Les technologies de séquençage du génome humain - 1

Publié le 25 juillet 2012 et mis à jour le 28 août 2012 - 13 commentaires -

 

   

Depuis quelques années, je pro­fite de l’été pour creu­ser un sujet un peu hors des sen­tiers bat­tus. En 2009, c’était sur la cap­ture d’images d’Apollo 11 à l’occasion du qua­ran­tième anni­ver­saire des pre­miers pas de l’homme sur la Lune. L’année der­nière, c’était sur les racines anciennes du retard fran­çais dans l’adoption des tech­no­lo­gies de la com­mu­ni­ca­tion. Cette année, chan­ge­ment de bra­quet. On passe à la géné­tique ! Ce sont un peu mes “devoirs de vacances”. Cha­cun son truc… !

Dans le Rap­port du Consu­mer Elec­tro­nics Show de Las Vegas de 2012, j’avais rapi­de­ment évoqué le cas d’une machine per­met­tant le séquen­çage du génome humain de manière rela­ti­ve­ment abor­dable et en une journée :

“Enfin, on pou­vait voir ce Pro­ton de la société Ion Tor­rent,  un ana­ly­seur d’ADN (semi­con­duc­tor sequen­cer) sur le stand de Scien­ti­fic Ame­ri­can. Ce séquen­ceur ADN décode votre génome en une jour­née et pour $1000 avec tout cela com­porte comme impli­ca­tion dans la détec­tion de patho­lo­gies et ter­rain géné­tique favo­rable ou pas. Il fonc­tionne avec un cap­teur CMOS voi­sin de celui d’un appa­reil photo capable de déco­der 660 mil­lions de génomes en une jour­née. Com­ment ça marche ? Assez com­pli­qué à com­prendre et à expli­quer. Ces cap­teurs CMOS ont des tran­sis­tors à effet de champs qui détectent la quan­tité d’ions d’hydrogènes géné­rés par la poly­mé­ri­sa­tion de l’ADN. On peut mettre un peu plus d’un mil­lion de ces tran­sis­tors sur ces cap­teurs CMOS. La machine est ven­due $150K. Comme l’impression 3D, encore un truc qui va deve­nir mains­tream dans peu de temps ! Lit­té­ra­ture sur la ques­tion ici et là. Avec les tech­no­lo­gies de big data, ce n’est rien de moins que la gué­ri­son des can­cers grâce à l’analyse géné­tique et à des trai­te­ments ciblés qui est anticipée”.

J’ai voulu en savoir plus pour com­prendre com­ment ce genre d’engin pou­vait fonc­tion­ner. C’est bien le tout d’évoquer un cap­teur CMOS et ses mil­lions de pixels. Mais là, ce n’est pas de la photo. Il s’agit d’identifier les cen­taines de mil­lions de séquences de nucléo­bases qui s’enchainent dans l’ADN de nos chro­mo­somes. Concep­tuel­le­ment, c’est assez com­plexe, et bien plus que la méca­nique de détec­tion des fameux bosons de Higgs qui repose sur l’envoi les uns contre les autres de pro­tons ultra-énergisés dans l’énorme LHC du CERN de Genève.

Com­ment ces pixels de CMOS font-ils donc pour détec­ter les séquences d’ADN ? Com­ment la machine les met-elle dans l’ordre ? Quelle dif­fé­rence il y-a-t-il entre le séquen­çage géné­rique du génome humain et celui, per­son­na­lisé, de tout un cha­cun ? Quelles patho­lo­gies peut-on trai­ter grâce à un séquen­çage pour tous ? Com­ment ces tech­no­lo­gies vont-elles ou peuvent-elles se com­mo­di­ti­ser ? A quel prix ? Et avec quels types de machines ?

Quel est donc le lien avec la ligne édito­riale de ce blog ? La bio­lo­gie y est clai­re­ment hors-sujet. Elle pour­rait même nous emme­ner loin dans les méandres des débats entre évolu­tion­nistes et créa­tion­nistes. En effet, la bio­lo­gie molé­cu­laire est incroya­ble­ment com­plexe et riche de molé­cules et pro­ces­sus chi­miques divers. Quand on les décor­tique un par un, on leur trouve tous une cau­sa­lité scien­ti­fique et leur ori­gine peut sou­vent s’expliquer par des pro­ces­sus de nature évolu­tion­niste. Mais on peut faci­le­ment être fas­ciné par le génie du vivant et lui cher­cher un “créa­teur”. D’où les théo­ries du “design intel­li­gent” lar­ge­ment débat­tues aux USA.

