Génomique et Bioinformatique: Fondamentaux

Génome, Génomique et Bioinformatique : Cheatsheet Essentiel

Introduction au Génome

• Génome : L'ensemble complet de l'ADN d'un organisme.

• Comprend :

  • Séquences codantes (CDS) : pour les protéines.

  • Séquences non codantes : non transcrites ou transcrites mais non traduites.

Génomique et Bioinformatique

• Génomique : Étude du génome entier et de ses séquences.

  • Objectif : Comprendre la fonction du génome dans son intégralité.

  • Outils : Bioinformatique pour analyser de vastes quantités de données.

• Bioinformatique : Application de l'informatique à la biologie.

  • But : Stocker, extraire, organiser, et analyser des données biologiques (données omiques).

• Nouvelles Technologies (NGS) : Génèrent d'énormes volumes de données, nécessitant des outils bioinformatiques pour l'analyse, l'organisation et la prédiction du comportement biologique.

Historique et Découverte de l'ADN

• Avant 1944 : Inconnaissance du support de l'hérédité.

• 1944 (O. Avery) : L'ADN est identifié comme responsable de la transmission des caractères (dégradation de l'ADN supprime le caractère pathogène).

• 1953 (Watson et Crick) : Découverte de la structure en double hélice de l'ADN.

• Conduit au développement de la génétique moléculaire.

Conformations de l'ADN

• ADN-B :

  • Forme classique (Watson et Crick), la plus courante.

  • Double hélice droite.

  • Grand sillon large, petit sillon étroit et intermédiaire.

• ADN-A :

  • Plus courte, plus large et plus compacte.

  • Se forme en conditions de déshydratation.

  • Conformation typique de l'ARN.

• ADN-Z :

  • Structure en zigzag (hélice gauchère).

  • Plus étroite et plus longue par paire de bases que l'ADN-A et -B.

  • Rôle dans la libération des tensions lors du surenroulement.

  • Associée à la méthylation des cytosines dans les régions actives de transcription.

Organisation du Génome : Procaryotes vs Eucaryotes

Structure Fine de la Chromatide (Eucaryotes)

Généralités

• L'ADN eucaryote n'est jamais nu, toujours associé à des protéines (et ARN).

• Cet ensemble forme la chromatine.

• Rôle des protéines de la chromatine : protection, réparation, pérennisation de l'information, et régulation de l'expression génique.

• Diamètre de la fibre chromatinienne : 100 à 700 nm, pouvant atteindre 30 nm ou 11 nm.

Niveaux de Compaction de la Chromatide

1. Collier de perles (Fibre de 11 nm) :

   • Structure de base, visible après digestion ménagée par la nucléase micrococcale.

   • Unités répétées : Nucléosomes.

   • Chaque nucléosome est constitué de :

     • ~200 pb d'ADN.

     • Octamère d'histones (2 H2A, 2 H2B, 2 H3, 2 H4). Le cœur est un tétramère (H3-H4)2 flanqué de deux dimères H2A-H2B.

     • 146 pb s'enroulent autour de l'octamère (1,7 tours).

     • Quelques protéines non histones.

   • Les nucléosomes sont séparés par de l'ADN lieur (20 à 100 pb).

   • Histone H1 : Se lie aux sites d'entrée/sortie de l'ADN, stabilisation des structures d'ordre supérieur.

2. Fibre de 30 nm :

   • Le collier de perles (fibre de 11 nm) se bobine en hélice torsadée.

   • Environ six nucléosomes par tour d'hélice.

   • Stabilisée par l'histone H1.

3. Boucles radiales de 300 nm :

   • Les fibres de 30 nm se replient en boucles (rosettes).

   • Chaque boucle peut contenir jusqu'à 100 000 pb.

   • Associées à un squelette central protéique (échafaudage).

   • Niveau de compaction pour le rangement de l'ADN en interphase et maximum en mitose.

4. Rosettes empilées (700 nm) :

   • Le superenroulement des boucles de 300 nm.

   • L'empilement de rosettes forme une fibre de 700 nm (avant la compaction finale en chromosomes mitotiques de 1400 nm).

Histones et leurs modifications

• Histone Fold : Motif structurel conservé dans les histones, caractérisé par des hélices alpha séparées par deux boucles, facilitant la formation de l'octamère.

