Génomes
Réunion

Transformer la Diversité en Donnée de Référence

Auteurs
Patrick MUNIER
Service de génétique moléculaire, CHU de La Réunion
Dr Thomas HUBY
Responsable du service, CHU de La Réunion
Susie GUILLY
Ingénieure, service de génétique moléculaire, CHU de La Réunion
Dr Fanny FERROUL
Service de Génétique Médicale, CHU de La Réunion

Plan de la présentation

01
L'Angle Mort de la Médecine de Précision
Pourquoi La Réunion est absente des bases génomiques mondiales
02
Histoire et Singularité Génétique de La Réunion
Peuplement, métissage, effet fondateur et double singularité
03
Pipeline Méthodologique
De la puce SNP au séquençage ciblé (WGS)
04
L'Algorithme de Sélection
Comment choisir les individus qui maximisent l'information génétique
05
Ce que le WGS va Produire
Le référentiel réunionnais au service des patients
Génome Réunion
01
Section 01 · Angle mort

L'Angle Mort de la
Médecine de Précision

Pourquoi la population réunionnaise reste hors champ des bases génomiques mondiales, et ce que cela change en clinique.

Un biais structurel documenté

Le problème n'est pas une seule base, mais l'addition de plusieurs ressources incomplètes. Elles documentent mieux certaines populations que d'autres, sans jamais isoler un profil réunionnais propre.

Ressource Constat clé Ce que cela couvre Limite pour La Réunion
1. GWAS
Cohortes d'association 		Participants majoritairement européens Découverte de variants associés et scores polygéniques Les performances chutent dans les populations sous-représentées et admixées ; un signal réunionnais peut rester invisible ou mal calibré.
2. gnomAD / ExAC
Fréquences de variants 		Diversification en progrès, mais couverture incomplète Fréquence populationnelle, filtrage de variants, aide à l'interprétation Une fréquence "rare" au niveau global peut être fréquente localement ; les profils réunionnais restent dilués dans des catégories trop larges.
3. 1000 Genomes / H3Africa
Panels de diversité 		Diversité mieux représentée que dans les GWAS historiques Structure génétique, haplotypes, comparaison entre populations Aucun sous-groupe ne reproduit l'admixture et la structuration locale réunionnaises ; ce ne sont pas des panels de référence réunionnais.
Conclusion : La population réunionnaise n'est pas absente de toute littérature, mais absente comme référence dédiée . C'est cette absence qui fragilise l'imputation, l'interprétation des variants et les scores de risque.
Génome Réunion
1. Martin et al., 2017; Peterson et al., 2019; Fatumo et al., 2022 2. Lek et al., 2016; Karczewski et al., 2020; Gudmundsson et al., 2022 3. 1000 Genomes Project Consortium, 2010; H3Africa Consortium, 2014
4

Le Mur Clinique : Incertitudes et Pertes de Chance

Patient Européen Standard

✓ Diagnostic bénin / clair

Patient Réunionnais

⚠ Résultat : VUS
(variant de signification inconnue)

— Faux positifs : diagnostics erronés (ex : cardiomyopathie hypertrophique à tort)

— Surcoûts : analyses complémentaires inutiles, errance diagnostique prolongée

— Anxiété familiale prolongée sans réponse claire

Génome Réunion
Manrai et al., Genetic Misdiagnoses and the Potential for Health Disparities , N Engl J Med, 2016.
5

Pharmacogénétique : Quand le Standard Devient Dangereux

Médicament Hypothèse euro-centrée Réalité réunionnaise
Warfarine
(Anticoagulant) 		Dosage standard efficace CYP2C9*5,*6,*8,*11 → risque hémorragique accru
Clopidogrel
(Cardiologie) 		50% métaboliseurs normaux CYP2C19 perte-de-fonction → thrombose de stent
90 %

des individus d’une cohorte admixée ont au moins un résultat pharmacogénétique actionnable ;
l’extrapolation européenne peut sous-estimer le risque.

Génome Réunion
Warfarine : Perera et al., Lancet , 2013; Johnson et al., Clin Pharmacol Ther , 2017. Clopidogrel : Magavern et al., JACC Adv , 2023. Bertholim-Nasciben et al., Front Pharmacol , 2023. Chan, Zhang, Pirmohamed, Br J Cancer , 2024. Suarez-Kurtz, Parra, Adv Pharmacol , 2018.
6

Quand l'IA Hérite d'une Mauvaise Référence

Quand les référentiels sont construits sur des cohortes majoritairement européennes, les PRS, la pharmacogénétique et les modèles d'IA biomédicale se généralisent mal aux populations admixées.

GWAS
cohortes majoritairement européennes dans les études d'association et les scores dérivés

Pourquoi c'est un problème

L'IA biomédicale n'invente pas ses biais : elle les hérite des bases de données, cohortes et référentiels sur lesquels elle est entraînée ou calibrée.

