Plateforme de bioinformatique

Transcription

1 Plateforme de bioinformatique Arnaud Droit Centre de Recherche du CHU de Québec Laboratoire de biologie computa;onelle

2 Compréhension des différences 2005 Génome du chimpanzee Nous sommes identiques ± 1% 2005 Arrivées des séquenceurs de nouvelles générations 2008 Projet 1000 Genomes

3 Le séquençage du génome complet Obtenir la séquence des bases des molécules d ADN est au coeur de la biologie moléculaire Aujourd hui, grâce au séquençage de nouvelle généra;on des projets d envergure peuvent être menés par de pe;tes équipes de recherche à une frac;on du coût de ce qu il en coûtait auparavant 2003 génome humain 2012 >10 ans 8 jours $ $

4 Le séquençage Le coût du séquençage a diminué drastiquement Séquençage du génome de James Watson avec la technologie 454 en 2007 : 2 millions de $ Bientôt : 1 génome humain pour 1000$ La diminution des coûts favorise l émergence de nouvelles applications!

5 Une course à l équipement

6 Séquençage de nouvelle généra;on - Sta;s;ques Séquençage de nouvelle génération - Statistiques Données du site omicsmaps.com Le données sont fournies sur un base volontaire par les détenteurs de séquenceurs de nouvelle génération Fort probablement biaisées

7 Les technologies de séquençage Les technologies de séquençage de nouvelle génération

8 Séquençage par synthèse (Illumina) Séquençage par synthèse (Illumina) HiSeq Taille minimale des séquences: 1*36 bp Taille maximale des séquences: 2*250 bp Quantité de données produites: 18Gb-1Tb Durée d un analyse: 29h-11j Qualité des données: >75 à >85% des bases au-delà de Q30 MiSeq Taille minimale des séquences: 1*25 bp Taille maximale des séquences: 2*300 bp Quantité de données produites: 12Mb - 15Gb Durée d un analyse: 4-65h Qualité des données: >75 à >90% des bases au-delà de Q30

9 Séquencage SMRT (PacBio) Séquençage SMRT (PacBio) PacBio RS II

10 Une Une mul;tude multitude d applica;on d applications... Génome Séquençage de novo Reséquençage de génomes complets et détection des variations : Reséquençage de régions ciblées (exons) Métagénome Diversité des microbes Échantillons hétérogènes Transcriptome (RNA-Seq) Profil d expression des ARNm Variants d épissage Expression propre à certaines allèles Expression des micro ARN Épigénome (ChIP-Seq) Sites actifs dans la transcription Interactions ADN - Protéines Modification des histones Nucléosomes

11 Séquencage du génome complet(pacbio) Le défi des projets u;lisant des données de nouvelle généra;on réside dans la ges;on, l analyse et l interpréta;on des données Il existe des centaines de programmes des;nés à l'analyse de données de nouvelle généra;on Si des plate- formes commerciales existent (ex. Genome quest), la plupart des groupes font appel à des bio- informa;ciens qui privilégient l u;lisa;on d ou;ls indépendants Gb de données 56 Tb de données brutes

12 Pipeline standard de séquencage de nouvelle généra;ons ADN, ARN, nucléo;des Matériel biologique Analyses des donées brutes Conversion du signal et détermination des bases Alignement sur le génome en;er Alignement sur le génome de référence Annota;on Intégration des processus biologique Analyse et intégration d une quantité impressionnante de données est le prochain grand défis

13 Le séquençage d exome

14 Le séquençage du génome

15 Calcul Canada High Performance Compu;ng resources from six partner consor;a Compute servers Colosse, Québec Guillimin, Montréal Image : Compute Calcul Canada

16 Colosse

17 Le séquençage d exome En produc;on sur les serveurs de Colosse (U. Laval) et de Guillemin (McGill) Etape 1 Etape 2 Etape 3 Green boxes: analyze step Blue boxes: annota;on step Red boxes: metrics steps Image : hfps://biowiki.atlassian.net/wiki/display/ps/dnaseq+pipeline

18 L analyse des données de Chip- Seq L analyse des données de ChIP-Seq Données brutes (fastq) Nettoyage des séquences Données nettoyées (fastq) Annotation Détection des régions enrichies Positions des régions (bed) Alignement Régions annotées (tsv) Analyse des motifs Séquences alignées (bam) Liste des motifs (pwm)

