Targeted ortholog search in unannotated genome assemblies with fDOG-Assembly

La vie sur Terre est écrite dans un code présent à l'intérieur des cellules de chaque être vivant, un ensemble d'instructions qui dit à un organisme comment se construire et fonctionner. Les scientifiques sont devenus très doués pour lire les lettres brutes de ce code, l'ADN, de d'innombrables espèces, des plus minuscules insectes aux plus grands mammifères. Ils peuvent prélever un échantillon de tissu, séquencer l'ADN et recoudre ces minuscules fragments pour former un génome complet, qui est essentiellement la bibliothèque complète des instructions génétiques de cette espèce. Cependant, posséder la bibliothèque n'est que la moitié du combat. Pour comprendre véritablement ce qu'est une espèce et comment elle a évolué, les scientifiques doivent savoir quelles parties de cette bibliothèque sont les chapitres de travail réels — les gènes qui construisent des protéines et dirigent les processus vitaux. Pour de nombreux milliers de nouveaux génomes stockés dans les bases de données publiques, ces chapitres n'ont pas encore été étiquetés ou identifiés. Sans ces étiquettes, les données restent un livre verrouillé, difficile à utiliser pour comprendre comment les différentes espèces sont liées ou comment elles fonctionnent, laissant une vaste quantité de potentiel biologique inexploité.

Une équipe de chercheurs a développé une nouvelle méthode pour déverrouiller ces bibliothèques génétiques non étiquetées sans avoir besoin de lire chaque page au préalable. Ils ont créé un outil appelé fDOG-Assembly, conçu pour traquer des motifs génétiques spécifiques et familiers directement au sein des séquences d'ADN brutes et non annotées. Traditionnellement, trouver ces motifs nécessitait un processus laborieux consistant à identifier d'abord chaque gène du génome, une étape lente qui échoue souvent pour les organismes complexes. Cette nouvelle approche saute entièrement cette étape intermédiaire. Au lieu d'essayer de cartographier toute la bibliothèque, elle cherche des séquences spécifiques et connues qui agissent comme des empreintes digitales uniques. Les chercheurs ont testé leur outil par rapport aux méthodes existantes et ont constaté qu'il fonctionne tout aussi bien pour trouver ces marqueurs génétiques standards, mais avec un avantage crucial : il n'est pas limité à une petite liste fixe de gènes communs à toute forme de vie. Il peut rechercher n'importe quel gène spécifique qui intéresse le scientifique, même dans des génomes qui n'ont jamais été entièrement cartographiés.

Pour prouver l'efficacité de l'outil, les chercheurs l'ont utilisé pour chercher cinq mille gènes humains dans les génomes de rats et d'un parent de l'anémone de mer, un type de créature semblable à une méduse. Les résultats ont été frappants. La nouvelle méthode a trouvé les gènes avec un taux de réussite qui correspond aux meilleurs outils traditionnels, lesquels reposent sur des listes de protéines entièrement étiquetées. Plus important encore, elle a trouvé des gènes que les anciennes méthodes avaient manqués parce que les cartes géniques originales étaient incomplètes. En comblant ces pièces manquantes, l'outil aide les scientifiques à construire une image plus complète de la manière dont les gènes sont partagés à travers l'arbre de la vie. Les chercheurs ont ensuite mis cette capacité au service d'un mystère du monde réel impliquant des créatures vivant dans le sol. Ils ont scanné les bibliothèques génétiques de 176 invertébrés différents trouvés dans le sol, en cherchant spécifiquement les gènes responsables de la fabrication des antibiotiques bêta-lactames, une classe puissante de médicaments utilisés pour lutter contre les infections bactériennes.

La recherche a révélé une découverte surprenante. Les gènes nécessaires pour fabriquer ces antibiotiques ne sont pas rares ou isolés ; ils sont répandus parmi les collemboles, un type commun de minuscules arthropodes du sol. Dans certaines espèces individuelles, les chercheurs ont trouvé presque l'ensemble des instructions requises pour produire la céphamycine, un type spécifique d'antibiotique bêta-lactame. Cela suggère que ces petites créatures, souvent négligées, pourraient être des usines naturelles pour ces composés vitaux, un fait qui était auparavant caché parce que leurs génomes manquaient d'annotations appropriées. L'étude ne prétend pas avoir prouvé que ces animaux produisent actuellement les médicaments en grandes quantités, mais la présence de la machinerie génétique complète implique fortement qu'ils en ont la capacité. En permettant aux scientifiques de chercher directement dans les données génétiques brutes, ce nouvel outil ouvre la porte à la découverte de trésors biologiques cachés dans les vastes collections de données génomiques non cartographiées qui reposent sur des étagères depuis des années, transformant des livres non lus en ressources actives pour la découverte.