Données omiques : comment donner du sens au déluge biologique ?

Intervenant 10:00

Bienvenue à toutes et à tous dans le podcast du magazine Tangente. Je suis hyper enthousiaste aujourd'hui parce qu'on va plonger dans un sujet qui est littéralement au cœur de nous-mêmes.

Intervenant 20:11

Salut Kel ! Un sujet plutôt vital, on peut dire.

Intervenant 10:15

Complètement vital. En préparant ce décryptage, je suis tombée sur un chiffre qui m'a complètement bluffée. On remonte en 2003. L'époque

Intervenant 20:23

du premier génome humain,

Intervenant 10:25

c'est ça ? Exactement. Le tout premier séquençage. Il a fallu mobiliser des labos dans le monde entier, dépenser 3 milliards de dollars et surtout ils y ont passé plus de 10 ans. 10 ans pour un seul code génétique.

Intervenant 20:38

Ouais, un effort titanesque. Et aujourd'hui, c'est...

Intervenant 10:41

Aujourd'hui, on le fait en quelques jours. En quelques jours pour même pas 1000 euros. C'est une division du coût par 3 millions, on recroît à 20 ans. C'est un truc de fou.

Intervenant 20:49

C'est vertigineux, ouais. Et en fait, ce qui rend cette accélération si folle, c'est que ça a complètement renversé notre façon de faire de la biologie.

Intervenant 10:58

C'est-à-dire ?

Intervenant 20:59

Bah tu sais, on entend tout le temps parler de big data, de données massives pour Internet, les réseaux sociaux, la finance.

Intervenant 11:05

Ouais, les GAFA, tout ça.

Intervenant 21:07

Voilà. Sauf qu'en biologie, cette explosion de données, on a un mot spécifique pour ça. C'est ce qu'on appelle les données omiques. Omiques, d'accord. Ouais. Et le but de notre exploration aujourd'hui, c'est vraiment de comprendre en profondeur comment les mathématiques, les stats et l'informatique, ce ne sont plus juste des petits outils pratiques pour les biologistes.

Intervenant 11:26

C'est devenu le cœur du réacteur, c'est ça ?

Intervenant 21:28

Exactement. Sans ces disciplines, aujourd'hui, la biologie serait juste aveugle. Totalement aveugle.

Intervenant 11:34

Et de signe sur mesure. Donc, si on veut poser les bases pour ceux qui nous écoutent, on va utiliser une image simple.

Intervenant 21:40

Vas-y.

Intervenant 11:41

Si on dit que notre ADN, c'est un peu le manuel d'instruction de notre corps, écrit avec juste quatre lettres. Le séquençage, en gros, c'est comme si on prenait ce manuel et qu'on le passait au scanner pour le mettre dans un ordi.

Intervenant 21:53

C'est une super image. Ouais, c'est exactement ça. Ces quatre lettres, les nucléotides, adénine, cytosine, thymine, guénine.

Intervenant 12:02

ACTG, quoi.

Intervenant 22:03

Voilà, AC-TG. Séquencer, c'est prendre la molécule physique, la vraie molécule d'ADN, et traduire cet ordre de briques en une ligne de texte informatique.

Intervenant 12:11

D'accord.

Intervenant 22:12

Sauf que le manuel, il est gros. Le génome humain, c'est 3 milliards de lettres.

Intervenant 12:17

Ah ouais, 3 milliards. Bon, c'est un bon gros pavé. Mais attends, d'un point de vue informatique, 3 milliards de lettres en texte brut, c'est pas si lourd que ça, si ?

Intervenant 22:29

Alors, en théorie, un simple fichier texte, non, ça pèse rien. Mais la réalité dans Labo, c'est pas un fichier Word propre. Le processus physique génère énormément de métadonnées, de trucs redondants. Et au final, l'espace pour stocker les données brutes d'un seul génome, c'est autour de 100 Go.