• Modifications post-traductionnelles :

  • Méthylation, Acétylation, Phosphorylation, Ubiquitination.

  • Rôle : Régulation de la structure de la chromatine et de l'expression des gènes.

Chromosomes en écouvillon

• Visibles au stade diplotène de la méiose (ovocytes).

• Forme étendue (10 à 100 fois celle des chromosomes mitotiques) en forme de chapelets de chromomères.

• Grandes boucles sortent radialement, représentant des régions de chromatine décondensée et transcrite.

• Preuve de l'organisation du génome en boucles.

Superenroulement de l'ADN Procaryote

• L'ADN circulaire procaryote doit être compacté.

• Superenroulement (surenroulement) : La double hélice est enroulée plusieurs fois sur elle-même.

• Facilite l'empilement dans le nucléotide.

• Régule l'expression des gènes.

• Types :

  • Positif : ADN enroulé plus étroitement (selon le sens de l'hélice).

  • Négatif : ADN enroulé moins étroitement (torsion vers la gauche, nécessaire pour la réplication et la transcription).

• Enzymes régulatrices : Topoisomérases.

  • ADN gyrase (topoisomérase de classe II) : Spécifique aux procaryotes, introduit des super-tours négatifs (processus énergivore via ATP).

Fonctions Biologiques des Chromosomes

• Perpétuer le matériel héréditaire : Via réplication et répartition égale (mitose).

• Assurer le brassage du matériel héréditaire : Via méiose et recombinaison.

Squelette Chromosomique Eucaryote

• L'aspect en X des chromosomes mitotiques est transitoire.

• Après dissociation des histones, il reste un squelette protéique auquel l'ADN est attaché.

• Protéine majeure : Topoisomérase II.

• Trois classes de séquences d'ADN essentielles : Centromères, Télomères, Origines de réplication.

Les Centromères

• Éléments d'ADN actifs en cis, responsables de la ségrégation des chromosomes.

• Chaque chromosome a un seul centromère (constriction primaire), essentiel à la ségrégation.

• Fragments acentriques (sans centromère) sont perdus.

Rôle dans la Division Cellulaire

• En prophase, formation d'une paire de kinétochores (assemblage protéique de +100 protéines) au niveau de chaque centromère.

• Chaque kinétochore est attaché à une chromatide sœur.

• Les microtubules du centrosome s'attachent aux kinétochores, créant un lien physique avec les pôles du fuseau mitotique.

• En anaphase, les kinétochores tirent les chromatides vers les pôles par polymérisation/dépolymérisation des microtubules.

Séquence des Centromères (Ex: Levure)

• Les régions CEN ne s'hybrident pas mais partagent :

  • Deux courtes régions homologues (éléments I et III).

  • Une région II riche en A-T (80-90%).

• Fonctionnalité :

  • Mitotique : Dépend fortement de la région III, moins des régions I et II.

  • Méiotique : Dépend de l'intégrité des trois éléments.

• Les centromères fonctionnels ne sont pas spécifiques d'un chromosome.

Chromatine Centromérique (Chromatine CEN)

• Propriétés épigénétiques conservées :

  • Présence de la protéine CenH3 (variant d'histone H3), spécifique à cette chromatine. Forme un nucléosome distinct.

  • Hypo-acétylation des histones (comme l'hétérochromatine).

  • Flanquée d'hétérochromatine péricentromérique.

• ADN -satellite :

  • Motifs répétés d'un monomère de 171 pb, organisés en HOR

(Higher Order Repeat).

• Contient la CENP-B Box (17 pb), se liant à la protéine CENP-B, essentielle à la formation du kinétochore.

• La fonction et position du centromère ne sont pas déterminées par la séquence nucléotidique seule (ex: néocentromères). L'identité dépend d'une structure chromatinienne spécialisée (modifications épigénétiques).

Les Télomères

• Extrémités des chromosomes linéaires eucaryotes.

• Fonctions multiples :

  • Protection contre la dégradation par les nucléases.

  • Maintien de la longueur des chromosomes lors de la réplication.

  • Rôle dans l'organisation de la chromatine (attachement à la membrane nucléaire).

  • Influence sur l'expression des gènes à proximité.

• Structure :

  • Longs brins de séquences répétées (chez l'homme : 2-50 kb, 300-800 répétitions).

  • Brin riche en TG (extrémité 3'), brin complémentaire riche en CA (extrémité 5').

