Mots-Clés
ADN libre circulant
Machine learning
Génomique
Diagnostic
Description
Contexte
Depuis la démonstration en 1997 de la présence d’ADN libre circulant d’origine placentaire dans le sang maternel, la médecine fœtale a connu une véritable révolution. Ce biomarqueur a permis le développement de nombreuses applications en diagnostic prénatal non invasif : détermination du sexe fœtal, détection de maladies monogéniques et, surtout, dépistage des anomalies chromosomiques. Cela a permis de réduire significativement les prélèvements invasifs, associés à des risques pour le fœtus. Cependant, en cas de malformation fœtale ou de suspicion de pathologie génétique, le recours à des prélèvements invasifs reste parfois nécessaire pour identifier une éventuelle variation génétique causale. Or, il a été établi que l’ensemble du génome fœtal/placentaire est présent dans la circulation maternelle (Allen Chan et al, 2016). Dans ce contexte, les progrès technologiques en matière de séquençage à haut débit (NGS) et la baisse continue des coûts permettent désormais d’envisager une analyse complète du génome fœtal à partir d’un simple prélèvement sanguin.
Objectif
Le but du projet est de démontrer la faisabilité de la reconstruction du génome fœtal complet sans réaliser de prélèvement invasif, à partir de l’ADN libre circulant dans le sang maternel.
Methode
Pour cela, nous étudierons deux familles pour lesquelles :
- les deux parents et le fœtus (via un prélèvement invasif) auront leurs génomes séquencés en entier afin d’obtenir les génotypes de référence;
- un échantillon de plasma maternel sera analysé par séquençage du génome à très forte profondeur (environ 250x), ce qui permettra, avec une fraction fœtale estimée entre 10 et 20%, d’atteindre une profondeur effective de 30x pour le génome fœtal.
Dans un premier temps, nous utiliserons les variations génétiques spécifiques du père pour identifier les fragments d’ADN libre de nature fœtale. Ces fragments identifiés comme « fœtaux » constitueront un jeu d’apprentissage permettant d’entraîner des algorithmes de machine learning afin de classer l’ensemble des fragments séquencés en 2 groupes : fragments foetaux ou non. Pour cela, différentes caractéristiques des fragments pourront être utilisées, comme leur longueur, leur position génomique et l’utilisation d’informations de méthylations obtenues grâce à la technologie 5-Base d’Illumina, qui permet une lecture simultanée de la séquence et du profil épigénétique.
Perspectives
La réussite de ce projet ouvrirait la voie à un changement majeur dans le domaine du dépistage prénatal. Elle rendrait possible une analyse exhaustive du génome fœtal de manière totalement non invasive, étendant ainsi les capacités actuelles de dépistage bien au-delà des seules anomalies chromosomiques, pour inclure l’ensemble des variations génétiques.
Pré-requis :
Bonne connaissance des méthodes de machine learning, bonne maîtrise du système d’exploitation linux (le stage implique de travailler sur des serveurs linux distant et sur un cluster de calcul distant), maîtrise d’un ou plusieurs langages de scripts (python/bash/perl), connaissances de base en génétique et concernant les données de séquençage à haut débit, intérêt pour le travail en milieu hospitalier.
Lieu du stage :
Hospices Civils de Lyon, Groupement Hospitalier Est, Centre de Biologie et Pathologie Est, Bron (métropôle de Lyon)
Encadrement :
Ce travail sera réalisé au sein de la cellule bioinformatique de la plateforme de séquençage à haut débit des Hospices Civils de Lyon (5 ingénieurs bioinformaticiens expérimentés + 2 enseignants-chercheurs), et sera co-encadré par les Dr. N. Chatron (Cytogénétique) et C. Bardel (Bioinformatique).
Contact :
Claire Bardel (claire.bardel@univ-lyon1.fr), Nicolas Chatron (nicolas.chatron@chu-lyon.fr)