{"id":1378,"date":"2011-05-16T00:01:28","date_gmt":"2011-05-15T22:01:28","guid":{"rendered":"http:\/\/sciencetonnante.wordpress.com\/?p=1378"},"modified":"2011-05-16T00:01:28","modified_gmt":"2011-05-15T22:01:28","slug":"comment-nos-genes-trahissent-nos-origines","status":"publish","type":"post","link":"https:\/\/scienceetonnante.com\/blog\/2011\/05\/16\/comment-nos-genes-trahissent-nos-origines\/","title":{"rendered":"Comment nos g\u00e8nes trahissent nos origines"},"content":{"rendered":"

\"\"<\/a>En principe, notre ADN sait beaucoup de choses sur nous. Mais il n\u2019est pas si simple de faire parler la quantit\u00e9 immense d\u2019information qu\u2019il contient. En 2008, des chercheurs ont r\u00e9ussi \u00e0 montrer qu’il est possible de lire nos origines g\u00e9ographiques dans nos g\u00e8nes, moyennant une m\u00e9thode statistique adapt\u00e9e : l’analyse en composantes principales.<\/p>\n

A la p\u00eache aux g\u00e8nes<\/h3>\n

Pour faire parler nos g\u00e8nes, il y a deux difficult\u00e9s \u00e0 surmonter\u00a0: transcrire les informations contenues dans notre ADN en donn\u00e9es num\u00e9riques, puis trouver les bonnes m\u00e9thodes statistiques qui permettent d’exploiter ces donn\u00e9es.<\/p>\n

Pour r\u00e9aliser leur \u00e9tude publi\u00e9e dans Nature<\/em> [1], John Novembre et ses collaborateurs sont partis d\u2019une population de 3192 individus europ\u00e9ens dont ils ont r\u00e9alis\u00e9 un g\u00e9notypage<\/strong>. Mais qu\u2019est-ce que cela signifie, g\u00e9notyper ?<\/p>\n

Il faut savoir que dans ce genre de situation, on ne regarde jamais le g\u00e9nome entier des individus. D\u2019une part cela repr\u00e9senterait une quantit\u00e9 d\u2019information \u00e9norme, d\u2019autre part 99.9% de notre g\u00e9nome est absolument identique chez tous les individus<\/strong>. Il faut donc se concentrer sur les endroits susceptibles de pr\u00e9senter des diff\u00e9rences d\u2019une personne \u00e0 une autre.<\/p>\n

Le polymorphisme nucl\u00e9otidique<\/h3>\n

\"\"<\/a>Pour g\u00e9notyper les individus de leur \u00e9tude, les auteurs ont donc regard\u00e9 ce qu\u2019on appelle les polymorphismes nucl\u00e9otidiques (ou SNP<\/strong> en anglais pour single-nucleotid polymorphism<\/em>). Il s\u2019agit d\u2019un type particulier de diff\u00e9rences g\u00e9n\u00e9tiques\u00a0: des endroits bien pr\u00e9cis de l\u2019ADN o\u00f9 seule une base est susceptible de varier<\/strong> d\u2019un individu \u00e0 l\u2019autre.<\/p>\n

Par exemple imaginez une r\u00e9gion de l\u2019ADN qui chez tout \u00eatre humain soit n\u00e9cessairement l’une de ces deux s\u00e9quences : soit\u00a0 AGTC<\/strong>GAGTCACA, soit AGTT<\/strong>GAGTCACA. Il s\u2019agit d\u2019un cas de polymorphisme nucl\u00e9otidique, car dans cette s\u00e9quence, seule la 4\u00e8me base est susceptible de diff\u00e9rer d’un individu \u00e0 un autre.<\/p>\n

Pour leur \u00e9tude, les auteurs ont utilis\u00e9 une puce (comme celle-ci contre) permettant d’analyser simultan\u00e9ment 500\u00a0568 SNP chez un individu, et ce avec seulement 250 nanogrammes de son ADN<\/strong>\u00a0!<\/p>\n

