La sélection naturelle est une force évolutive importante qui permet aux humains de s’adapter à de nouveaux environnements et de lutter contre les agents pathogènes responsables de maladies. Cependant, les empreintes uniques de la sélection naturelle dans notre génome peuvent être enfouies sous celles laissées par d’autres forces évolutives. Ainsi, en exploitant les informations sur de multiples forces évolutives, les chercheurs peuvent identifier les signatures de la sélection naturelle dans le génome humain et, en fin de compte, déterminer son rôle dans l’adaptation humaine et la maladie.
Le séquençage de l’ADN à faible coût a fourni aux chercheurs une abondance de données génomiques, leur permettant de rechercher des preuves de la sélection naturelle chez différentes espèces. Cependant, divers facteurs non adaptatifs peuvent parfois obscurcir ces signaux, ce qui rend essentiel le développement de méthodes statistiques sophistiquées capables de prendre en compte de multiples facteurs influençant la variation génétique.
Michael DeGiorgio, Ph.D., du College of Engineering and Computer Science de la Florida Atlantic University, a reçu une subvention de 1 874 360 $ sur cinq ans de l'Institut national des sciences médicales générales (NIGMS) des National Institutes of Health (NIH) des États-Unis pour poursuivre ses recherches sur la conception et l'application de méthodes statistiques pour identifier les régions du génome affectées par la sélection naturelle. Le projet intitulé « Identifier les modes complexes d'adaptation à partir des données génomiques de la population » est une subvention de recherche NIH NIGMS Maximizing Investigators destinée aux chercheurs confirmés.
Cette recherche vise à développer des outils puissants pour identifier divers modes d’adaptation à partir de données génétiques et à mieux comprendre les mécanismes évolutifs sous-jacents à des traits tels que la résistance aux maladies et la défense contre les agents pathogènes.
Pour comprendre véritablement comment la variation génétique humaine a évolué et est distribuée, il est essentiel d'étudier les mécanismes évolutifs en jeu. L'avènement des technologies avancées de séquençage à haut débit, ainsi que les améliorations significatives des capacités de calcul, ont doté les généticiens de nouveaux outils puissants. Cette importante subvention des National Institutes of Health permettra à notre équipe de recherche exceptionnelle dirigée par le professeur DeGiorgio d'approfondir la compréhension des forces évolutives qui contribuent à la diversité observée dans les populations humaines.
Stella Batalama, Ph.D., doyenne de la faculté d'ingénierie et d'informatique de la FAU
DeGiorgio et son équipe de recherche travaillent sur la détection de la sélection naturelle, qui affecte la fréquence des traits au sein des populations et laisse des signaux génétiques subtils dans les séquences d’ADN des individus au sein de ces populations. Au cours des quatre dernières années, son équipe a réalisé des avancées significatives dans ce domaine, en développant certaines des premières méthodes basées sur des modèles les plus puissantes et les plus avancées pour découvrir les signaux génomiques d’un large éventail d’événements adaptatifs grâce à l’analyse de l’ADN au sein et entre les espèces. Ces méthodes s’appuient sur un large éventail de techniques statistiques et d’ingénierie, en exploitant et en intégrant les atouts des cadres probabilistes, d’apprentissage automatique et de traitement du signal.
« Nos méthodes ont permis d'obtenir plusieurs résultats inédits », a déclaré DeGiorgio, président associé et professeur associé du département de génie électrique et informatique et du département de génie biomédical de la FAU. « Par exemple, nous avons trouvé des preuves d'une sélection positive convergente chez les Européens et les Asiatiques de l'Est qui pourraient expliquer les différences de réponse à l'insuline entre ces populations. Nous avons également découvert une sélection positive dans les gènes olfactifs affectant l'odorat et le comportement des rats de New York pour se déplacer dans des environnements urbains difficiles et bruyants, et identifié une sélection équilibrante dans les gènes du venin qui pourraient jouer un rôle dans les interactions prédateur-proie chez les crotales. »
Les avancées récentes en matière d'IA, notamment l'apprentissage profond, ont grandement amélioré la prédiction des résultats à l'aide de données complexes telles que les informations génétiques. Ces algorithmes apprennent à partir des données d'entraînement et appliquent ces connaissances à de nouvelles données inédites. Leur force réside dans la gestion de caractéristiques complexes et l'adaptation à divers types de données. Cependant, ils sont souvent confrontés à des difficultés lorsque les nouvelles données diffèrent des données d'entraînement, un problème connu sous le nom de « changement de domaine ».
« Pour améliorer la précision des prévisions, il est essentiel de s'adapter aux conditions changeantes des données et d'affiner la sélection et la modélisation des fonctionnalités », a déclaré DeGiorgio.
Au cours des cinq prochaines années, DeGiorgio prévoit de faire progresser ces recherches en développant des approches améliorées en matière de statistiques, d’apprentissage automatique et de traitement du signal. Ces méthodes viseront à détecter des modèles complexes d’adaptation en examinant la manière dont diverses forces évolutives façonnent simultanément la diversité génétique. Plus précisément, les chercheurs se concentreront sur la création de nouveaux cadres pour identifier la sélection positive et équilibrée tout en tenant compte des facteurs génomiques, temporels et spatiaux.
DeGiorgio et son équipe de recherche travailleront sur des méthodes permettant de détecter des régions présentant des modèles complexes de sélection à partir de variations génétiques anciennes, d’utiliser des techniques de traitement du signal pour analyser les données génomiques à partir d’images pour des modèles d’apprentissage automatique et de développer des procédures innovantes pour traiter les incertitudes des paramètres génétiques et démographiques lors de la formation de ces modèles.
« Grâce à ces techniques avancées, les chercheurs peuvent désormais étudier l’adaptation dans une plus grande variété d’organismes, des modèles bien étudiés à ceux qui sont moins fréquemment examinés », a déclaré Javad Hashemi, Ph.D., premier président et professeur du département d’ingénierie biomédicale de la FAU, et doyen associé à la recherche et professeur au College of Engineering and Computer Science. « Cette approche plus large permettra non seulement d’accroître l’inclusivité de cette recherche, mais aussi d’approfondir la compréhension de la manière dont différentes espèces s’adaptent à leur environnement. En appliquant ces nouvelles méthodes à divers organismes – tels que les primates, les rongeurs, les serpents, les insectes et les plantes – nos chercheurs s’attaqueront à d’importantes questions évolutives et découvriront de nouvelles perspectives dans toute une gamme de contextes biologiques. »
