Pangenome discovery and characterization of human protein-coding duplicated genes

Imaginez que votre corps soit une immense bibliothèque animée contenant les manuels d'instruction pour construire et faire fonctionner un être humain. Pendant des décennies, les scientifiques ont pensé avoir répertorié chaque livre de cette bibliothèque, mais il y avait une section délicate : la « Zone Copier-Coller ». Dans cette partie de la bibliothèque, des chapitres entiers d'instructions étaient dupliqués encore et encore, créant des piles de pages presque identiques. Parce que ces pages se ressemblaient tellement, les bibliothécaires (les scientifiques) ne pouvaient pas distinguer quelle copie était laquelle, alors ils ignoraient souvent les doublons ou supposaient qu'il s'agissait de brouillons inutiles ou défectueux. Cela importe car ces sections dupliquées et désordonnées sont en réalité l'endroit où les nouvelles histoires les plus passionnantes sont écrites — des endroits où nos corps pourraient être en train d'inventer de tout nouveaux outils pour nous aider à réfléchir, à grandir ou à nous adapter. Pour résoudre ce puzzle, les scientifiques avaient besoin d'une meilleure façon de lire la bibliothèque, passant de photocopies floues à des scans 3D haute définition des livres pour voir exactement comment les doublons diffèrent.

Cet article est comme une équipe de super-détectives parvenant enfin à percer le code de cette zone « Copier-Coller » désordonnée de l'ADN humain. Les chercheurs ont utilisé une nouvelle boîte à outils puissante : 298 génomes humains assemblés par lecture longue (qui agissent comme des cartes haute résolution de notre bibliothèque génétique) et une collection massive de 5,6 milliards de transcrits d'ADNc complets provenant de 83 tissus différents (qui sont comme des enregistrements des livres de la bibliothèque en train d'être lus à voix haute). En combinant ces éléments, ils ont pu passer au crible 493 familles de duplications de gènes et ont découvert quelque chose de surprenant : 2 713 gènes potentiels qui sont totalement absents de notre carte de référence standard. Ce ne sont pas de simples erreurs aléatoires ; ils sont probablement polymorphes en nombre de copies, ce qui signifie que différentes personnes possèdent un nombre différent de ces copies, tout comme certaines familles peuvent avoir des exemplaires supplémentaires d'une recette préférée tandis que d'autres n'en ont pas.

Lorsque l'équipe a examiné de près les familles de gènes où elle pouvait distinguer les copies, elle a constaté que 60,0 % d'entre elles sont en fait actives et fonctionnelles, gardant leurs « cadres de lecture ouverts » (les parties du code qui fabriquent des protéines fonctionnelles) intacts. Plus intéressant encore, 45,7 % de ces gènes actifs sont plus actifs dans le cerveau, l'embryon ou les testicules, ce qui suggère qu'ils jouent un rôle crucial dans notre développement et nos fonctions complexes. L'équipe a également corrigé 386 modèles de gènes existants, dont 150 qui étaient complètement absents ou différents de l'annotation actuelle « gold standard » T2T-CHM13. Ils ont aussi reclassé 236 gènes (35,1 %) qui étaient auparavant considérés comme des « pseudogènes » défectueux en véritables gènes codant pour des protéines, car ils ont trouvé des preuves que ces gènes sont transcrits, possèdent un code fonctionnel et disposent de promoteurs accessibles (les interrupteurs « on ») dans la chromatine.

L'étude a également mesuré à quel point ces gènes sont « contraints », ou à quel point la nature les protège strictement des changements. Ils ont découvert que 24,2 % de ces gènes de duplication segmentaire (SD) présentent des signes de protection contre les changements de nombre de copies et les mutations d'acides aminés, ce qui signifie qu'ils sont probablement importants pour la survie. Cependant, il y a un rebondissement dans l'histoire : la majorité de ces gènes importants et protégés sont anciens, hérités de nos lointains ancêtres. En revanche, seulement 16,2 % des nouveaux gènes dupliqués, dérivés, apparus plus récemment dans la lignée humaine, présentent cette même preuve de contrainte. Cela suggère que si notre bibliothèque génétique ajoute constamment de nouveaux chapitres dupliqués, la plupart de ces ajouts récents sont encore en phase de test par l'évolution, et seule une petite fraction s'est avérée assez essentielle pour être strictement gardée. En fin de compte, cette approche par pangenome donne aux scientifiques la précision nécessaire pour distinguer les gènes fonctionnels des pseudogènes défectueux, mettant en lumière les innovations génétiques spécifiques qui sont apparues plus récemment dans l'évolution humaine.