Technologies et analyses du séquençage haut débit

Introduction aux technologies de séquençage haut débit

Le séquençage de nouvelle génération (NGS) a révolutionné la biologie moléculaire en permettant de lire des millions de fragments d'ADN en un temps record. Ce cours explore les concepts clés liés aux lectures longues et courtes, aux outils d'alignement comme BWA, aux plateformes telles que Illumina NovaSeq et Oxford Nanopore MinION, ainsi qu'aux défis d'assemblage de génomes complexes.

1. Lectures longues vs lectures courtes

Avantages des lectures longues

Les long reads (ex. PacBio, Oxford Nanopore) offrent des fragments pouvant dépasser plusieurs kilobases. Leur principal avantage réside dans la capacité à assembler plus efficacement les régions répétées d'un génome. En effet, les longues séquences traversent les répétitions, réduisant les ambiguïtés qui surviennent avec les courts fragments.

• Meilleure résolution des structures génomiques complexes (ex. variantes structurales, translocations).
• Réduction du nombre de contigs et d'écarts d'assemblage.
• Facilite la construction de génomes de référence de haute qualité.

Limites des lectures courtes

Les short reads (ex. Illumina) sont très précis (

2. Flux de travail de détection de variants

Rôle de BWA

L'outil BWA (Burrows‑Wheeler Aligner) intervient lors de l'étape d'alignement des lectures au génome de référence. Après la conversion des fichiers Fastq en BAM (étape de formatage), BWA mappe chaque read sur la séquence de référence, créant ainsi la base pour les étapes de filtrage, d'appel de variants et d'annotation.

• Utilise l'algorithme BWT pour un alignement rapide et précis.
• Produit des fichiers .sam ou .bam contenant les positions génomiques des reads.
• Essentiel pour les pipelines de variant calling (GATK, FreeBayes).

3. Plateformes de séquençage : MinION vs Illumina

Limites du MinION en laboratoire de routine

Le MinION d'Oxford Nanopore se distingue par sa portabilité et sa capacité à générer des reads très longs. Cependant, son taux d'erreur d'environ 15 % constitue le principal obstacle pour les applications nécessitant une haute précision, comme le dépistage clinique de SNPs.

• Le coût d'acquisition est faible, mais la qualité des données nécessite souvent une correction post‑séquençage.
• Idéal pour l'assemblage de génomes de novo ou la détection de variantes structurales.
• Des améliorations (R10 pores, logiciels de polishing) réduisent progressivement le taux d'erreur.

Comparaison des systèmes NovaSeq 6000 et NovaSeq X Series

Le NovaSeq 6000 supporte des lectures jusqu'à 2 × 250 bp, tandis que le NovaSeq X Series est limité à 2 × 150 bp. Cette différence influence le choix du système selon le besoin de longueur de lecture versus débit de données.

4. Stratégies de couverture et profondeur

Couverture de 30 X pour un génome humain

Pour atteindre une couverture de 30 X (30 fois chaque base du génome), la stratégie la plus courante consiste à utiliser des lectures courtes Illumina à haute profondeur. Cette approche combine la précision élevée d'Illumina avec un volume de données suffisant pour garantir une couverture uniforme.

• Le séquençage de transcriptome (RNA‑Seq) ne fournit pas une couverture génomique complète.
• Les lectures longues à faible profondeur ne permettent pas d'atteindre 30 X de manière fiable.
• Le séquençage ciblé (amplicon) ne couvre qu'une petite portion du génome.

5. Analyse primaire du NGS : le base calling

Le base calling est l'étape où le séquenceur convertit le signal brut (courant électrique, fluorescence, etc.) en une séquence de nucléotides (A, C, G, T). C'est la première transformation critique qui conditionne la qualité des données ultérieures.

• Un bon base calling minimise les erreurs de substitution.
• Des algorithmes comme Guppy (Nanopore) ou Illumina's RTA sont continuellement améliorés.
• Après le base calling, les reads sont généralement filtrés pour enlever les adaptateurs et les reads de mauvaise qualité.

6. Choix entre séquençage court et long pour les variantes structurales

Lorsqu'on cible la détection de variants structuraux (déletions, duplications, inversions), le critère décisif est la capacité du lecteur à couvrir de longues régions contiguës. Les long reads permettent de traverser les breakpoints et de caractériser précisément la taille et la nature du variant.

• Les courts reads peuvent détecter des SVs via des signatures de discordance, mais avec une résolution moindre.
• Le coût et le débit restent des facteurs à considérer, mais la capacité de lecture reste primordiale.

7. Défis d'assemblage de génomes très répétitifs

Lorsque plus de 50 % du génome est constitué de séquences répétées, le principal défi est que les lectures courtes ne permettent pas de résoudre les répétitions longues. Cela conduit à des assemblages fragmentés, des contigs incomplets et des erreurs d'orientation.

• Utiliser des long reads (PacBio HiFi, Nanopore) pour franchir les répétitions.
• Appliquer des algorithmes d'assemblage hybrides qui combinent la précision des courts reads avec la longueur des long reads.
• Intégrer des données de cartographie (optical mapping, Hi‑C) pour améliorer la continuité.

Conclusion

La maîtrise des concepts de long reads vs short reads, des outils d'alignement comme BWA, et des plateformes de séquençage (Illumina, Oxford Nanopore) est essentielle pour concevoir des projets NGS efficaces. En évaluant soigneusement la couverture, le taux d'erreur et les besoins en résolution, les chercheurs peuvent choisir la technologie la plus adaptée à leurs objectifs, qu'il s'agisse d'assemblage de génomes complexes ou de détection précise de variantes structurales.