Séquençage de nouvelle génération

Présentation des méthodes de séquençage de nouvelle génération (NGS)

Bien que la méthodologie et les réactifs utilisés pour le NGS soient en constante évolution, les chercheurs disposent aujourd’hui de nombreux systèmes de NGS. Les plateformes couramment utilisées intègrent plusieurs étapes essentielles du flux de travail du NGS, notamment la préparation des échantillons ou des bibliothèques, la génération de clusters, le séquençage et l’analyse des données. La préparation des échantillons implique généralement soit une amplification de l’ADN, soit l’ajout de lieurs ou d’adaptateurs de séquence. La génération de clusters pour chaque séquence d’ADN se produit lorsque l’ADN contenant le lieur lié de manière covalente s’hybride à une surface solide en vue d’une amplification par PCR en pont, ou par d’autres méthodes telles que la PCR en émulsion. Il existe en outre de nombreuses méthodes de séquençage de l’ADN, notamment le séquençage par ligature, le séquençage par synthèse, le pyroséquençage et le séquençage par semi-conducteur ionique. Chaque méthode de séquençage implique des étapes de réaction et des processus chimiques variés qui déterminent en fin de compte la longueur de chaque séquence (longueur de lecture), le taux d’erreur et le coût des réactifs.

Approches analytiques pour l’analyse des données NGS

Un dernier élément commun à tous les flux de travail NGS est l’étape cruciale d’analyse des données qui intervient après le séquençage. Alors que chaque plateforme et chaque flux de travail NGS produisent une quantité considérable d’informations numériques enregistrées sur des ordinateurs, l’ensemble des données brutes doit être analysé par des bioinformaticiens à l’aide d’un nombre sans cesse croissant d’outils analytiques destinés à l’alignement et au mappage des lectures, tels que Bowtie, Galaxy et bien d’autres. Bon nombre des avancées dans le domaine des technologies NGS résultent de la convergence de nombreux domaines scientifiques visant à développer et à optimiser l’analyse et l’interprétation de ces vastes ensembles de données. En fonction des besoins spécifiques de chaque application, les chercheurs sont désormais en mesure d’utiliser ces outils puissants pour séquencer des génomes, des exomes ou des transcriptomes entiers dans le cadre d’études de recherche fondamentale et sur les maladies.