grands génomes.

Autres concurrents clés : SOLiD, ABI et au-delà

Vers 2006, Applied Biosystems a introduit SOLiD (Séquençage par ligation d'oligonucléotides et détection). Cette plateforme utilisait une chimie de ligation à codage à deux bases.

SOLiD offrait une grande précision mais des lectures plus courtes, favorisant des applications comme la transcriptomique ou le resequencement plutôt que l'assemblage de novo.

Pendant ce temps, divers laboratoires et startups ont expérimenté des chimies alternatives (ligation, hybridation, etc.), mais peu ont égalé le débit ou l'économie de la domination croissante d'Illumina.

Les jalons de la resequencage du génome humain

En novembre 2008, Illumina a annoncé le séquençage d'un génome humain yorouba avec une couverture de plus de 30× en utilisant le Genome Analyzer. Cela a marqué l'une des premières fois qu'un échantillon humain était reséquencé en utilisant une plateforme de deuxième génération.

Simultanément, plusieurs groupes ont publié des études de resequencement du génome humain utilisant Illumina, validant sa faisabilité et sa précision.

Cette preuve a aidé à transférer la confiance de la communauté de Sanger vers NGS pour les travaux génomiques à grande échelle.

Pourquoi cette période a-t-elle été transformative ?

Gains de débit exponentiels : Les plateformes sont passées d'échelles de mégaoctets/jour à des échelles de gigaoctets/jour.

Effondrement des coûts : Le coût par base a chuté de plusieurs ordres de grandeur, rendant la génomique des populations et les études sur de grandes cohortes viables.

Standardisation des flux de travail : La préparation de bibliothèques, la technologie des cellules de flux et les pipelines de données ont mûri rapidement.

Croissance de l'écosystème : Les outils pour l'alignement, l'appel de variants et le stockage ont mûri en parallèle, permettant une adoption plus large.

Par exemple, des logiciels comme MAQ et ELAND ont géré l'alignement précoce des courtes lectures à partir des données Illumina GA.

En seulement 5 ans, les technologies NGS sont passées de preuves préliminaires à l'épine dorsale de la recherche génomique.

Entrée dans la Troisième Génération – Séquençage en Temps Réel et Innovation Nanopore

Le passage à séquençage de troisième génération a marqué un saut qualitatif : passant de systèmes basés sur l'amplification et à lecture courte à molécule unique, temps réel et longue lecture technologies. Cette transition a permis de surmonter des limitations clés de la NGS de deuxième génération, telles que les lacunes d'assemblage, la détection des variants structurels et le phasage, tout en ouvrant de nouvelles possibilités en génomique. Dans cette section, nous explorons comment les plateformes SMRT de PacBio et les nanopores d'Oxford Nanopore ont fait progresser le séquençage vers une nouvelle ère.

Séquençage SMRT de PacBio: Observer la synthèse de l'ADN en temps réel

Lancement commercial : PacBio a commencé à expédier ses RS instrument autour de 2011, après des tests bêta en 2010.

Guides d'ondes à mode zéro (ZMW) : Au cœur de SMRT se trouvent les nanofosses ZMW, où une seule ADN polymérase au fond incorpore des nucléotides fluorescents. Le signal est enregistré en temps réel alors que le fluorophore émet de la lumière tout en étant maintenu dans le volume de détection.

Pas d'étape d'amplification : Parce que SMRT lit directement des molécules uniques, cela évite les biais introduits par l'amplification PCR (par exemple, le biais GC) et permet une couverture plus uniforme.

Lectures longues et augmentation du débit au fil du temps :

• Les longueurs de lecture initiales étaient modestes (quelques kilobases), mais avec l'évolution des chimies et des polymérases, les longueurs de lecture se sont étendues à des dizaines de kilobases.
• Le débit par cellule SMRT a également augmenté (par exemple, grâce à un plus grand nombre de ZMW par cellule) et une meilleure précision de l'appel de bases.

Capacité de détection épigénétique : Le séquençage SMRT peut identifier les modifications de l'ADN (par exemple, la méthylation) en mesurant les durées d'intervalle entre les impulsions et la cinétique lors de l'incorporation des bases par la polymérase.

Avantage de l'application : Parce que les longues lectures atténuent les lacunes d'assemblage et les erreurs d'appel de variants structurels, les données SMRT se suffisent souvent à elles-mêmes ou complètent les séquences de courtes lectures. Koren et al. (2013) ont montré que les longues lectures à molécule unique peuvent achever des génomes microbiens avec une plus grande précision que les assemblages hybrides.

