GENOME.

Organisme

Nombre de gènes

Taille du génome

Haemophilus influenzae (bactérie)

1 800⁴

1,8 Mpb

Escherichia coli (bactérie)

4 300⁵

4,6 Mpb

levure de bière

6 000⁶

12,1 Mpb

Drosophile (insecte)

~14 500⁷

150,0 Mpb

Nématode

~21 000

110,0 Mpb

Arabette (plante à fleur)

~25 500

110,0 Mpb

Souris

~22 000

2700,0 Mpb

Homme

~22 000⁸

3400,0 Mpb

Paramécie

~40 000³

72,0 Mp

Régions non-codantes

Comme le nombre de gènes varie dans des proportions beaucoup plus limitées que la taille du génome, lorsque la taille du génome augmente (voir section précédente), la proportion du génome qui correspond aux régions codantes diminue. On observe une augmentation de la longueur des introns ainsi que des régions intergéniques. Les différents types de régions non-codantes sont listés ci-dessous avec, à titre d'exemple, leur proportion dans le génome humain⁹ qui est représentatif de la situation chez les mammifères :

• Les introns dans les gènes. Dans le génome humain, les régions codantes (exons) représentent 1,5 % de la longueur totale du génome et les introns près de 26 %.
• Les pseudogènes qui représentent 1,5 % du génome humain
• Les répétitions en tandem qui représentent 5 % du génome humain
• Les répétitions dispersées qui représentent 45 % du génome humain
• L'hétérochromatine. Environ 10 % dans le génome humain
• Les autres régions non-codantes. Environ 11 % du génome humain

En plus des gènes, les génomes contiennent en effet souvent des pseudogènes. Ce sont des séquences qui ont de nombreuses caractéristiques des gènes (séquences codantes, séquence promoteur, signaux d'épissage…), mais qui ne sont pas fonctionnelles et ne conduisent donc pas à la production d'une protéine. Ceci peut être la conséquence de mutations génétiques qui ont altéré sa séquence. Le génome humain contient ainsi environ 20 000 pseudogènes, soit pratiquement autant que de gènes fonctionnels. Souvent les pseudogènes sont des duplications d'un gène actif qui conserve la fonctionnalité pour la cellule. On dénombre ainsi plusieurs pseudogènes pour le cytochrome c dans notre génome, en plus du gène fonctionnel. Dans d'autres cas, la transformation d'un gène en pseudogène conduit à une perte de fonction, lorsque c'est la seule copie active qui est atteinte par des mutations. Dans notre génome, c'est le cas du gène codant la L-guluno-γ-lactone oxydase, une enzyme permettant la synthèse de l'acide ascorbique qui est devenu un pseudogène, ce qui fait que nous devons absorber de la vitamine C chaque jour dans notre alimentation, faute de pouvoir la synthétiser.

Dans les grands génomes, la plus grande partie des régions non-codantes est constituée de séquences répétées et plus particulièrement de répétitions dispersées. Leur proportion augmente aussi avec la taille du génome. Dans le génome humain, ce taux est d'environ 45 %⁸. Il dépasse 80 % dans le génome du blé, qui est cinq fois plus grand que celui de l'homme.

Structure tridimensionnelle du génome

La configuration tridimensionnelle du génome a une importance fonctionnelle : l'enroulement (ou « condensation ») de l'ADN sur lui-même grâce aux histones permet de "ranger" une grande quantité d'information génétique dans le minuscule noyau d'une cellule, et il permet aussi à des parties éloignées de chromosomes de se toucher quand se forment des boucles d'ADN (ces boucles permettent à deux gènes éloignés d'agir de concert). Le chromosome peut être comparé à un collier de perles où chaque perle est un gène ou l'un des autres "morceaux" d'ADN, mais dont le fonctionnement ne serait pas « linéaire ». Dans ce cas, pour allumer ou éteindre un gène (une perle), ce gène doit être connecté avec l'ADN qui contrôle ou régule son activité ou qui doit agir de concert (une autre perle, d'une forme complémentaire). Cet autre gène peut être situé assez loin sur ce collier (ou même sur un collier voisin, c'est-à-dire un autre chromosome).

Depuis des décennies, les biologistes moléculaires soupçonnaient fortement que la manière dont l'ADN se déroule et se condense tridimensionnellement dans le noyau joue un rôle-clé en permettant ces connexions, là où il faut et quand il faut, tout en décuplant les capacités d'interactions entre des gènes éloignés.

Depuis le début des années 2000 on comprend un peu mieux le lien entre les « astuces » biochimiques et topologiques et utilisées par le génome lors de ses changements de configuration, lors des différentes phases de la mitose et/ou de la méiose et dans son état condensé.
Des techniques biomoléculaires nouvelles sont en développement pour modéliser ou observer la position relative d'un seul morceau d'ADN (un gène par exemple) au regard d'autres gènes ou morceaux de l'ADN afin de définir un « interactome transcriptionnel » (qui serait une sorte de cartographie des relations fonctionnelles entre tous les gènes interagissant, de tous les chromosomes d'un même organisme). ; et il faut encore ajouter à cette complexité celle de l'épigénétique ou des relations de transfert horizontaux de gènes d'une espèce à l'autre (chez les bactéries par exemple).