  • Séquences hautement conservées au cours de l'évolution (ex: TTAGGG chez l'homme).

  • Le fragment 3' se recourbe en épingle, protégé de la dégradation par les DNAses.

Problème de la Réplication (Énigme)

• Les ADN polymérases ne peuvent pas répliquer l'extrémité 5' du brin naissant, conduisant à un raccourcissement à chaque division.

• Stabilité des extrémités : Les télomères empêchent la dégradation ou la fusion des chromosomes.

Raccourcissement et Vieillissement

• Les répétitions télomériques sont lentement érodées au cours des divisions cellulaires.

• Ce raccourcissement est lié au vieillissement cellulaire et limite le nombre de divisions.

Télomérase

• DNA polymérase ARN-dépendante (désoxynucléotidyl transférase terminale).

• Comprend un ARN-guide (ex: 5'-CUAACCCUAAC...) qui sert de modèle pour ajouter des unités TTAGGG à l'extrémité 3' du brin matrice.

• Permet d'allonger les télomères, compensant le raccourcissement.

• Expression :

  • Normalement active dans les cellules souches (germinales et certaines adultes).

  • Non exprimée dans les cellules somatiques différenciées.

  • Activité élevée dans les cellules cancéreuses (cible thérapeutique).

Les Origines de Réplication (ORI)

• Nécessaires pour initier la réplication de l'ADN et maintenir le nombre de copies.

• Contrôle précis : L'ADN ne se réplique qu'une seule fois par cycle cellulaire.

• Impliquent des séquences clés actives en cis (site de fixation pour protéines trans).

Chez la Levure (*Saccharomyces cerevisiae*)

• Identification par test génétique (plasmide bactérien + fragment d'ADN de levure).

• Nécessitent des séquences de réplication autonome (ARS) pour la réplication plasmidique et chromosomique.

• Séquence consensus conservée de 11 pb : 5'-(A/T)TTTAT(A/G)TTT(A/T)-3'.

• Les ARS (environ 50 pb) sont riches en A-T et contiennent un site de liaison pour un facteur de transcription et un complexe multiprotéique.

Chez les Mammifères

• Mieux définies, absence de test génétique simple.

• Hypothèse de multiples sites d'initiation sur des régions de dizaines de kilobases.

• Séquences consensus identifiées : WAWTTDDWWWDHWGWHMAWTT.

Chromosomes Artificiels de Levure (YAC)

• Outils de clonage permettant d'insérer de grands fragments d'ADN (140 à 1000 Kb).

• Constitués de :

  • Une origine de réplication (ORI).

  • Une région centromérique (CEN).

  • Deux télomères.

  • Un site de clonage (ex: EcoR I).

  • Un ou plusieurs marqueurs de sélection.

• Se comportent comme des mini-chromosomes dans la levure hôte.

Taille du Génome et Paradoxe de la Valeur C

• Valeur C : Quantité totale d'ADN dans un génome haploïde (ex: 3,1 GB pour l'humain).

• Exprimée en paires de bases (pb) ou en picogrammes (1 pg 1 milliard de pb).

• Valeur G : Nombre de gènes dans un génome haploïde.

Observation

• La taille du génome n'est pas nécessairement corrélée à la complexité de l'organisme.

• Ex: Levure (eucaryote) ≈ 5x *E. coli* (procaryote).

• Paradoxe C : L'absence de corrélation simple entre la taille du génome et la complexité ou la position phylogénétique.

  • Ex: Drosophile (180 Mb) vs Sauterelle (18000 Mb) ; différence de 100x.

• Une grande partie de cet "excès" d'ADN est due aux introns et aux séquences non codantes.

• Le faible nombre de gènes fonctionnels chez les mammifères (20 000-30 000) soulève la question de la fonction de l'ADN non codant.

Organisation des Gènes Eucaryotes (Cas Humain)

• Pas de structure absolue définie pour un gène (ne se limite pas à sa partie codante).

• L'information est souvent morcelée (introns).

Composants d'un gène eucaryote type

• Séquence régulatrice enhancere (5' non transcrite) : Nécessaire pour une transcription normale (quantitative et qualitative).

• Région promotrice (-100 par rapport au site d'initiation) : Fixation de l'ARN polymérase II.

  • Séquence CAAT (-70 à -80) : Fixation de facteurs protéiques de transcription.