Aucune
référence réunionnaise dédiée dans les standards internationaux
Conséquence directe : Les outils prédictifs, biomarqueurs et recommandations assistés par IA risquent d'être moins bien calibrés pour les patients réunionnais.
Génome Réunion
Martin et al., 2017; Peterson et al., 2019; Fatumo et al., 2022 Lek et al., 2016; Karczewski et al., 2020; Gudmundsson et al., 2022 1000 Genomes Project Consortium, 2010; H3Africa Consortium, 2014 IA / biais : Hasanzadeh et al., NPJ Digit Med , 2025. Pharmacogénomique / équité : Paetznick, Okoro, Pharmacy , 2023; Botton et al., Front Pharmacol , 2022. Drug discovery assisté par IA : Ocana et al., Biomark Res , 2025.
7

Comment Génome Réunion Corrige le Biais de l'IA

1

Données d'entraînement

Introduire une référence réunionnaise pour que les modèles ne déduisent plus la diversité locale à partir d'un proxy européen.

2

Modèles recalibrés

Améliorer PRS, interprétation de variants, pharmacogénétique et outils d'aide à la décision à partir d'un jeu de données représentatif.

3

IA plus transférable

Réduire les faux positifs, mieux classer les VUS et limiter les erreurs thérapeutiques quand les recommandations assistées par IA passent au lit du patient.

La réponse au biais IA

L'objectif n'est pas d'ajuster après coup un modèle euro-centré, mais d'introduire la diversité réunionnaise dans les données qui servent à entraîner, calibrer et évaluer les outils.

Génome Réunion 8
02
Section 02 · Singularité

Histoire et
Singularité Génétique
de La Réunion

Un peuplement sans autochtones, à la croisée de plusieurs continents, qui a produit une singularité démographique et génétique rare.

La Réunion : un peuplement sans autochtones

1663

Colonisation / Esclavage

Europe · Afrique
Madagascar

1848

Engagisme

Inde du Sud · Chine
Afrique

XXe s.

Migrations

Mayotte · Comores
Madagascar

Auj.

Population

Admixture
unique

Message clé : la structure réunionnaise ne dérive pas d'un noyau autochtone ancien, mais d'apports successifs importés puis recombinés sur un espace insulaire clos.

« La Réunion est un laboratoire d'histoire humaine, un monde recomposé où se mêlent les fragments d'identités transplantées. »

Prosper Ève · Esclavage, métissage, liberté , 2003

« Le marron est l'homme de la rupture ; il rejette le monde colonial et tente d'en bâtir un autre dans les hauteurs. »

Sudel Fuma · La révolte des oreilles coupées , 2011
Génome Réunion
Citation 1 : Prosper Ève, Esclavage, métissage, liberté : La Réunion, 1794-1848 , 2003. Citation 2 : Sudel Fuma, La révolte des oreilles coupées , 2011.
10

Du peuplement au métissage

Ce qu'il faut comprendre

Le métissage réunionnais n'est pas un flou identitaire.

C'est une recomposition génétique continue entre ascendances africaines, malgaches, européennes, indiennes, chinoises et comoriennes. Chaque individu porte une combinaison différente de segments hérités.

Afrique / Madagascar Inde du Sud Europe Chine / Asie

Le métissage n'est pas un simple mélange : il produit des profils génétiques inédits, segment par segment.

Afrique / Madagascar
Inde du Sud
Europe
Asie / Chine
Génome Réunion 11

Pourquoi La Réunion n'est pas une population homogène

Cas 1
Population plus homogène

Les individus se ressemblent davantage entre eux : les outils statistiques convergent plus vite et les références existantes capturent déjà une part importante de la variation.

Cas 2
La Réunion : une structure interne stratifiée

Sous le nom d'une seule population se cachent des profils variés, des proportions d'ascendance différentes et des relations de parenté qui ne se résument pas à un centre unique.

Conséquence : parler de “la population réunionnaise” est utile cliniquement, mais insuffisant analytiquement. Il faut modéliser sa diversité interne plutôt que la lisser.

Génome Réunion 12

L'effet fondateur : l'autre singularité

Définition

Quand un petit nombre d'ancêtres contribue fortement à des sous-groupes locaux, certains variants deviennent beaucoup plus fréquents que dans les grandes bases internationales.

Conséquences cliniques

Cette logique éclaire l'existence de maladies rares réunionnaises et de variants localement enrichis, comme le syndrome Larsen-Bourbon ou le syndrome de Ravine.

La Réunion ne combine donc pas seulement des origines multiples : elle a aussi produit des concentrations locales de variants rares.

