A pangenome-graph approach for mapping and imputing barley sequences

Imaginez que vous essayiez d'organiser une bibliothèque massive, mais au lieu de livres, les étagères sont remplies de manuels d'instruction pour construire des êtres vivants. C'est le monde de la génomique, la science de la lecture et de la compréhension de l'ADN qui rend chaque plante, animal et personne unique. Pendant longtemps, les scientifiques ont essayé d'organiser cette bibliothèque en choisissant un seul livre « parfait » comme exemplaire de référence. Ils comparaient chaque nouveau livre trouvé à cet exemplaire maître unique, supposant que toute différence n'était qu'une faute de frappe ou une page manquante. Mais et si l'exemplaire maître manquait des chapitres entiers que d'autres livres possèdent ? Et si les « fautes de frappe » étaient en réalité des histoires entièrement nouvelles ? Cela est particulièrement complexe avec des cultures comme l'orge, qui possèdent des manuels d'instruction géants et compliqués, remplis de motifs répétitifs difficiles à lire. Les scientifiques se soucient de cela car si nous voulons cultiver des aliments capables de survivre aux sécheresses, aux parasites ou aux changements climatiques, nous devons voir l'image globale de la diversité génétique, et non pas seulement la version présente dans une seule plante.

Entrez en scène les chercheurs derrière cette nouvelle étude, qui ont décidé de ne plus utiliser un seul livre de référence et ont plutôt construit une carte géante et interconnectée de toute la famille de l'orge. Ils ont commencé par l'existant « MorexV3 », le génome de référence, qui est comme le livre unique le plus complet dont nous disposions, mais ils ont réalisé que cela ne suffisait pas pour capturer la variété sauvage de l'orge présente dans les champs du monde entier. Ils ont donc construit ce qu'on appelle un « Pan20 », un graph de pangenome. Pensez à cela non pas comme une ligne de texte droite, mais comme une carte de métro tentaculaire. Dans un livre normal, on lit du début à la fin en ligne droite. Dans cette carte de métro, les voies (séquences d'ADN) bifurquent, font des boucles et se reconnectent. Certaines stations (gènes) sont sur toutes les lignes de train, tandis que d'autres ne sont présentes que sur des itinéraires spécifiques empruntés par certaines variétés d'orge. Ce graphe capture la « diversité globale » des variétés locales et des cultivars, ce qui signifie qu'il détient les secrets génétiques de types d'orge que l'ancien livre unique avait complètement manqués.

Pour rendre cette carte utile, l'équipe a dû comprendre comment prendre un nouveau morceau d'ADN d'orge inconnu et déterminer où il se situe sur ce système de métro complexe. Ils ont élaboré une stratégie astucieuse en deux étapes. D'abord, ils ont utilisé un outil appelé GMAP pour obtenir une idée approximative de l'endroit où appartient le morceau, un peu comme utiliser un GPS pour trouver le quartier général. Ensuite, ils ont utilisé un « Graphe d'Haplotype Pratique » (PHG) pour zoomer et trouver l'arrêt exact. C'est comme prendre cette localisation GPS et consulter une carte locale détaillée pour voir sur quelle ligne de bus spécifique vous vous trouvez. Cette méthode leur permet de détecter la « variation de présence-absence », une façon sophistiquée de dire qu'ils peuvent déterminer si un morceau spécifique d'ADN est présent ou totalement absent, plutôt que de simplement chercher de petites erreurs d'orthographe. Crucialement, ce système conserve tout l'alignement sur le système de coordonnées original de MorexV3, de sorte que les scientifiques puissent toujours communiquer en utilisant les mêmes coordonnées cartographiques, même s'ils regardent des chemins génétiques complètement différents.

Les résultats des tests de ce nouveau graphe ont été très révélateurs. Lorsqu'ils ont tenté de cartographier de longs brins d'ADN et d'ARN (les copies de travail des instructions) de l'orge contre ce graphe, cela a parfaitement fonctionné. En fait, ils ont découvert qu'environ un tiers des longues séquences génomiques qu'ils ont testées ne s'inséraient pas du tout sur le génome de référence original ; elles ne prenaient sens que lorsqu'elles étaient placées sur les parties « non-référence » du graphe. Cela prouve que compter sur un seul livre laissait de côté une part massive de l'histoire. De plus, ils ont testé cela avec des données réelles issues du « Génotypage par Séquençage » et du « séquençage à faible couverture » (des méthodes qui lisent l'ADN rapidement et à moindre coût, mais qui ne sont pas parfaites). Le graphe a géré ces fichiers de données désordonnés et incomplets efficacement, réussissant à combler les lacunes manquantes (imputation) tout en préservant le contexte local du « quartier » génétique.

L'article suggère que ce cadre flexible change la donne pour les chercheurs sur l'orge. Il leur permet d'explorer la diversité génétique au-delà d'un point de référence unique et d'analyser des groupes de plantes au niveau d'haplotypes entiers (blocs de gènes hérités ensemble) plutôt que de regarder simplement les changements de lettres individuelles (SNPs). Bien que l'article ne prétende pas résoudre tous les problèmes de l'agriculture, il démontre que le graphe peut aligner les séquences avec précision et préserver le contexte complexe du génome. L'équipe a mis ses outils à la disposition du public, y compris un conteneur Docker pour une installation facile et une application web où les gens peuvent cartographier leurs propres séquences, invitant la communauté scientifique à explorer ensemble la riche histoire ramifiée de l'orge.