On va tout de même reve­nir à la tech­no­lo­gie “de base” avec les cap­teurs CMOS et les trai­te­ments numé­riques de l’information. Il y aura même des mor­ceaux de big data dedans, même si ce n’est pas ma tasse de thé. Et on par­lera aussi d’initiatives d’IBM et de Google dans le domaine.

Alors, allons-y ! Cela néces­si­tera plu­sieurs par­ties : d’abord, un rap­pel des basiques de l’ADN façon cours de sciences natu­relles du secon­daire, puis sur les tech­niques de son séquen­ce­ment et enfin, un tour dans la par­tie numé­rique des opérations.

Décor­ti­quer l’ADN

L’ADN, tout le monde en a une idée géné­rale. On en a tous entendu par­ler à l’école. C’est une molé­cule qui contient le code géné­tique à l’origine de la vie ani­male et végé­tale, qui per­met la repro­duc­tion mais qui explique aussi cer­taines patho­lo­gies dites géné­ti­que­ment transmissibles.

Avant de voir com­ment on décode l’ADN, on va tout de même reprendre les basiques de la bio­lo­gie molé­cu­laire pour établir le voca­bu­laire, assez riche, du sujet. Nous allons pour ce faire emboi­ter une à une les pou­pées russes du vivant en allant du plus petit au plus grand, sachant que je me suis très lar­ge­ment appuyé sur Wiki­pe­dia pour recons­ti­tuer cette série, mais pas seule­ment, ayant trouvé pas mal de lit­té­ra­ture sur le sujet dont un article fon­da­men­tal publié en février 2001 dans Nature : “Ini­tial sequen­cing and ana­ly­sis of the human genome”. Je vous épargne tout de même l’échelle subatomique !

Quand j’en trouve la trace, j’indique la date et le ou les auteurs de la décou­verte de la struc­ture en ques­tion, qui sont très sou­vent deve­nus des prix Nobel de méde­cine. Je fais aussi le paral­lèle côté dimen­sions entre le code géné­tique et les micro-processeurs d’aujourd’hui, his­toire de com­prendre le défi qui se pose dans le déco­dage du génome. A vrai dire, l’écriture de cette série d’articles m’a fait décou­vrir un monde fas­ci­nant de connais­sances, qui se déve­loppe de manière expo­nen­tielle depuis des décen­nies. La connais­sance que l’on a des méca­nismes du vivant est incroya­ble­ment détaillée, et en même temps tou­jours insa­tis­fai­sante au vu de la dif­fi­culté à trou­ver des trai­te­ments adé­quats à cer­taines patho­lo­gies (myo­pa­thies, can­cers, dia­bète, mala­dies tro­pi­cales, etc).

Dans nous allons exa­mi­ner dans l’ordre crois­sant d’intégration les éléments sui­vants : nucléo­bases, nucléo­tides, ADN, codons, séquences codantes, gènes, nucléo­somes, nucléo­somes, nucléo­fi­la­ments, chro­ma­tine, chro­mo­some, nucléole avec un petit détour par les mito­chon­dries, noyau, génome et enfin cel­lule. C’est parti…

Nucléo­bases

Ce sont les molé­cules de base de la construc­tion de l’ADN et de l’ARN qui est créé à par­tir de l’ADN. Il y en a cinq dif­fé­rentes : l’adénine (A), la cyto­sine (C), la gua­nine (G), la thy­mine (T) et l’uracile (U). Les quatre pre­mières se trouvent dans l’ADN et la der­nière se trouve dans les dif­fé­rentes formes d’ARN, en lieu et place de la thy­mine. Ces molé­cules sont à base d’azote, d’hydrogène, d’oxygène et de car­bone. L’identification de ces molé­cules date de 1929 par le russo-américain Phoe­bus Aaron Levene.

Nucléo­tides

Ce sont des molé­cules orga­niques qui consti­tuent les brins d’ADN. Elles s’appuient sur une des quatre nucléo­bases de l’ADN, un sucre (un pen­tose, soit une molé­cule mono­sac­ca­ride dotée de cinq atomes de car­bone) et des grou­pe­ments phos­pha­tés (mono, di ou triphosphates).

Plus pré­ci­sé­ment, l’ADN s’appuie sur des nucléo­tides mono­phos­pha­tées : le dAMP (désoxy­adé­no­sine mono­phos­phate), le dTMP (désoxy­thy­mi­dine mono­phos­phate), le dGMP (désoxy­gua­no­sine mono­phos­phate) et le dCMP (désoxy­cy­to­sine mono­phos­phate). Mais lorsque l’on parle du déco­dage de l’ADN, on uti­lise comme sys­tème de nota­tion celui des nucléo­bases (A, C, G et T) que contiennent ces nucléo­tides (dAMP, dCMP, dGMP et dTMP). Les chro­mo­somes humains com­prennent près de 6 mil­liards de nucléotides.