Génome Réunion
Larsen-Bourbon : Cartault, Munier et al., 2015. Syndrome de Ravine : Cartault, Munier et al., 2012.
13

La double singularité réunionnaise

Singularité 1

Admixture

Une diversité allélique large, issue de plusieurs continents, qui oblige à couvrir beaucoup plus d'espace génétique qu'une cohorte homogène.

Singularité 2

Effet fondateur

Des goulots historiques et des sous-groupes locaux qui enrichissent certains variants rares, parfois invisibles dans les référentiels mondiaux.

Conséquence analytique : la population réunionnaise cumule deux logiques que les outils standards traitent mal ensemble. C'est précisément ce qui justifie un référentiel local et une stratégie de sélection WGS (Whole Genome Sequencing) dédiée.

Génome Réunion 14
03
Section 03 · Méthodologie

Pipeline
Méthodologique

Le WGS n'est pas un tirage au sort, mais une optimisation raisonnée à partir des données issues de la puce SNP.

Le Pipeline d'Optimisation

1

Échantillonnage
(EFS)

Donneurs volontaires reflétant la diversité de l'île.

2

Extraction & Stockage ADN
(CHU Réunion)

Extraction, contrôle qualité et biobanque ADN.

3

Génotypage
(Puce SNP · CHU Réunion)

PCA · admixture · parenté · ROH

4

Sélection WGS
(POPgen)

Score multicritère → max information

5

Base de Données
Locale

CHU Réunion · Epitech

Le WGS coûte cher. Le passage étape 3→4 n'est pas un tirage au sort — c'est une équation d'optimisation : max I(S) sous Coût(S) ≤ B.
Génome Réunion 16

De la Puce SNP au WGS : l'entonnoir d'optimisation

1
Puce SNP — Économique & Exhaustif
Génotypage de toute la cohorte EFS pour cartographier la structure génétique globale à moindre coût.
2
Score Multicritère S_div — Le Filtre
Calcul de S_div pour identifier les profils maximisant l'information nouvelle I(S) sous contrainte budgétaire.
3
WGS Panel — Coûteux & Précis
Séquençage complet uniquement sur le sous-ensemble S optimisé.
Conclusion : Ce n'est pas un échantillonnage aléatoire, mais une optimisation dirigée par la donnée observable.
Génome Réunion
Naslavsky et al. (2022) — Whole-genome sequencing of 1,171 elderly admixed individuals from São Paulo, Brazil. Nature Communications 13, 1004
17
04
Section 04 · Algorithme

L'Algorithme
de Sélection

Comment choisir, sous contrainte budgétaire, les individus qui maximisent l'information utile du futur panel réunionnais.

Algorithme de Sélection — Vue d'ensemble

Le défi

2 500 individus génotypés, budget limité pour WGS → sélectionner 350 maximisant l'information utile I(S) sous contrainte budgétaire.

Deux niveaux indissociables :

  • ✓ Représentativité géographique — chaque secteur proportionnel
  • ✓ Diversité génétique locale — maximiser l'information par secteur

La solution : S_div

S_div = 0.30·PCA + 0.30·ADMIX + 0.25·IBD + 0.15·ROH

4 dimensions complémentaires :

  • PCA_score — position génétique
  • ADMIX_score — ancestralité diverse
  • IBD_score — indépendance génétique
  • ROH_score — peu de consanguinité
Algorithme : Greedy stratifié par secteur (quintiles, binaire ou libre selon N) + contrainte IBD cross-secteur. Validation sur 1000G puis EPIGEN-Brasil avant déploiement.
Génome Réunion Price et al. 2006, Nature Genetics. Principal components analysis in GWAS. Alexander et al. 2009, Genome Research. Fast model-based ancestry estimation (ADMIXTURE). Manichaikul et al. 2010, Bioinformatics. Robust relationship inference (KING). Kirin et al. 2010, PLoS ONE. Genomic runs of homozygosity. S04-1

Validation & Déploiement

1000 Genomes (proxy)

3 populations admixées (Afrique, Inde, tri-ancestral) × 3 budgets (N = 100, 200, 350) × 5 stratégies.

Critères succès :

  • • KS-test < 0.10
  • • Couverture allélique > random
  • • ≥ 80% des stratégies robustes

EPIGEN-Brasil (réel)

6 487 individus — admixture réelle africain/européen/amérindien, 30 WGS séquencés.

