, Les profondeurs des échantillons sont alors normalisées
, Chaque chromosome est segmenté en régions ayant un rapport de couverture similaire
, Un modèle statistique analyse alors la profondeur de ces régions
niveau régional sont identifiés en utilisant le modèle de l'étape précédente ,
, Le logiciel de détection des CNV de BGW possède le lourd désavantage de ne pas être open source ni gratuit
, Le format FASTQ est un format de fichier texte (type MIME : text/plain) qui permet le stockage concomitant de séquences d'acides nucléiques avec leurs scores de qualité associés
, e siècle) afin de lier à un fichier de séquence au format FASTA des données de qualité. Avec le séquençage haut débit, ce format est devenu le standard pour le stockage des données de séquenceurs
, Structure du format FASTQ
, Dans un fichier FASTQ, chaque séquence utilise 4 lignes (séparation : '\n')
, La première ligne commence par le caractère arobase "@" suivie de l'identifiant de la séquence et éventuellement d'une description. La seconde ligne correspond à la séquence nucléique brute
, La troisième ligne commence par le caractère plus "+" (parfois suivi par l'identifiant de la Annexe 2 : Formats SAM et BAM
alignement de séquence (Sequence Alignment Map) est un format texte tabulé utilisé pour stocker des séquences biologiques alignées sur une séquence de référence. Le format SAM a été développé par Heng Li et Bob Handsaker et al en, 2009. ,
, Il est aujourd'hui largement utilisé pour stocker les séquences nucléotidiques générées par les technologies de séquençage haut débit
, Le format SAM est un format hautement compressible et indexable, il est adapté aux lectures courtes ou longues produites par les différentes plateformes de séquençage et est utilisé pour conserver des données alignées sur une référence
, Architecturalement, il est composé d'un « header » en amont des « données d'alignement
, Les lignes de l'en-tête commencent par le caractère arobase '@' suivit par l'un des codes à deux lettres parmi : HD (header line), SQ (Reference sequence dictionary), RG (Read group), PG (Program) et CO (One-line text comment). L'en-tête contient toutes les informations nécessaires sur l
, Chaque ligne contenant les données d'alignement est composée d'au moins 11 colonnes tabulées (séparées par le caractère '\t') qui contiennent l'essentiel des données sur l'alignement et des colonnes supplémentaires facultatives pouvant contenir diverses autres informations
, Annexe 2 -Figure 1 -Les 11 colonnes obligatoires des données d'alignements du format SAM. String : Chaîne de caractère
, La version binaire compressée du SAM s'appelle le format BAM (Binary Alignment Map). La version ultra compressée est appelée CRAM
Browser Extensible Data) est un format de fichier texte tabulé utilisé pour stocker des régions génomiques sous forme de coordonnées avec leurs annotations associées ,
, Il a été développé au cours du Projet Génome humain puis est rapidement devenu un standard en bioinformatique sans pour autant posséder de spécifications officielles
, Sa simplicité lui permet une accessibilité très importante autant par les outils de traitement de texte que par les langages de script (Python, Golang, Perl) même s'il existe des outils plus spécialisés, Le format BED permet la manipulation de coordonnées en lieu et place de séquences nucléotidiques
, Architecturalement le format « BED » est en général constitué de 3 à 4 colonnes tabulées qui contiennent respectivement : La référence du chromosome, le point de départ des coordonnées, la fin des coordonnées, et facultativement une annotation associée à cette région. Le format BED n'étant pas verrouillé il est possible de créer des colonnes facultatives contenant tout type d'informations. De la même façon, il peut y avoir ou ne pas y avoir une ligne de « header
ou format Pearson) est un format de fichier texte utilisé pour stocker des séquences biologiques de nature nucléique ou protéique. Chaque séquence est représentée par une suite de lettres correspondant à chaque acide nucléique ou acide aminé et peut être précédée par une dénomination et/ou des descriptions. Ce format est originellement issu de la suite de programmes FASTA ,
, C'est un format texte dans lequel deux lignes sont utilisées pour chaque séquence : la première qui contient le nom ou une description commence toujours par un chevron supérieur « > », la ligne suivante contient la séquence en caractère
