Multi-scale haplotype signatures distinguish among evolutionary processes
L'article présente SHADES, un cadre d'apprentissage profond robuste qui exploite des signatures d'haplotypes multi-échelles pour distinguer avec précision divers processus évolutifs, surpassant les méthodes existantes et identifiant avec succès des signaux adaptatifs, tant connus que nouveaux, dans les génomes humains européens.
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
L'histoire de la façon dont les humains sont devenus ce qu'ils sont est écrite dans l'ADN à l'intérieur de nos cellules. Ce code génétique n'est pas un manuel d'instructions statique ; c'est un registre vivant de l'histoire, constamment édité par les forces de la nature. Parfois, un changement aléatoire dans l'ADN confère à un individu un avantage de survie, lui permettant de vivre plus longtemps et d'avoir plus d'enfants. Sur de nombreuses générations, ce changement bénéfique se propage à travers la population, laissant une marque distincte sur le paysage génétique. Les scientifiques appellent ce processus la sélection naturelle. Cependant, le génome est également façonné par d'autres forces, telles que le brassage aléatoire des gènes lorsque les parents les transmettent à leurs enfants, ou le mélange des populations lorsque des groupes migrent et se reproduisent entre eux. Distinguer ces différentes forces revient à essayer de faire la différence entre une empreinte laissée par une personne spécifique et une tache faite par une main aléatoire. Pendant longtemps, il a été difficile de distinguer ces marques, surtout lorsqu'elles se chevauchent ou lorsque l'histoire d'une population est complexe.
Une équipe de chercheurs de l'Université Florida Atlantic a développé une nouvelle façon de lire ces récits génétiques avec beaucoup plus de clarté. Ils ont créé un programme informatique appelé SHADES, qui utilise un type d'intelligence artificielle connue sous le nom d'apprentissage profond (deep learning) pour observer les motifs dans l'ADN humain. Au lieu de simplement compter combien de fois un gène apparaît, le programme examine l'agencement des variantes génétiques sur de vastes segments d'ADN, un peu comme un détective examinant la disposition d'une scène de crime plutôt que de simplement compter le nombre de personnes présentes. Les chercheurs ont entraîné ce système en utilisant des millions d'histoires génétiques simulées, lui apprenant à reconnaître les signatures uniques laissées par quatre processus évolutifs différents : les changements neutres qui arrivent par hasard, les balayages rapides où un gène bénéfique prend le dessus, la sélection équilibrante où plusieurs versions d'un gène sont conservées dans la population, et l'introgression adaptative, qui se produit lorsque les humains acquièrent des gènes utiles provenant d'autres groupes humains anciens.
Les résultats de cet entraînement ont été frappants. Testé par rapport aux autres méthodes existantes, le nouveau système s'est avéré nettement plus précis pour identifier la force évolutive à l'œuvre. Il pouvait distinguer un gène qui avait récemment été balayé à travers une population d'un gène qui avait été introduit par un groupe extérieur, une tâche qui déconcertait auparavant de nombreux outils. Le système est resté fiable même lorsque les données étaient incomplètes ou lorsque les taux de changement génétique variaient à travers le génome, des conditions qui font souvent échouer les autres méthodes. Cette robustesse suggère que le programme a appris les véritables modèles sous-jacents de l'évolution plutôt que de simplement mémoriser des exemples spécifiques.
Pour voir si cet outil fonctionnait sur des données réelles, les chercheurs l'ont appliqué aux génomes de personnes d'origine européenne du projet 1000 Genomes. Le système a immédiatement confirmé plusieurs histoires bien connues de l'adaptation humaine. Il a correctement identifié la région de l'ADN responsable de la persistance de la lactase, la capacité de digérer le sucre du lait à l'âge adulte, qui est un exemple classique d'un gène balayant une population après la domestication des animaux de traite. Il a également trouvé les signatures génétiques de la sélection équilibrante dans le complexe majeur d'histocompatibilité, un groupe de gènes cruciaux pour le système immunitaire qui a maintenu une grande diversité pendant des milliers d'années pour lutter contre une grande variété de pathogènes. De plus, il a détecté des signaux d'introgression adaptative dans les gènes liés à la pigmentation de la peau, confirmant que les humains ont acquis certains de leurs traits physiques en se reproduisant avec des parents anciens comme les Néandertaliens.
Au-delà de ces exemples célèbres, le programme a découvert une multitude de nouveaux candidats pour l'adaptation humaine qui n'avaient pas été mis en évidence précédemment. Il a pointé vers des gènes impliqués dans la défense immunitaire, l'inflammation et le maintien de la barrière cutanée, suggérant que notre lutte continue avec les agents pathogènes et notre besoin de nous adapter à différents environnements ont été des moteurs constants de notre évolution. Par exemple, le système a mis en évidence des gènes qui aident le corps à répondre aux infections virales et d'autres qui régulent la façon dont la peau nous protège du monde extérieur. Ces découvertes offrent une image plus claire de la façon dont la sélection naturelle a façonné le génome humain, révélant un jeu complexe de forces qui nous ont aidés à survivre et à prospérer dans des environnements divers.
Le succès de cette approche réside dans sa capacité à examiner les données génétiques à plusieurs échelles simultanément. En examinant de petites fenêtres d'ADN pour saisir les détails fins et de plus grandes fenêtres pour voir l'ensemble du tableau, le programme peut séparer les signaux subtils qui seraient autrement perdus dans le bruit. Cette vue multi-échelle permet de faire la distinction entre un gène qui fait l'objet d'une sélection active et un gène qui change simplement en raison du hasard ou de l'histoire des mouvements de population. Les chercheurs ont constaté que leur méthode était particulièrement efficace pour distinguer les différents types de sélection, une tâche qui s'était avérée difficile pour les outils précédents.
Ce travail représente une étape importante dans notre capacité à décoder l'histoire évolutive écrite dans notre ADN. En combinant l'informatique de pointe avec l'étude de la génétique humaine, les chercheurs ont créé un outil capable de passer au crible la vaste complexité du génome pour trouver les récits spécifiques de l'adaptation. Les découvertes non seulement confirment ce que nous savions déjà sur l'évolution humaine, mais ouvrent également la porte à la découverte de nouveaux chapitres de notre histoire, particulièrement ceux impliquant notre système immunitaire et notre interaction avec l'environnement. Alors que les chercheurs mettent leur logiciel à la disposition de la communauté scientifique, celui-ci promet d'accélérer la découverte de la façon dont la sélection naturelle a façonné non seulement les humains, mais potentiellement de nombreuses autres espèces également.
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.