Validation croisée :

  • • Sélection S_div vs random
  • • Couverture rare variants
  • • SNP score vs WGS réel
✓ Succès 1000G + EPIGEN → Confiance avant déploiement sur cohorte EFS réunionnaise
⚠ Limitations acceptables : variants rares MAF < 1% moins fiables · heuristique paramétrée (non optimale mathématiquement)
Génome Réunion Bergström et al. 2020, Science. Insights from 929 diverse genomes. Naslavsky et al. 2022, Nature Communications. Whole-genome sequencing of 1,171 elderly admixed individuals (EPIGEN-Brasil). Nunes et al. 2025, Science. Admixture's impact on Brazilian population evolution. S04-2

Comparaison des 6 stratégies de sélection testées

Avant d'adopter S_div stratifié, six approches ont été évaluées sur critères de robustesse, couverture allélique, et stabilité inter-populations. Seule S_div géo-ancestral montre performance complète sur tous les domaines.

Stratégie Approche Avantages Limitation Verdict
1. Random sampling Tirage aléatoire Pas de biais cognitif Perte de diversité génétique, couverture rares faible Benchmark
2. PCA-only Position PCA maximale Marginalité génétique Ignore parenté IBD, sur-représente outliers Rejeté
3. Maximin IBD Maximiser distance IBD min Indépendance génétique Ignore structure géographique, biais géographique Rejeté
4. Géo + S_div naïf Secteur + S_div non pondéré Représentativité démo Poids non justifiés, sensibilité paramètre Partiel
5. Géo-ancestral + S_div ✓ Secteur + S_div 4-composantes Diversité complète, robustesse, inter-populations Heuristique non optimale mathématiquement RETENU
6. ADMIXTURE-only + greedy Inférence ancestralité + sélection Capture ancestralité Ignore PCA local, parenté non gérée Rejeté
Critères d'évaluation : Couverture allélique (rares variants, MAF 0.1-1%), KS-test distribution (accord fréquences), stabilité inter-populations (African, South Asian, tri-ancestral), robustesse intra-seed (ordres aléatoires).
Génome Réunion
Le & Durbin 2011, Genome Research. SNP detection from low-coverage sequencing. Pemberton et al. 2013, G3. Population structure in comprehensive genomic data. Auer & Lettre 2015, Genome Medicine. Rare variant association studies: considerations and opportunities.
21

Justification statistique : pourquoi 350 WGS = 700 haplotypes ?

Formule de détection :

P(détection variant) = 1 − (1 − MAF)700

Avec 350 WGS (700 haplotypes), la probabilité de détecter au moins une copie d'un variant dépend directement de sa fréquence allélique (MAF).

Seuil adopté : MAF ≥ 1%

  • • Couverture fiable des variants communs
  • • Variants < 1% : non fiables à ce panel
  • • Limit acceptée pour référentiel réunionnais

Robustesse par MAF (tableau) :

MAFCopies attenduesP(détection)Fiabilité
5%35>99.9%✓ Très robuste
2%14>99.9%✓ Robuste
1%7>99.9%✓ Limite acceptable
0.5%3.5~97%⚠ Fragile
0.1%0.7~50%✗ Non fiable

Comparaison : Naslavsky (Brasil, 1171 WGS, MAF ~0.1%) vs Génome Réunion (350 WGS, MAF ~1%). Le seuil 1% offre un équilibre rareté/robustesse adapté à notre effectif.

Génome Réunion Le & Durbin 2011, Genome Research. SNP detection and genotyping from low-coverage sequencing data. Auer & Lettre 2015, Genome Medicine. Rare variant association studies: considerations, challenges and opportunities. Naslavsky et al. 2022, Nature Communications. Whole-genome sequencing of 1,171 elderly admixed individuals from São Paulo, Brazil. 22

Architecture du projet : trois ressources complémentaires

Ressource Taille Statut Rôle principal
Cohorte SNP populationnelle 2 500 indiv Base populationnelle Structure génétique de référence, sélection WGS, recalibrage fréquences finales
Panel WGS optimisé 350 indiv (⊂ 2500) Panel hybride Découverte variants rares, imputation locale, référence pour clinique
Familles nucléaires SNP 100 familles (∉ 2500) Ressource technique Phasage transmission mendélienne, haplotypes population réunionnaise

⚠️ Point critique : Les 100 familles ne sont pas incluses dans les 2500. C'est une ressource de phasage technique, pas une source d'observations indépendantes pour les fréquences.

Génome Réunion Browning & Browning 2011, Nature Reviews Genetics. Haplotype phasing: existing methods and new developments. Delaneau et al. 2019, Nature Communications. Accurate, scalable and integrative haplotype estimation. Taliun et al. 2021, Nature. Sequencing of 53,831 diverse genomes from the NHLBI TOPMed Program. 23

Panel WGS hybride V3 : noyau géographique + découverte contrôlée

Pourquoi hybride ?

  • Noyau (322 indiv): Représentativité géographique dominante, ancrage démographique
  • Découverte (28 indiv): Profils informatifs : rares, fondateurs, extrêmes, utiles pour imputation
  • Recalibrage: Fréquences finales calculées sur les 2500 SNP, pas sur le panel WGS brut

Statut technique : Panel hybride validé 1000G avant déploiement sur Réunion.

