Mots-Clés

metabarcoding séquence ADN assignation taxinomique

Description

Développements de méthodes pour l’assignation taxonomique de résultats de métabarcoding

Le « DNA metabarcoding » est une technique d’écologie moléculaire permettant d’estimer la biodiversité. Elle repose sur le fait que chaque organisme vivant dissémine son ADN en continu dans son environnement. Le protocole expérimental peut être schématiquement décrit en cinq grandes étapes : i) un échantillon de l’environnement (sol, eau, air, etc.) est prélevé ; ii) son ADN est extrait au laboratoire ; iii) un court fragment d’ADN partagé par toutes les espèces que l’on veut identifier est amplifié in vitro par la technique de PCR ; iv) les fragments d’ADN sont séquencés ; v) par analyse bioinformatique des séquences produites, on infère la liste des espèces présentes dans l’environnement de départ. Durant cette dernière étape, l’annotation taxinomique des variants de séquence observés est l’une des opérations clés. Elle consiste à déterminer, à partir de la séquence d’ADN, l’espèce la plus probable à l’origine de cette molécule séquencée. Cette étape repose sur la comparaison de la séquence requête à une base de données de référence constituée de séquences de barcode annotées taxinomiquement. De multiples outils d’assignation taxinomique existent pour ce type de données, mais aucun ne donne véritablement entière satisfaction.

Le LECA a été l’un des laboratoires pionniers dans le développement de cette technique, tant pour l’analyse moléculaire que pour l’analyse des données générées. La suite d’outils OBITools4, également développée au LECA, contient un outil spécifiquement dédié à l’assignation taxonomique des barcodes. Son algorithme est basique et n’a que peu évolué depuis la première version des OBITools publiée ¹. L’objectif de ce stage de master 2 est donc de réfléchir à des alternatives à cet algorithme pour pallier ses limites.

Les limites identifiées à ce jour sont de quatre ordres :
- une forte sensibilité aux inexactitudes d’annotation présentes dans les bases de données de références utilisées ; Ces dernières sont le plus souvent construites à partir de dépôts publics de séquences, comme EMBL-ENA ou NCBI Genbank, dont environ 1 % des séquences sont associées à des informations taxonomiques erronées ² ;
- une extrême sensibilité à la rareté des données pour certains clades, ce qui entraîne des annotations aléatoires pour les séquences correspondant à ces groupes ;
- la non-prise en compte des métadonnées, notamment géographiques, disponibles pour les organismes représentés dans les bases de références, ce qui peut, par exemple, conduire à identifier une espèce tropicale dans un environnement arctique ;
- la complexité quadratique de l’algorithme exact actuel qui ne permet plus de répondre de manière satisfaisante à l’augmentation du volume des données et des bases de références.

Ce sujet de stage peut se poursuivre en thèse sur un financement déjà acquis. Aussi pour le premier stage de six mois, l’axe à privilégié sera choisie lors des entretiens de sélection en accord avec le candidat selectionné.

1. Boyer, F., Mercier, C., Bonin, A., Le Bras, Y., Taberlet, P. and Coissac, E. (2016), obitools: a unix-inspired software package for DNA metabarcoding. Mol Ecol Resour, 16: 176-182. https://doi.org/10.1111/1755-0998.12428 ↩

2. Leray M, Knowlton N, Ho SL, Nguyen BN, Machida RJ. GenBank is a reliable resource for 21st century biodiversity research. Proc Natl Acad Sci U S A. 2019 Nov 5;116(45):22651-22656. doi: https://doi.org/10.1073/pnas.1911714116 ↩