Introduction à la Bioinformatique (SSV3U15) - Chapitre 1 :Présentation du Cours

Ce chapitre introduit la bioinformatique entant que science des données, explore ses jalons historiques et détaille l'organisation du cours et les modalités d'évaluation.

1. Biologie et Données Massives

La biologie a évolué pour devenir une science reposant sur des données massives. Cette transformation est dueà l'avènement de technologies capables de générer d'énormes volumes d'informations.

Changement d'échelle et Types de Données

• Au début du 21e siècle, la biologie est massivement axée sur les données.

• Types de données incluent:

  • Séquençage (ADN, ARN)

  • Protéomiques(quantification des protéines)

  • Métabolomiques (quantification des petites molécules)

  • Structure tridimensionnelle des protéines

  • Images biologiques

  • Phénotypiques (agriculture)

  • Santé (médecine)

Biologie, Informatique et Infrastructures Numériques

Pour exploiter ces données, une convergence des concepts biologiques avec les outils informatiques, mathématiques et statistiques est indispensable. Cela nécessite des ressources considérables en calcul et stockage.

• Domaines d'application:

  • Génomique

  • Biologie évolutive

  • Médecine personnalisée

  • Biodiversité et environnement

  • Approches intégratives 'One Health'

  • Essentiellement tous les domaines de la recherche et desapplications biologiques.

2. Jalons Historiques : Données, Modèles et Découvertes

L'histoire de la biologie est jalonnée de découvertes qui ont progressivement montré son orientation vers une science basée sur les données.

PremièresLois Biologiques Basées sur la Modélisation Mathématique

• 1866 : Lois de l'hérédité (Mendel), une approche quantitative pionnière.

• 1901 : Redécouverte deslois de Mendel.

Mendel, Gregor. 1866. Versuche über Pßlanzenhybriden. Verhandlungen des naturforschenden Vereines in Brünn, Bd. IV für das Jahr 1865, Abhandlungen, 3-47.

Mendel a établi des régularités numériques à partir de ses expériences de croisement de pois, conduisant à trois lois:

1. Loi d'uniformité des caractères à la première génération.

2. Loi de ségrégation des caractères.

3. Loi d'indépendance des caractères.

Ces travaux, bien qu'ignorés à l'époque, sont parmi les premiers à utiliser la modélisation mathématiqueen biologie.

L'ADN, Vecteur de l'Information Héréditaire

• 1910-1915 : Morgan démontre que les chromosomes sont le support de l'hérédité.

• 1944 : Avery identifie l'ADN comme support de l'hérédité.

• 1953 : Watson & Crick, avec les travaux de Franklin & Gosling, établissent la structure de l'ADN endouble hélice.

Franklin, R.E. and Gosling, R.G. (1953) Molecular configuration in sodium thymonucleate. doi.org/10.1038/171740a0

Watson, J. and Crick, F. (1953b) Molecular structure of nucleic acids; a structure for deoxyribose nucleic acid. Nature, 171, 737–738. doi.org/10.1038/171737a0

Premières Structures de Protéines

• 1958-1960 : Kendrew et Perutz déterminent les premières structures de protéines (myoglobine et hémoglobine).

Kendrew, J. C. et al. A Three-Dimensional Model of the Myoglobin Molecule Obtained by X-Ray Analysis. Nature 181, 662–666 (1958). doi.org/10.1038/181662a0

Ces travaux ont jeté les bases pour comprendre le lien entre la séquence, la structure et la fonction des protéines.

Le Code Universel du Vivant

• 1961 :Nirenberg et Matthaei élucident le code génétique.

Le code génétique établit la correspondance entre les triplets de nucléotides (codons) et les acides aminés.

Le Séquençage de l'ADN

• 1977 : Sanger développe une méthode de séquençage de l'ADN.