ADN

Acide désoxy­ri­bo­nu­cléique, c’est la longue chaine qui contient le code géné­tique dans les chro­mo­somes de nos cel­lules. Sa struc­ture molé­cu­laire de base est en double hélice qui com­prend une suite de paires de bases entou­rées de leur sucre-phosphate qui sont reliés entre elles par des liai­sons sucre-phosphate.

Côté bases, chaque côté de l’hélice est le miroir de l’autre : une base A est tou­jours asso­ciée à une base T  (via deux liai­sons hydro­gène) et une base G à une C (via trois liai­sons hydro­gène). Cet agen­ce­ment a été décou­vert grâce à une tech­nique de dif­frac­tion aux rayons X mise en œuvre en pre­mier sur l’ADN par Rosa­lind Frank­lin en 1952. Il s’appuyait sur la décou­verte anté­rieure, de Char­gaff, en 1949, de la pro­por­tion équi­va­lente des bases A et T puis G et C dans les cel­lules, et constante pour chaque espèce vivante. Les liai­sons hydro­gène - qui relient les paires de bases dans l’ADN - sont de faible éner­gie, ce qui faci­lite la sépa­ra­tion des brins d’ADN et leur répli­ca­tion. On peut ainsi sépa­rer les deux brins d’un ADN par simple réchauf­fe­ment alors que celui-ci ne sépa­rera pas les nucléo­tides les uns des autres car ils sont reliés par une liai­son de forte éner­gie (oxygène-phosphate).

Les deux hélices de l’ADN ne sont pas espa­cées de manière égalée : le grand sillon fait 2,2 nm de haut et le petit, 1,2 nm. Comme tout s’explique, cela vient de l’angle des liai­sons hydro­gène qui asso­cient les paires de bases. Un peu comme si on tirait vers le haut ou vers le bas une des hélices de l’ADN.

C’est en 1958 que Mesel­son et Stahl découvrent le pro­ces­sus de répli­ca­tions dite semi-conservative de l’ADN qui voit chaque bras de l’hélice répli­qué pour créer une molé­cule d’ADN iden­tique à celle d’origine. Sachant néan­moins que l’on dis­tingue tou­jours un bras “ori­gi­nal” et un bras conte­nant une sorte de néga­tif, un peu comme dans la photo argen­tique. Le bras ori­gi­nal est iden­ti­fié par le sens des liai­sons phosphate-sucre entre les nucléotides.

Il y a envi­ron deux mètres linéaires d’ADN dans chaque cel­lule humaine sachant que l’ADN y est très dense comme nous allons le voir plus loin. La décou­verte de L’existence de l’ADN et de son fonc­tion­ne­ment a pris plus d’un siècle avec pour com­men­cer son iden­ti­fi­ca­tion en 1869 par Mies­cher et la modé­li­sa­tion de sa struc­ture en hélice et paires de bases par Wat­son et Crick en 1953. Le fonc­tion­ne­ment de la machi­ne­rie de la repro­duc­tion des cel­lules ainsi que celle de la créa­tion des pro­téines ont été décou­vertes dans les décen­nies sui­vant 1953.

Codons

Iden­ti­fiés par Bren­ner et Crick en 1960 puis Niren­berg et Mat­thaei en 1961, il s’agit du niveau d’intégration sui­vant dans l’ADN et la chaine du vivant. Ce sont des séquences de trois nucléo­tides spé­ci­fiant l’un des 22 acides ami­nés qui sont eux-mêmes les pri­mi­tives de consti­tu­tion des pro­téines qui servent de base au fonc­tion­ne­ment interne des cel­lules vivantes. Les acides ami­nés ont été décou­verts entre le début et la fin du 19ième siècle. D’où viennent-ils dans le corps humain ? 12 sont syn­thé­ti­sés par le pro­ces­sus méta­bo­lique par décou­page des pro­téines de notre ali­men­ta­tion et 9 sont d’origine externe.

Ces séquences de codons se trouvent dans l’ADN. Elles sont trans­mises à de l’ARNm (acide ribo­nu­cléique mes­sa­ger) lors de la trans­crip­tion des gènes de l’ADN qui s’appuie sur de l’ARN poly­mé­rase. L’ARNm sort du noyau des cel­lules pour atteindre le cyto­plasme où il est trans­formé en pro­téines grâce à l’action de ribo­somes, des pro­téines com­plexes et de l’ARNt (ARN de transfert).