Fig 2. Amélioration des longueurs de séquence PacBio RS.

Oxford NanoporeRepousser les limites avec la détection électrique

Fondation et développement précoce : Oxford Nanopore a été fondée en 2005 pour commercialiser des capteurs moléculaires basés sur des nanopores.

Première démonstration de séquençage : Vers 2011, le premier expérience de séquençage par nanopore combinant un pore muté et un moteur enzymatique a été rapportée.

Lancement de l'appareil MinION : En 2014, Oxford Nanopore a introduit le MinION, un séquenceur portable de la taille d'un USB qui diffuse des données en temps réel.

Principe fondamental : Des molécules d'ADN ou d'ARN passent à travers un pore à l'échelle nanométrique ; à mesure que chaque nucléotide traverse, il perturbe le courant ionique. Ces variations de courant sont mesurées et identifiées en temps réel.

Avantages :

• Séquençage en temps réel : la sortie des données commence dès que la molécule est lue, et non après la fin de l'analyse.
• Potentiel de lecture ultra-longue : permet des lectures dépassant des centaines de kilobases.
• Détection directe des modifications de bases : la méthylation et d'autres marques épigénétiques peuvent être déduites sans protocoles séparés.

Défis et correction du bruit : Les données de nanopore sont intrinsèquement plus bruyantes, donc un traitement avancé des signaux, un appel de bases et une correction d'erreurs (par exemple, l'algorithme RawHash pour le mappage en temps réel des signaux bruts) sont essentiels.

Comparer les deux paradigmes : forces et compromis

Pourquoi cette génération est importante pour la génomique moderne

• Réduire l'écart dans la complétude du génome : Le séquençage de troisième génération résout souvent des régions répétitives et des variants structurels auparavant difficiles à traiter.
• Informations sur les molécules uniques : Pas d'amplification signifie moins de biais ; la lecture directe des molécules d'ADN ou d'ARN natifs devient possible.
• Vitesse + flexibilité : La sortie en temps réel prend en charge l'échantillonnage adaptatif (par exemple, le séquençage sélectif de régions en cours d'exécution) et la prise de décision quasi immédiate.
• Intégration avec des données de courtes lectures : De nombreux pipelines modernes combinent des données de courtes lectures et de longues lectures ("assemblages hybrides") pour une précision et une couverture optimales.

Pourquoi l'invention du NGS est-elle toujours importante aujourd'hui ?

Bien que le séquençage de nouvelle génération (NGS) ait émergé il y a plus d'une décennie, son impact continue de se faire sentir dans la recherche moderne. L'"invention" du NGS a fondamentalement modifié ce qui est possible en génomique, et comprendre cet héritage clarifie comment nous utilisons le séquençage aujourd'hui.

Chute spectaculaire des coûts de séquençage

Depuis le début des années 2000 jusqu'en 2022, le coût du séquençage d'un génome humain a chuté de plusieurs ordres de grandeur, une baisse si rapide qu'elle a dépassé la loi de Moore.

Dans l'ensemble de données du NHGRI, les coûts par génome sont passés de millions de dollars à l'ère Sanger à quelques milliers de dollars dans les années 2010.

Le coût par mégabase a également fortement diminué, permettant des projets qui étaient autrefois inabordables.

Cet effondrement des coûts a transformé le séquençage d'une capacité de niche en un outil courant utilisable dans de nombreux contextes de recherche.

Activation d'études à grande échelle et à haute résolution

Parce que le NGS permet le séquençage parallèle de millions à des milliards de fragments, les études peuvent être étendues à des centaines ou des milliers d'échantillons, une exigence pour la génétique des populations, l'épidémiologie et la génomique comparative.

Le séquençage profond déverrouille rare détection de variantes, fréquences alléliques et sous-populations mineures—des caractéristiques impossibles à réaliser avec des méthodes à faible débit. Par exemple, Morelli et al. ont utilisé le séquençage NGS Illumina pour détecter des variants viraux mineurs présents à une fréquence inférieure à 1 % dans des échantillons d'hôtes du virus de la fièvre aphteuse.

Le séquençage de nouvelle génération (NGS) permet la résolution au niveau d'une seule base (SNPs, indels), des variations structurelles, des variations du nombre de copies, et même des modifications épigénétiques dans de nombreux contextes.