Sanger, F., Nicklen, S. & Coulson, A. R. DNA sequencing with chain-terminating inhibitors. Proc Natl Acad Sci U S A 74, 5463–5467 (1977).

Frederick Sanger areçu deux prix Nobel pour ses travaux sur la structure de l'insuline (1958) et le séquençage des acides nucléiques (1980).

Du Siècle du Gène au Siècle du Génome

La fin des années 1990 a été marquée par le lancement de projets de séquençage génomique, transformant radicalement la biologie.

Premiers Génomes ("référence")

• 1990-2000 : Séquençage des génomes d'organismesmodèles (bactéries, levure, drosophile, nématode, arabette) et du génome humain.

Le Génome Humain

• 2001 : Première publication d'une version "brouillon" du génome humain.

• 2004 : Version "achevée" du génome humain.

Le projet du génome humain a été le fruit d'une compétition entre projets public et privé.

De la Génomique à la Génomique Fonctionnelle

Le séquençage n'est que la première étape. L'interprétation du "texte" génomique est un défi majeur.

La génomique fonctionnelle vise à caractériser la fonction de chaque gène en utilisant des technologies à haut débit:

• Transcriptome : Mesure de l'abondance de l'ARN.

• Protéome : Mesure de l'abondance des protéines.

• Localome : Localisation intracellulaire des protéines.

• Transcriptomique spatiale: Localisation tissulaire de l'expression des gènes.

• Interactome : Détection des interactions protéine-protéine.

• Phénome : Caractérisation du phénotype lié aux gènes.

• Structurome : Caractérisation de la structure des protéines.

• Métabolomique : Mesure des métabolites.

Des Génomes aux Transcriptomes

La transcriptomique mesure le niveau de transcription de tous les gènes d'un échantillon,fournissant des indices sur la fonction des gènes.

• 1997 : Premières approches par biopuces à ADN.

• 2007 : Séquençage massivement parallèle (RNA-seq).

Exemple : La première biopuce transcriptomique de DeRisi et al. (1997) montrait des gènes sur-exprimés (rouge), sous-exprimés (vert)ou fortement exprimés (jaune).

DeRisi et al. (1997), doi.org/10.1126/science.278.5338.680

Profils Tissulaires d'Expression (GTEX)

Le projet GTEX (Genotype-Tissue Expression) collecte des échantillons de tissus pour analyser les profils d'expression génique via RNA-seq, afin de comprendre la spécificité tissulaire des gènes.

Des Génomes aux Protéomes

La protéomique utilise la spectrométrie de masse pour quantifier les protéines, car les quantités d'ARN ne reflètent pas toujours l'activité finale des protéines actives.

Patterson et al. (2003). doi.org/10.1038/ng1106

Des Protéomes aux Interactomes

L'interactomique se concentre sur l'ensemble des interactions entre protéines, car les protéines agissent rarement seules.

Le Labyrinthe Métabolique

La biochimie a identifié de nombreuses réactions catalysées par des enzymes, formant des réseaux métaboliques complexes. Des bases de données comme KEGG répertorient ces informations.

La Loi de Moore et le Séquençage

La Loi de Moore (doublement des capacités informatiques tous les deux ans) a eu un impact majeur sur le coût et la vitesse du séquençage d'ADN.

• 2007 : Avènement du Séquençage Massivement Parallèle (NGS), entraînant une diminution spectaculaire des coûts.

Disponibilité des Séquences d'ADN

Le nombre de séquences d'ADN disponibles dans des bases de données publiques (comme GenBank) aconnu une croissance exponentielle depuis les années 1980.

• Avant 2002 : Séquences individuelles de gènes (courbe bleue).

• Après 2002 : Séquençage de génomes entiers (courbe rouge).

Coût d'un Génome Humain

• 2001 : Le premier génome humain a coûté environ 3 milliards US $.

• 2024 : Le coût est d'environ 600US $.

Du Génome aux Millions de Génomes

• 2008 : Lancement du projet "1000 Génomes" pour caractériser la diversité génotypique humaine.

