498 trOiSiÈMe partie La génétique
coûté 100 millions de dollars, il n’a fallu que quatre mois pour
séquencer celui de James Watson, en 2007, et l’opération a
coûté environ 1 million de dollars. Et le rythme de ce travail
continue de s’accélérer : en 2010, un groupe de chercheurs a
déclaré avoir séquencé rapidement trois génomes humains
pour environ 4 400 dollars chacun !
Ces progrès techniques ont également facilité la mise en
œuvre de la métagénomique (du grec meta, « ce qui dépasse »),
une approche dans laquelle l’ADN d’un groupe d’espèces (un
métagénome) est extrait d’un échantillon prélevé dans l’environnement et séquencé. Là aussi, un logiciel se charge de trier
les séquences fragmentaires et de les assembler en génomes
spécifiques. Jusqu’à maintenant, les scientifiques ont appliqué
cette démarche pour analyser le génome des communautés
microbiennes présentes dans des environnements aussi divers
que la mer des Sargasses et l’intestin humain. La capacité à
séquencer l’ADN de populations disparates élimine la nécessité
de cultiver chaque espèce séparément en laboratoire, une difficulté qui a limité l’étude de nombreuses espèces microbiennes.
À première vue, les séquences de génomes des humains et
d’autres organismes ne sont que des listes monotones de bases
nucléotidiques (une succession interminable de millions de A,
de T, de C et de G) auxquelles il est difficile de donner un sens.
Heureusement, la mise au point de nouvelles méthodes d’analyse, que nous décrivons dans la prochaine section, permet de
décrypter cette quantité phénoménale de données.
retour sur le ConCept 21.1
1. Quelle est la principale différence entre une carte
de liaison génétique et une carte physique d’un
chromosome ?
2. En général, en quoi la stratégie appliquée par le Projet
génome humain pour cartographier le génome se
distingue-t-elle de celle de l’approche en aveugle ?
Voir les réponses proposées à la fin du chapitre.
ConCept
21.2
Les scientifiques utilisent
la bio-informatique pour analyser
les génomes et leurs fonctions
Jour après jour, chacun des quelque 20 centres de séquençage
travaillant au Projet génome humain a produit quotidiennement un nombre considérable de séquences d’ADN. Devant
cette accumulation de données, il est devenu rapidement
nécessaire de coordonner les travaux afin d’être en mesure de
suivre toutes les séquences. Aussi, les chercheurs et les responsables gouvernementaux engagés dans le Projet génome
humain se sont-ils donné pour objectif d’établir des banques
de données, ou bases de données, et de perfectionner des
logiciels. Ces outils informatiques ont alors été centralisés et
mis à la disposition des chercheurs par le biais d’Internet. Le
fait que tous les chercheurs dans le monde puissent disposer
de ces ressources bio-informatiques a permis une importante
accélération de l’analyse des séquences d’ADN et une diffusion beaucoup plus rapide des informations.
La centralisation des ressources
pour l’analyse des séquences génomiques
Les organismes financés par les fonds publics ont accompli
leur mandat d’élaborer des bases de données et de fournir des
logiciels avec lesquels les scientifiques peuvent analyser les
données de séquences. Par exemple, aux États-Unis, des activités concertées entre la National Library of Medicine et les
National Institutes of Health (NIH) ont créé le National Center
for Biotechnology Information (NCBI), qui héberge un site
Web (www.ncbi.nlm.nih.gov) comportant d’importantes ressources bio-informatiques. Ce site propose des liens vers des
bases de données, des logiciels et quantité d’informations sur
la génomique et des sujets connexes. Des sites Web semblables
ont également été établis par le Laboratoire européen de biologie moléculaire, par la Banque de données génétiques du
Japon et par le BGI (autrefois appelé Beijing Genome Institute) à Shenzhen, en Chine. Ces trois centres génomiques
entretiennent des liens avec le NCBI. D’autres sites Web
hébergés par des individus ou des petits groupes de laboratoires s’ajoutent à ces sites de très grande taille. Des sites plus
petits fournissent souvent des bases de données et des logiciels conçus pour des fins plus restreintes, comme l’étude des
modifications génétiques et génomiques dans un type particulier de cancer.