Application large dans les domaines biologiques

NGS est désormais fondamental dans transcriptomique (RNA-seq), épigénomique (ChIP-seq, ATAC-seq), métagénomiqueet l'omics unicellulaire.

Il s'est étendu à des domaines de recherche non cliniques tels que le profilage du microbiome, la génomique environnementale, la sélection agricole et la biologie évolutive.

En alimentant intégration multi-omiquesNGS relie les couches d'ADN, d'ARN et épigénétiques, offrant une compréhension plus riche que n'importe quelle couche seule.

Conduire le développement de nouvelles technologies et méthodes

Les exigences du NGS ont suscité d'immenses avancées dans bioinformatique, stockage, alignement et pipelines d'analyse de donnéesDes outils comme BWA, Bowtie, GATK, etc., ont été développés pour traiter des données à haut débit. (Bien qu'il n'y ait pas de citation unique ici, cela est bien documenté dans la littérature en génomique.)

Les exigences en "big data" du séquençage de nouvelle génération (NGS) ont catalysé des solutions cloud et de calcul haute performance (HPC), des formats de compression de données et des stratégies d'indexation de références compressées.

Les erreurs, les biais et les limitations révélés par le séquençage de nouvelle génération (par exemple, le biais PCR, le biais GC, l'ambiguïté de cartographie) ont également motivé de nouvelles innovations telles que séquençage duplex, et les technologies de lecture longue.

Relier le passé à vos projets d'aujourd'hui

Lorsque vous concevez des expériences maintenant—qu'il s'agisse de génomes complets, d'exomes, de RNA-seq, ou plus—vous travaillez au sein d'écosystèmes construits sur des fondations NGS.

La connaissance de l'histoire du NGS vous aide à interpréter les compromis technologiques : longueur de lecture vs précision, profondeur vs coût, limitations de l'appel de variantes vs sources de biais.

Il guide également les décisions futures : quand adopter des lectures longues, des méthodes hybrides ou des plateformes plus récentes.

Aperçu de la chronologie : Étapes clés dans le développement du NGS

Voici une chronologie concise mettant en avant des événements marquants, des innovations et des changements de paradigme dans l'histoire du séquençage. Elle complète les sections narratives tout en offrant aux lecteurs une référence claire.

Regarder vers l'avenir — L'avenir construit sur les NGS

Alors que le séquençage continue d'évoluer, ses fondations reposent fermement sur les innovations en NGS. Les technologies émergentes, les tendances et les applications façonnent l'avenir de la génomique. Cette section met en avant les principales frontières et ce qu'elles signifient pour votre stratégie de séquençage.

Précision accrue et taux d'erreur réduits (Q30 → Q40 et au-delà)

Les plateformes de séquençage à longues lectures (PacBio, Oxford Nanopore) rapprochent les taux d'erreur des normes des courtes lectures. Des rapports récents notent un Q30 (1 erreur pour 1 000 bases) atteignable dans certains modes de longues lectures. (Frontline Genomics, "Les Derniers Développements dans les Technologies de Séquençage")

Certains instruments de séquençage à lecture courte explorent une fidélité encore plus élevée (Q40 ou plus), représentant une erreur pour 10 000 bases.

À mesure que la précision s'améliore, des applications telles que la détection de variantes rares, le séquençage unicellulaire et l'appel de variants structurels en bénéficieront directement.

Automatisation, Miniaturisation et Innovation dans la Préparation des Échantillons

Le prochain saut consiste à réduire le travail humain et les erreurs grâce à l'automatisation dans la préparation des bibliothèques, la microfluidique et les systèmes robotiques. (Roots Analysis, "Tendances futures des technologies NGS")

La miniaturisation réduit l'utilisation de réactifs et le coût par échantillon, rendant le séquençage accessible à des laboratoires plus petits et à des environnements de terrain. (Roots Analysis)

Des dispositifs intégrés "échantillon-à-séquence" (avec préparation de bibliothèque à bord) devraient émerger, réduisant la complexité manuelle.

Séquençage hybride et multi-omique

Le séquençage était autrefois réservé à l'ADN ou à l'ARN uniquement. Maintenant, les multi-omiques intégrés (épigénomique, transcriptome, accessibilité de la chromatine) convergent. (Roots Analysis)

Le séquençage spatial est en plein essor — le séquençage in situ au sein des tissus offre à la fois un contexte spatial et des détails moléculaires.