La com­po­si­tion de l’ARN a été décou­verte par Vol­kin et Astra­chan en 1956. Le rôle de l’ARNm a été iden­ti­fié en 1961 par les fran­çais Monod et Jacob. Autre manière de décrire cette belle méca­nique : l’ARNm est un code qui est exploité par les outils que sont les ribo­somes et l’ARNt pour créer les protéines.

La suc­ces­sion des codons sur l’ARNm déter­mine la struc­ture pri­maire de la pro­téine qui sera syn­thé­ti­sée, soit l’enchainement linéaire des molé­cules. La “struc­ture secon­daire” décrit son orga­ni­sa­tion tri­di­men­sion­nelle et la “struc­ture ter­tiaire” décrit la manière dont la molé­cule se replie sur elle-même, ce qui donne à la pro­téine sa fonc­tion­na­lité. Ces replie­ments sont la consé­quence phy­sique et chi­mique de la com­po­si­tion en acides ami­nés des pro­téines. Dans cer­tains cas se créent des sites actifs que l’on appelle les enzymes.

Les ARN mes­sa­gers créés par trans­crip­tion de l’ADN sont consti­tués d’une suc­ces­sion de plu­sieurs dizaines à cen­taines de nucléo­tides. Nous avons vu que dans l’ARN, quatre bases nucléiques déter­minent la séquence d’un codon : adé­nine, gua­nine, ura­cile et cyto­sine. Ce qui donne 4³ = 64 codons dif­fé­rents, ser­vant au codage de 22 acides ami­nés dif­fé­rents (for­mules chi­miques ci-dessous ).

La table de cor­res­pon­dance ci-dessous a été iden­ti­fiée en 1961 par Niren­berg. Un codon “start” (ATG en nota­tion ADN ou AUG en nota­tion ARN) com­mande le départ de la syn­thèse des pro­téines et trois codons “stop” en com­mandent l’arrêt. Mais il existe une séquence préa­lable au codon start qui annonce les gènes : le “pro­mo­teur”. C’est sur lui que se fixe l’ARN poly­mé­rase qui va déclen­cher la copie de l’ADN en ARNm. Un peu comme le début d’une fer­me­ture éclair.

Mais d’où viennent ces ribo­somes qui uti­lisent l’ARNm et les acides ami­nés pour construire les pro­téines ? Pour résoudre le pro­blème de la poule et de l’œuf, les molé­cules de ribo­somes sont elles-mêmes construites à par­tir d’ARNr (ARN ribo­so­mique) obtenu par trans­fert de gènes de l’ADN. Mais le pro­ces­sus de leur créa­tion est assez com­plexe car l’ARNr est obtenu via une pré-ARNr qui est décou­pée en trois ARNr.

Les 52 pro­téines consti­tu­tives des ribo­somes sont quant à elles pro­duites par le cycle nor­mal via de l’ARNm et d’autres ribo­somes. Ce sont ces pro­téines qui sont asso­ciées avec les les ARN ribo­so­miques pour créer des pré-ribosomes. Enfin, cela se ter­mine par un pro­ces­sus de matu­ra­tion. Le tout dans dif­fé­rentes par­ties des cel­lules. Bon, et les 52 pro­téines consti­tu­tives des ribo­somes, elles viennent d’où ? Elles aussi de la trans­crip­tion d’ADN en ARNm et de leur uti­li­sa­tion pour l’assemblage d’acides ami­nés… par d’autres ribosomes !

Séquence codante (CDS ou Coding DNA Sequence, aussi sim­pli­fié en cDNA)

Par­tie d’un gène qui, après avoir été trans­crite en ARNm dans le noyau des cel­lules, est tra­duite en pro­téines. Les gènes sont en effet consti­tués dans l’ADN de suites alter­nant des séquences codantes (exons) et des séquences non codantes (introns, décou­verts en 1993). Les exons com­mencent par le codon ATG (trois nucléo­tides à bases adénine-thymine-guanine) et se ter­minent par un codon stop (TAA, TAG, ou TGA). Le pro­ces­sus de créa­tion des pro­téines via l’ARNm implique une méca­nique d’élimination des introns qui ne servent à rien que l’on dénomme l’épissage et qui est lui-même un méca­nisme très compliqué. Les gènes occupent envi­ron 0,5% de l’ADN humain et  les séquences codantes des gènes n’en repré­sentent qu’environ 5%, soit 0,025% de nos chro­mo­somes. Ce qui ne veut pas dire pour autant que le reste ne sert à rien, mais le niveau de connais­sance est moins bon sur la par­tie “hors gènes” de l’ADN que dans les gènes.