La base de données des séquences du NCBI est appelée
GenBank. En mai 2010, elle comprenait les séquences de
119 millions de fragments d’ADN génomique, pour un total
de 114 milliards de paires de bases ! GenBank est constamment
mise à jour, et on estime que la quantité de données qu’elle
contient double approximativement tous les 18 mois. Toute
séquence dans la banque peut être extraite et analysée à l’aide
de logiciels disponibles sur le site Web du NCBI ou ailleurs.
Un des programmes informatiques accessibles sur le site
du NCBI, appelé BLAST, permet au visiteur de comparer une
séquence d’ADN avec chaque séquence dans la GenBank,
base par base, pour repérer des régions similaires. Un autre
logiciel permet de comparer des séquences prédites de protéines. Et un troisième peut chercher n’importe quelle séquence
de polypeptides afin de trouver des segments communs
d’acides aminés (domaines) susceptibles de remplir une fonction particulière ; de plus, ce logiciel peut afficher un modèle
tridimensionnel du domaine en question ainsi que d’autres
informations pertinentes (figure 21.4). Il existe même un
programme informatique capable de comparer une collection
de séquences, soit d’acides nucléiques, soit de polypeptides,
et de les schématiser sous la forme d’un arbre évolutif basé
sur les relations entre les séquences. (La figure 21.16 présente
un tel schéma.)
Deux instituts de recherche, l’University Rutgers et l’University of California à San Diego, hébergent pour leur part la
Worlwide Protein Data Bank, une base de données renfermant
toutes les structures tridimensionnelles des protéines qui ont
été déterminées. On peut consulter cette base de données à
l’adresse www.wwpdb.org. Il est possible de faire pivoter les
structures afin d’observer une protéine sous tous les angles.
coûté 100 millions de dollars, il n’a fallu que quatre mois pour
séquencer celui de James Watson, en 2007, et l’opération a
coûté environ 1 million de dollars. Et le rythme de ce travail
continue de s’accélérer : en 2010, un groupe de chercheurs a
déclaré avoir séquencé rapidement trois génomes humains
pour environ 4 400 dollars chacun !
Ces progrès techniques ont également facilité la mise en
œuvre de la métagénomique (du grec meta, « ce qui dépasse »),
une approche dans laquelle l’ADN d’un groupe d’espèces (un
métagénome) est extrait d’un échantillon prélevé dans l’environnement et séquencé. Là aussi, un logiciel se charge de trier
les séquences fragmentaires et de les assembler en génomes
spécifiques. Jusqu’à maintenant, les scientifiques ont appliqué
cette démarche pour analyser le génome des communautés
microbiennes présentes dans des environnements aussi divers
que la mer des Sargasses et l’intestin humain. La capacité à
séquencer l’ADN de populations disparates élimine la nécessité
de cultiver chaque espèce séparément en laboratoire, une difficulté qui a limité l’étude de nombreuses espèces microbiennes.
À première vue, les séquences de génomes des humains et
d’autres organismes ne sont que des listes monotones de bases
nucléotidiques (une succession interminable de millions de A,
de T, de C et de G) auxquelles il est difficile de donner un sens.
Heureusement, la mise au point de nouvelles méthodes d’analyse, que nous décrivons dans la prochaine section, permet de
décrypter cette quantité phénoménale de données.
retour sur le ConCept 21.1
1. Quelle est la principale différence entre une carte
de liaison génétique et une carte physique d’un
chromosome ?
2. En général, en quoi la stratégie appliquée par le Projet
génome humain pour cartographier le génome se
distingue-t-elle de celle de l’approche en aveugle ?
Voir les réponses proposées à la fin du chapitre.
