Aperçu
Les études d’association pangénomique (GWAS) sont des analyses à grande échelle qui analysent le génome de milliers d’individus pour identifier les variantes génétiques associées à des traits ou des maladies particuliers. En comparant les fréquences alléliques entre les cas et les témoins, GWAS peut identifier les loci génomiques qui contribuent à des phénotypes complexes tels que la taille, le diabète ou les maladies cardiovasculaires. L’approche est sans hypothèse : elle examine des millions de SNP à travers le génome sans hypothèses préalables sur les gènes impliqués. Depuis le premier GWAS historique en 2005, cette méthode a découvert des dizaines de milliers de loci associés à des traits.
Méthodes
Un GWAS typique passe par plusieurs étapes. Tout d’abord, les participants à l’étude sont génotypés à l’aide de matrices SNP ou de séquençage d’ADN. Après contrôle de qualité (filtrage des SNP par taux d’appel, équilibre de Hardy-Weinberg et fréquence des allèles mineurs), les données sont imputées pour déduire des variantes non typées à l’aide de panels de référence. Les tests d’association sont effectués à l’aide de modèles de régression logistique ou de modèles mixtes linéaires qui corrigent la stratification de la population. Le seuil de signification strict à l’échelle du génome (p < 5 × 10⁻⁸) rend compte de plusieurs tests sur des millions de SNP. Les résultats sont visualisés dans des tracés de Manhattan montrant les positions chromosomiques par rapport à leur signification, et des tracés Q-Q évaluent les biais systématiques.
### Candidatures GWAS a transformé notre compréhension de la génétique des maladies courantes. Il a identifié des centaines de locus pour le diabète de type 2, les maladies coronariennes et les maladies auto-immunes, dont beaucoup pointent vers des voies biologiques inattendues. Dans la recherche sur le cancer, les locus GWAS ont révélé de nouveaux gènes de susceptibilité et des cibles potentielles de biochimie du cancer. Cependant, traduire les signaux GWAS en mécanismes causals reste un défi, car la plupart des variantes associées se trouvent dans des régions non codantes. Les analyses post-GWAS incluent une cartographie fine, une annotation fonctionnelle et une randomisation mendélienne pour établir la causalité et explorer la pertinence de la biochimie clinique.
Protocole pratique
Un pipeline GWAS commence par des données de génotype provenant de matrices SNP ou des données de séquençage imputées. Le CQ au niveau de l’échantillon filtre les individus avec un taux d’appel <95 %, des valeurs aberrantes d’hétérozygotie (± 3 écarts-types par rapport à la moyenne) et des inadéquations de sexe. Le contrôle de qualité au niveau SNP supprime les variantes avec un taux d’appel <95 %, un équilibre de Hardy-Weinberg p < 1 × 10⁻⁶ (chez les contrôles) et une fréquence d’allèle mineur (MAF) < 1 %. Tout le contrôle qualité est effectué dans PLINK : plink --bfile data --geno 0.05 --hwe 1e-6 --maf 0.01 --mind 0.05 --make-bed --out data_qc. L’imputation à un panel de référence (par exemple, 1000 Genomes ou TOPMed) utilise un processus en deux étapes : pré-phase avec SHAPEIT4 ou Eagle2, puis imputation avec Minimac4 ou IMPUTE5 sur un serveur cloud comme le Michigan Imputation Server. Après imputation, convertissez les doses en appels durs et filtrez par Rsq > 0.3. La stratification de la population est évaluée à l’aide d’une analyse en composantes principales : plink --bfile data_qc --pca 10 --out pca_results. Les tests d’association utilisent un modèle mixte linéaire implémenté dans SAIGE ou BOLT-LMM pour les traits binaires ou quantitatifs, en corrigeant la parenté et la structure de la population : saige --vcf imputed.vcf --traitType binary --pheno phenotype.txt --covar pca_results.eigenvec --output assoc.txt. Le seuil de signification à l’échelle du génome est p < 5×10⁻⁸. Visualisez les résultats avec un tracé Manhattan à l’aide du package R qqman : manhattan(gwas, chr="CHR", bp="BP", p="P", snp="SNP", suggestiveline = -log10(1e-5), genomewideline = -log10(5e-8)). Évaluer l’inflation avec le facteur d’inflation génomique λ ; les valeurs <1,05 indiquent une stratification minimale. Cartographiez finement les locus significatifs avec FINEMAP ou SuSiE pour identifier des ensembles crédibles de variantes causales dans les régions associées.