, La simplicité du format FASTA permet la lecture et la modification des séquences, que ce soit via l'utilisation d'outils de traitement de texte ou des langages script. Ce format présente également l'avantage d'être indexable. Les génomes de référence sont
, Un fichier au format FASTA est conventionnellement signalé par une extension « .fasta » ou « .fa ». Les index, quand ils sont créés
, Structure du format FASTA : Annexe 4 -Figure 1 -Structure des données au format FASTA
, Ce format contient successivement plusieurs lignes de métadonnées (débutant par les symboles « ## »), une ligne d'en-tête (débutant par le symbole « # »), et de multiples lignes de données qui contiennent chacune des informations sur une unique position dans le génome. Le format a également la capacité de contenir les données de génotype de chaque échantillon pour chaque position, lorsque le document correspond à l'analyse de plusieurs échantillons (champs de texte séparés par des tabulations), Annexe 5 : Format VCF 1. Description : Parfois grossièrement traduit en « format variante d'appel » ou « format d'appel de variants
, En effet ces derniers stockaient l'ensemble des informations génétiques issues d'un séquençage, or une grande partie est redondante entre les différents génomes. En utilisant le format vcf, seuls les variants font l'objet d'une écriture
, La norme est actuellement dans la version 4.3 publiée le 25 juin 2020 et disponible dans le dépôt github de samtools
, Structure du format VCF : Annexe 5 -Figure 1 -Structure des données au format VCF. Références bibliographiques
, Copy number variation: New insights in genome diversity
,
, A copy number variation map of the human genome | Nature Reviews Genetics
Global variation in copy number in the human genome, Nature, vol.444, issue.7118, pp.444-54, 2006. ,
, A Comprehensive Analysis of Common Copy-Number Variations in the Human Genome -ScienceDirect
,
Genome structural variation discovery and genotyping, Nat Rev Genet. mai, vol.12, issue.5, pp.363-76, 2011. ,
Structural variation in the human genome, Nature Reviews Genetics. févr, vol.7, issue.2, pp.85-97, 2006. ,
, Genetic association analysis of copy-number variation (CNV) in human disease pathogenesis -ScienceDirect
, Copy Number Variation in Human Health, Disease, and Evolution | Annual Review of Genomics and Human Genetics
Analysis: A High-Resolution Method to Detect Genome Copy Number Variation ,
, High resolution analysis of DNA copy number variation using comparative genomic hybridization to microarrays
, Genome-wide analysis of DNA copy-number changes using cDNA microarrays
, Sequencing studies in human genetics: design and interpretation | Nature Reviews Genetics
,
, New Era of Genetic Testing and Its Impact on Research and Clinical Care | Clinical Chemistry | Oxford Academic
Massively Parallel Sequencing Approaches for Characterization of Structural Variation, Methods Mol Biol, vol.838, pp.369-84, 2012. ,
, Initial sequencing and analysis of the human genome | Nature
The sequence of the human genome, Science. 16 févr, vol.291, issue.5507, pp.1304-51, 2001. ,
URL : https://hal.archives-ouvertes.fr/hal-00465088
, Finishing the euchromatic sequence of the human genome | Nature
Origins and functional impact of copy number variation in the human genome, Nature. avr, vol.464, issue.7289, pp.704-716, 2010. ,
Global diversity, population stratification, and selection of human copy-number variation, Science, vol.11, issue.6253, p.3761, 2015. ,
Fine-scale structural variation of the human genome, Nat Genet. juill, vol.37, issue.7, pp.727-759, 2005. ,
, A map of human genome variation from population scale sequencing, Nature, vol.467, issue.7319, pp.1061-73, 2010.
Structural Variation of Alu Element and Human Disease, Genomics Inform. sept, vol.14, issue.3, pp.70-77, 2016. ,
Transposable element detection from whole genome sequence data, Mobile DNA. 29 déc, vol.6, issue.1, p.24, 2015. ,
, Mobile element insertion (MEI) detection for NGS based clinical diagnostics -SeqOne
Copy Number Polymorphism in the Human Genome | Science ,
Segmental Duplications and Copy-Number Variation in the Human Genome, Am J Hum Genet. juill, vol.77, issue.1, pp.78-88, 2005. ,
Major changes in our DNA lead to major changes in our thinking, Nature Genetics. 27 juin, vol.39, pp.3-5, 2007. ,
Frequency of new copy number variation in humans, Nat Genet. avr, vol.37, issue.4, pp.333-337, 2005. ,
, Human Copy Number Variation and Complex Genetic Disease
Gene copy-number polymorphism in nature, Proc Biol Sci, vol.277, pp.3213-3234, 1698. ,
