PoLoCo: A reproducible pooled low-coverage workflow for draft genome assembly and allele frequency analysis from ethanol-preserved small non-model invertebrates

Le monde naturel est rempli de créatures minuscules qui jouent des rôles massifs dans le maintien de la santé des écosystèmes, pourtant beaucoup d'entre elles demeurent des mystères génétiques. Les scientifiques étudient souvent l'ADN des animaux pour comprendre comment ils s'adaptent, se déplacent et survivent, mais ce travail nécessite généralement du matériel génétique frais et de haute qualité. Pour de nombreux invertébrés de petite taille, tels que les collemboles, les chercheurs dépendent de spécimens conservés dans l'éthanol, une méthode courante pour stocker les échantillons biologiques sur le terrain. Cependant, l'alcool utilisé pour conserver ces créatures endommage souvent leur ADN au fil du temps, le brisant en minuscules fragments. Ce dommage a historiquement rendu presque impossible la lecture de leur code génétique, laissant un vide immense dans notre compréhension de la biodiversité des sols. Sans une carte génétique complète, ou génome de référence, les scientifiques ne peuvent pas facilement comparer les variations génétiques entre différentes populations de ces animaux, ce qui limite notre capacité à suivre leur réponse aux changements environnementaux.

Pour combler cette lacune, une équipe de chercheurs de l'Université de Fribourg a développé une nouvelle méthode reproductible appelée PoLoCo, conçue spécifiquement pour fonctionner avec ces échantillons difficiles conservés dans l'éthanol. Au lieu de jeter l'ADN endommagé, l'équipe a combiné le matériel génétique de nombreux individus de collemboles en un seul pool et a utilisé la technologie de séquençage à lectures courtes pour assembler un génome provisoire. Ils ont testé ce flux de travail sur la puce des neiges, Entomobrya nivalis, un collembole commun trouvé dans les forêts européennes. En regroupant l'ADN de huit individus, ils ont réussi à assembler un génome qui, bien que fragmenté, contenait presque tous les gènes essentiels à la survie de l'animal. Ils ont ensuite appliqué cette même méthode à 82 groupes différents de collemboles collectés à travers la Forêt-Noire en Allemagne. Les résultats ont montré qu'avec un ADN dégradé, il est possible de générer une carte génétique fiable et de mesurer la fréquence des variations génétiques spécifiques au sein d'une population. Cette approche prouve que des données génomiques précieuses peuvent être extraites de l'échantillons de terrain conservés depuis longtemps, ouvrant la voie à l'étude de la génétique de countless d'autres petites créatures vivant dans le sol qui étaient auparavant considérées comme trop difficiles à analyser.

Les chercheurs ont commencé leur travail en collectant des milliers de collemboles à partir de pièges à interception de vol installés dans la Forêt-Noire. Ces spécimens avaient été stockés dans l'éthanol pendant des années, ce qui signifie que leur ADN était fragmenté en petits morceaux. Reconnaissant qu'un seul collembole ne fournirait pas assez d'ADN pour le séquençage, l'équipe a regroupé les corps de plusieurs individus avant d'extraire leur matériel génétique. Ils ont utilisé un kit de préparation de bibliothèque spécialisé conçu pour gérer ce type d'ADN endommagé, garantissant que même les fragments les plus courts puissent être lus par les machines de séquençage. Pour l'étape initiale de construction d'une carte génétique, ils ont sélectionné un pool de huit collemboles adultes et ont séquencé leur ADN à une profondeur qui leur a permis de reconstruire le génome. L'assemblage résultant était un patchwork de 142 936 pièces distinctes, ou contigs, totalisant 411 millions de paires de bases. Bien que les pièces soient petites et que le génome ne soit pas parfaitement continu, l'assemblage était remarquablement complet. Lorsque les chercheurs ont vérifié la présence de 1 013 gènes essentiels à tous les arthropodes, ils ont constaté que 97,7 % étaient présents dans leur génome provisoire. Ce haut niveau de complétude indiquait qu'en dépit de la fragmentation, l'information génétique nécessaire à l'analyse était présente.