ConCept
21.2
Les scientifiques utilisent
la bio-informatique pour analyser
les génomes et leurs fonctions
Jour après jour, chacun des quelque 20 centres de séquençage
travaillant au Projet génome humain a produit quotidiennement un nombre considérable de séquences d’ADN. Devant
cette accumulation de données, il est devenu rapidement
nécessaire de coordonner les travaux afin d’être en mesure de
suivre toutes les séquences. Aussi, les chercheurs et les responsables gouvernementaux engagés dans le Projet génome
humain se sont-ils donné pour objectif d’établir des banques
de données, ou bases de données, et de perfectionner des
logiciels. Ces outils informatiques ont alors été centralisés et
mis à la disposition des chercheurs par le biais d’Internet. Le
fait que tous les chercheurs dans le monde puissent disposer
de ces ressources bio-informatiques a permis une importante
accélération de l’analyse des séquences d’ADN et une diffusion beaucoup plus rapide des informations.
La centralisation des ressources
pour l’analyse des séquences génomiques
Les organismes financés par les fonds publics ont accompli
leur mandat d’élaborer des bases de données et de fournir des
logiciels avec lesquels les scientifiques peuvent analyser les
données de séquences. Par exemple, aux États-Unis, des activités concertées entre la National Library of Medicine et les
National Institutes of Health (NIH) ont créé le National Center
for Biotechnology Information (NCBI), qui héberge un site
Web (www.ncbi.nlm.nih.gov) comportant d’importantes ressources bio-informatiques. Ce site propose des liens vers des
bases de données, des logiciels et quantité d’informations sur
la génomique et des sujets connexes. Des sites Web semblables
ont également été établis par le Laboratoire européen de biologie moléculaire, par la Banque de données génétiques du
Japon et par le BGI (autrefois appelé Beijing Genome Institute) à Shenzhen, en Chine. Ces trois centres génomiques
entretiennent des liens avec le NCBI. D’autres sites Web
hébergés par des individus ou des petits groupes de laboratoires s’ajoutent à ces sites de très grande taille. Des sites plus
petits fournissent souvent des bases de données et des logiciels conçus pour des fins plus restreintes, comme l’étude des
modifications génétiques et génomiques dans un type particulier de cancer.
La base de données des séquences du NCBI est appelée
GenBank. En mai 2010, elle comprenait les séquences de
119 millions de fragments d’ADN génomique, pour un total
de 114 milliards de paires de bases ! GenBank est constamment
mise à jour, et on estime que la quantité de données qu’elle
contient double approximativement tous les 18 mois. Toute
séquence dans la banque peut être extraite et analysée à l’aide
de logiciels disponibles sur le site Web du NCBI ou ailleurs.
Un des programmes informatiques accessibles sur le site
du NCBI, appelé BLAST, permet au visiteur de comparer une
séquence d’ADN avec chaque séquence dans la GenBank,
base par base, pour repérer des régions similaires. Un autre
logiciel permet de comparer des séquences prédites de protéines. Et un troisième peut chercher n’importe quelle séquence
de polypeptides afin de trouver des segments communs
d’acides aminés (domaines) susceptibles de remplir une fonction particulière ; de plus, ce logiciel peut afficher un modèle
tridimensionnel du domaine en question ainsi que d’autres
informations pertinentes (figure 21.4). Il existe même un
programme informatique capable de comparer une collection
de séquences, soit d’acides nucléiques, soit de polypeptides,
et de les schématiser sous la forme d’un arbre évolutif basé
sur les relations entre les séquences. (La figure 21.16 présente
un tel schéma.)
Deux instituts de recherche, l’University Rutgers et l’University of California à San Diego, hébergent pour leur part la
Worlwide Protein Data Bank, une base de données renfermant
toutes les structures tridimensionnelles des protéines qui ont
été déterminées. On peut consulter cette base de données à
l’adresse www.wwpdb.org. Il est possible de faire pivoter les
structures afin d’observer une protéine sous tous les angles.