  • TATA box (-25 à -30) : Site de fixation du facteur TFB D (l'ARN polymérase ne se fixe pas directement). L'absence de TATA box n'est pas rédhibitoire (remplacée par GC box dans les gènes housekeeping).

• Site d'initiation de la transcription : Souvent une purine (A ou G).

• 5'UTR (Untranslated Region) : Partie non codante avant le codon ATG.

• Codon ATG : Début de la traduction.

• Alternance d'exons (présents dans l'ARNm mature, peuvent contenir des parties non codantes) et d

'introns (éliminés par épissage).

• Séquence AATAAA : 10-20 bases avant la fin du dernier exon, reconnaissance pour la coupure du transcrit primaire.

• 3'UTR : Région terminale non codante.

Classification des Gènes par Nombre de Copies

1. Gènes uniques ou quasi-uniques

• Majorité des gènes.

• Structure correspondant au modèle décrit.

• Parfois dupliqués :

  • Copies interchangeables (ex: gènes de la globine).

  • Copies divergentes (protéines proches mais différentes, expression selon tissu/stade).

2. Familles multigéniques

• Résultent de duplications/divergences multiples.

• Série de gènes codant pour des protéines analogues.

• Expression dépendante du type ou de l'état cellulaire.

• Ex: familles des gènes globine, actine, myosine.

3. Superfamilles de gènes

• Duplications/divergences très anciennes dans l'évolution.

• Relation difficile à établir due à une forte divergence.

• Ce qui est conservé : la structure tertiaire de l'unité de base.

• Ex: superfamille des récepteurs nucléaires aux hormones, superfamille des gènes de l'immunité.

4. Gènes housekeeping (domestiques)

• Codent pour des protéines ubiquitaires, indispensables à la survie cellulaire.

• Caractéristiques :

  • Taux de transcription faible et continu.

  • Absence de TATA box (souvent).

  • Présence de GC box (GGGCGGG) en 5'.

  • Richesse en séquences CG hypo-méthylées (îlots CpG).

5. Pseudogènes

• Copie non fonctionnelle d'un gène.

• Deux types :

  • Pseudogène conventionnel : Gène dupliqué ayant perdu sa fonctionnalité par mutations (perte d'ATG, promoteur, apparition de codon stop). Contient des introns.

  • Pseudogène processé : Provient de la réintégration dans le génome d'un ADNc (rétrotranscription d'un ARNm). Manque d'introns et de promoteur, donc non fonctionnel.

Homologie Moléculaire

• Gènes homologues : Partagent une origine commune (grand degré d'homologie de séquence).

• Gènes orthologues : Versions d'un même gène ayant la même fonction dans deux espèces différentes.

• Gènes paralogues : Au sein d'une même espèce. Peuvent avoir des fonctions identiques (redondantes) ou différentes.

• Crossing-over inégal : Mécanisme d'amplification génique, peut entraîner des duplications en tandem.

Exemple : Famille des Globines Humaines

• Deux familles de globines ( et ) s'associant pour former l'hémoglobine.

• Expression des gènes fonctionnels varie au cours de la vie (embryon, fœtus, adulte).

• Les gènes de globine contiennent deux introns dont la position est conservée, mais pas la taille.

• Maladies (ex: hémoglobine Lepore, Kenya) résultent souvent de crossing-over inégaux entre gènes paralogues.

Gènes d'Histones

• Gènes codant les histones conventionnelles sont généralement en multiples copies organisées en clusters.

• Caractéristiques atypiques pour des eucaryotes : absence d'introns et terminaison signalée par une structure en boucle (stem-loop), non polyadénylée.

Gènes ARNt et ARNr

• Plusieurs copies

Séquences Non Codantes Répétées en Tandem

1. ADN Satellite

• Principalement centromérique.
• Blocs de 100 kb à plusieurs Mb.
• Densité différente du reste de l'ADN.
• Représente 3-5% du DNA de chaque chromosome.

2. Microsatellites (STR ou SSR)

• Motifs de 2, 3 ou 4 nucléotides répétés en tandem.
• Très nombreux dans le génome humain (env. 50 000).
• Le nombre de répétitions varie (polymorphisme), mais généralement stable à la transmission.
• Ex: (CA)n le plus abondant (tous les 25-100 kb).
• Utilisés pour le typage génétique (PCR des microsatellites).

