Les études de population constituent un sous-domaine fascinant de la génétique qui se concentre sur la compréhension des différences génétiques au sein et entre les populations afin de révéler l'évolution génétique d'une population. L'un des concepts clés sur lesquels je me concentre dans ce blog est l'examen de la structure de la population, en d'autres termes, l'analyse des informations génétiques sur des individus originaires de différentes parties du monde pour voir si JMP peut les classer dans différents groupes continentaux et ethniques. Différentes techniques sont utilisées à cette fin, notamment l'intégration multivariée, la relation avec les marqueurs et le déséquilibre de liaison utilisé à partir des statistiques des marqueurs.
GSE10331 est un ensemble de données qui met en lumière la variation génétique au sein de la population humaine mondiale. Cette étude visait à découvrir la migration, l’expansion de l’aire de répartition et l’adaptation de l’espèce humaine en analysant les modèles de variation à l’échelle du génome entre les individus.
Dans cette étude, les chercheurs ont analysé et rendu public des génotypes de haute qualité de plus de 500 000 polymorphismes mononucléotidiques (SNP) dans un échantillon mondial de 28 origines ethniques (population), couvrant 22 pays et sept régions, pour un total de 441 individus. Les données ont été téléchargées et préparées pour analyse dans JMP Pro.
Voici la répartition des individus entre les régions, les pays et les populations ainsi que leur cartographie géographique.
Counts of individual grouped by region, country, and population (ethnicity)Nombre d'individus regroupés par région, pays et population (origine ethnique)
Geographic mapping of the different countries analyzed in the studyCartographie géographique des différents pays analysés dans l'étude
Analyse d'intégration multivariée utilisant des données génétiques SNP
L'intégration multivariée a été utilisée comme première tentative pour voir si les origines des différents individus pouvaient être cartographiées et classées en groupes ou en grappes. L'intégration multivariée permet de mapper un ensemble de données de très grande dimension dans un espace de faible dimension, ce qui signifie que les points proches les uns des autres dans un espace de grande dimension sont également proches les uns des autres dans l'espace de faible dimension résultant. Dans ce cas, tous les 500 000 SNP sont inclus à l’aide de la méthode t-SNE, qui montre comment les données sont regroupées.
t-SNE component 1 versus t-SNE component 2Composant t-SNE 1 versus composant t-SNE 2
Cette analyse a utilisé l'intégralité des données, contenant tous les chromosomes. Chaque individu est représenté par un point spécifique. Les couleurs reflètent les sept régions. L'image résultante sépare clairement les individus selon leurs régions d'origine, les origines africaines ayant le groupe le plus éloigné (en rouge). Les autres origines sont faciles à distinguer : l'Amérique en vert, l'Asie de l'Est en orange, l'Océanie en jaune, l'Europe en turquoise, l'Asie centrale du Sud en bleu et le Moyen-Orient en violet. Certaines tendances intéressantes montrent que les individus européens sont plus proches des populations du Moyen-Orient et de l’Asie centrale du Sud. Les groupes d’Asie de l’Est, d’Amérique et d’Océanie sont très éloignés des autres, ce qui est logique dans la mesure où la migration humaine est influencée (ou plus précisément réprimée) par divers facteurs, notamment les barrières géographiques telles que les montagnes et les océans.
t-SNE component 1 versus t-SNE component 2 with labelComposant t-SNE 1 versus composant t-SNE 2 avec étiquette
Deux autres modèles intéressants ont retenu mon attention. L’un d’eux était le petit groupe d’Asie centrale du Sud en bleu, proche de l’Asie de l’Est en orange. En examinant de plus près l'appartenance ethnique des individus de ce groupe d'Asie centrale du Sud, il a été révélé qu'ils avaient des origines « ouïgoures », un groupe ethnique turc originaire et culturellement affilié à la région d'Asie centrale et orientale. Ils constituent l'une des 55 minorités ethniques officiellement reconnues en Chine. Les autres valeurs aberrantes, qui appartiennent au Moyen-Orient en violet, sont d'origine mozabite d'origine algérienne, donc africaine. Il est intéressant de noter qu’en décomposant l’analyse t-SNE en chromosomes spécifiques et en animant les scores t-SNE dans le graphique à bulles, nous pouvons voir qu’un individu algérien mozabite (étiqueté GSM264380) appartient soit au groupe Afrique, soit au groupe Moyen-Orient.
t-SNE decomposed by chromosome, animated in a bubble plott-SNE décomposé par chromosome, animé dans un graphique à bulles
En regardant les scores t-SNE de chaque chromosome individuel, nous pouvons voir cette tendance encore plus clairement. Dans tous les chromosomes (à l'exception des chromosomes 5, 10, 13, 14, 16 et 18), cet individu appartient au groupe Afrique (rouge) ; dans les autres cas, il se situe dans le cluster Moyen-Orient (violet).
t-SNE analysis decomposed by chromosomeAnalyse t-SNE décomposée par chromosome
Relation avec les marqueurs
Ce rapport est une autre façon d’évaluer différentes mesures de parenté génétique entre des paires d’individus en fonction de leurs marqueurs génétiques. Les résultats sont les composants principaux, et un regroupement hiérarchique basé sur différents types de mesures d'identité est utilisé pour évaluer la relation entre les individus. L'identité par États (IBS), qui examine les effets du marqueur d'identité sur les liens de parenté des individus, est utilisée pour cet exemple.