• 2018 : Projet européen"1 Million Génomes" (1+MG) pour découvrir les mutations liées aux maladies rares et au cancer.

• Des initiatives similaires sont en cours partout dans le monde (Royaume-Uni, France, Chine, USA).

Des Génomes aux Métagénomes

La métagénomique consiste à séquencer directement tout l'ADN extrait d'un environnement (océans, microbiote intestinal, fromages) pour identifier les espèces présentes et leurs fonctions sans culture préalable.

Biologie et Santé

De grands projets collectent des données médicales massives pour la recherche, la prévention et le soin, combinant:

• Génomes des patients

• Génomes microbiens

• Métabolites

• Imagerie médicale

• Données de soin

• Données environnementales

Exemples:

• The Cancer Genome Atlas (2005-2018) : Détection de mutations associées aux cancers.

• Études d'associationsà l'échelle génomique (GWAS) : Identification de régions génomiques liées à des maladies.

Approches "Omics" et Systémiques

Approches holistiques

Les cellules vivantes sont des systèmes complexes. Les technologies à haut débit (génomique, transcriptomique, protéomique, etc.) permettent une mesure systématique de l'activité des molécules. Elles sont intrinsèques à l'analyse des systèmes vivants et ouvrent des applications en médecine, biotechnologies, agriculture et environnement.

Approches systémiques

Comprendre un système biologique nécessite de lier les différents types de composantes moléculaires (ADN, ARN, polypeptides, complexes protéiques) et leurs interactions pour suivre les flux d'information (ADN ARN Polypeptides Protéines Activités).

Biologie Intégrative

La biologie intégrative combine les approches holistiques et systémiques pour une compréhension complète des systèmes biologiques.

Défis de la Biologie à l'Ère des Données Massives

La biologie contemporaineaborde les problématiques avec des technologies productrices de données massives, ce qui pose plusieurs défis :

• Défis numériques : Stockage, puissance de calcul, efficacité algorithmique (y compris intelligence artificielle).

• Défis scientifiques : Modélisation biologique, intégration multi-omique, extraction d'information pertinente (via statistiques), représentation des connaissances.

• Défis sociétaux : Choix politiques éthiques, impact environnemental du numérique, protection des données personnelles.

La Bioinformatique : Qu'est-ce que c'est ?

La bioinformatique est un domaine interdisciplinaire qui applique des techniques informatiques et computationnelles aux données biologiques, notamment lorsque ces données sont grandes et complexes.

• Définitionsconsensuelles :

  • Application des ordinateurs et techniques de calcul aux données biologiques (Hancock). Synonyme de Biologie Computationnelle.

  • Développement de méthodes et d'outils logiciels pour comprendre les données biologiques en utilisant la biologie, chimie, physique, informatique, ingénierie de l'information, mathématiques et statistiques (Wikipédia).

• La bioinformatique inclut:

  • Modélisation statistique des données.

  • Modélisation mathématique des systèmes biologiques.

  • Développement d'outils logiciels.

  • Développement de bases de données.

  • Annotation et curation de données.

Points Clés à Retenir

• La biologie moderne est une science des données,caractérisée par des volumes d'informations croissants.

• La bioinformatique est une discipline clé pour interpréter ces données massives, combinant biologie, informatique, mathématiques et statistiques.

• Les jalons historiques, de Mendel au séquençage NGS, démontrent une évolution vers des approches quantitatives et holistiques.

• La loi de Moore et le développement du NGS ont révolutionné le coût et l'ampleur du séquençage, passant de "du génome" à "des millions de génomes".

• Les approches multi-omiques (génomique, transcriptomique, protéomique, métabolomique) sont essentielles pour une compréhension intégrative des systèmes biologiques.

• Le cours met l'accent sur les applications pratiques des outils bioinformatiques etl'interprétation des résultats.