Séquençage d’exomes d’une cohorte de familles caucasiennes simplex dont les patients sont atteints du syndrome d’interruption de la tige hypophysaire

Abstract

Le syndrome d’interruption de la tige hypophysaire (PSIS) est un désordre rare qui affecte la fonction du système endocrinien. Jusqu’à nos jours, l’imagerie par la résonance magnétique (IRM) demeure la méthode la plus entreprise afin d’évaluer in vivo l’anomalie d’organogenèse de la tige hypophysaire chez les patients. L’absence de la tige caractérise une déficience permanente en hormone de croissance (GH) pendant que l’étiologie du syndrome demeure inconnue. PSIS se définit comme l’hypopituitarisme congénital et il se caractérise soit par une ectopique post- hypophysaire, soit par une hypoplasie antéhypophysaire, ou encore par une hypoplasie de la tige hypophysaire. Notre objectif consiste à déterminer les mutations génétiques partagées entre les sujets affectés de l’étude et qui pourraient expliquer les causes du syndrome. Pour y parvenir, nous avons analysé les données de séquençage d’exomes (WES) provenant de sept familles caucasiennes simplex, une famille d’origine arabique et cinq autres dont la généalogie est incomplète. Ces données ont été précédemment analysées, pour le même but, par d’autres membres de l’équipe en utilisant le pipeline bio-informatique standard basé sur l’utilisation du logiciel GATK. Nous avons préférentiellement opté pour une nouvelle analyse en utilisant deux différents pipelines bio-informatiques indépendants, pour ensuite comparer conjointement les résultats obtenus. Notre protocole consiste à assembler : d’abord, deux pipelines alternatifs de détection de mutations génétiques ponctuelles (SNV). Ils sont composés d’un logiciel d’alignement de séquence (Bowtie2) et deux logiciels d’appel de variantes (Freebayes et SAMtools). Ensuite, nous avons assemblé trois pipelines de détection de variations du nombre de copies (CNV) génomiques composés communément d’un logiciel d’alignement de séquence (BWA) et trois logiciels d’appel de CNV (CoNIFER, fishingCNV, xHmm). Nos résultats nous ont permis d’identifier des mutations candidates additionnelles qui n’ont jamais été identifiées. De plus, notre méthodologie nous a permis de caractériser certains résultats faux positifs, par conséquent elle pourra nous aider à améliorer la performance des pipelines de détection de variations génomiques existantes.

Pituitary stalk interruption syndrome (PSIS) is a rare disorder that affects the function of the endocrine system of the affected individuals. The absence of the pituitary stalk, assessed by MRI, characterizes patients with permanent growth hormone deficiency while the etiology of the syndrome remains unknown. PSIS is defined by clinical hypopituitarism together with anatomical findings including a hypoplastic anterior pituitary, ectopic posterior pituitary and reduced or hypoplastic pituitary stalk. We aim to find shared variations (SNP, CNV) among affected patients in coding regions which could explain the origin of the syndrome. We analyzed the exome NGS data from 8 affected French Canadian trio families, with one additional consanguineous Arabic trio family and 5 families with incomplete pedigree. These data were previously analyzed, for the same objective, by other members of the team using a standardize GATK based bioinformatics pipeline. It was desired to reanalyze the complete data set with two other independent pipelines, followed by a comparison of the SNP discovery results. In the present aspect of the study, we built two SNP discovery pipelines, both composed of a different NGS data aligners (Bowtie2) and each composed a different variant caller (Freebayes, SAMtools), then a CNV discovery pipeline which is composed of three different CNV callers (CoNIFER, fishingCNV, xHmm). In addition to the candidate mutations identified in the previous analysis, we identified additional candidate mutations which had not been detected and never been reported. Furthermore, our method helps to discover the sources of variation false discovery which could help to improve existing genomic mutation discovery pipelines.