Allocation V3 opérationnelle :

Composante%N approxObjectif
Noyau géo strict90–95%315–332Ancrage démo
Bras découverte5–10%18–35Rareté/fondateurs
Total100%350Panel hybride

Par défaut opérationnel :
N_core = 322 (92%)
N_discovery = 28 (8%)

🚨 Ne pas confondre : Découverte (richesse WGS capturée par le bras) ≠ Fréquence populationnelle (recalibrage obligatoire sur 2500 SNP pour tous les variants).

Génome Réunion Rubinacci et al. 2021, Nature Genetics. Efficient phasing and imputation of low-coverage sequencing data using large reference panels. Browning et al. 2018, AJHG. A One-Penny Imputed Genome from Next-Generation Reference Panels. Auer & Lettre 2015, Genome Medicine. Rare variant association studies: considerations and opportunities. 24

Deux niveaux, une contrainte principale

Niveau 1 — Fondation

Représentativité
géographique

Noyau géographique strict : Chaque secteur contribue proportionnellement à sa part de la cohorte. Sans cette garantie, le panel reflète les zones sur-recrutées. (Variante opérationnelle : noyau 322 indiv + bras découverte 28 indiv)

Ancrage dominant
Niveau 2 — Optimisation

Diversité génétique
locale + découverte

Au sein de chaque secteur : maximiser l'information via score S_div multicritère (4 dimensions). Bras découverte : score insulaire pour profils rares/fondateurs/informatifs après noyau géographique.

Algo greedy + enrichissement
2 500 individus
Génotypage SNP
une fois
Métriques globales
PCA · ADMIXTURE · ROH
par secteur
Secteurs (× 7-8)
IBD · S_div · Quintiles
sélection
350 WGS
Référentiel réunionnais
Génome Réunion Cardon & Palmer 2003, The Lancet. Population stratification and spurious allelic association. Wojcik et al. 2019, Nature. Genetic analyses of diverse populations improves discovery for complex traits. Sirugo et al. 2019, Cell. The Missing Diversity in Human Genetic Studies. 25

Représentativité géographique — la contrainte première

Noyau géographique strict (N_core = 322) : Chaque secteur reçoit Ncore = round(proportion × 322). En cas de désaccord d'arrondi (somme ≠ 322), ajuster ±1 au secteur plus proche du demi-entier.

Secteur% cohorteN_core
Nord-Est20.0 %64
Sud-Est16.0 %52
Est15.2 %49
Sud14.0 %45
Nord12.8 %41
Ouest12.0 %39
Nord-Ouest10.0 %32
Total100 %322

Valeurs illustratives. Quotas réels dépendent de cohorte EFS observée.

Bras découverte (N_discovery = 28) : 28 individus sélectionnés après noyau géographique par score insulaire S_discovery_global. Profils rares, fondateurs, extrêmes ou utiles pour l'imputation. Non-redondance avec noyau vérifiée via IBD (kinship KING < 0.0625).
Génome Réunion Pemberton et al. 2013, G3. Population structure in a comprehensive genomic data set on human microsatellite variation. Choudhury et al. 2020, Nature. High-depth African genomes inform human migration and health. Cardon & Palmer 2003, The Lancet. Population stratification and spurious allelic association. 26

Quatre dimensions complémentaires de S_div

GLOBAL · 2500

1 · PCA_score

Distance au centroïde du secteur dans l'espace global PC1–PC5. Capture la marginalité positionnelle — individus aux marges génétiques de leur secteur.

GLOBAL · 2500

2 · ADMIX_score

Entropie de Shannon des proportions ancestrales q_k du modèle global (K déterminé par CV-error, attendu K=4). Capture la diversité ancestrale.

PAR SECTEUR

3 · IBD_score

1 − max parenté IBD avec les autres membres du secteur. Capture l'indépendance génétique et évite la redondance informationnelle.

GLOBAL · 2500

4 · ROH_score

Inverse des segments homozygotes longs. Pénalise la consanguinité — signature de l'effet fondateur réunionnais.

