Projet Génome Humain

A, C, G et T sont les quatre lettres utilisées pour représenter les bases de l’ADN.

Le programme visait à déterminer l’ordre des bases de l’ADN et à fournir des cartes et des outils pour localiser et étudier les gènes. Une séquence de référence donne des coordonnées communes : les observations de différents laboratoires peuvent être situées dans les mêmes régions génomiques, au lieu de dépendre de cartes locales incompatibles.

Sa valeur était celle d’une infrastructure scientifique. Une séquence réutilisable permettait de nouvelles recherches sur le fonctionnement biologique, l’évolution et les maladies ; elle n’expliquait pas à elle seule la fonction de chaque base et ne constituait pas un traitement.

Le consortium public utilisait une approche hiérarchique. De grands fragments d’ADN, souvent conservés dans des chromosomes artificiels bactériens (BAC), étaient cartographiés et sélectionnés pour couvrir le génome. Chaque clone retenu était subdivisé, séquencé par la méthode de Sanger et assemblé informatiquement à partir de lectures chevauchantes. Les assemblages des clones étaient ensuite ordonnés dans une référence plus vaste.

Les BAC maintiennent de grands fragments d’ADN de façon stable dans des bactéries, afin de conserver des segments cartographiés disponibles pour le séquençage. Dans la méthode de Sanger, les copies sont interrompues à des bases déterminées, puis séparées par longueur pour reconstruire l’ordre des bases.

La carte contraignait la position des fragments et réduisait les ambiguïtés. Des séquences répétées pouvaient néanmoins paraître presque identiques, tandis que les biais de clonage sous-représentaient certaines régions. La finition exigeait donc des lectures supplémentaires ciblées et des contrôles des chevauchements et de la cohérence de l’assemblage, pas seulement davantage de séquençage automatisé. Une séquence assemblée est une reconstruction à partir de mesures, pas une photographie du chromosome.

Le consortium international de séquençage du génome humain réunissait 20 centres aux États-Unis, au Royaume-Uni, en France, en Allemagne, au Japon et en Chine. Le NHGRI et le département de l’Énergie pilotaient l’effort américain ; le Wellcome Trust soutenait l’effort britannique. Biologistes, ingénieurs et spécialistes du calcul se partageaient la production.

L’annonce de clôture de 2003 compare une estimation américaine initiale de 3 milliards USD à un montant déclaré de 2,7 milliards USD, tous deux exprimés en dollars de l’exercice budgétaire 1991. Ce sont des chiffres officiels du programme, pas un total mondial des dépenses audité indépendamment. Le bilan ultérieur du NHGRI souligne explicitement la difficulté d’une comptabilité précise entre financeurs internationaux. La séquence était diffusée librement pour être réutilisée.

Le programme s’est déroulé de 1990 à 2003. Une ébauche a été annoncée en juin 2000, puis décrite dans l’article du consortium public en février 2001. Le 14 avril 2003, le consortium a annoncé la clôture et mis à disposition une référence essentiellement finalisée. Ce jalon du programme doit être distingué de la publication technique ultérieure.

En octobre 2004, l’article de finition décrivait Build 35 : 2,85 milliards de nucléotides, 341 lacunes, environ 99 % de l’euchromatine et un taux d’erreur estimé à environ 1 événement pour 100 000 bases. Ces résultats concernent l’assemblage étudié dans cet article ; il ne faut pas les antidater comme des mesures exactes de l’annonce d’avril 2003. Celle-ci indiquait 99 % des régions contenant des gènes avec une exactitude de 99,99 %. Couverture et exactitude mesurent des choses différentes.

L’euchromatine contient la plupart des gènes, mais ne constitue pas tout le génome. Des régions hétérochromatiques très répétitives, notamment centromériques, restaient difficiles à résoudre. Un pourcentage élevé de couverture de l’euchromatine ne peut donc pas être présenté comme le même pourcentage de tout l’ADN humain.

La référence était aussi une mosaïque de plusieurs donneurs, ni les deux copies chromosomiques d’une personne représentative ni un catalogue de la diversité humaine. Complétude de la séquence, justesse de l’assemblage, représentation des populations et interprétation biologique sont des exigences distinctes. Atteindre le standard de finition du programme ne supprimait pas ces limites.

L’article de Nurk et ses collègues, diffusé le 31 mars 2022, décrit T2T-CHM13 : un assemblage de 3,055 milliards de paires de bases sans lacunes de séquence pour les autosomes et le chromosome X ; le chromosome Y est absent. Les lectures PacBio HiFi et les lectures ultra-longues d’Oxford Nanopore ont aidé à résoudre des régions répétitives inaccessibles aux approches précédentes. La lignée cellulaire utilisée était presque homozygote, ce qui simplifiait la distinction des copies chromosomiques.

L’article identifie toutefois des séquences modèles pour certains ensembles de répétitions d’ADN ribosomique dont l’ordre interne n’était pas entièrement résolu. « Sans lacunes » ne signifie donc pas que chaque copie répétée a été déterminée directement et sans ambiguïté. T2T est une réalisation d’un consortium ultérieur, pas un résultat livré par le Projet Génome Humain en 2003 ; un assemblage unique ne représente pas toute la diversité humaine.

Le 10 mai 2023, Liao et ses collègues ont publié la première ébauche du HPRC : 47 assemblages diploïdes phasés, correspondant à 94 haplotypes. Le phasage distingue les séquences chromosomiques héritées de chaque parent. Aligner plusieurs assemblages dans des graphes de variation fournit des chemins de séquence alternatifs, plutôt que d’imposer à tous une référence linéaire unique.

L’article rapporte 119 millions de paires de bases supplémentaires de séquences euchromatiques polymorphes par rapport à GRCh38. Les chaînes d’analyse évaluées réduisaient de 34 % les erreurs de détection des petits variants et augmentaient de 104 % les variants structuraux détectés par haplotype. Ce sont des comparaisons internes à l’étude, pas des gains universels ni la preuve d’un bénéfice clinique équivalent. L’ébauche n’était ni un recensement de toute la diversité ni exempte d’erreurs ; les répétitions difficiles et la représentation de populations supplémentaires restaient des défis. GRCh38 est une référence ultérieure, pas la séquence de 2003 demeurée inchangée.

Une retombée durable est une référence librement réutilisable et une culture de partage rapide des séquences, soutenue par les principes des Bermudes. Cette ressource a amélioré la précision de l’annotation des gènes et des analyses de génomique comparative. Les travaux ultérieurs T2T et pangénome montrent comment d’autres programmes ont pu éprouver et étendre ce socle.

Le programme a aussi soutenu l’étude des implications éthiques, juridiques et sociales : vie privée, consentement et risque de discrimination génétique comptent autant que les performances techniques. De meilleures séquences ne suffisent pas à établir une causalité dans une maladie ou à produire une thérapie ; interprétation et évaluation clinique nécessitent d’autres preuves. Le Projet Génome Humain reste achevé. Les futures actualisations de cette fiche historique doivent suivre les réinterprétations documentées et les résultats en aval sans attribuer de nouvelles échéances ou des réalisations ultérieures au programme clos.