A l\u2019issue de cette collecte, chacun des 3192 individus de l’\u00e9tude est donc d\u00e9crit par 500\u00a0568 nombres, un pour chaque SNP qui a \u00e9t\u00e9 analys\u00e9 par la puce. On se retrouve avec un gros paquet de donn\u00e9es qui est un immense tableau \u00e0 3192 lignes et 500\u00a0568 colonnes<\/strong>\u00a0! Pas facile \u00e0 interpr\u00e9ter ! Et c\u2019est l\u00e0 que rentrent en jeu les m\u00e9thodes de statistique.<\/p>\n

Dans leur papier, les auteurs ont utilis\u00e9 une m\u00e9thode simple mais puissante\u00a0: l\u2019analyse en composante principales<\/strong>. Cette m\u00e9thode est particuli\u00e8rement bien adapt\u00e9e quand on se retrouve dans une situation o\u00f9 l\u2019on cherche \u00e0 faire parler des donn\u00e9es avec un tr\u00e8s grand nombre de variables. Voyons comment elle fonctionne sur un exemple simple.<\/p>\n

Un graphique vaut mieux qu’un long tableau<\/h3>\n

\"\"<\/a>Imaginons un groupe de 12 lyc\u00e9ens dont on aurait mesur\u00e9 la taille et la pulsation cardiaque au repos. On fabrique un tableau \u00e0 12 lignes et 2 colonnes, et on se demande comment on va faire parler ces donn\u00e9es.<\/p>\n

C\u2019est un cas facile il n\u2019y a que 2 variables\u00a0: on n\u2019a qu\u2019\u00e0 faire une repr\u00e9sentation graphique !<\/p>\n

On prend 2 axes, taille et rythme cardiaque, et chaque lyc\u00e9en est repr\u00e9sent\u00e9 par un point. Le diagramme ci-contre montre le r\u00e9sultat dans notre cas fictif. Facile \u00e0 lire, non ?<\/p>\n

Alors compliquons un peu l\u2019exercice\u00a0: imaginons que vous ayez aussi mesur\u00e9 la pointure de chaque individu, ainsi que sa VO2max (vous savez, le d\u00e9bit d\u2019oxyg\u00e8ne maximum qu\u2019on peut atteindre pendant l\u2019effort). Maintenant vous avez un tableau \u00e0 12 lignes et 4 colonnes. Sauf si vous savez voir en 4 dimensions, \u00e7a devient difficile \u00e0 repr\u00e9senter graphiquement.<\/p>\n

Une solution brutale, c\u2019est de ne choisir que 2 variables parmi les 4 pour faire notre repr\u00e9sentation. Voici deux possibilit\u00e9s ci-dessous\u00a0: j\u2019ai choisi \u00e0 gauche la taille et la pointure, et \u00e0 droite la pulsation et la VO2max.<\/p>\n

\"\"<\/a><\/p>\n

Comme vous pouvez le constater, ces choix ne sont pas tr\u00e8s judicieux car les points sont plus ou moins align\u00e9s<\/strong>. On s\u2019en doutait : si on a la taille d\u2019un individu, on connait en gros sa pointure. De m\u00eame il existe un lien entre pulsation cardiaque et VO2max. Donc un graphique o\u00f9 les points sont align\u00e9s montre que les variables choisies sont redondantes. Tous les choix de variables ne se valent pas.<\/p>\n

M\u00eame si on trouve 2 variables qui ne sont pas redondantes, le probl\u00e8me est qu’en n’en choisissant que 2\u00a0 parmi toutes les colonnes dont on dispose, on a vraiment l\u2019impression de jeter de l\u2019information \u00e0 la poubelle. C\u2019est l\u00e0 que\u00a0 l\u2019analyse en composantes principales vient \u00e0 notre secours\u00a0: c\u2019est une m\u00e9thode qui va chercher toute seule \u00e0 fabriquer de nouveaux axes pertinents, en faisant un m\u00e9lange de toutes les variables d\u2019origine<\/strong>.<\/p>\n

