Couverture (génétique)

Malgré les améliorations de précision des nouvelles techniques de séquençage à haut débit et que le pourcentage de fiabilité d'une séquence est de plus en plus élevé, il est toujours possible que des erreurs techniques de séquençage se produisent. Le très grand nombre de nucléotides dans le génome (3,4 milliards de paires de bases pour Homo sapiens) signifie que si un génome individuel n'est séquencé qu'une seule fois, il y aura tout de même un nombre important d'erreurs de séquençage. De plus, de nombreuses positions dans un génome contiennent de rares polymorphismes mononucléotidiques (SNP). Par conséquent, pour faire la distinction entre les erreurs de séquençage et les vrais SNP, il est nécessaire d'augmenter encore plus la précision du séquençage en séquençant des génomes individuels un grand nombre de fois de manière que chaque base soit lue le nombre de fois nécessaire pour que son identité soit fiable.

Ce nombre de lecture s'appelle donc la couverture (ou la profondeur) et représente le nombre de lectures uniques concernant un nucléotide donné dans la séquence reconstruite[1] - [2]. Si une base est couverte par 30 séquences, elle aura donc une couverture (ou profondeur) de 30X.

Le séquençage profond (Deep Sequencing en anglais) fait référence au concept consistant à viser une couverture élevée pour obtenir une réponse fiable sur l'exactitude d'une séquence, d'une mutation ou d'un polymorphisme par exemple[3].

La couverture moyenne (C) pour un génome entier peut être calculée à partir de l'équation de Lander/Waterman. Cette équation prend en compte la longueur du génome d'origine (G), le nombre de lectures (N) et la longueur moyenne des lectures (L) comme ${\textstyle C=N\times L/G}$ [1].

Par exemple, un génome hypothétique (G) avec 2000 paires de bases reconstruit à partir de 8 lectures (N) avec une longueur moyenne de 500 nucléotides (L) par lecture aura une redondance de 2x car ${\textstyle C=8\times 500/2000}$ et donc ${\textstyle C=2}$. Ce qui signifie dans ce cas que chaque base des 2000 composant le génome étudié sera couverture en moyenne par 2 séquences.

Ce calcul permet donc d'évaluer la fiabilité d'une séquence reconstruite. Ce paramètre permet également d'estimer d'autres quantités, telles que le pourcentage du génome couvert par les lectures (parfois aussi appelé largeur de couverture). Une couverture élevée dans le séquençage de type Shotgun est souhaitée car elle peut surmonter les erreurs d'appel de base et d'assemblage. Le sujet de la théorie du séquençage de l'ADN aborde les relations entre ces quantités[2].

Parfois, une distinction est faite entre la couverture de séquence et la couverture physique .On peut distinguer la couverture de séquence qui est le nombre moyen de fois qu'une base est lue c'est-à-dire la profondeur, de la couverture physique qui est le nombre moyen de fois qu'une base est lue ou couverte par des lectures (séquences) appariées et peut souvent plus concerner un loci ou une séquence donnée[2] - [12] - [13].

• (en) Cet article est partiellement ou en totalité issu de l’article de Wikipédia en anglais intitulé « Coverage (genetics) » (voir la liste des auteurs).