Pourquoi global vs par-secteur ?
  • PCA (global) : centroïdes secteurs bien positionnés dans espace commun
  • ADMIXTURE (global) : modèle ancestral unique → q_k identiques tous secteurs
  • IBD (par-secteur) : parenté contexte local de sélection
  • ROH (global) : métrique individuelle, non affectée par groupe
Normalisation locale (min/max par secteur) : scores absolus non comparables inter-secteurs, sans conséquence car sélection opère qu'au sein de chaque secteur.
Génome Réunion Price et al. 2006, Nature Genetics. Principal components analysis corrects for stratification in GWAS. Patterson et al. 2006, PLoS Genetics. Population structure and eigenanalysis. Alexander et al. 2009, Genome Research. Fast model-based estimation of ancestry in unrelated individuals (ADMIXTURE). Conomos et al. 2016, AJHG. Model-free estimation of recent genetic relatedness (KING). Ceballos et al. 2018, Nature Reviews Genetics. Runs of homozygosity: windows into population history and trait architecture. 27

Composantes globales : position et composition

1 · PCA_score — Position
dist(i) = √Σ(PCₖ(i) − cₖ)²
PCA_score = (dist − min) / (max − min)

PCA calculée sur les 2 500 — centroïde du secteur dans l'espace commun à toute la cohorte. La normalisation locale qui suit sert uniquement à ramener les distances à [0,1] pour l'agrégation.

2 · ADMIX_score — Composition
H(i) = −Σ qₖ × log(qₖ)
ADMIX_score = (H − min) / (max − min)

Modèle global → q_k interprétables de façon identique dans tous les secteurs. K optimal déterminé par cross-validation (K testé 2–10 ; choix par CV-error, stabilité, interprétabilité). Attendu K=4 pour La Réunion (africain, indien, européen, malgache).

Note : L'entropie seule ne capture pas la rareté ancestrale. Le bras découverte (28 indiv) utilise S_discovery_rarity (distance au centroïde q_k du secteur ancestral) plutôt que l'entropie — capturant profils aux marges ancestrales. Noyau géographique (322) utilise entropie H(i) pour diversité globale. À valider par analyse de sensibilité.
Génome Réunion Price et al. 2006, Nature Genetics. Principal components analysis corrects for stratification in GWAS. Patterson et al. 2006, PLoS Genetics. Population structure and eigenanalysis. Alexander et al. 2009, Genome Research. Fast model-based estimation of ancestry (ADMIXTURE). Lawson et al. 2018, Nature Communications. A tutorial on how not to over-interpret STRUCTURE and ADMIXTURE bar plots. 28

Composantes locales : indépendance et effet fondateur

3 · IBD_score — Indépendance
IBD_score(i) = 1 − max_j kinship_KING(i, j)

Calculé au sein du secteur avec métrique KING kinship (robuste population admixée). Le max plutôt que moyenne : un seul lien proche suffit à créer redondance.

kinship > 0.125 1er degré — éliminé
kinship 0.0625–0.125 2e degré — seuil dur
kinship < 0.0625 Non apparenté ✓

Contrainte dure cross-secteur : kinship_KING(candidat, tous déjà sélectionnés) < 0.0625

4 · ROH_score — Effet fondateur
ROH_score(i) = max(0, 1 − ROH_total / 100 Mb)

Calculé globalement sur les 2 500. Pénalise individus avec nombreux segments homozygotes longs — signature consanguinité et effet fondateur.

Version simple (opérationnelle) : formule ci-dessus.
Version empirique (sensibilité) : 1 - rank_percentile(ROH_total, secteur). À comparer en validation.

Pop. générale
Fondateur mild
Fondateur fort
Hétérozygote
ROH (homozygote)
Génome Réunion Manichaikul et al. 2010, Bioinformatics. Robust relationship inference in GWAS (KING). Thornton et al. 2012, AJHG. Estimating kinship in admixed populations. Conomos et al. 2016, AJHG. Model-free estimation of recent genetic relatedness. Kirin et al. 2010, PLoS ONE. Genomic runs of homozygosity record population history and consanguinity. Ceballos et al. 2018, Nature Reviews Genetics. Runs of homozygosity: windows into population history. McQuillan et al. 2008, AJHG. Runs of homozygosity in European populations. 29

Le Score de Diversité : tableau de bord paramétrable

S_div = 0.30 × PCA_score + 0.30 × ADMIX_score + 0.25 × IBD_score + 0.15 × ROH_score
Les poids 0.30 · 0.30 · 0.25 · 0.15 sont des valeurs de travail pré-validation. Ils seront testés par analyse de sensibilité (±10%) et analyse leave-one-component-out avant optimisation finale. IBD 0.125 = contrainte dure supplémentaire lors de la sélection greedy — elle élimine les candidats trop apparentés indépendamment de leur score S_div.
Génome Réunion Price et al. 2006, Nature Genetics. Principal components analysis corrects for stratification. Alexander et al. 2009, Genome Research. Fast model-based estimation of ancestry (ADMIXTURE). Manichaikul et al. 2010, Bioinformatics. Robust relationship inference (KING). Ceballos et al. 2018, Nature Reviews Genetics. Runs of homozygosity diversity metrics. 30