En 2009, Erez Lieberman Aiden, et ses collègues ont produit une méthode (modèle probabiliste) dite Hi-C cherchant à représenter toutes les connexions simultanées ou possibles d'un génome. Ils se sont heurtés à un problème de résolution, faisant qu'ils ne pouvaient d'abord distinguer que deux compartiments, l'un renfermant de l'ADN actif et l'autre où les gènes tendaient à être éteints ; cette technique ne pouvait alors être utilisée que sur l'ADN déplié et retiré du noyau, ce qui conduisait à des résultats flous. Ils ont donc cherché à cartographier les contacts entre gènes ou autres éléments du génome dans des noyaux intacts, via des méthodes apportant des informations bien plus de détaillées (passant d'une résolution de millions de bases à une résolution permettant d'observer des éléments de seulement 1000 bases (typique d'un gène). Des programmes informatiques sophistiqués ont alors pu produire des morceaux de « cartes 3D de l'ADN » (pour huit lignées de cellules humaines, dont cancéreuses ou de tissus de base, ainsi que pour une lignée de cellules cancéreuses de souris de laboratoire.
Pour une lignée humaine de cellules de cancer lymphatique, par exemple, environ 4 900 000 000 contacts ont été détectés entre différents morceaux d'ADN ; pour d'autres types de cellules, le nombre de contacts a varié de 395 à 1 100 millions. Les plus de contacts sont nombreux, plus les éléments en contacts sont proches dans l'espace tridimensionnel.

En 2014, Rao, Huntley, Aiden, et leurs collègues concluent (dans la revue Cell) que le génome est disposé en environ 10 000 boucles, avec dans chaque type de cellule une configuration différente correspondant à différents types de contacts entre fragments d'ADN. Ces différences de structure induisent différents patterns d'activité génique, définissant chaque type de cellule selon Aiden.
Au sein de cellules issues de donneuses (de sexe féminin), on a noté la formation de « boucles gigantesques dans l'un des chromosomes X ». Cette boucle pourrait avoir pour fonction de mettre en silence le second chromosome X afin de permettre le bon fonctionnement des gènes du chromosome X encore actif.
Le groupe a comparé les cartes 3D du génome de cellules cancéreuses de la souris et de cellules cancéreuses humaines. Ces cartes étaient très semblables, avec souvent de mêmes boucles, ce qui laisse penser que la structure tridimensionnelle qui définit un type spécifique de cellules n'a pas beaucoup changé chez les mammifères au cours de l'évolution.

La réalisation de cartes 3D complètes du génome de différentes espèces permettra aux chercheurs, médecins et à l'industrie biotechnologiques de mieux comprendre ou exploiter les génomes des espèces. Le laboratoire d'Aiden a déjà en 2014 créé une application et un portail dit « Juicebox » avec un moteur de recherche fonctionnant à la manière de celui de Google Earth où des chercheurs peuvent localiser dans l'espace du génome un gène les intéressant et voir les contacts qu'il a avec la boucle d'ADN qu'il « touche ». Ces cartes devraient aussi pouvoir confirmer ou infirmer la fonction pressentie de certains gènes impliqués dans les maladies génétiques ou le fonctionnement normal de l'organisme.
Elles reposent aussi la question des effets directs ou indirects des gènes introduit - souvent au hasard - dans la topologie de l'ADN (par les moyens de la transgénèse).

Génomique

C'est la discipline scientifique qui étudie le fonctionnement d'un organisme, d'un organe, d'un cancer, etc. à l'échelle du génome et non d'un seul gène, avec :

1. La génomique structurale (séquençage du génome entier) ;
2. La génomique fonctionnelle (recherche de la fonction et de l'expression des gènes séquencés en caractérisant le transcriptome et le protéome

Annotation des génomes

L’annotation d’un génome consiste à analyser la séquence nucléotidique qui constitue l’information brute pour en extraire l'information biologique. Cette analyse poursuit deux objectifs successifs, le premier est de localiser les gènes et les régions codantes et le second est, une fois ces gènes localisés, d'identifier ou de prédire leur fonction biologique. Ces deux étapes reposent initialement sur l'utilisation d'outils algorithmiques sophistiqués, dont le développement constitue l'un des champs de la bioinformatique.

Pour localiser les gènes, il existe différents outils complémentaires : des méthodes statistiques qui identifient les régions codantes sur la base de l'analyse de la fréquence des codons, des méthodes de recherche de motifs et en particulier les signatures caractéristiques du démarrage et de la fin, des jonctions entre les introns et les exons, séquences promotrices, terminatrices, sites de fixation du ribosome (RBS).

Pour prédire la fonction potentielle de ces gènes (leur attacher une étiquette, portant leur nom probable, leur fonction probable, leurs interactions probables), on utilise des programmes de recherche d'homologie de séquence. Lorsque le produit d'un gène prédit à des ressemblances avec une protéine connue, on en déduit en général une homologie probable de fonction. On peut également identifier dans la séquence protéique prédite des motifs d'acides aminés caractéristiques de certaines classes de protéines (kinases, protéases…) ce qui peut permettre d'attribuer une fonction probable au gène correspondant. Ce type d'annotation est appelé annotation fonctionnelle.

L'annotation peut être automatique c'est-à-dire s’appuyer uniquement sur des algorithmes recherchant des similarités (de séquence, de structure, de motifs…), permettant de prédire (en fait deviner) la fonction d’un gène. Elle aboutit au transfert « automatique » de l’information figurant dans l’étiquette d’un gène « similaire » d’un génome déjà annoté au génome en cours d’annotation

L'annotation automatique initiale est parfois complétée par une annotation manuelle par des experts qui valident ou invalident la prédiction en fonction de leurs connaissances ou de résultats expérimentaux. Celle-ci peut ainsi éviter le transfert automatique d’erreurs et donc leur propagation, ce qui peut devenir le grand problème auquel devra se confronter la génomique, compte tenu de l'afflux massif de données issues en particulier, des nouvelles techniques de séquençage (voir pyroséquençage)