Gène

C’est l’unité de base d’information géné­tique qui se pré­sente sous la forme d’une séquence d’ADN qui spé­ci­fie la syn­thèse de chaînes de poly­pep­tides (chaînes de 10 à 100 acides ami­nés reliés par des liai­sons pep­ti­diques) qui servent elles-mêmes à la géné­ra­tion de pro­téines, qui sont des poly­pep­tides “longs” (1941, Beadle et Tatum puis 1944-1946, Avery). Mais leur acti­va­tion (“expres­sion”) dépend du type des cel­lules. L’identification de la série de bases qui démarrent et ter­minent un gène date des années 1970. L’ADN humain com­pren­drait envi­ron 23000 gènes selon les connais­sances à ce jour. Les esti­ma­tions du nombre de gènes ont été très variables ces 50 der­nières années. Elle allaient jusqu’à 100000 mais leur nombre s’est ensuite réduit après le séquen­çage com­plet de l’ADN humain ter­miné au début des années 2000. Ce n’est pas le tout de séquen­cer le génome, il faut com­prendre à quoi servent les séquences d’ADN !

Dans chaque cel­lule humaine, il y a envi­ron 10000 gènes qui sont expri­més et repré­sentent les fonc­tions com­munes de vie des cel­lules. Et envi­ron 1000 gènes sont expri­més qui sont liés au type de la cel­lule : mus­cu­laire, ner­veuse, osseuse, san­guine, etc.

Nucléo­somes

C’est un com­plexe d’ADN et de pro­téines qui consti­tue une unité de base de la chro­ma­tine que nous ver­rons plus loin. C’est le pre­mier niveau de com­pac­tion de l’ADN dans les chro­mo­somes. Le nucléo­some est un enrou­le­ment d’environ 140 paires de bases d’ADN autour de pro­téines com­plexes dont les his­tones (en cou­leur ci-dessous) qui sont très riches en acides ami­nés basiques. Il y a deux sortes d’histones, les 2A, 2B 3 et 4 autour des­quelles l’ADN s’enroule et l’histone 1 qui se place à l’extérieur de l’ensemble, comme un verrou.

Un nucléo­some fait envi­ron 11nm de dia­mètre. Mais la par­tie de l’ADN qui est ainsi conden­sée n’est pas trans­crip­tion­nelle, à savoir qu’elle ne sert pas à la créa­tion d’ARNm et de pro­téines. C’est l’ADN située entre les nucléo­somes qui sert à la trans­crip­tion en ARNm pour créer des pro­téines. Par contre, lors de la divi­sion cel­lu­laire, l’ensemble de l’ADN y com­pris la “non trans­crip­tion­nelle” est copiée à l’identique.

Nucléo­fi­la­ment

C’est le niveau de com­pac­tion sui­vant de la chro­ma­tine qui voit la suite d’ADN ponc­tu­rée de nucléo­somes s’enrouler elle-même sous forme de solé­noïdes. On a un nucléo­some toutes les 200 paires d’ADN ce qui veut dire qu’ils sont les uns contre les autres. Ces nucléo­fi­la­ments font envi­ron 30 nm de dia­mètre. Eux-mêmes sont ensuite com­pac­tés au sein des chro­mo­somes mais leur com­pac­tage n’est pas le même pen­dant le cycle de vie de la cel­lule. La forme la plus com­pac­tée se mani­feste lors du pro­ces­sus de divi­sion cel­lu­laire au moment de la pro­phase. Mais la répli­ca­tion de l’ADN dite semi-conservative (ou la moi­tié du brin est conser­vée et chaque moi­tié com­plé­tée par un répli­cat en néga­tif) a lieu pen­dant l’interphase, soit la vie “nor­male” de la cel­lule. En temps nor­mal pen­dant l’interphase, les nucléo­fi­la­ments s’étalent de manière libre au sein du noyau des cellules.

