Détection exhaustive des gènes orthologues entre deux génomes complets

Transcription

1 Détection exhaustive des gènes orthologues entre deux génomes complets GTGC - 12 octobre 2006 Claire Guillet, Laurent Guéguen et Laurent Duret Laboratoire de Biométrie et Biologie Evolutive - Lyon 1

2 Problématique Recherche des gènes apparus ou disparus spécifiquement dans une (plusieurs) lignée(s) de mammifères => Première étape : détection des gènes orthologues (= qui dérivent d un ancêtre commun par spéciation) par: - similarité des séquences - phylogénie GTGC

3 1) Meilleure similarité réciproque (ou RBH) G1 Ga G1 Ga G2 Gb G2 Gb G3 G4 G5 Gc Gd G3 G4 G5 Gc Gd I- génome A contre génome B II- génome B contre génome A GTGC

4 1) Meilleure similarité réciproque (ou RBH) G1 G2 G3 G4 G5 Ga Gb Gc Gd Meilleures similarités réciproques => gènes orthologues Avantages : Assez sensible Inconvénients : Suppose que les gènes ont une relation d orthologie 1:1 GTGC

5 2) Utilisation de la phylogénie : Réconciliation d arbres 1- Construire l arbre phylogénétique des gènes ; éventuellement réconciliation avec arbre des espèces Homme Souris Rat Souris Homme Rat Arbre phylogénétique des espèces Arbre pour une famille de gènes GTGC

6 2) Utilisation de la phylogénie : Réconciliation d arbres 1- Construire l arbre phylogénétique des gènes ; éventuellement réconciliation avec arbre des espèces Gène 1 Gène 2 Duplication Homme1 Souris1 Rat1 Homme2 Souris2 Rat2 Arbre des gènes réconcilié avec l arbre des espèces GTGC

7 2) Utilisation de la phylogénie : Recherche de motifs d arbre 1- Construction de l arbre réconcilié 2- Rechercher un motif d arbre (par exemple, tous les gènes orthologues entre l homme et la souris mais pas de duplication) Avantages : P spécifique + Détection des familles d orthologues n:m Inconvénients : manque de sensibilité (à cause critères construction arbres phylogénétiques) GTGC

8 3) Utilisation de la conservation de la synténie Au total, ~ 60-70% de gènes orthologues entre les génomes humain et murin -> on attend 96 %!! Utilisation de la conservation de l ordre des gènes : Si on a deux paires d orthologues sûrs, deux gènes moyennement similaires mais situés entre les deux peuvent aussi être orthologues A A C C B B GTGC

9 Procédure - Résultats 1) Sélection d un jeu d orthologues sûrs ; qui vont délimiter des intervalles sur chaque génome et des intervalles orthologues entre deux génomes 2) Utilisation de ces intervalles pour placer les gènes restants: recherche de similarités de séquence au sein des intervalles orthologues, au niveau protéique et nucléique GTGC

10 I- Jeu d orthologues sûrs 1) Construction des intervalles à partir des orthologues non ambigus = orthologues 1:1 prédits par RBH et par phylogénie A B ancres intervalles A B GTGC

11 1) Construction des intervalles : autres prédictions d orthologie 1) Placer les autres gènes prédits orthologues (par RBH ou par phylogénie uniquement) dans les intervalles ordre: orthologues 1:1 puis orthologues n:m 2) Confirmer ou invalider ces relations GTGC

12 1) Construction des intervalles : autres prédictions d orthologie GTGC

13 1) Construction des intervalles : autres prédictions d orthologie GTGC

14 1) Construction des intervalles : autres prédictions d orthologie GTGC

15 1) Construction des intervalles : autres prédictions d orthologie GTGC

16 1) Construction des intervalles : autres prédictions d orthologie GTGC

17 1) Construction des intervalles : autres prédictions d orthologie GTGC

18 1) Construction des intervalles : autres prédictions d orthologie GTGC

19 1) Construction des intervalles : autres prédictions d orthologie GTGC

20 Génome humain gènes 1) Construction des intervalles : résultats 46% Orthologues non ambigus gènes RBH + synténie gènes Phylogénie + synténie gènes 13% 10% 31% Orphelins + rejetés gènes GTGC

21 I- Jeu d orthologues sûrs 2) Caractéristiques des ancres: co-orientation Orientation (= sens de transcription sur le génome) Co-orientation (=même sens de transcription sur les deux génomes) - On attend : Dans intervalles orthologues : tous les gènes co-orientés En dehors : moitié de co-orientation - Majorité des gènes ajoutés sont co-orientés (89 à 96 %) gènes prédits orthologues mais invalidés : 50 % GTGC

