Assemblage

Le Hi-C peut-être utilisé de manière originale pour guider l’assemblage de génome. En effet, la quantité de contacts dépend en majeure partie de la distance linéaire. Il est

1.3. Utilisation des données de Hi-C 27

donc possible de déduire la distance linéaire entre les scaffolds sachant la quantité de contacts. Cette idée semble avoir émergée en 2013, dans plusieurs publications ([61], [62], [63]).

En 2014 est publiée dans [64] le pipeline GRAAL. L’intérêt de GRAAL par rapport aux autres méthodes réside dans le fait qu’il calcule la vraisemblance que deuxbins séparés d’une distance génomique donnée produisent les contacts observés. Cela permet donc non seulement d’assembler un génome, mais également de calculer la vraisemblance d’un assemblage par rapport à des données expérimentales. De plus, étant donné qu’il travaille à l’échelle dubin, ce pipeline est capable d’indiquer préci- sément les régions correctement assemblées, et les réarrangements chromosomiques. Dans la publication, les auteurs ont assemblé le génome du champignon filamenteux

Trichoderma reesei.

Dans [65] publié en 2017, les auteurs présentent un pipeline permettant de ré- assembler un génome à partir des données de Hi-C. Pour cela, leur outil procède en plusieurs étapes.

1. Les contigs et scaffolds sont découpés lorsque les contacts à longue distance changent brusquement (ce qui est peu probable dans le cas d’un assemblage correct).

2. Les contigs et scaffolds résultants sont ordonnés les uns par rapport aux autres par rapport à leurs contacts.

3. Les contigs et scaffolds résultants sont fusionnés de proche en proche en fonction de leur similarité de séquences et de leurs contacts à longue distance.

Ces étapes sont répétées jusqu’à obtenir le caryotype demandé. Dans la publication, les auteurs ont appliqué leur méthode au moustique Aedes aegypti qui était déjà séquencé mais seulement partiellement assemblé. Malheureusement, la nouvelle séquence du génome n’est pas encore disponible à l’écriture de ces lignes.

L’intérêt de ces méthodes est certain, cependant elles semblent peu utilisées à l’heure actuelle. Cela s’explique sans doute par leur complexité expérimentale (il faut réaliser une manipulation de Hi-C), ainsi que par leur coup en temps de calcul. Par exemple, GRAAL nécessite de modéliser les contacts entre tous lesbins. Ce processus est itératif et très gourmand en mémoire, et doit donc être effectué sur un cluster de calcul. Ces limitations ne sont pas présentes dans le cas d’un assembleur plus classique tel que minia ([66]). A l’inverse, il me semble qu’un assemblage complet ne peut être obtenu avec des méthodes d’assemblage classiques qu’au prix d’une couverture de séquençage très importante, ce qui augmente grandement le prix et la quantité d’expérimentation. Un compromis se présente donc et dépend de la problématique initiale.

Nous avons vu l’expérience de Hi-C qui permet d’obtenir l’ensemble des contacts entre régions génomiques, à l’échelle du génome. Cette méthode a de nombreuses applications, que ce soit sur l’étude même des contacts, ou son apport aux méthodes d’assemblage de génome.

Dans la suite de notre travail, nous allons présenter deux nouvelles utilisations des données de contacts. Ces méthodes sont originales et démontrent les avancées qui sont faisables avec la connaissance des contacts le long du génome.

29

Chapitre 2

Première approche : pondérer des

scénarios évolutifs

Comme il a été évoqué en introduction (cf.Les réarrangements chromosomiques), les génomes présentent des différences dans leur organisation, que ce soit au niveau du caryotype ou de l’ordre des gènes. Cela est vrai même entre espèces relativement proches comme l’humain et la souris ([67]), et est du aux réarrangements chromo- somiques. Reconstruire l’histoire évolutive d’une lignée revient donc à déterminer desscénarios de réarrangements qui transforment un génome actuel en un autre. Le génome ancestral se trouve alors être l’un des états intermédiaires de l’un de ces scé- narios.

Les réarrangements chromosomiques sont des évènements biologiques violents pour la cellule. En effet, de nombreux mécanismes moléculaires sont présents afin de stop- per le cycle cellulaire dans le cas où le génome aurait été altéré. De plus, les réarran- gements peuvent être à l’origine de phénotypes aberrants (cf.Les réarrangements chromosomiques), et donc probablement désavantageux pour leur porteur. Au vu de tout cela, il paraît raisonnable de poser l’hypothèse selon laquelle les scénarios de réarrangements sont parcimonieux, c’est-à-dire que leurtaille (i.e. le nombre de réarrangements dans un scénario) est minimale.

Cependant, il est admis que ce seul critère ne permet pas de reconstruire efficacement l’histoire évolutive des génomes ([68]). En effet, quel que soit le modèle utilisé pour générer les scénarios, leur nombre est exponentiel en le nombre de réarrangements. Une autre contrainte biologique doit donc être ajoutée.

La structure spatiale de la chromatine nous semble être ce critère manquant. Il a été montré in vitro que lors d’une cassure double-brin suivie d’une réparation non- homologue, le brin utilisé pour la réparation se situe spatialement proche de la cassure ([69]). Notre hypothèse est donc que les points de cassures qui sont proches en 3D ont plus probablement participé à des réarrangements que les autres. Cela est appuyé par des analyses génomiques sur des cellules somatiques ([70], [71]) et entre espèces ([72]). Cette hypothèse sera qualifié d’hypothèse de localité.

Dans ce chapitre, nous allons voir comment utiliser l’information structurale avec les scénarios de réarrangements. Les données de Hi-C seront la source de cette information structurale. Cela est présenté en section 2.1, puis 2.2 pour les détails méthodologiques. Il devient alors possible de tester l’hypothèse de localité, ce qui est présenté en sous-section2.3.1. Nous avons également exploré d’autres aspects de l’utilisation de l’information structurale en sous-sections2.3.2et2.3.3. En particulier, nous avons fait le lien avec le travail complémentaire de Pijus SIMONAITIS et Krister

SWENSON concernant l’utilisation d’une contrainte structurale sur la génération de scénarios de réarrangements (cf. Modéliser les réarrangements chromosomiques). Enfin, nous conclurons en section2.4.

2.1. Définitions 31

2.1

Définitions