Spécialisation Bioinformatique

Vous avez peut-être beaucoup entendu parler du séquençage du génome et de son potentiel à ouvrir l'ère de la médecine personnalisée, mais que signifie séquencer un génome ? Les biologistes ne peuvent toujours pas lire les nucléotides d'un génome entier comme vous liriez un livre du début à la fin. Cependant, ils peuvent lire de courts morceaux d'ADN. Dans ce cours, nous verrons comment la théorie des graphes peut être utilisée pour assembler des génomes à partir de ces petits morceaux. Nous nous familiariserons également avec les algorithmes de force brute et les appliquerons au séquençage de mini-protéines appelées antibiotiques.

Dans la première moitié du cours, nous verrons que les biologistes ne peuvent pas lire les 3 milliards de nucléotides d'un génome humain comme vous liriez un livre du début à la fin. Cependant, ils peuvent lire des fragments d'ADN plus courts. Dans ce cours, nous verrons comment la théorie des graphes peut être utilisée pour assembler des génomes à partir de ces courts fragments, ce qui équivaut au plus grand puzzle jamais assemblé. Dans la seconde moitié du cours, nous discuterons des antibiotiques, un sujet d'une grande pertinence étant donné que les bactéries résistantes aux antimicrobiens, comme le SARM, sont en augmentation. Vous connaissez les antibiotiques en tant que médicaments, mais au niveau moléculaire, ce sont de courtes mini-protéines qui ont été conçues par les bactéries pour tuer leurs ennemis. Déterminer la séquence des acides aminés qui composent l'un de ces antibiotiques est un problème de recherche important, qui s'apparente au séquençage d'un génome par l'assemblage de minuscules fragments d'ADN. Nous verrons comment les algorithmes de force brute, qui essaient toutes les solutions possibles, sont capables d'identifier les antibiotiques naturels afin de les synthétiser en laboratoire. Enfin, vous apprendrez à appliquer des outils logiciels de bio-informatique populaires pour séquencer le génome d'une bactérie mortelle, Staphylococcus, qui a acquis une résistance aux antibiotiques.

Une fois que nous aurons séquencé les génomes dans le cours précédent, nous voudrons les comparer pour déterminer comment les espèces ont évolué et ce qui les différencie. Dans la première moitié du cours, nous comparerons deux courtes séquences biologiques, telles que des gènes (c'est-à-dire de courtes séquences d'ADN) ou des protéines. Dans la seconde moitié du cours, nous ferons un "zoom arrière" pour comparer des génomes entiers, où nous verrons des mutations à grande échelle appelées réarrangements du génome, des événements sismiques qui ont secoué de grands blocs d'ADN au cours de millions d'années d'évolution. En examinant les génomes de l'homme et de la souris, nous nous poserons la question suivante : de même que les tremblements de terre sont beaucoup plus susceptibles de se produire le long des lignes de faille, existe-t-il des endroits dans notre génome qui sont "fragiles" et plus susceptibles d'être brisés dans le cadre de réarrangements du génome ? Nous verrons comment les algorithmes combinatoires peuvent nous aider à répondre à cette question. Enfin, vous apprendrez à utiliser des outils logiciels de bio-informatique populaires pour résoudre des problèmes d'alignement de séquences, notamment BLAST.

Dans le cours précédent de la Specializations, nous avons appris à comparer les gènes, les protéines et les génomes. L'une des façons d'utiliser ces méthodes est de construire un "arbre de vie" montrant comment une large collection d'organismes apparentés a évolué au fil du temps. Dans la première moitié du cours, nous discuterons des approches de construction d'arbres évolutifs qui ont fait l'objet de certains des articles scientifiques les plus cités de tous les temps, et nous montrerons comment elles peuvent résoudre des questions allant de la recherche de l'origine d'un virus mortel à la localisation du lieu de naissance de l'homme moderne. Dans la seconde moitié du cours, nous changerons de vitesse et nous examinerons la vieille affirmation selon laquelle les oiseaux ont évolué à partir des dinosaures. Comment pouvons-nous le prouver ? Nous examinerons en particulier un résultat selon lequel les peptides prélevés sur un fossile de T. rex correspondent étroitement aux peptides trouvés chez les poulets. Enfin, vous apprendrez à appliquer des outils logiciels de bioinformatique populaires pour reconstruire un arbre évolutif des ébolavirus et identifier la source de la récente épidémie d'Ebola qui a fait la une des journaux du monde entier.

Comment déduire quels sont les gènes qui orchestrent les différents processus dans la cellule ? Comment l'homme a-t-il migré hors d'Afrique et s'est-il répandu dans le monde ? Dans ce cours, nous verrons que ces deux questions apparemment différentes peuvent être abordées à l'aide de techniques algorithmiques et d'apprentissage automatique similaires découlant du problème général de la division des points de données en groupes distincts. Dans la première moitié du cours, nous présenterons des algorithmes de regroupement d'un groupe d'objets en une collection de groupes sur la base de leur similarité, un problème classique en science des données, et nous verrons comment ces algorithmes peuvent être appliqués aux données d'expression génique.

Dans la seconde moitié du cours, nous présenterons un autre outil classique de la science des données, l'analyse des composantes principales, qui peut être utilisée pour prétraiter des données multidimensionnelles avant le regroupement, dans le but de réduire considérablement le nombre de dimensions sans perdre une grande partie du "signal" des données. Enfin, vous apprendrez à appliquer des outils logiciels populaires de bioinformatique pour résoudre un problème réel de regroupement.

Dans les cours précédents de la Specializations, nous avons discuté de la manière de séquencer et de comparer les génomes. Dans la première moitié du cours, nous nous demanderons en quoi le génome d'un individu diffère du "génome de référence" de l'espèce. Notre objectif est de prendre de petits fragments d'ADN de l'individu et de les "cartographier" sur le génome de référence. Nous verrons que les algorithmes combinatoires de correspondance de motifs qui résolvent ce problème sont élégants et extrêmement efficaces, nécessitant étonnamment peu de temps d'exécution et de mémoire. Dans la seconde moitié du cours, nous apprendrons comment identifier la fonction d'une protéine même si elle a été bombardée par tant de mutations par rapport à des protéines similaires dont la fonction est connue qu'elle est devenue à peine reconnaissable. C'est le cas, par exemple, dans les études sur le VIH, car le virus mute souvent si rapidement que les chercheurs ont du mal à l'étudier. L'approche que nous utiliserons est basée sur un puissant outil d'apprentissage automatique appelé modèle de Markov caché. Enfin, vous apprendrez à utiliser des outils logiciels de bioinformatique populaires appliquant des modèles de Markov cachés pour comparer une protéine à une famille de protéines apparentées.

Dans ce cours, vous apprendrez à utiliser la plateforme BaseSpace développée par Illumina (notre partenaire industriel) pour appliquer plusieurs approches logicielles bioinformatiques standard à des données biologiques réelles.

En particulier, dans une série de défis d'application, vous verrez comment l'assemblage du génome peut être utilisé pour retracer la source d'une épidémie d'intoxication alimentaire, comment le séquençage de l'ARN peut nous aider à analyser les données d'expression génétique au niveau des tissus, et comparer les avantages et les inconvénients du séquençage du génome entier par rapport au séquençage de l'exome entier pour trouver des mutations potentiellement nocives dans un échantillon humain