Les régions ont été utilisées pour évaluer les relations. La première analyse était la relation entre les marqueurs et tous les marqueurs (500 000). Chaque région a été comparée à toutes les autres régions. À partir des données de sortie de la relation des marqueurs, j'ai utilisé une carte thermique dans Graph Builder pour visualiser les scores IBS pour chaque paire comparative de régions. Des scores IBS élevés (en rouge) indiquent une relation élevée ; de faibles scores IBS (en jaune) indiquent une faible relation. À partir de la première carte thermique ci-dessous, nous pouvons voir que l'Afrique est celle qui ressemble le moins à toutes les autres régions (voir le carré surligné en rouge et le faible score IBS en jaune clair). L'Amérique et l'Océanie présentent le plus de similitudes avec elles-mêmes (carrés entourés de bleu).
Whole genome-based IBS scores represented in a heat mapScores IBS basés sur le génome entier représentés dans une carte thermique
La deuxième analyse de relation avec les marqueurs a été effectuée uniquement sur le chromosome d'ADN mitochondrial. Pourquoi? Au cours des trois dernières décennies, l'ADN mitochondrial (ADNmt) a été le marqueur de diversité moléculaire le plus populaire (L'ADN mitochondrial comme marqueur de diversité moléculaire : une réévaluation, N.Galtier et al., 2009). L’ADNmt est hérité de la mère et transmis de la mère à la progéniture. Contrairement à l’ADN nucléaire, l’ADNmt manque de recombinaison, ce qui conduit à un modèle de transmission clonale. L'ADNmt accumule des mutations au fil du temps en raison de son taux de mutation élevé. Ces mutations créent des haplotypes distincts, permettant aux chercheurs d’étudier l’histoire et la migration des populations.
Bien que les scores IBS aient augmenté de manière significative (voir la carte thermique ci-dessous), nous pouvons observer le même type de tendance : la région africaine a des scores IBS inférieurs à toutes les autres régions.
mtDNA-based IBS scores represented in a heat mapScores IBS basés sur l'ADNmt représentés dans une carte thermique
Déséquilibre de liaison dans l'ADN mitochondrial
Le déséquilibre de liaison (LD) est le degré d'association statistique entre des paires d'allèles à différents locus d'un génome. Le LD calcule un coefficient de corrélation de déséquilibre de liaison, qui est une mesure d'une association non aléatoire entre des marqueurs situés à différentes positions sur le chromosome (loci) au sein d'une population donnée. En d’autres termes, il détecte la fréquence à laquelle deux marqueurs sont détectés ensemble au même loci, par rapport à ce à quoi on pourrait s’attendre si les loci étaient indépendants et associés de manière aléatoire.
Dans le contexte de l’ADNmt, la LD constitue un sujet d’intérêt pour comprendre l’histoire de l’évolution et la génétique des populations. Comme mentionné précédemment, les mitochondries sont uniquement héritées de la mère chez les mammifères et sont considérées comme clonales, ce qui signifie qu’elles ne subissent pas de recombinaison. En conséquence, les séquences d’ADNmt peuvent servir d’enregistrement des événements de mutation historiques dans les lignées maternelles. Pour analyser et voir l'association entre les paires d'allèles, la plateforme Marker Statistics de JMP Pro a été utilisée. Ici, un graphique montre le coefficient de corrélation LD pour les paires d'allèles regroupées par régions. Les valeurs rouges et positives signifient que deux marqueurs apparaissent ensemble sur les mêmes locus plus souvent que prévu ; les valeurs bleues et négatives signifient que deux marqueurs apparaissent ensemble sur les mêmes locus moins souvent que prévu.
Linkage disequilibrium correlation coefficient in mtDNA per regionCoefficient de corrélation de déséquilibre de liaison dans l'ADNmt par région
Comme il y a de nombreux marqueurs d’ADNmt à analyser, il est logique d’utiliser un filtre pour augmenter les différences de distance entre deux marqueurs. Ici, nous examinons LD pour les paires de marqueurs présentant une différence de distance supérieure à 100 nucléotides. Il était extrêmement intéressant de constater que les mêmes paires de marqueurs étaient associées de manière similaire dans les différentes régions, indiquant une relation.
Linkage disequilibrium correlation coefficient in mtDNA per region zoomedCoefficient de corrélation de déséquilibre de liaison dans l'ADNmt par région zoomée
Vous trouverez ci-dessous un exemple d’une telle similarité, obtenu par filtrage sur des marqueurs liés spécifiques. Il est intéressant de noter que l’Afrique est exclue de ce modèle de similarité, ce qui indique une fois de plus que la région africaine est génétiquement différente de toutes les autres régions.
Linkage disequilibrium correlation coefficient in mtDNA per region for individual markerCoefficient de corrélation de déséquilibre de liaison dans l'ADNmt par région pour un marqueur individuel
En conclusion, en utilisant différentes techniques dans JMP Pro, telles que l'intégration multivariée, la relation avec les marqueurs et le déséquilibre de liaison, l'analyse a pu démontrer la structure génétique de la population d'individus d'origines différentes.