Anti-biais directionnel : stratification par quintile

Problème
Sélectionner uniquement les S_div élevés → sur-représentation des profils marginaux → biais directionnel
N_WGS allouéStratégieDistribution
≥ 20Quintile20–20–30–20–10 %
6 à 19Binaire 60/40Top 50% → 60% des WGS. Bottom 50% → 40% des WGS.
< 6Greedy seulDocumenté (< 1.7 % cohorte)
Stratification binaire 60/40 : Le top 50% S_div apporte diversité ; le bottom 50% ancre dans les profils représentatifs du secteur. Ce ratio reproduit l'esprit des quintiles (Q1-Q2=40%, Q3=30%, Q4-Q5=30%) avec seulement 2 strates.
Garantie algorithmique : compteur selected_in_quintile indépendant par strate — le plafond est vérifié avant d'accepter un candidat. Q3 (médiane, 30 %) ancre le panel dans les profils typiques du secteur.
Génome Réunion Pemberton et al. 2013, G3. Population structure in genomic data sets. Auer & Lettre 2015, Genome Medicine. Rare variant association studies: strategies and constraints. 31

Sélection greedy stratifiée — les trois branches

≥ 20

Quintile

5 strates Q1–Q5 (20-20-30-20-10 %). Compteur selected_in_quintile garantit le plafond par strate indépendamment du total secteur.

6–19

Binaire 60 / 40

Top 50 % S_div → 60 % des WGS. Bottom 50 % → 40 %. Maintient l'anti-biais directionnel avec seulement 2 strates.

< 6

Greedy seul

S_div décroissant + contrainte IBD uniquement. Documenté explicitement : secteurs < 1.7 % de la cohorte.

①

IBD vérifié cross-secteur

Chaque candidat est comparé à tous les individus déjà sélectionnés, tous secteurs confondus — pas seulement les membres du même secteur.

②

Secteurs traités par taille décroissante

Les grands secteurs posent les contraintes IBD structurantes en premier, limitant l'asymétrie pour les petits secteurs traités ensuite.

③

Quota non rempli = perdu et tracé

Si l'IBD bloque tous les candidats d'une strate, le quota manquant n'est pas reporté sur la strate suivante — documenté dans le rapport de sélection.

④

Bras découverte sélectionné après noyau

Les 28 individus du bras découverte sont sélectionnés après constitution du noyau géographique, pour assurer la non-redondance avec les individus déjà retenus. Score S_discovery_global (insulaire) distinct de S_div_sector (local).

Robustesse multi-ordre (Recommandation 3) : Pour valider la stabilité du greedy, exécuter l'algorithme en 100+ ordres aléatoires de secteurs (décroissant de taille, aléatoires ≥100, extrêmes). Mesurer l'intersection des sélections : |A ∩ B| / 350. Cible de stabilité : > 95% (variabilité < 5% WGS sélectionnés entre ordres). Cela quantifie la dépendance à l'ordre et garantit la robustesse de la méthodologie avant déploiement.
Génome Réunion Le & Durbin 2011, Genome Research. SNP detection from low-coverage sequencing data. Pemberton et al. 2013, G3. Population structure in comprehensive genomic data. Auer & Lettre 2015, Genome Medicine. Rare variant association studies: strategies. 32

Exemple concret : calcul pas-à-pas du score

S_div = 0.30 × PCA_score + 0.30 × ADMIX_score + 0.25 × IBD_score + 0.15 × ROH_score
Candidat S_div
Patient A (profil médian) 0.38 ✗
Patient B (extrême, apparenté) 0.59 ~
Patient C (extrême, non apparenté) 0.85 ✓
C domine : IBD_score élevé (non apparenté) + PCA et ADMIX aux marges du secteur. B est freiné par sa parenté → IBD_score = 0.20 pénalise fortement malgré de bonnes positions génétiques.

— Patient A : centroïde du secteur, toutes les distances faibles. Non sélectionné.

— Patient B : marges PCA et ADMIX élevées mais très apparenté → IBD_score = 0.20 effondre le score.

— Patient C : marges maximales ET non apparenté → sélectionné en priorité.

Génome Réunion Price et al. 2006, Nature Genetics. PCA composite scoring framework. Alexander et al. 2009, Genome Research. ADMIXTURE scoring. Manichaikul et al. 2010, Bioinformatics. KING kinship scoring. Ceballos et al. 2018, Nature Reviews Genetics. ROH diversity metrics. 33

Phasage réunionnais : 2 500 SNP + 100 familles nucléaires

Pourquoi 100 familles nucléaires ?