Chro­ma­tine

C’est la forme sous laquelle se pré­sente l’ADN dans le noyau des cel­lules et les chro­mo­somes. Cette sub­stance de base des chro­mo­somes asso­cie un brin d’ADN, de l’ARN et des pro­téines. Dans la chro­ma­tine, on dis­tingue  l’euchromatine qui contient la par­tie active de l’ADN, uti­li­sée lors de la trans­crip­tion en ARNm et en pro­téines et se situe géné­ra­le­ment entre les nucléo­somes. Elle repré­sente 10% de l’ADN chez l’homme et com­prend de 23000 à 25000 gènes (27% du code), de l’ADN non codant répété (50%), de l’ADN non codant non répété (4%), de l’ADN codant dupli­qué (7%) et des séquences indé­ter­mi­nées qui sont inclas­si­fiables à ce stade des connais­sances (5%). Il y a ensuite l’hétérochromatine qui est de l’ADN condensé sous forme de fibres de 20nm à 30nm de dia­mètre mais qui ne sert pas à la trans­crip­tion de l’ADN en ARNm et en protéines.

Chro­mo­somes

Ce sont les longues molé­cules de chro­ma­tine inté­grant de l’ADN. Leur forme évolue lors du pro­ces­sus de repro­duc­tion des cel­lules comme indi­qué ci-dessus. En temps nor­mal, en fait, pen­dant la période dite G1 de l’interphase, un chro­mo­some humain est un fil qui s’étend de part et d’autre d’un cen­tro­mère, une longue chaine d’ADN, de plu­sieurs mil­liers de paires de bases d’ADN chez l’humain, et dont la chro­ma­tine uti­lise une his­tone par­ti­cu­lière. Le  cen­tro­mère fait le lien entre les chro­ma­tines d’ADN qui se dupliquent lors de la divi­sion cellulaire.

La forme en X bien connue n’a lieu que lors de la repro­duc­tion des cel­lules dans une période par­ti­cu­lière de cette divi­sion qui s’appelle la méta­phase et qui dure envi­ron 10 minutes. L’une des rai­sons pour les­quelles c’est la manière dont on repré­sente le plus fré­quem­ment les chro­mo­somes comme ci-dessous est que c’est la plus facile à pho­to­gra­phier ! Les autres ? Je ne sais pas…

A l’extrémité des chro­mo­somes se trouvent les télo­mères (décou­verts en 1984 par les amé­ri­cains Black­burn, Grei­der et Szos­tak), des séquences non codantes d’ADN qui sont répé­tées plu­sieurs fois. Ces télo­mères se rac­cour­cissent à chaque divi­sion cel­lu­laire pour la plu­part des cel­lules humaines. Elles sont ainsi un mar­queur de l’âge de l’organisme vivant. Elles com­portent jusqu’à 12000 paires de base d’ADN chez le nou­veau né et tombent à moins de 6000 paires pour l’octogénaire en bonne santé. Mais les glo­bules blancs ainsi que les cel­lules can­cé­reuses quoi se dupliquent fré­quem­ment et rapi­de­ment béné­fi­cient d’une enzyme par­ti­cu­lière qui conservent leurs télomères. Des recherches visant à limi­ter le phé­no­mène de rac­cour­cis­se­ment pour les cel­lules saines pour­raient abou­tir à la créa­tion d’élixirs de jou­vence, à base de télo­mé­rase ! Ques­tion taille, le pre­mier chro­mo­some humain mesure  245 mil­lions de bases x 0,34 nm (nano­mètre), soient envi­ron 8 cm, une fois déroulé ! En pra­tique, un chro­mo­some humain fait 1400nm (1,4 micron) de dia­mètre pour envi­ron 10 microns de long.

Génome

Décrit le patri­moine géné­rique d’une cel­lule qui se maté­ria­lise sous la forme de l’ensemble des gènes que l’on trouve à la fois dans le noyau de la cel­lule avec ses chro­mo­somes mais aussi, pour une part négli­geable, dans ses mitochondries.

Nucléole

Par­tie du noyau des cel­lules où se pro­duit la trans­crip­tion des ARN ribo­so­miques (ARNr, issues de la trans­po­si­tion de l’ADN), qui consti­tuent avec des pro­téines, les deux sous-unités des ribo­somes (exemple ci-dessous), les molé­cules com­plexes qui servent elles-mêmes à syn­thé­ti­ser les pro­téines à par­tir du code com­pris dans l’ARNm.

Noyau de la cellule

Il contient les 23 chro­mo­somes avec l’essentiel du génome humain, qui sont sous forme de paires de chro­mo­somes entre la phase S1 de l’interphase et la méta­phase. C’est au sein du noyau que l’ADN est à la fois dupli­quée pen­dant la divi­sion cel­lu­laire et aussi, qu’il donne lieu à la créa­tion des dif­fé­rentes formes d’ARN, et notam­ment l’ARNm qui contient un double du code des gènes et ser­vira ensuite dans le cyto­plasme (le reste de la cel­lule) à géné­rer les pro­téines, aidé par les ribo­somes et les ARN de transfert.