L’analyse en composante principales<\/h3>\n

\"\"<\/a>Essayons de trouver \u00e0 la main des axes qui soient des combinaisons intelligentes : par exemple je peux choisir de cr\u00e9er un axe 1 qui serait une combinaison de la taille et de la pointure (par exemple pointure + 0.25*taille<\/em>), et un axe 2 qui combine pulsation et VO2max (par exemple 1.5*pulsation-VO2max<\/em>).<\/p>\n

Voici \u00e0 droite le r\u00e9sultat : j\u2019ai une repr\u00e9sentation graphique en 2 dimensions de mes donn\u00e9es qui combine de mani\u00e8re intelligente mes 4 variables disponibles. Cette repr\u00e9sentation disperse bien les points : les axes choisit ne sont pas redondants<\/strong>.<\/p>\n

L’analyse en composante principale a pour objet de r\u00e9aliser ce choix d’axes de mani\u00e8re \u00ab\u00a0optimale\u00a0\u00bb<\/strong>. Vous lui donnez votre tableau de donn\u00e9es, et elle vous fabrique automatiquement deux axes qui sont des combinaisons de toutes les variables, et qui permettent de bien repr\u00e9senter les donn\u00e9es en 2 dimensions.<\/p>\n

\"\"<\/a>Maintenant imaginons que parmi mes lyc\u00e9ens, Max, L\u00e9o et Sam fassent partie de l\u2019\u00e9quipe de basket. Si on les colorie d\u2019une couleur particuli\u00e8re sur le graphique, on rep\u00e8re tout de suite que se mat\u00e9rialise une zone pr\u00e9cise contenant les joueurs de basket (en bas \u00e0 droite).<\/p>\n

Votre graphique acquiert alors un pouvoir pr\u00e9dictif<\/strong> : si on vous donne les mesures d’un individu que vous ne connaissez pas, vous pouvez le placer dans le graphique : et s’il tombe en bas \u00e0 droite, vous saurez qu’il y a une forte probabilit\u00e9 qu’il fasse partie de l’\u00e9quipe de basket !<\/p>\n

Bon sur cet exemple simpliste, on aurait pu le deviner. Mais voyons ce que \u00e7a donne sur le cas de donn\u00e9es g\u00e9n\u00e9tiques en grande quantit\u00e9.<\/p>\n

Et maintenant avec 500\u00a0000 variables<\/h3>\n

J. Novembre et ses collaborateurs ont d\u2019abord r\u00e9alis\u00e9 un premier tri de nettoyage, qui leur a permis de se concentrer sur 1387 individus et environ 200\u00a0000 variables de SNP. Ils ont ensuite appliqu\u00e9 l\u2019analyse en composantes principales. Cette derni\u00e8re a donc fabriqu\u00e9 deux axes qui sont des combinaisons des 200\u00a0000 variables analys\u00e9es. On peut les voir comme des coordonn\u00e9es g\u00e9n\u00e9tiques,<\/strong> qui r\u00e9sument en 2 dimensions le g\u00e9nome des individus.<\/p>\n

Ils ont ensuite fait un graphique o\u00f9 chaque individu est repr\u00e9sent\u00e9 par un point dans ce nouveau syst\u00e8me d’axe. Puis \u00e0 chacun de ces points ils ont attribu\u00e9 une couleur symbolisant l’origine g\u00e9ographique de l’individu concern\u00e9. Et voici le r\u00e9sultat. La figure de gauche montre l’ensemble des individus dans le syst\u00e8me d’axes fabriqu\u00e9 par l’analyse, et la carte \u00e0 droite explique le code couleur.<\/p>\n

\"\"<\/a><\/p>\n

Si vous regardez attentivement cette carte g\u00e9n\u00e9tique et la position des diff\u00e9rents individus, vous verrez qu\u2019elle ressemble beaucoup \u00e0 la carte de l’Europe. La cartographie en 2 dimensions de notre g\u00e9nome reproduit assez fid\u00e8lement la cartographie g\u00e9ographique de nos pays d\u2019origine<\/strong>\u00a0!<\/p>\n

