DIPLER: rapid k-mer-based locus identification
L'article présente Dipler, une méthode rapide en deux étapes et indépendante de toute référence, qui combine l'identification de k-mères spécifiques à un groupe avec l'assemblage de novo ciblé par PacBio pour résoudre et assembler avec succès des allèles structurellement complexes et divergents dans les génomes eucaryotes à faible couverture de séquençage.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Les génomes sont les manuels d'instructions de la vie, écrits dans un code de quatre lettres chimiques qui dictent comment un organisme se développe et fonctionne. Pendant des décennies, les scientifiques ont tenté de lire ces manuels en les comparant à une copie de référence unique et parfaite, un peu comme si l'on vérifiait une nouvelle carte en la comparant à un atlas de confiance. Cette approche fonctionne bien lorsque le terrain est familier, mais elle peine lorsque le paysage est sauvage, emmêlé ou entièrement absent de l'atlas. De nombreuses différences génétiques importantes, telles que celles qui déterminent si un arbre fleurit tôt ou tard, existent dans des régions complexes et répétitives que les cartes standards ignore souvent ou interprète mal. Pour trouver ces instructions cachées, les chercheurs ont commencé à chercher de minuscules motifs uniques au sein même des données génétiques brutes, plutôt que de forcer les données à s'adapter à un modèle préexistant. Ce changement de paradigme leur permet de repérer les signatures génétiques spécifiques qui distinguent un groupe d'organismes d'un autre, même lorsque la structure globale de leur ADN est difficile à naviguer.
Une équipe de chercheurs a maintenant développé une nouvelle méthode appelée Dipler pour relever ce défi, offrant un moyen plus rapide et plus direct de localiser ces régions génétiques complexes. L'équipe a testé son approche sur des noyers, en s'intéressant spécifiquement à un gène qui contrôle l'ordre d'apparition des fleurs. Chez certains arbres, les fleurs mâles éclosent en premier, tandis que chez d'autres, les fleurs femelles éclosent en premier. Cette différence est causée par une séquence d'ADN spécifique qui varie considérablement entre les deux types : une version du gène est une copie simple et unique, tandis que l'autre est une structure complexe et répétitive qui se répète de nombreuses fois. Comme cette section répétitive est si différente de la version standard, elle est notoirement difficile à assembler correctement à l'aide des méthodes traditionnelles. Les chercheurs voulaient voir s'ils pouvaient isoler et reconstruire cette pièce d'ADN spécifique et désordonnée sans dépendre d'un génome de référence pour les guider.
Le processus a commencé par la comparaison des données génétiques de deux groupes de noyers : ceux possédant le gène complexe et répétitif, et ceux possédant la version simple à copie unique. Les chercheurs ont passé les données au crible pour trouver de courtes séquences uniques de code génétique, connues sous le nom de k-mers, qui apparaissaient fréquemment dans le groupe complexe mais étaient absentes du groupe simple. Ils ont découvert qu'en utilisant un plus grand nombre d'arbres dans leur comparaison, ils pouvaient filtrer le bruit aléatoire et identifier un ensemble précis de ces séquences uniques qui agissaient comme une empreinte digitale pour le gide complexe. Une fois cette empreinte obtenue, ils l'ont utilisée pour passer au crible les données de séquençage à lectures longues (long-read sequencing), qui capturent des segments d'ADN beaucoup plus longs que les méthodes standard. Ils n'ont sélectionné que les longs brins contenant ces empreintes uniques, filtrant ainsi le reste du génome.
Avec cet ensemble filtré de brins d'ADN, les chercheurs ont assemblé à partir de zéro la séquence complète du gène complexe. Dans leur premier test, utilisant un arbre porteur d'une copie du gène complexe et d'une copie du gène simple, ils ont réussi à reconstruire la version complexe en utilisant des données équivalentes à une couverture du génome neuf fois. Il s'agissait d'une réussite significative car cela montrait que même lorsque le gène cible est présent dans seulement la moitié du matériel génétique, la méthode peut toujours le trouver et le construire. Pour pousser les limites plus loin, ils ont appliqué la même technique à une variété de noyer différente qui portait deux copies du gène complexe, mais avec de légères différences entre elles. Cette tâche était plus difficile, car la méthode devait distinguer deux versions très similaires, mais distinctes, du même gène. Ils ont constaté qu'ils avaient besoin de données équivalentes à une couverture du génome treize fois pour réussir à séparer et assembler les deux versions de manière indépendante.
Les résultats démontent que ce nouveau flux de travail peut identifier et reconstruire rapidement des locus génétiques structurellement complexes sans avoir besoin d'une carte de référence. Les chercheurs ont montré que la méthode fonctionne en identifiant d'abord les marqueurs génétiques uniques qui définissent un trait, puis en utilisant ces marqueurs pour extraire les brins d'ADN pertinents d'un large ensemble de données, et enfin en assemblant ces brins en une séquence complète. Ils ont noté que la quantité de données requise dépend de la complexité de la tâche ; trouver un gène largement absent d'une version du génome nécessitait moins de données que de séparer deux versions très similaires du même gène. Bien que les chiffres spécifiques de neuf et treize fois la couverture aient été observés dans ces expériences spécifiques sur le noyer, la stratégie sous-jacente offre un cadre flexible qui pourrait être appliqué à d'autres espèces et traits génétiques complexes. Ces travaux suggèrent qu'en se concentrant sur les motifs uniques qui distinguent les groupes, les scientifiques peuvent contourner les limites des génomes de référence et accéder directement aux parties les plus difficiles du code génétique.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.