Mito­chon­dries

Com­po­santes des cel­lules, elles contiennent aussi un petit bout du code ADN des cel­lules avec 16 kilo­bases orga­ni­sées dans un génome cir­cu­laire et 37 gènes qui “codent” 13 pro­téines, 22 ARN de trans­fert et 2 ARN ribo­so­miques. Le déco­dage de cette par­tie du génome per­met de véri­fier les filia­tions mère-enfants et de dater les lignées car chez l’homme, ces gènes sont trans­mis uni­que­ment par la mère.

Cel­lule dites “Eucaryotes”

Que l’on trouve dans les espèces ani­males et végé­tales qui com­prennent entre autres un noyau et des mito­chon­dries. Et toute une artille­rie de domaines spé­cia­li­sés. Ce sont de véri­tables usines chi­miques qui trans­forment l’énergie, dans un sens pour l’emmagasiner et dans l’autre pour la res­ti­tuer de manière chi­mique ou méca­nique, comme dans les muscles.

Dimen­sion temps

Les cel­lules humaines ne suivent pas toutes le même méta­bo­lisme. Cer­taines se repro­duisent par divi­sion cel­lu­laires mais d’autres non, comme les glo­bules rouges, les cel­lules mus­cu­laires du cœur ainsi que les nerfs. La durée de vie des cel­lules qui se repro­duisent va de quelques jour­nées (dans la peau ou le sys­tème diges­tif) à plu­sieurs mois voire années (dans le pan­créas ou les os). On verra dans un pro­chain article à quel stade de déve­lop­pe­ment des cel­lules humaines on pré­lève leur ADN pour leur séquençage.

Com­pa­rai­son de tailles

Chaque paire de bases de l’ADN est espa­cée de 0,34 nm et l’hélice de l’ADN fait 2 nm de dia­mètre. Un tour com­plet de l’hélice d’ADN se fait en 10 paires de bases. Com­ment cela se compare-t-il avec les micro­pro­ces­seurs les plus récents en termes d’intégration ?

Si on prend comme réfé­rence la der­nière géné­ra­tion de pro­ces­seurs 22nm de la série de pro­ces­seurs Core “Ivy Bridge” d’Intel, chaque tran­sis­tor est espacé de 44 nm sur son sub­strat en sili­cium, le niveau d’intégration “22nm” cor­res­pon­dant au demi-espacement entre tran­sis­tors. En fai­sant un petit cal­cul simple, on constate que cet espa­ce­ment cor­res­pond à l’enfilement linéaire de 129 paires de bases d’ADN.

Mais l’ADN s’enroule de manière com­plexe autour d’histones, elle-même com­pac­tées dans des fibres de chro­ma­tine ce qui fait que la den­sité du code géné­tique est encore plus forte que dans cette vue linéaire. Ainsi l’espace entre tran­sis­tors dans ces pro­ces­seurs (44nm) est-il voi­sin du dia­mètre (33nm) des fibres de chromatine.

En termes de conden­sa­tion d’information, l’ADN est donc bien plus dense que ces micro­pro­ces­seurs ou les mémoires qui uti­lisent des tech­no­lo­gies simi­laires à base de sili­cium. Ainsi, le petit bout de fibre de chro­ma­tine dans le schéma ci-dessous qui s’insèrerait entre deux tran­sis­tors 22nm comprend-il 12 nucléo­somes avec 140 paires de bases d’ADN cha­cun, soit en tout 1680 paires. Chaque paire de base est en équi­va­lent infor­ma­tique un code à 2 bits (puisqu’il y a quatre pos­si­bi­li­tés), ce qui donne 3 Kbits en tout.

A vrai dire, c’est avec la den­sité d’un disque dur qu’il fau­drait faire cette com­pa­rai­son plu­tôt qu’avec un pro­ces­seur. Faisons-là donc. Dans les disques durs actuels de 2 To de 3,5 pouces uti­li­sant la tech­no­lo­gie de sto­ckage per­pen­di­cu­laire magné­tique (PMR) co-inventée par le prix Nobel fran­çais Albert Fert, la dis­tance entre chaque bit sur les pla­teaux magné­tiques est d’environ 32 nm – sans rap­port avec les tech­no­lo­gies d’intégration de sili­cium en 32 nm.