19 L épigénome Définir épigénétique et épigénomique

20 Programme de régula;on de l expression des gènes Conforma;on des chromosomes + Structure de la chroma;ne + Facteurs de transcrip;ons + Co- Facteurs + Transcrip;on = Programme d expression des gènes

21 Les différentes types d informa;on Rivera and Ren, Cell, 2013.

22 Les facteurs de transcrip;ons Qu est-ce qu un facteur de transcription? Les facteurs de transcriptions sont des protéines qui se lient à des séquences d ADN spécifiques et régulent l expression des gènes

23 Les modifica;ons des histones

24 Le ChIP- Seq ChIP-Seq - Protocol protocole expérimental expérimental 10 7 cells Gel size select bp fragments millions of short reads (101 bp) 101bp read Next-Generation Sequencing base pair fragment

25 L analyse des données de ChIP-Seq Données brutes (fastq) Nettoyage des séquences Données nettoyées (fastq) Annotation Détection des régions enrichies Positions des régions (bed) Alignement Régions annotées (tsv) Analyse des motifs Séquences alignées (bam) Liste des motifs (pwm)

26 L analyse des données de ChIP-Seq Données brutes (fastq) Nettoyage des séquences Données nettoyées (fastq) Alignement Détection des régions enrichies Positions des régions (bed) Annotation L analyse des données de ChIP-Seq Séquences alignées (bam) Données Régions brutes (fastq) annotées (tsv) Nettoyage des séquences Données nettoyées (fastq) Alignement Séquences alignées (bam) Analyse des motifs Liste des motifs (pwm) Régions annotées (tsv) Annotation Détection des régions enrichies L analyse des données de ChIP-Seq Positions des régions (bed) Données brutes (fastq) Analyse des Nettoyage motifs des séquences Liste des motifs Données (pwm) nettoyées (fastq) Annotation Détection des régions enrichies Positions des régions (bed) Alignement Régions annotées (tsv) Analyse des motifs Séquences alignées (bam) Liste des motifs (pwm)

27 Friedman p value Intégra;on des données Exp1 Exp1 Exp1 Exp2 Exp2 Exp2 Données d utilisateur Exp3 ENCODExplorer Exp3 Exp3 metagene 30 H3K4me3 enhancers Friedman p value H3K4me1 tss Friedman p value 0 Données d ENCODE Résultats Mean RPM for each position group H3K4me3_0 H3K4me3_25 H3K4me3_50 H3K4me3_75 3H3K4me3_100 Mean RPM for each position 2 1 STAT1 tss 0 Mean RPM for each position group 1.5 STAT1_0 STAT1_25 STAT1_50 STAT1_75 STAT1_ group H3K4me1_0 H3K4me1_25 H3K4me1_50 H3K4me1_75 H3K4me1_

28 Projet Encode Prescott SL, Cell 2015

29

30

31

32

33 PROJET PERSPECTIVE Royaume- Uni Pays- Bas Allemagne Canada (ON, QC) États- Unis (UT) Projet interna;onal échan;llons Séquençage Massivement Parallèle Consomma;on 2015 : 200 coeurs- année = 100 ans de calcul sur un ordinateur personnel moyen

34

35

36 Annota;ons Sources de données: ENCODE, ROADMAP, FANTOM Genome Project NCBI GEO Ou;ls: HaploReg, RegulomeDB, UCSC Genome Browser Galaxy HaploView

37 Projet Encode

38 1000 genomes

39 ICGC Interna;onal Cancer Genome Consor;um 39

40 VEXOR

41 VEXOR

42 VEXOR

43 VEXOR Choose your variants Choose your experiments

44 Visualisa;on des données

45 Visualisa;on des données

46 Intégra;on des données

47 Intégra;on des données Erez Lieberman-Aiden, et al. Science 326, 289 (2009) Duan Z., et al. Nature. May 20;465(7296):363-7 (2010)

48 Médecine Personalisée 48

49 Merci Charles Joly- Beauparlant Astride Louise- Deschenes Fréderic Fournier Audrey Lemaçon Maxime Vallée Adrien Dessemond Equipe Jacques Simard: Penny Soucy Mar;ne Dumont Equipe Steve Bilodeau: Fabien Lamaze Mar;ne Dumont Collaborateurs Lajmi Lakhal Kadher Kadraoui Florent Parent Guillaume Bourque