Structural Variation in the Human Genome and its Role in Disease, Annual Review of Medicine, vol.61, issue.1, pp.437-55, 2010. ,
Exploring the role of copy number variants in human adaptation, Trends Genet. juin, vol.28, issue.6, pp.245-57, 2012. ,
An Evolutionary Perspective on the Impact of Genomic Copy Number Variation on Human Health, J Mol Evol. 1 janv, vol.88, issue.1, pp.104-123, 2020. ,
Genome architecture, rearrangements and genomic disorders, Trends in Genetics. 1 févr, vol.18, issue.2, pp.74-82, 2002. ,
The Mechanism of Human Nonhomologous DNA End Joining, J Biol Chem. 1 avr, vol.283, issue.1, pp.1-5, 2008. ,
A DNA Replication Mechanism for Generating Nonrecurrent Rearrangements Associated with Genomic Disorders, Cell. 28 déc, vol.131, issue.7, pp.1235-1282, 2007. ,
Detection of large-scale variation in the human genome, Nat Genet. sept, vol.36, issue.9, pp.949-51, 2004. ,
, Matrix-based comparative genomic hybridization: Biochips to screen for genomic imbalances -Solinas-Toldo -1997 -Genes, Chromosomes and Cancer -Wiley Online Library
,
High-resolution global profiling of genomic alterations with long oligonucleotide microarray, Cancer Res. 15 juill, vol.64, issue.14, pp.4744-4752, 2004. ,
, Molecular karyotyping: array CGH quality criteria for constitutional genetic diagnosis
Molecular karyotyping in human constitutional cytogenetics, Eur J Med Genet. sept, vol.48, issue.3, pp.214-245, 2005. ,
URL : https://hal.archives-ouvertes.fr/hal-02141803
Spatial normalization of array-CGH data, BMC Bioinformatics. 22 mai, vol.7, p.264, 2006. ,
URL : https://hal.archives-ouvertes.fr/inserm-00089910
Analysis of array CGH data: from signal ratio to gain and loss of DNA regions, Bioinformatics. 12 déc, vol.20, issue.18, pp.3413-3435, 2004. ,
Local likelihood modeling by adaptive weights smoothing *, 2002. ,
Novel approach to quantitative polymerase chain reaction using real-time detection: application to the detection of gene amplification in breast cancer, Int J Cancer, vol.78, issue.5, pp.661-667, 1998. ,
Real-time PCR based on SYBR-Green I fluorescence: an alternative to the TaqMan assay for a relative quantification of gene rearrangements, gene amplifications and micro gene deletions, BMC Biotechnol, vol.3, p.18, 2003. ,
Measurement of locus copy number by hybridisation with amplifiable probes, Nucleic Acids Res. 15 janv, vol.28, issue.2, pp.605-614, 2000. ,
DNA copy number analysis by MAPH: molecular diagnostic applications, Expert Rev Mol Diagn. juill, vol.2, issue.4, pp.370-378, 2002. ,
Relative quantification of 40 nucleic acid sequences by multiplex ligation-dependent probe amplification, Nucleic Acids Res. 15 juin, vol.30, issue.12, p.57, 2002. ,
Detection of exon deletions and duplications of the mismatch repair genes in hereditary nonpolyposis colorectal cancer families using multiplex polymerase chain reaction of short fluorescent fragments, Cancer Res. 1 juin, vol.60, issue.11, pp.2760-2763, 2000. ,
L'intégration du séquençage de nouvelle génération dans le diagnostic médical: application aux leucémies aiguës myéloïdes et syndromes myélodysplasiques, p.140 ,
Real-Time DNA Sequencing from Single Polymerase Molecules, Science. 2 janv, vol.323, issue.5910, pp.133-141, 2009. ,
Evaluation of in silico prediction tools and interest of functional tests in the interpretation of identified variants by next-generation sequencing in human genetics, 2018. ,
, Encyclopedia of Bioinformatics and Computational Biology -1st Edition
A comparative study of k-spectrum-based error correction methods for next-generation sequencing data analysis, Human Genomics. 25 juill, vol.10, issue.2, p.20, 2016. ,
The present and future of de novo whole-genome assembly, Briefings in Bioinformatics, vol.19, p.96, 2016. ,
Fast and accurate short read alignment with Burrows-Wheeler transform, Bioinformatics. 15 juill, vol.25, issue.14, pp.1754-60, 2009. ,
The Sequence Alignment/Map format and SAMtools, Bioinformatics. 15 août, vol.25, issue.16, pp.2078-2087, 2009. ,
, Efficient storage of high throughput DNA sequencing data using reference-based compression
,
Evaluating the necessity of PCR duplicate removal from next-generation sequencing data and a comparison of approaches, BMC Bioinformatics. 25 juill, vol.17, issue.7, p.239, 2016. ,
SNP detection for massively parallel whole-genome resequencing, Genome Res. 6 janv, vol.19, issue.6, pp.1124-1156, 2009. ,
, A framework for variation discovery and genotyping using next-generation DNA sequencing data
,