Elle va des­cendre à court terme à 25nm et en des­sous grâce à la tech­no­lo­gie Heat-Assisted Magne­tic Recor­ding (HAMR) qui s’appuie sur l’usage d’un laser. Mais cette tech­no­lo­gie pour­rait en théo­rie faire des­cendre la dis­tance entre bits à 3,6 nm, soit l’ordre de gran­deur de l’épaisseur d’un brin d’ADN. Sachant qu’en paral­lèle, l’espace entre tran­sis­tors dans les cir­cuits inté­grés pour­rait des­cendre à 20 nm (en tech­no­lo­gie 10 nm).

Le défi du séquençage

Reste à déco­der tout cela… ce n’était que l’apéritif pour com­prendre la suite des événe­ments. Alors, qu’est-ce que le séquen­çage du génome humain ?

Il s’agit de déco­der l’ADN de nos chro­mo­somes, soit plu­sieurs mil­liards de paires de bases notées A, G, C et T sachant on l’a vu qu’elles sont inté­grées dans des chro­mo­somes qui ne se pré­sentent pas linéai­re­ment mais en fibres elles-mêmes consti­tuées de nucléo­somes. Et puis, ces chro­mo­somes sont dans le noyau de nos cel­lules. Il faut les en extraire !

Au départ, l’objectif était de se concen­trer sur le déco­dage des gènes, la petite par­tie de l’ADN qui code la créa­tion des pro­téines, le reste de l’ADN ayant une fonc­tion autre, essen­tiel­le­ment de “sup­port” au sein de la chro­ma­tine et des chro­mo­somes. Mais le séquen­çage du génome humain est tout de même allé au delà et a cou­vert l’ensemble de l’ADN de nos chro­mo­somes. La rai­son est que les séquences non codantes qui sont par­fois redon­dantes et répé­ti­tives pré­sentent aussi un grand inté­rêt scientifique.

Pre­mière uti­lité, iden­ti­fier les séquences dites régu­la­trices qui influencent l’expression des gènes et notam­ment dans les mala­dies d’origine géné­tiques. On a encore beau­coup à apprendre et décou­vrir de ce côté-là. Ce d’autant plus que les séquences régu­la­trices d’un gène peuvent se trou­ver n’importe où dans le génome et pas sim­ple­ment à proxi­mité des gènes en question.

Autre uti­lité : appré­hen­der l’origine de muta­tions dans les espèces et retra­cer tout sim­ple­ment l’histoire de la vie sur terre. Cela sera d’une plus grande uti­lité pra­tique lorsque l’on se sera atta­qué à un séquen­çage du génome de nom­breuses espèces ani­males et végé­tales car aujourd’hui seules quelques dizaines ont été trai­tées et plu­tôt pour des bac­té­ries et autres orga­nismes mono­cel­lu­laires. Mais le séquen­çage du génome du pou­let, d’une espèce de cochon domes­tique et du bœuf ont déjà été réa­li­sés dans les années 2000. Un séquen­çage qui per­met de s’attaquer aux dizaines de mil­liers d’agents patho­gènes de ces ani­maux domes­ti­qués afin de mieux trai­ter les épidé­mies les frap­pant. Avec des consé­quences macro-économiques et socié­tales majeures. Mais la com­pa­rai­son de l’ADN des espèces ani­males avec l’ADN humaine per­met aussi d’en savoir plus sur les séquences régulatrices.

En guise de tea­sing pour la suite, pour faire simple, le pro­cédé du séquen­çage consiste à d’abord à débar­ras­ser l’ADN des pro­téines qui l’entourent par trai­te­ment chi­mique puis à la décou­per en mor­ceaux. Chaque mor­ceau est à son tour découpé en mor­ceaux de taille variable, à une base près. Et un pro­cédé à base de cap­teurs de fluo­res­cence per­met d’identifier le nombre de mor­ceaux de chaque taille et la nature de la base à son bout. On en déduit un grand nombre de séquences d’ADN redon­dantes qui se recouvrent. C’est alors par logi­ciel que l’on ras­semble toutes ces séquences pour recons­ti­tuer pas à pas le génome humain. Le volume de don­nées est rai­son­nable (3 mil­liards de bases au plus), mais c’est ce trai­te­ment de recom­bi­nai­son des séquences qui est très lourd. Et ensuite, son exploitation.

Ça, c’est l’explication rapide. On en détaillera le fonc­tion­ne­ment dans l’article sui­vant de cette série. Et on exa­mi­nera les machines qui réa­lisent ce séquen­çage du génome très rapi­de­ment en s’appuyant sur des tech­niques de séquen­çage mas­si­ve­ment parallèles.

Publié le 25 juillet 2012 et mis à jour le 28 août 2012 Post de Olivier Ezratty | Santé | 16305 lectures