On constate plusieurs choses amusantes\u00a0: les Alpes et les Pyr\u00e9n\u00e9es sont des barri\u00e8res g\u00e9ographiques tout autant que g\u00e9n\u00e9tiques<\/strong> : les Fran\u00e7ais sont significativement \u00e9loign\u00e9s de leurs voisins espagnols et italiens. Un zoom sur la Suisse r\u00e9v\u00e8le que les 3 groupes linguistiques de ce pays sont m\u00eame assez bien s\u00e9par\u00e9s. Il y a quand m\u00eame quelques bizarreries\u00a0: le seul individu slovaque de l’\u00e9tude atterrit au milieu des Italiens.<\/p>\n

A un niveau plus d\u00e9taill\u00e9, les auteurs ont montr\u00e9 que l\u2019axe Nord\/Sud contenait plus de variabilit\u00e9 g\u00e9n\u00e9tique que l\u2019axe Est\/Ouest. Cela semble avoir du sens du point de vue de la diff\u00e9renciation g\u00e9n\u00e9tique en fonction du climat. On peut aussi imaginer que\u00a0 les migrations \u00e0 latitude identique soient plus faciles<\/strong>.<\/p>\n

Ils ont ensuite v\u00e9rifi\u00e9 que les deux coordonn\u00e9es g\u00e9n\u00e9tiques constituent un tr\u00e8s bon pr\u00e9dicteur de notre origine g\u00e9ographique. En clair \u00e7a marche comme dans mon exemple des joueurs de basket : vous analysez votre ADN avec une puce, vous en tirez les 200\u00a0000 variables SNP et en fonction de ces variables vous calculez votre position dans le diagramme : cette position va permettre avec une tr\u00e8s bonne probabilit\u00e9 de d\u00e9terminer votre origine g\u00e9ographique<\/strong>, sans la conna\u00eetre a priori bien s\u00fbr !<\/p>\n

Une telle m\u00e9thode peut servir par exemple \u00e0 identifier la provenance d’un criminel \u00e0 partir de son ADN<\/strong>, mais on peut aussi imaginer plein d\u2019applications plus ou moins r\u00e9jouissantes de ce r\u00e9sultat.<\/p>\n

Un grand merci \u00e0 Benjamin qui m\u2019a fait conna\u00eetre cet article<\/a>\u00a0!<\/p>\n

PS pour les sp\u00e9cialistes : je suis toujours \u00e9pat\u00e9 quand une m\u00e9thode d’analyse non-supervis\u00e9e comme l’ACP se r\u00e9v\u00e8le avoir un pouvoir pr\u00e9dictif comme si elle \u00e9tait supervis\u00e9. Chance ou truc profond ?<\/em><\/p>\n

\u00a0[1] John Novembre et al., Genes mirror geography within Europe, Nature 456,p98 (2008)<\/em><\/p>\n

Sur les SNP : cours de g\u00e9n\u00e9tique \u00e0 l’UPMC<\/a><\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

En principe, notre ADN sait beaucoup de choses sur nous. Mais il n\u2019est pas si simple de faire parler la quantit\u00e9 immense d\u2019information qu\u2019il contient. En 2008, des chercheurs ont r\u00e9ussi \u00e0 montrer qu’il est possible de lire nos origines g\u00e9ographiques dans nos g\u00e8nes, moyennant une m\u00e9thode statistique adapt\u00e9e : l’analyse en composantes principales. A<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"jetpack_post_was_ever_published":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[7,4],"tags":[27,35,33],"class_list":{"0":"post-1378","1":"post","2":"type-post","3":"status-publish","4":"format-standard","6":"category-biologie","7":"category-mathematiques","8":"tag-adn","9":"tag-genetique","10":"tag-statistiques"},"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"post_mailing_queue_ids":[],"_links":{"self":[{"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/posts\/1378","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/comments?post=1378"}],"version-history":[{"count":0,"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/posts\/1378\/revisions"}],"wp:attachment":[{"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/media?parent=1378"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/categories?post=1378"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/scienceetonnante.com\/blog\/wp-json\/wp\/v2\/tags?post=1378"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}