Intervenant 12:45

100 Go ? Ok, bon, 100 Go, ça reste, c'est la taille d'un très gros jeu vidéo sur console ou la mémoire d'un bon smartphone. Pour une personne, on gère.

Intervenant 22:56

Pour une personne, oui. Mais la recherche, elle ne bosse pas sur une personne à la fois. Oui,

Intervenant 13:01

évidemment.

Intervenant 23:01

Prends le projet britannique de 2013 là, le projet des 100 000 génomes. Le but, c'était de repérer les marqueurs du cancer et des maladies rares.

Intervenant 13:08

Donc on multiplie 100 gigas par 100 villes patients.

Intervenant 23:10

Voilà. Et les estimations de stockage pour ce seul projet, on dépasse les 50 pétaoctets. Attends, pause.

Intervenant 13:18

50 pétaoctets. Ça fait 50 millions de gigaoctets.

Intervenant 23:22

Ouais, c'est colossal.

Intervenant 13:24

Non, mais c'est absurde. Pour garder l'image du livre, c'est plus lire un manuel, là. C'est comme si on prenait toutes les bibliothèques nationales de la planète, qu'on en scannait tout en ultra-haute résolution, et qu'on te balançait ça à la figure en mode « tiens, trouve la faute de frappe ».

Intervenant 23:39

C'est exactement ça. Et face à ça, tu imagines bien que le biologiste avec son microscope et sa petite pipette...

Intervenant 13:45

Il est en PLS total.

Intervenant 23:46

Totalement dépassé, ouais. C'est pour ça qu'il a fallu créer cette alliance obligatoire avec l'informatique pure. La priorité numéro un, avant même de faire de la science, ça a été de concevoir des architectures de serveurs gigantesques.

Intervenant 13:58

Juste pour pas que le système crache.

Intervenant 24:00

Voilà. Sans une structure de base de données en béton armé, les serveurs mondiaux fondraient sous le poids de ces pétaoctets.

Intervenant 14:07

Bon, OK, on a nos serveurs, on a stocké notre immense chaos de A, de C, de T et de G. Mais on n'a pas encore fait de découverte, là. On a juste des disques durs pleins.

Intervenant 24:18

Exact. On a fait de l'archivage.

Intervenant 14:21

Comment on fait pour lire ça concrètement ? Parce que je suppose qu'on ne lit pas le chromosome d'une traite, de la lettre 1 à la lettre 3 milliards.

Intervenant 24:30

Ah bah non, ce serait trop beau. La technologie actuelle, elle est incapable de lire un long brin d'ADN sans s'arrêter.

Intervenant 14:36

Donc on fait comment ?

Intervenant 24:37

On utilise un truc qui s'appelle le séquençage aléatoire ou shotgun sequencing.

Intervenant 14:42

Shotgun, comme un fusil à pompe ?

Intervenant 24:44

C'est l'idée. Si on reprend ton manuel, c'est comme si on en prenait des milliers d'exemplaires identiques et qu'on passait le tout dans une déchiqueteuse à paquets.

Intervenant 14:51

Mais attends, quoi ? On détruit le truc pour pouvoir le lire.

Intervenant 24:56

Bah ouais.

Intervenant 14:56

Mais on se retrouve avec des millions de mini-confettis mélangés. Comment on retrouve l'histoire ? C'est le pire puzzle du monde.

Intervenant 25:05

C'est littéralement ça. La machine lit ces petits confettis. On appelle ça des lectures ou des reads. Et c'est là que l'informatique intervient avec ce qu'on appelle des pipelines, des chaînes de traitement.

Intervenant 15:16

Donc des gros algorithmes qui font le tri.

Intervenant 25:18

Des algos très puissants. Ils cherchent des chevauchements. Si un confetti finit par ATGC et qu'un autre commence par la même suite,

Intervenant 15:26

l'ordinateur capte qu'ils vont ensemble et il les colle.

Intervenant 25:29

Voilà.