Cartographie des variations structurales génomiques dans les malformations congénitales majeures

Sur la base du séquençage ADN en lecture longue des cas réalisé dans les Projets Thématiques 1 et 3, cette étude incorpore des échantillons de cas et de témoins, ainsi que leurs données de séquençage en lecture longue. La plateforme PacBio Revio a été choisie pour le séquençage ADN en lecture longue, et une analyse standard de séquençage du génome entier en lecture longue a été réalisée sur 50 cas. S'appuyant sur la première carte de référence du pan-génome de la population chinoise déjà construite, 50 échantillons témoins représentatifs ont été ajoutés pour un séquençage en lecture longue afin de construire une nouvelle carte de référence du pan-génome de la population chinoise. Les détails spécifiques sont les suivants :

1. Extraction des caractéristiques de variation structurelle (VS) et encodage des génomes des cas de malformations congénitales, et établissement d'une méthode de détection des VS basée sur l'encodage des caractéristiques. L'imagerie de séquences a été utilisée pour éliminer les informations répétitives de fond des signaux d'alignement des sites, facilitant ainsi la détection des VS dans les régions génomiques complexes. Une méthode d'encodage par "compression d'image" a été explorée, utilisant une approche par "empilement" pour caractériser les caractéristiques de séquence anormales entre les cas de malformations congénitales et les témoins parentaux ou les témoins de population au sein d'une seule image. Sur la base des résultats d'alignement du génome entier, les régions génomiques contenant des séquences anormales dans les cas de malformations congénitales ont été identifiées. Une méthode de réalignement local sensible aux points de rupture, basée sur des segments colinéaires, a été établie pour extraire les caractéristiques des fragments de VS portés dans les lectures de séquençage entre les cas de malformations congénitales et les témoins parentaux ou les témoins de population. L'étude s'est concentrée sur la recherche d'un cadre de réseau neuronal convolutif isomorphe capable de segmentation et de classification simultanées des cibles, réalisant les deux dans la détection des VS.
2. Construction d'une carte de référence du pan-génome de la population chinoise basée sur les données de séquençage ADN en lecture longue. Tirant parti de la technologie de séquençage du génome entier de troisième génération, des échantillons d'ADN de multiples groupes ethniques en Chine ont été séquencés, et la visualisation de l'assemblage du pan-génome a été réalisée. Des génomes de référence spécifiques aux ethnies ont été construits pour former un graphe de pan-génome, intégrant les séquences d'ADN de différentes populations. Les variants génétiques ou séquences présentant des différences ont été considérés comme des nœuds, et les séquences adjacentes ont été connectées par des arêtes, identifiant ainsi les séquences géniques centrales et spécifiques dans la population chinoise. Cet effort vise à établir une carte de référence de pan-génome de haute qualité exclusive à la population chinoise, en se concentrant sur l'étude des cartes de variation structurelle (VS) du génome entier pour soutenir l'analyse précise des VS rares ou nouvelles dans les malformations congénitales.
3. Cartographie de la carte fine des VS des principales malformations congénitales dans la population chinoise. La détection des VS est réalisée par deux approches : l'approche par génome linéaire et l'approche par pan-génome. L'approche par génome linéaire utilise des méthodes de détection linéaire conventionnelles pour identifier les variants génétiques. L'approche par pan-génome implique la construction d'une carte génomique en utilisant les génomes assemblés de novo, le génome de référence humain universel (GRCh38), et les échantillons de variants génétiques et de cas de malformations congénitales découverts dans la population chinoise. Ces deux approches se valident et se complètent mutuellement, intégrant les résultats de VS obtenus. Des seuils sont fixés sur la base de critères tels que l'emplacement des variants et la similarité des séquences, et les résultats redondants sont supprimés.