22 2) Caractéristiques des ancres: gènes sans introns Mécanismes de duplication de gènes : - duplication segmentaire, souvent en tandem (donc conservation de la synténie) - rétrotranscription : perte des introns Proportion du nombre de gènes sans introns dans les différents jeux de gènes: => Les ancres ont moins de gènes sans introns (donc moins de rétrotranscription) souvent perte de la synténie Au total, 18% de gènes sans introns 6 % pour les orthologues non ambigus ; 8 à 15 % pour les gènes prédits et validés comme ancres 30 à 40 % pour les autres GTGC

23 I- Jeu d orthologues sûrs Jeu d ancres «sûres»: Conclusions gènes pour l homme (68 % du génome), dont orthologues 1:1, orthologues n:m gènes chez la souris (62 % du génome), dont orthologues 1:1 et 2400 orthologues n:m Vérification par: co-orientation, mesure du nombre de gènes sans introns GTGC

24 II- Etude des gènes non retenus comme ancres Environ gènes chez l homme et chez la souris qui n ont pas de prédiction d orthologie - Recherche de similarités de séquences, protéiques et nucléiques, au sein des intervalles orthologues - Alignement génomique (en cours) GTGC

25 II- Gènes non retenus comme ancres 1) Recherche de similarités de séquences protéiques - Recherche de similarités de séquence par BLASTp, très peu strict (E-value < 20), entre les deux protéomes => pour chaque gène, liste des hits et E-value associée E-value : indice de confiance sur le hit ( = nombre de séquences attendues par hasard dans la banque avec une telle similarité) - Modification de la E-value pour tenir compte du fait que le hit soit trouvé dans un intervalle orthologue ou non => peu concluant GTGC

26 1) Recherche de similarités de séquence 1) Un ou plusieurs hits dans un intervalle orthologue, avec E-value suffisamment faible --> orthologues 2) Le meilleur hit est en dehors de l intervalle, E- value suffisamment faible 3) Pas de hits --> orphelins GTGC

27 1) Recherche de similarités de séquence au niveau protéique : résultats Homme Souris Nombre de gènes ayant au moins un hit 630 (11%) (16%) Homme Souris Co-orientation 46 % 54 % Gènes sans introns 25 % 35 % GTGC

28 1) Recherche de similarités de séquence au niveau protéique : résultats Homme Souris Nombre de gènes ayant au moins un hit 630 (11%) (16%) Homme Souris Similarités hors intervalles orphelins GTGC

29 2) Recherche de similarités de séquences au niveau nucléique Pour essayer de détecter des gènes non annotés =>recherche de similarité par tblastn (Comparaison de toutes les protéines d un génome, contre les deux brins de l autre génome traduits dans les 6 phases) -> Pour chaque gène: liste de ses hits avec leur position sur le génome ->Regarde si hit appartient à un intervalle orthologue GTGC

30 2) Recherche de similarités de séquences au niveau nucléique : premiers résultats Homme Souris Nombre de gènes ayant au moins un hit 320 (14% gènes traités) 331 (11%) Nombre de hits hors d un CDS GTGC

31 3) Alignement génomique 2 objectifs: - Vérification des prédictions d orthologie (vérifier pour chaque famille que les coordonnées du gène humain correspondent à une séquence alignée sur le génome murin) - Pour les orphelins: essayer de détecter une région orthologue Exon Exon dégénéré GTGC

32 Conclusions - Perspectives Gènes orthologues: En partant des orthologues non-ambigus, on arrive en utilisant la synténie à ~ 70 % d orthologues sûrs (homme), et ~ 60% (souris). Détection de similarité au sein des intervalles orthologues (3%) -> mais orthologie à vérifier Validation de la méthode en l'appliquant à d autres génomes GTGC

33 Conclusions - Perspectives Gènes qui ont séquences similaires mais pas conservation de la synténie -> Faux positifs (méthodologie, similarité de domaines) -> Gènes transloqués ou rétrotranscrits Gènes orphelins : 10 %! -> erreurs d annotations -> Gènes perdus dans un des deux génomes: comparaison avec le chien ou d autres espèces ->Gènes spécifiques d une lignée. Fonctions particulières? GTGC

34 Merci pour votre attention! GTGC