L Apport de la Bioinformatique et de la Biostatistique dans la compréhension des maladies complexes: Modèles; outils et méthodes

Transcription

1 L Apport de la Bioinformatique et de la Biostatistique dans la compréhension des maladies complexes: Modèles; outils et méthodes Dr. Najla kharrat Groupe de recherche: Microorganisme et Biomolecules Centre de Biotechnologie de Sfax

2 La bioinformatique en Afrique : La Tunisie en bonne place! SANBI (South African National Bioinformatics Institute)

3 Manque de ressources humaine 2 à 3 chercheurs seniors spécialisés en bioinformatique

4 Situation actuelle en Tunisie (Formation; Workshop Modules dans le cursus universitaire) Première équipe au CBS (2002) puis à Pasteur Tunis (2005).

5 La bioinformatique au CBS Identification de nouveaux STR et validation. Modélisation Protéique. Conception de base de données Mise en forme de plate forme de génotypage à haut débit.

6 Exemple d Etude

7 Échantillons: Témoins et Age, sexe, exposition, région Malades Trait Phenotypique Marqueurs liés aux phénotypes Loci liés aux phénotypes Marqueurs Génotypes Carte Génétique Locus1 Locus 2

8 Évolution des études Cas -témoins Aire des GWAS

9 Nécessité d adaptation Contrainte de financements Développement d outils adaptés à notre budget Apport de la bioinformatique

10 Choix des marqueurs Choix des méthodes de Génotypage Utilisation des bases de données ou des algorithmes de prédiction disponibles Développement de nouvelles approches

11 CANCER Gène EGFR maladies cardiovasculaires Gène ACE

12 Étendue et distribution du Déséquilibre de liaison de quelques gènes d intérêts dans la population Tunisienne Étudier la structure du déséquilibre (DL) de liaison dans la population Tunisienne pour quelques régions génomiques. Situer la population Tunisienne par rapport à d autres populations étudiées dans le cadre du projet international Hapmap. Fournir les éléments nécessaires pour appliquer les résultats dans la recherche de régions de susceptibilité aux maladies ou de réponse aux médicaments

13 Étude de déséquilibre de liaison au niveau du gène ACE dans différentes populations Les tag SNPs du projet HapMap La fréquence de l allèle rare > 5% Avoir déjà de l information sur les haplotypes dans d autres populations (publications, projet HapMap) Avoir des SNPs positionnés de préférence dans les exons 13

14

15 Nous avons mis en œuvre un système de génotypage multiplex de deux SNPs Optimisation des PCR rs4311 et rs4343 en multiplexe rs4295 Conception d amorces Digestion in silico

16 Relation entre populations (ACP sur fréquences alléliques) Axe 2 1 Iranienne Tunisienne Bahreïnienne Kuweitienne 0 0 Européenne Indienne Japonaise 0-1 Chinoise -2-2 Sub-sharienne Axe 1 Population tunisienne proche des pays du Golf 1 2 Faible hétérozygotie des populations chinoise et sub-saharienne 16

17 Détermination des blocs de DL Bahreïn Koweït Iran Inde Un bloc de 5kb entre rs et rs4295 présent chez toutes les populations 17

18 Détermination des blocs de DL Rebai et al (2006): population tunisienne, 5 SNPs 2 blocs DL 9kb 1kb 2 blocs 5kb, 6kb Chute de DL entre rs4295 et autres marqueurs 18

19 Détermination des SNPs clés Haploview, Haplot et htsnper Tous les SNPs sont avérés essentiels pour représenter les blocs de DL déterminés HapBlock Bahreïn: 4 SNPs clés rs , rs4295, rs4311 et {rs4343 ou rs4340} Koweït: 3 SNPs clés : rs , {rs4295 ou rs4311} et {rs4340 ou rs4343}. Iran, Inde: 2 SNPs clés {rs ou rs4295} et {rs4311 ou rs4340 ou rs4343}. Tunisie5 SNPs clés: rs4311, rs4331 ou rs , {rs4291 ou rs4295}, rs4309 et rs4311, rs4340 ou rs4331, rs4343 ou rs4340, rs4343

20 Comment découvrir de nouveaux STR ou SNP?

21 Implication de la famille ERBB dans la carcinogenèse a été établie depuis longtemps ErbB1 FU TM ErbB ErbB ErbB V-erbB Ligand Binding Tyrosine Kinase Domain Structure commune des ErbB 21

