Développement d'un outil de Génétique d'Association utilisant un Pangénome Graph

Pangenom Graph GWAS Tool development

• Auteur / Autrice : Camille Carrette
• Direction : François Sabot
• Type : Projet de thèse
• Discipline(s) : EERGP-Biologie et Amélioration des plantes
• Date : Inscription en doctorat le 01/07/2024
• Etablissement(s) : Université de Montpellier (2022-....)
• Ecole(s) doctorale(s) : École Doctorale GAIA Biodiversité, agriculture, alimentation, environnement, terre, eau (Montpellier ; 2015-...)
• Partenaire(s) de recherche : Laboratoire : DIADE - Diversité, Adaptation et DEveloppement des plantes
• Partenaire(s) de recherche : Equipe de recherche : Anthropisation de DYNAmique de la DIVersité Génétiques des Plantes

Mots clés

Mots clés libres

Pangénome

Gwas

Génomique

Bioinformatique

Pangenom

Gwas

Genomics

Bioinformatic

Résumé

Face au changement climatique et à la croissance de la population mondiale, l'agriculture doit relever des défis majeurs : augmentation des besoins alimentaires de qualité, raréfaction des terres arables, réduction des ressources en eau, etc. Imaginer, proposer et mettre en œuvre les solutions de demain est devenu crucial. Pour un problème aussi complexe, les stratégies possibles sont nombreuses et variées, et interviennent bien en amont du champ jusqu'aux aspects post- récolte et même de commercialisation (Foley et al., 2011). La compréhension des processus biologiques des plantes et la diversité génétique font partie de ces éléments clés, pour favoriser le développement de nouvelles lignées adaptées à ces défis. Ainsi, la recherche de caractères agronomiques favorables passe par l'identification du ou des gènes qui les contrôlent et de la diversité génétique au sein de ces gènes. Avec l'émergence des séquenceurs à haut débit et la baisse du coût du séquençage (Richter et Sexton, 2009, Stephens et al., 2015), il est désormais possible de séquencer plusieurs lignées ou individus d'une même espèce en quelques semaines. Cet afflux massif de séquences génomiques pose la question du stockage, de l'analyse et de la visualisation de ces informations. Ces données et de nombreuses études associées ont montré qu'une seule séquence génomique de référence n'est pas suffisante pour explorer la diversité génétique d'une espèce (Tettelin et al., 2005, Morgante et al., 2007, Schatz et al., 2014, Golicz et al., 2016, Monat et Sabot, 2020), et n'identifie pas tous les gènes présents dans une espèce. Par la suite, le concept de pangénomique, c'est-à- dire l'ensemble des séquences présentes dans une espèce ou un groupe, est devenu populaire pour étudier la composition du génome d'une collection d'individus. L'analyse pangénomique ouvre ainsi de nouvelles voies pour étudier et comparer plusieurs génomes d'individus étroitement liés en vue de l'amélioration variétale (Tranchant-Dubreuil et al., 2019). Ces analyses, combinées aux technologies de séquençage de deuxième (ex : Illumina) et troisième génération (ex : Oxford Nanopore Technologies ONT) offrent des possibilités sans précédent pour la découverte de nouveaux gènes, l'exploration complète de la diversité génétique des espèces de grandes cultures, par exemple, et des progrès dans notre compréhension des forces de l'évolution qui façonnent l'organisation et la dynamique des génomes, comme l'impact sur la domestication. La diversité phénotypique des organismes vivants dépend fortement de cette diversité génétique, largement étudiée du point de vue des allèles, en utilisant les études d'association à l'échelle du génome (GWAS pour Genome-Wide Association Studies) pour relier les données génomiques (principalement les génotypes provenant des marqueurs) et les informations sur les phénotypes. En utilisant des méthodes statistiques, les scientifiques ont pu définir des pics sur l'emplacement physique du génome devant contenir des gènes ou une région génomique qui expliquerait le trait d'intérêt. C'est ce qui a guidé ces dernières années, en pensant à la sélection assistée par marqueurs (SAM), la plupart des programmes de recherche sur l'amélioration des plantes cultivées. Cependant, les analyses GWAS sont basées sur un génome de référence unique, et les gènes absents de ce génome, mais responsables du phénotype étudié, ne seront pas facilement, voire pas du tout identifiés. Or, ces gènes et groupes de gènes d'intérêt absents de la référence sont contenu dans le pangénome. Ce concept de pangénome induit un changement de paradigme par rapport aux outils GWAS actuels, basés sur le concept de coordonnées sur une référence linéaire unique. Il est donc nécessaire de développer de nouvelles méthodes permettant aux scientifiques d'exploiter les données issues des analyses du pangénome pour répondre aux défis agronomiques, environnementaux et écologiques de demain.

Faced with climate change and the growth of the world population, agriculture must overcome major challenges: increasing quality food needs, scarcity of arable land, reduction of water resources, etc. Imagining, proposing, and implementing the solutions of tomorrow have become crucial. For such a complex problem, the possible strategies are many and varied, and intervene well upstream of the field to post-harvest and even marketing aspects. Understanding the biological processes of plants and genetic diversity are among these key elements, to promote the development of new lines adapted to these challenges. Thus, the search for favorable agronomic traits involves identifying the gene(s) that control them and the genetic diversity within these genes. With the emergence of high-throughput sequencers and the fall in the cost of sequencing, it is now possible to sequence several lines of the same species in a few weeks. This massive influx of genomic sequences has raised questions about the storage, analysis, and visualization of this information. Thanks to these data, many studies have shown that a single reference genomic sequence is not enough to explore the genetic diversity of a species and does not identify all the genes present in a species. Subsequently, the concept of the pangenome, i.e. the set of sequences present in a species or group, became popular for studying the composition of the genome of a collection of individuals. Pangenomic analysis thus opens new ways to investigate and compare multiple genomes of closely related individuals for varietal improvement. These analyses, combined with second (ex: Illumina) and third generation (ex: Oxford Nanopore Technologies ONT) sequencing technologies offer unprecedented possibilities for the discovery of new genes, the full exploration of the genetic diversity of species of large cultures, advances in our understanding of the forces of evolution that shape the organization and dynamics of genomes, and the impact on domestication. The phenotypic diversity of living organisms is highly dependent on this genetic diversity. This diversity has been studied extensively from the point of view of alleles using GWAS (Genome-Wide Association Studies) to link genomic data (mostly genotypes coming from markers) and phenotype information. Using statistical methods scientists were able to define peaks on physical genomic location which would be the region of interest that should contain genes or genomic region with diversity that would explain the trait of interest. This was guiding, thought marker-assisted selection (MAS), most of breeding research programs of crops. Indeed, the pangenome concept induces a paradigm shift compared to current GWAS tools, based on the concept of coordinates on a single reference. It is therefore necessary to develop new methods to allow scientists to exploit data from pan-genome analyses to meet the agronomic, environmental, and ecological challenges of tomorrow.