Les expériences multiomiques (par exemple, combinant le transcriptome + le méthylome + la chromatine avec le séquençage) deviendront plus courantes.

Modalités de séquençage novatrices et paradigmes émergents

Nanopores à l'état solide (des pores non biologiques, par exemple, le graphène) sont en cours de développement, promettant durabilité et rapidité.

Technologies de lecture liée (le marquage des longues molécules mais le séquençage via des lectures courtes) reste pertinent pour obtenir des informations structurelles sans le coût complet des longues lectures.

Séquençage du génome en 3D Les méthodes (Hi-C, capture de conformation chromosomique spatiale) évoluent vers une résolution plus fine.

Aussi, co-conception d'architecture et d'algorithme est en cours d'exploration pour accélérer les pipelines génomiques, optimiser l'utilisation de la mémoire et réduire le déplacement des données (Mutlu & Firtina, 2023)

Applications qui stimuleront la demande future

Pangenomes de population & Graphiques de référence

Des projets comme le Référence Pangenome Humain révisent le paradigme d'un génome de référence linéaire à des références basées sur des graphes.

Environnemental / Métagénomique sur le terrain

Des séquenceurs portables combinés à l'automatisation et à des réactifs moins chers permettront un séquençage écologique, des sols et de l'eau à grande échelle dans des environnements éloignés.

Précision dans les cellules uniques, séquençage spatial et épigénomique

Le séquençage multiomique à cellule unique in situ reliera le profilage moléculaire à la biologie spatiale, permettant de cartographier les états cellulaires dans les tissus.

Interprétation de séquençage pilotée par l'IA et l'apprentissage automatique

À mesure que les ensembles de données s'élargissent, les outils d'IA / d'apprentissage profond seront centraux dans la détermination de la base, l'appel de variantes, la déconvolution des signaux, l'inférence épigénétique et l'alignement des données multiomiques. (Tarozzi et al., 2024)

Ce que cela signifie pour votre stratégie de séquençage aujourd'hui.

• Choisissez des plateformes avec des voies de mise à niveau : tenez compte des compromis entre précision, longueur de lecture et débit.
• Restez attentif à l'automatisation de la préparation des échantillons — cela réduira les coûts et le travail manuel.
• Explorez dès maintenant des conceptions hybrides ou multiomiques ; construisez une infrastructure pour des ensembles de données intégratives.
• Développer ou s'associer pour une capacité avancée en bioinformatique : algorithmes améliorés, modèles d'IA, solutions de cloud/stockage.
• Plan pour faire évoluer les cadres de référence (par exemple, les pangenomes) plutôt que de se fier uniquement à de vieux référentiels linéaires.

Conclusion

Depuis le moment où la chimie de terminaison de chaîne de Sanger a d'abord décodé l'ADN, le parcours vers le séquençage de nouvelle génération (NGS) a redéfini ce qui est possible en génomique. Vers 2005, des innovations en microfluidique, en parallélisation et en chimie enzymatique ont convergé pour lancer l'ère du NGS. Depuis lors, les coûts de séquençage ont chuté, le débit a explosé et la biologie a été transformée par les données. Les plateformes de séquençage à longues lectures et en temps réel d'aujourd'hui s'appuient directement sur cet héritage.

Pour votre laboratoire ou votre équipe de recherche, voici des façons de mettre cette histoire en pratique :

• Choisissez des plateformes de séquençage qui correspondent à vos objectifs expérimentaux, que ce soit des lectures courtes pour la profondeur ou des lectures longues pour la structure.
• Recherchez des systèmes avec des chemins de mise à niveau, surtout à mesure que la précision s'améliore dans les technologies de troisième et quatrième génération.
• Investissez dès maintenant dans l'automatisation de la préparation des échantillons et l'infrastructure des données : ce n'est plus un simple atout, c'est essentiel.
• Intégrez un soutien computationnel dès le début. À mesure que le séquençage se développe, vos analyses dépendront davantage de l'analyse que des résultats bruts.
• Considérez des stratégies de séquençage hybride qui combinent des données de séquençage courtes et longues pour une couverture et une précision maximales.