22 EGFR Exon1 Intron 1 (CA) n Enhancer 3 Enhancer 1 Facteur de transcription Enhancer 2 Hypothèse : le nombre de répétitions de type CA est capable de modifier la conformation de l ADN. Influencerait l activité transcriptionnelle 22

23 EXON1 Promoteur Enhencer 1 (CA) n Facteur de transcription Enhencer 2 EXON1 Promoteur Enhencer 1 EXON1 Promoteur Enhencer 1 Transcription (CA) n (allèle court) Facteur de transcription (CA) n (allèle Long) Pas de transcription Facteur de transcription Enhencer 2 Enhencer 2 23

24 Stratégie adoptée Bases de données (Genbank, pubmed, HGMD) In silico Hypothèses Biologiques (exemple: rôle de l intron 1 dans le cancer du sein) Analyses des Données (Blast, alignement multiple (MEME), prédiction de facteur de transcription) Nouvelles connaissances (Criblage d un nouveau STR impliqué dans le cancer) Produire des Données: Expériences In vitro In vivo (Validation de nouveaux polymorphismes: STR et SNP) 24

25 Séquences des autres gènes de la famille ErbBs Séquence de l intron 1 de l EGFR 25

26 Recherche de Motifs: MEME Alignement Recherche de Facteurs de Transcription 26

27 ErbB1 Sp1 Intron 1 ErbB2 ErbB 3 ErbB 4 Sp1 Intron 4 Intron 15 Intron 20 27

28 Indices Period Size Copy Number Consensus Size Percent Matches Percent Indels Score A C G T Entropy (0-2)

29 Validation du polymorphisme des Microsatellites Conception d amorces PCR Genotyper Exon1 D7S2550 EGFR2 EGFR4 EGFR SNP1 SNP4 SNP5 SNP SNP2 SNP3 Exon20 Exon21 Exon23 Exon24 SNP1: nouveau SNP(C/T); SNP2: rs ; SNP3:rs ; SNP4 : nouveau SNP(C/T) avec une fréquence <5%; SNP5:nouveau SNP(C/T); SNP6:rs ERbB1 :EGFR HER2N SNP1 SNP ERbB2 Exon1 Exon2 Exon 17 HER2N: nouveau STR; SNP1: rs ; SNP2: rs

30 Criblage du domaine tyrosine kinase Péptide signal Domaine 1 de fixation de l EGF Domaine 1 riche en Cystéine Domaine 2 de fixation de l EGF Boucle P Domaine 2 riche en Cystéine Boucle Cα Région transmembranaire Domaine tyrosine kinase Domaine de régulation Boucle A 30

31 SNPs non synonymes 31

32 SNPs Prioritizing Effet sur la fonction (SIFT) Effet sur la structure (Polyphen) 32

33 Prédiction sur l implication au niveau du cancer (likely cancer) 33

34 3 SNPs dans le domaine tyrosine kinase non décrits dans la littérature Un SNP à la position 962 (exon 24) Un SNP à la position 977 (exon 24) Un SNP à la position 988 (exon 25) 34

35 A(Glutamine) C (Alanine) E709A (la forme mutée (C)) E709A(la forme sauvage (A)) 35

36 Base de données AVD (Arab Variation Database) Extension de la base PMM réalisée à partir des résultats de Maalej et al. (2004) pour 103 STR. Inclusion des marqueurs SNP Inclusion des données publiées sur les populations d origine arabe (extraction à partir des bases de données bibliographiques) Objectif: Utile pour l identification individuelle et dans les études génétiques Encourager les travaux comparatifs entre les populations arabes en vue de leur valorisation dans les études génétiques et en pharmacogénomique

37 Arabian Variation Database (AVR) 37

38

39

40 Le futur Les réseaux de gènes ou SNP: intégrer l ensemble des gènes (SNP) de susceptibilité identifiés associés à une maladie dans un réseau: qui montre leur actions et interaction qui permet d estimer avec plus de précision le risque individuel Auquel on peut intégrer aussi des facteurs de risque de l environnement

41

42 Puces à ADN pour la détection de mutations récessives des pays d'afrique

43 Oligonucleotide microarray chip Diagnostic moléculaire des maladies génétiques hétérogènes récessives dans le Nord d Afrique