3. Minisatellites (VNTR)

• Motifs de 10 à 100 nucléotides répétés en tandem.
• Le nombre de répétitions est très variable d'un individu à l'autre.
• Hautement polymorphes.
• Utilisés pour le DNA fingerprinting (empreinte génétique) et les tests de paternité.

Répétitions de trinucleotides instables

• Peuvent entraîner des maladies humaines (ex: Huntington, Kennedy, dystrophie myotonique).
• Répétitions (CAG)n dans la séquence codante (pathologiques si > 40-100 répétitions).
• Répétitions (CGG)n dans les séquences non codantes peuvent s'étendre (méthylation de l'ADN, fragilité chromosomique, inhibition du gène).
• Répétitions (CTG)n dans les régions 3' UTR (ex: dystrophie myotonique, > 200 répétitions pathologiques).

Réarrangements Génomiques : Éléments Transposables (ETs)

• Découverte par Barbara McClintock (1950s) chez le maïs ("éléments de contrôle").
• Vision du génome passe de statique à dynamique.
• ETs : Séquences moyennement répétées capables de se déplacer dans le génome.
• Autonomes (codent pour les protéines de leur déplacement) ou non-autonomes.

Impact des ETs

• Mutations : Peuvent s'insérer dans des gènes ou régions régulatrices (délétères ou non).
• Rangements chromosomiques : Délétions, inversions, translocations (ex: 80% des mutations chez la drosophile, 0,1-0,3% des maladies humaines par Alu).
• Source de variations génétiques importantes (jouent un rôle dans l'évolution).
• Présents dans tous les organismes vivants (3% chez la levure, >50% chez le maïs, 15% du génome humain).

Mécanisme de Transposition

• Insertion s'accompagne de la duplication d'une courte séquence d'ADN au site cible.
• Résulte de coupures décalées au site d'insertion.
• Les ETs sont des familles de séquences répétées dispersées, causant des recombinaisons homologues non alléliques.

Catégories d'Éléments Transposables

1. Éléments Transposables ADN ("Cut and Paste")

• Moins répandus que les rétrotransposons chez les eucaryotes supérieurs.
• Classe 1 :
  • Éléments de type bactérien ou à TIR (Terminal Inverted Repeats).
  • Codent pour une transposase.
  • Ex: Transposons d'insertion (IS), transposons composites (Tn), transposons non-composites (Tn3).
  • Ex: Éléments Ac/Ds chez le maïs (Ac autonome, Ds non-autonome).
• Classe 2 (rolling-circle) :
  • Moins complexes, retrouvés chez plantes et animaux.
  • Pas de TIR ni de duplication de site d'insertion typique.
  • Ex: Hélitrons (mécanisme de réplication en cercle roulant, peuvent capturer des gènes).
  • Ex: Polintons (Mavericks, grands transposons d'ADN, jusqu'à 40kb, codent pour ADN polymérase et intégrase).

2. Rétrotransposons (Intermédiaire ARN, "Copy and Paste")

• Spécifiquement eucaryotes.
• Utilisent une reverse transcriptase pour produire un ADNc qui s'insère dans le génome.
• Ne quittent pas leur site d'origine, font une copie.
• On distingue :
  • Avec LTR (Long Terminal Repeats) : Structure similaire aux rétrovirus, codent pour Gag (protéines structurales) et Pol (reverse transcriptase, intégrase). Ex: Ty1/copia, Ty3/gypsy.
  • Sans LTR :
    • LINE (Long Interspersed Elements) : Plusieurs milliers de nucléotides (ex: LINE-1, 7000 pb). Codent ORF1 (fixe ARNm) et ORF2 (endonucléase + reverse transcriptase).
    • SINE (Small Interspersed Elements) : Quelques centaines de nucléotides (ex: Alu, 300 pb). Ne codent pas de protéines; dérivés d'ARN (ex: Alu dérive de l'ARN 7SL).
• Les rétrotransposons LTR et les LINE/SINE constituent environ 25% et 15% du génome humain respectivement.

3. Rétrogènes

• Pseudogènes maturés.
• Formés par rétrotranscription d'un ARNm fonctionnel (après épissage), puis intégration aléatoire dans le génome.
• Dépourvus d'introns et généralement non fonctionnels car sans promoteur propre.