Pour s'assurer de l'exactitude de leur nouvelle carte génétique, l'équipe l'a comparée à un génome de référence de haute qualité précédemment publié pour la même espèce. La comparaison a révélé que leur génome provisoire couvrait près de 98 % de la référence connue, confirmant qu'ils avaient réussi à reconstruire la structure génétique centrale. Cependant, la comparaison a également mis en évidence les différences causées par leur méthode ; le nouvel assemblage présentait plus de lacunes et certaines erreurs structurelles par rapport à la référence polie, un compromis attendu lors du travail avec du matériel dégradé. Malgré ces imperfections, le génome provisoire s'est avéré être un outil fonctionnel. Les chercheurs ont ensuite utilisé cette carte personnalisée pour analyser les 82 populations restantes. Ils ont aligné les séquences d'ADN de chaque population sur leur génome provisoire afin d'identifier les changements d'une seule lettre dans le code génétique, connus sous le nom de polymorphismes nucléotidiques simples, et ont calculé la fréquence à laquelle ces changements apparaissaient dans chaque groupe.

L'étude a révélé que le choix de la carte génétique influençait considérablement les résultats. Lorsque les chercheurs ont comparé les données générées à l'aide de leur nouveau génome provisoire avec les données générées à l'aide de la référence publiée, ils ont trouvé des différences distinctes dans les listes finales de variations génétiques. La référence publiée produisait un plus grand nombre de marqueurs génétiques, mais beaucoup d'entre eux n'étaient soutenus que par quelques populations. En revanche, le génome provisoire généré par l'équipe a produit moins de marqueurs au total, mais ceux qu'il a trouvés étaient soutenus par un nombre beaucoup plus élevé de populations. Cela suggère que, bien que la carte publiée soit plus complète, la carte personnalisée construite à partir des échantillons spécifiques de l'étude offrait une vue plus cohérente et plus fiable des variations génétiques présentes à travers toute la région. Les chercheurs ont également noté que l'ensemble de données basé sur le génome provisoire présentait une proportion plus élevée de variants génétiques rares, ce qui est souvent le signe d'une méthode de détection plus sensible pour des populations locales spécifiques.

Au-delà des découvertes biologiques, l'équipe a soigneusement documenté les ressources informatiques nécessaires pour exécuter l'ensemble de ce processus. Ils ont démontré que le flux de travail pouvait être exécuté sur des systèmes de calcul haute performance standards sans nécessiter de quantités extrêmes de mémoire ou de puissance de traitement. Aucune étape du processus n'a nécessité plus de 32 processeurs ou de 128 gigaoctets de mémoire, ce qui rend la méthode accessible à de nombreux groupes de recherche. L'ensemble du flux de travail, y compris les scripts pour l'assemblage du génome, le filtrage des données et le calcul des fréquences génétiques, a été rendu librement accessible au public. Cette transparence garantit que d'autres scientifiques peuvent reproduire l'étude ou appliquer la même méthode à d'autres espèces. Les chercheurs ont souligné que leur objectif n'était pas de remplacer les génomes de référence de haute qualité là où ils existent déjà, mais de fournir une voie viable pour l'étude des espèces pour lesquelles de telles ressources font défaut ou lorsque seuls des échantillons dégradés sont disponibles.

Les implications de ce travail s'étendent bien au-delà de la puce des neiges. En prouvant que les spécimens conservés dans l'éthanol peuvent fournir des données génomiques utiles, le flux de travail PoLoCo offre une nouvelle façon de déverrouiller l'histoire génétique d'innombrables invertébrés conservés dans les collections de musées et les archives de terrain. Ces collections représentent une ressource vaste et inexploitée pour la compréhension de la biodiversité, mais elles ont souvent été mises de côté car l'on pensait que l'ADN à l'intérieur d'elles était trop endommagé pour être utilisé. Cette étude montre qu'avec la bonne approche, les scientifiques peuvent désormais transformer ces échantillons conservés en puissants outils pour la recherche écologique et évolutive. La capacité de générer des génomes provisoires et d'analyser la génétique des populations à partir d'échantillons difficiles signifie que les chercheurs peuvent désormais poser des questions complexes sur l'adaptation et la structure des populations dans des systèmes qui étaient auparavant hors de portée. La méthode fournit un cadre pratique pour intégrer les organismes non-modèles collectés sur le terrain dans le paysage plus large de la science génomique, garantissant que les petites créatures, souvent négligées, qui sont les architectes de nos écosystèmes, ne soient plus invisibles à notre compréhension génétique.