Note ABES Caractérisation des erreurs de séquençage non aléatoires : application aux mosaïques et tumeurs hétérogènes Characterization of non-random sequencing errors : application to mosaicism and heterogeneous tumors Recherche de motif Facteur de transcription Erreur de séquençage systématique IUPAC Tumeurs hétérogènes Pattern Chip-Seq ADN Séquençage à haut débit Bioinformatique Algorithmes Mosaïcisme Demi-treillis ADN Dissertations universitaires Biologie informatique Dissertations universitaires Mosaïcisme Dissertations universitaires L'arrivée des technologies de séquençage d’ADN à haut-débit a représenté une révolution dans le domaine de la génomique personnalisée, en raison de leur résolution et leur faible coût. Toutefois, ces nouvelles technologies présentent un taux d’erreur élevé, qui varie entre 0,1% et 1% pour les séquenceurs de seconde génération. Cette valeur est problématique dans le cadre de la recherche de variants de faible ratio allélique, comme ce qui est observé dans le cas des tumeurs hétérogènes. En effet, un tel taux d’erreur peut mener à des milliers de faux positifs. Chaque région de l’ADN étudié doit donc être séquencée plusieurs fois, et les variants sont alors filtrés en fonction de critères basés sur leur profondeur. Malgré ces filtres, le nombre d’artefacts reste important, montrant la limite des approches conventionnelles et indiquant que certains artefacts de séquençage ne sont pas aléatoires.Dans le cadre de cette thèse, nous avons développé un algorithme exact de recherche des motifs d’ADN dégénérés sur-représentés en amont des erreurs de séquençage non aléatoires et donc potentiellement liés à leur apparition. Cet algorithme a été mis en oeuvre dans un logiciel appelé DiNAMO, qui a été testé sur des données de séquençage issues des technologies IonTorrent et Illumina.Les résultats expérimentaux ont mis en évidence plusieurs motifs, spécifiques à chacune de ces deux technologies. Nous avons ensuite montré que la prise en compte de ces motifs dans l’analyse, réduisait considérablement le taux de faux positifs. DiNAMO peut donc être utilisé en aval de chaque analyse, comme un filtre supplémentaire permettant d’améliorer l’identification des variants, en particulier des variants à faible ratio allélique. The advent of Next Generation DNA Sequencing technologies has revolutionized the field of personalized genomics through their resolution and low cost. However, these new technologies are associated with a relatively high error rate, which varies between 0.1% and 1% for second-generation sequencers. This value is problematic when searching for low allelic ratio variants, as observed in the case of heterogeneous tumors. Indeed, such error rate can lead to thousands of false positives. Each region of the studied DNA must therefore be sequenced several times, and the variants are then filtered according to criteria based on their depth. Despite these filters, the number of errors remains significant, showing the limit of conventional approaches and indicating that some sequencing errors are not random.In the context of this thesis, we have developed an exact algorithm for over-represented degenerate DNA motifs discovery on the upstream of non-random sequencing errors and thus potentially linked to their appearance. This algorithm was implemented in a software called DiNAMO, which was tested on sequencing data from IonTorrent and Illumina technologies.The experimental results revealed several motifs, specific to each of these two technologies. We then showed that taking these motifs into account in the analysis reduced significantly the false-positive rate. DiNAMO can therefore be used downstream of each analysis, as an additional filter to improve the identification of variants, especially, variants with low allelic ratio. Electronic Thesis or Dissertation Text Image fr PDF 7601631 https://pepite-depot.univ-lille.fr/LIBRE/EDBSL/2018/2018LILUS014.pdf https://theses.hal.science/tel-02012610 https://theses.hal.science/tel-02012610 https://theses.hal.science/tel-02012610 https://theses.hal.science/tel-02012610 https://theses.hal.science/tel-02012610 https://theses.fr/2018LILUS014/abes https://theses.hal.science/tel-02012610 https://theses.hal.science/tel-02012610 https://theses.hal.science/tel-02012610 Saad Chadi 1990-04-02 FR 233803688 https://theses.fr/2018LILUS014 2018LILUS014 https://doi.org/10.70675/ba0b80ddz9d57z447dz9398z1b290e7874a4 2018-09-26 Bioinformatique Université de Lille (2018-2021) 223446556 Doctorat Docteur es non oui Buisine Marie-Pierre MADS_DIRECTEUR_DE_THESE_1 132311461 Touzet Hélène MADS_DIRECTEUR_DE_THESE_2 10394074X École graduée Biologie-Santé (Lille ; 2000-....) MADS_ECOLE_DOCTORALE_1 147705126 Centre de Recherche Jean-Pierre AUBERT Neurosciences et Cancer (Lille) MADS_PARTENAIRE_DE_RECHERCHE_1 189691670 Centre de Recherche en Informatique, Signal et Automatique de Lille MADS_PARTENAIRE_DE_RECHERCHE_2 18388695X Centre de Recherche Jean-Pierre AUBERT Neurosciences et Cancer MADS_PARTENAIRE_DE_RECHERCHE_3 545691 ddc:610 Buisine Marie-Pierre Touzet Hélène École doctorale Biologie-Santé (Lille) Centre de Recherche Jean-Pierre AUBERT Neurosciences et Cancer (Lille) Centre de recherche en informatique, signal et automatique de Lille (CRIStAL) Centre de Recherche Jean-Pierre AUBERT Neurosciences et Cancer PDF 7601631