Paired-End Mapping Reveals Extensive Structural Variation in the Human Genome, Science, vol.318, issue.5849, pp.420-426, 2007. ,
Mapping and sequencing of structural variation from eight human genomes, Nature. mai, vol.453, issue.7191, pp.56-64, 2008. ,
, Computational tools for copy number variation (CNV) detection using next-generation sequencing data: features and perspectives | BMC Bioinformatics | Full Text
,
A Model-Based Clustering Method for Genomic Structural Variant Prediction and Genotyping Using Paired-End Sequencing Data, Disponible sur, vol.27 ,
Whole-genome CNV analysis: advances in computational approaches, vol.13 ,
Detecting structural variations in the human genome using next generation sequencing, Briefings in functional genomics. 1 déc, vol.9, pp.405-420, 2010. ,
Computational methods for discovering structural variation with next-generation sequencing, Nature Methods, vol.6, issue.11s, pp.13-20, 2009. ,
Identification of genomic indels and structural variations using split-read, BMC Genomics. 25 juill, vol.12, p.375, 2011. ,
Statistical challenges associated with detecting copy number variations with next-generation sequencing, Bioinformatics, vol.28, issue.21, pp.2711-2719, 2012. ,
Control-free calling of copy number alterations in deep-sequencing data using GC-content normalization, Bioinformatics. 15 janv, vol.27, issue.2, pp.268-277, 2011. ,
Effective normalization for copy number variation detection from whole genome sequencing, BMC Genomics, vol.13, issue.6, p.16, 2012. ,
Computational tools for copy number variation (CNV) detection using next-generation sequencing data: features and perspectives, BMC Bioinformatics. 13 sept, vol.14, issue.11, p.1, 2013. ,
Sensitive and accurate detection of copy number variants using read depth of coverage, Genome Res. sept, vol.19, issue.9, pp.1586-92, 2009. ,
Copy Number Variation, Evangelou E, éditeur. Genetic Epidemiology: Methods and Protocols ,
, Methods in Molecular Biology). Disponible sur, pp.231-58, 2018.
Evaluation of copy number variant detection from panel-based next-generation sequencing data, Molecular Genetics & Genomic Medicine, vol.7, issue.1, p.513, 2019. ,
Detection of copy-number variations from NGS data using read depth information: a diagnostic performance evaluation, European Journal of Human Genetics, vol.26, issue.2020, pp.1-11 ,
URL : https://hal.archives-ouvertes.fr/hal-02317979
Le séquençage d'ADN à haut débit en pratique clinique, Archives de Pédiatrie. 1 févr, vol.24, 2017. ,
ABySS: A parallel assembler for short read sequence data, Genome Res. juin, vol.19, issue.6, pp.1117-1140, 2009. ,
, De novo assembly of human genomes with massively parallel short read sequencing
,
De novo assembly and genotyping of variants using colored de Bruijn graphs, Nat Genet. 8 janv, vol.44, issue.2, pp.226-258, 2012. ,
Efficient de novo assembly of large genomes using compressed data structures, Genome Res. mars, vol.22, issue.3, pp.549-56, 2012. ,
A robust model for read count data in exome sequencing experiments and implications for copy number variant calling, Bioinformatics, vol.28, issue.21, pp.2747-54, 2012. ,
DELLY: structural variant discovery by integrated paired-end and split-read analysis, Bioinformatics. 15 sept, vol.28, issue.18, pp.333-342, 2012. ,
Accurate clinical detection of exon copy number variants in a targeted NGS panel using DECoN. Wellcome Open Res, vol.1, 2016. ,
LUMPY: a probabilistic framework for structural variant discovery, Genome Biology. 26 juin, vol.15, issue.6, p.84, 2014. ,
CONTRA: copy number analysis for targeted resequencing, Bioinformatics. 15 mai, vol.28, issue.10, pp.1307-1320, 2012. ,
THE SCREENING AND RANKING ALGORITHM TO DETECT DNA COPY NUMBER VARIATIONS, Ann Appl Stat. sept, vol.6, issue.3, pp.1306-1332, 2012. ,
Clinical Validation of Copy Number Variant Detection from Targeted Next-Generation Sequencing Panels, The Journal of Molecular Diagnostics, vol.19, issue.6, pp.905-925, 2017. ,
An intronic polymorphic deletion in the PTEN gene: implications for molecular diagnostic testing, Br J Cancer. 5 févr, vol.108, issue.2, pp.438-479, 2013. ,
Characterising chromosome rearrangements: recent technical advances in molecular cytogenetics, Heredity. janv, vol.108, issue.1, pp.75-85, 2012. ,
Personalized copy number and segmental duplication maps using next-generation sequencing, Nature Genetics, vol.41, issue.10, pp.1061-1068, 2009. ,
The Sanger FASTQ file format for sequences with quality scores, and the Solexa/Illumina FASTQ variants, Nucleic Acids Res. avr, vol.38, issue.6, pp.1767-71, 2010. ,