Optimisation de la détection et de l'interpretation des variations génomiques issues de données d'exomes pour les études cas-contrôles

Οptimisatiοn of the detectiοn and interpretatiοn of genοmic variatiοns from whole exome data for case-control studies

• Auteur / Autrice : Olivier Quenez
• Direction : Gaël Nicolas
• Type : Thèse de doctorat
• Discipline(s) : Sciences de la vie et de la sante
• Date : Soutenance le 19/12/2023
• Etablissement(s) : Normandie
• Ecole(s) doctorale(s) : École doctorale Normande de biologie intégrative, santé, environnement (Mont-Saint-Aignan, Seine-Maritime)
• Partenaire(s) de recherche : Laboratoire : Cancer and Brain Genomics (Rouen ; 2022-....) - Cancer and Brain Genomics / CBG
• Partenaire(s) de recherche : Établissement co-accrédité : Université de Rouen Normandie (1966-....)
• Jury : Président / Présidente : Julien Thévenon
• Jury : Examinateurs / Examinatrices : Gaël Nicolas, Julien Thévenon, Céline Bellenguez, Emmanuelle Génin
• Jury : Rapporteurs / Rapporteuses : Marie de Tayrac, Sébastien Jacquemont

Mots clés

Mots clés contrôlés

Étude d'association pangénomique

Exons

Alzheimer, Maladie d'

Mots clés libres

Maladie d’Alzheimer,

CNV

Études d’association

Séquençage d’exome

Alzheimer disease

CNV,

Association study

Whole exome sequencing

Résumé

Au cours des 20 dernières années, l'évolution des nouvelles technologies a révélé la grande variabilitéde notre génome depuis la simple substitution jusqu'aux réarrangements chromosomiques. Lestechnologies de séquençage à haut débit ont particulièrement amélioré l’identification etl’interprétation des variations de petite taille tout en offrant l’opportunité d’explorer les variations destructure avec une résolution supérieure à celle disponible grâce aux analyses pangénomiques surpuces. Néanmoins, l’identification des variations de structure, et plus particulièrement des variationsdu nombre de copies (CNV) à partir de données de séquençage par capture, a été sous exploitée etpeu évaluée. Notre objectif principal était de mettre en place un pipeline bioinformatique basé sur laprofondeur de lecture pour l’identification des CNV, puis de l’appliquer à une études cas-témoinsd’exome dans le cadre de la recherche sur la maladie d’Alzheimer.La maladie d’Alzheimer (MA) est la maladie neurodégénérative la plus fréquente. Les facteursgénétiques individuels jouent un rôle important dans son déterminisme et de multiples facteurs derisque ont été identifiés, essentiellement des substitutions et petites insertions/délétions. Pourtant,des variations de structure ont déjà été identifiées dans des formes monogéniques de MA, comme lesduplications complètes du gène APP. Les CNV restent très peu étudiés dans la MA et nous avonssouhaité appliquer une approche cas-témoins à partir de données massives d’exomes pour détecterdes CNV contribuant au risque de MA.Dans un premier temps, nous avons établi une stratégie d'analyse basée sur le logiciel CANOES afin dedétecter les CNV à partir de données de NGS issues d’une capture (panel, exomes). Cette approche aété validée à travers deux grands jeux de données de panels et d’exomes comparés à des techniquesindépendantes. Dans le premier jeu de données (panels), la sensibilité et la spécificité étaient de 100%et nous obtenons une sensibilité de 87,25 % et une valeur prédictive positive de 88,5% sur la détectionde CNV sur les données de séquençage d'exomes.Par la suite, nous avons appliqué cette approche aux données d’exomes issues des consortium ADES(Alzheimer Disease Exome Sequencing) et ADSP (Alzheimer Disease Sequencing Project), regroupant,après un contrôle qualité extensif développé dans le cadre de ces travaux, 22 094 individus répartisentre 4077 formes précoces de MA, 8458 formes tardives et 9559 témoins. Nous avons mis au pointdes analyses au niveau des transcrits et appliqué une méthode statistique basée sur les dosagesappliquée aux formes précoces et aux témoins. Nous avons pu identifier plusieurs potentiels nouveauxfacteurs de risque dont la région du chr22q11.21, déjà impliquée dans les troubles duneurodéveloppement (p=3,8x10-4). De plus, nous avons identifié des délétions très rares dans lesgènes ABCA1 et ABCA7 dont les variations perte de fonction sont connues comme facteurs de risquede MA depuis peu, et nous avons réalisé une analyse conjointe des délétions et des variations pertede fonction de petite taille.En conclusion, nous avons montré que la détection de CNV issus de données d’exome est fiable et nousen avons mesuré les performances et les limites avant de les appliquer à un grand jeu de données afind’identifier de nouveaux mécanismes contribuant au développement de la maladie d’Alzheimer.

Over the past 20 years, the evolution of new technologies has revealed the great variability of ourgenome, from simple substitutions to chromosomal rearrangements. High-throughput sequencing hasparticularly improved the identification and interpretation of small variations, while offering theopportunity to explore structural variations with a higher resolution than that available with genome-wide microarray analyses. Nevertheless, the identification of structural variations and more specificallycopy number variations (CNVs) from capture sequencing data, has been under exploited and underevaluated. Our main objective was to develop a read depth based bioinformatics pipeline for CNVidentification, and then apply it to a case-control exome study in Alzheimer’s disease research.Alzheimer’s disease (AD) is the most common neurodegenerative disorder. Individual genetic factorsplay an important role in its determinism, and multiple risk factors have been identified, mainlysubstitutions and small insertions/deletions. However, structural variations have already beenidentified in monogenic forms of AD, such as complete duplication of APP gene. CNVs remain largelyunstudied in AD, we set out to apply a case-control approach using massive exome data to detect CNVscontributing to AD risk.As a first step, we established an analysis strategy based on CANOES software to detect CNVs fromNGS data derived from a capture (gene panels, exomes). This approach was validated using 2 largegene panels and exome datasets, compared with independent targeted techniques. In the first dataset(gene panels), sensitivity and specificity were 100%, and we obtained a sensitivity of 87.25% and apredictive positive value of 88.5% for CNV detection in whole exome sequencing data.We then applied this approach to whole exome data from the ADES (Alzheimer Disease ExomeSequencing) and ADSP (Alzheimer Disease Sequencing Project) consortia, grouping, after extensivequality control developed as part of this work, 22,094 samples divided between 4077 early onset cases,8458 late onset and 9559 controls. We developed transcript-level analyses and applied a statisticalmethod based on dosage applied on early onset cases and controls. We were able to identify severalpotential new risk factors, including the 22q11.21 regions, already implicated in neurodevelopmentaldisorders (p=3,8x10-4). In addition, we identified rare deletions in ABCA1 and ABCA7 genes, whoseloss-of-function variations have recently been identified as risk factors for AD, and carried out a jointanalysis of deletions and small loss-of-function variations.In conclusion, we have shown that CNV detection from exome data is reliable, and we have measuredits performance and limitations before applying it to a large dataset to identify new mechanismscontributing to the development of Alzheimer's disease.