Si vous envisagez un projet de séquençage ou si vous pensez à mettre à niveau votre plateforme, nous pouvons vous aider. Nous offrons :

• Consultation sur la sélection de la plateforme et la conception expérimentale
• Pipelines clés en main pour la préparation de bibliothèques, le séquençage et l'analyse des données
• Outils de bioinformatique personnalisés adaptés à vos objectifs de recherche
• Support de visualisation et de reporting pour publication ou révision interne

Transformons l'historique de séquençage en votre prochaine découverte. Contactez-nous aujourd'hui pour une consultation ou un devis de projet., afin que nous puissions passer de "quand le NGS a-t-il été inventé" à "quand votre recherche révélera-t-elle de nouvelles perspectives."

FAQ

Quand a été inventée le séquençage de nouvelle génération ?

Le séquençage de nouvelle génération (NGS) a été commercialisé pour la première fois en 2005, lorsque 454 Life Sciences a lancé une plateforme de pyroséquençage à grande échelle, déplaçant le séquençage de l'ADN d'une molécule à la fois à des millions en parallèle (un trait caractéristique appelé "séquençage à grande échelle").

Quelle technologie a précédé le NGS ?

Avant le NGS, le séquençage était dominé par les méthodes Sanger (terminaison de chaîne), perfectionnées en séquençage capillaire automatisé dans les années 1980 et 1990. Ces systèmes de "première génération" offraient une grande précision mais un débit très limité et un coût élevé par base.

Pourquoi l'invention du séquençage de nouvelle génération (NGS) est-elle importante ?

L'invention du séquençage de nouvelle génération (NGS) a permis des réductions spectaculaires des coûts de séquençage, une expansion massive du débit et a ouvert la voie à la génomique à grande échelle (études de population, métagénomique, transcriptomique). Elle a transformé le séquençage d'une capacité de niche en un outil de recherche omniprésent.

Quand est-ce que le séquençage de nouvelle génération est-il utilisé ?

NGS est désormais utilisé dans presque toutes les applications de recherche non cliniques : séquençage de génome entier, séquençage d'exome, RNA-seq, épigénomique (ChIP-seq, ATAC-seq), profilage microbiome/métagénomique, séquençage unicellulaire et intégration multiomique (combinant ADN, ARN, etc.).

Comment le séquençage de nouvelle génération (NGS) a-t-il évolué après 2010 ?

Depuis 2010, le séquençage a évolué vers des technologies de troisième génération comme PacBio SMRT et Oxford Nanopore, permettant des lectures longues, une détection en temps réel, la détection de modifications de bases et des assemblages hybrides qui surmontent les limitations des lectures courtes.

Le NGS est-il identique au séquençage massif parallèle ?

Oui, "séquençage massivement parallèle" est souvent utilisé de manière synonyme avec le NGS ou les méthodes de deuxième génération. Cela fait référence au séquençage de nombreux fragments d'ADN simultanément, permettant un haut débit par course.

Références :

1. Valencia, C.A., Pervaiz, M.A., Husami, A., Qian, Y., Zhang, K. (2013). Principes, histoire et jalons du séquençage Sanger. Dans : Technologies de séquençage de nouvelle génération en génétique médicale. Springer Briefs en Génétique. Springer, New York, NY.
2. Trachtenberg EA, Holcomb CL. Séquençage HLA de nouvelle génération utilisant le système 454 GS FLX. Méthodes en biologie moléculairel. 2013 ; 1034 : 197-219. Histoire du séquençage par synthèse
3. Bentley, D., Balasubramanian, S., Swerdlow, H. et al. Séquençage complet du génome humain précis utilisant la chimie des terminateurs réversibles. Nature 456, 53–59 (2008).
4. Firtina C, Mansouri Ghiasi N, Lindegger J, Singh G, Cavlak MB, Mao H, Mutlu O. RawHash : activation d'une analyse en temps réel rapide et précise des signaux bruts de nanopore pour de grands génomes. Bioinformatique. 2023 30 juin ;39(39 Suppl 1):i297-i307.
5. Koren S, Harhay GP, Smith TP, Bono JL, Harhay DM, Mcvey SD, Radune D, Bergman NH, Phillippy AM. Réduction de la complexité d'assemblage des génomes microbiens grâce au séquençage à molécule unique. Genome Biol. 2013;14(9):R101. doi: 10.1186/gb-2013-14-9-r101. PMID: 24034426; PMCID: PMC4053942.
6. Shendure, J., Balasubramanian, S., Church, G. et al. Séquençage de l'ADN à 40 : passé, présent et futur. Nature 550, 345–353 (2017).