Utiliser la génomique pour démêler les déterminants moléculaires des interactions plante-microbe
Client
Dr. David Joly, professeur agrégé, Biologie, Université de Moncton
Consultant en recherche ACENET
Dr. Serguei Vassiliev
Objectif
Réduisez le temps nécessaire au traitement et à l’analyse des volumes croissants de données de séquençage de l’ADN.
Défi
Bien que les séquenceurs modernes puissent générer d’énormes ensembles de données, transformer ces informations en résultats utilisables nécessite la coordination de plus d’une douzaine d’outils logiciels spécialisés, chacun ayant ses propres exigences d’installation et besoins matériels. Ce qui aurait dû être une analyse simple impliquait souvent des semaines de configuration manuelle et de dépannage.
Résultats
Travaillant en tant que spécialiste technique intégré, Serguei a collaboré étroitement avec les chercheurs pour comprendre leur flux de travail et développer une solution adaptée à leurs besoins. Il a conçu et mis en œuvre un pipeline automatisé qui transforme ce qui nécessitait autrefois des semaines d’efforts manuels en un flux de travail pouvant être lancé avec une seule commande et complété en seulement un à deux jours.
La solution intègre des applications clés en bioinformatique—incluant Dorado pour le traitement des séquences d’ADN, Flye pour l’assemblage du génome, BUSCO pour l’évaluation de l’exhaustivité, et QUAST pour l’évaluation de la qualité—dans un flux de travail fluide qui convertit les données brutes de séquençage en assemblages génomiques complets et de haute qualité. Serguei a également installé et configuré des outils supplémentaires basés sur l’apprentissage automatique pour soutenir des analyses avancées telles que l’annotation du génome et la détection de motifs spécifiques d’ADN.
Fonctionnant sur l’infrastructure nationale de calcul haute performance du Canada, le système distribue efficacement le travail entre les CPU et les GPU pour maximiser les performances. Serguei a également résolu des problèmes complexes de compatibilité logicielle, installé de grandes bases de données de référence, et créé une documentation claire ainsi que des scripts de soumission faciles à utiliser qui permettent aux chercheurs de se concentrer sur la science plutôt que sur la gestion des logiciels.
L’impact a été immédiat. Les analyses qui nécessitaient auparavant des semaines de préparation manuelle peuvent maintenant être lancées avec un effort minimal et complétées en un à deux jours, produisant des résultats reproductibles qui sont faciles à valider. En utilisant le nouveau pipeline, les chercheurs ont généré les premiers assemblages génomiques complets de l’agent pathogène fongique Septoria cannabis, responsable de la maladie des taches foliaires chez le chanvre et les plants de cannabis.
Avenir
Grâce à cette collaboration, une plateforme d’analyse bioinformatique robuste et flexible a été développée, capable d’intégrer facilement de nouveaux outils et flux de travail à mesure que les questions de recherche et les méthodes computationnelles évoluent. Ce travail a contribué à un manuscrit scientifique et établi un cadre évolutif pour les analyses génomiques comparatives.
En s’appuyant sur cette base, le groupe analyse maintenant des génomes supplémentaires provenant d’une vaste gamme de pathogènes et de ravageurs du cannabis, permettant des études comparatives qui étaient auparavant irréalisables en raison de limitations computationnelles et de ressources. L’accès à ces pipelines analytiques a fondamentalement élargi leur capacité de recherche, leur permettant de maximiser la valeur des ensembles de données génomiques existants tout en identifiant les principales lacunes dans les connaissances qui guideront la génération de données futures.
Plus important encore, l’expertise et les conseils fournis par ACENET ont ouvert de nouvelles avenues de recherche en rendant réalisables des expériences auparavant inaccessibles, favorisant le développement de nouvelles hypothèses et jetant les bases de futurs projets collaboratifs en pathologie végétale, en génomique comparative et en interactions hôte-microbe.