  • Transmission mendélienne : source validée de phases alléliques
  • Haplotypes adaptés : population réunionnaise spécifique
  • Améliore : imputation, LAI, IBD, ROH
  • Réduit les erreurs de phase SNP seuls

Pipeline phasage

2 500 SNP populationnels
+
100 familles nucléaires
↓
phasage assisté par transmission mendélienne
↓
Haplotypes réunionnais
↓
imputation LAI IBD ROH

Garde-fous éthiques

  • Sélection : non-apparentés, filiation stable
  • Séparation : données familiales isolées
  • Protocole dédié : consentement familial spécifique
⚠ Distinctions critiques
  • Phasage SNP : utiliser 100 familles ✓
  • Estimations de fréquence : jamais 100 familles — ressource technique, pas analytique
  • Analyses familiales : données séparées, méthodologie distincte
  • Annotations : séparation stricte technique vs analytique
Génome Réunion Browning & Browning 2011, Nature Reviews Genetics. Haplotype phasing: methods and developments. Browning & Browning 2012, Annual Review of Genetics. Identity by descent between distant relatives. Delaneau et al. 2019, Nature Communications. Accurate, scalable and integrative haplotype estimation (SHAPEIT4). Loh et al. 2016, Nature Genetics. Fast and accurate long-range phasing. Hofmeister et al. 2023, Nature Genetics. Accurate rare variant phasing of WGS data. Maples et al. 2013, AJHG. RFMix: rapid local-ancestry inference. Browning & Browning 2023, AJHG. Fast, accurate local ancestry inference with FLARE. 34

Fréquences finales : brute → pondérée → imputée

Ne pas confondre trois niveaux :

Fréquence WGS brute

← Observée dans 350 WGS
← Biaisée par sélection S_div
← ≠ populationnelle

Fréquence populationnelle pondérée

← Ajustée par strate géographique
← Référentiel : 2500 SNP
← Représentative population Réunion

Fréquence imputée

← Projetée via panel WGS local
← Qualité = f(MAF, couverture)
← Utilisée pour variants ultra-rares

Tableau annotation finale (Recommandation 5) :

VariantFréq WGSFréq Pond.StatutEffectif observé
Commun
(MAF >5%)		ObservéePondéréeDirect
Confiance ✓		> 70 copies
(350 WGS)
Rare
(1-5%)		ObservéePondéréeDirect
Confiance ✓		7–70 copies
(350 WGS)
Très rare
(0.5-1%)		ObservéeImputéeHC imputation
Confiance ✓		3–7 copies
ou imputé
Ultra-rare
(<0.5%)		—ImputéeMC imputation
Confiance ⚠		< 3 copies
(imputé seul)

Formule pondération simple :

freq_pond(v) = Σ_secteur poids_secteur × freq_secteur(v)

où poids_secteur = proportion_secteur / 2500

🔑 Règle systématique : Tous les outputs finaux doivent mentionner : variant MAF · statut (direct/imputé) · confiance (HC/MC) · effectif observé (n haplotypes WGS ou imputé).

Génome Réunion Browning et al. 2018, AJHG. A One-Penny Imputed Genome from Next-Generation Reference Panels. Taliun et al. 2021, Nature. Sequencing of 53,831 diverse genomes from the NHLBI TOPMed Program. Kowalski et al. 2019, PLoS Genetics. Use of >100,000 NHLBI genomes improves imputation. Das et al. 2016, Nature Genetics. Next-generation genotype imputation service and methods. Rubinacci et al. 2021, Nature Genetics. Efficient phasing and imputation of low-coverage sequencing data. Rubinacci et al. 2023, Nature Genetics. Imputation of low-coverage sequencing data from 150,119 UK Biobank genomes. Marchini & Howie 2010, Nature Reviews Genetics. Genotype imputation for GWAS. 35

Avantages et limitations acceptables de la méthode

✓

Formules explicites, outils standards

PCA_score, ADMIX_score, IBD_score, ROH_score — définitions précises. Outils : PLINK2, KING, ADMIXTURE avec --seed=42 pour reproductibilité complète.

✓

Algorithme reproductible et auditable

Sélection greedy déterministe : à ensemble S fixé et ordre de traitement documenté, le même résultat est toujours produit. Auditable par un tiers indépendant.

✓

Anti-biais garanti algorithmiquement

Compteur selected_in_quintile par strate — Q3 (médiane, 30 %) impose une représentation des profils typiques. Stratégie documentée pour chaque secteur.

✓

Validation 1000G planifiée avant déploiement

3 groupes admixés × 3 budgets × 5 stratégies. Critère : KS < 0.10 ET couverture allélique > aléatoire sur les 3 groupes — robustesse multi-structurale requise.

⚠

Limitations acceptables et documentées

  • ✓ Heuristique paramétrée, non mathématiquement optimale
  • ✓ Référentiel première génération sous contrainte budgétaire
  • ✓ Variants MAF < 1% : moins fiables avec 350 WGS
  • ✓ Fréquences WGS biaisées par sélection → recalibrage obligatoire sur 2500 SNP
  • ✓ Améliorable itérativement après validation
Génome Réunion Richards et al. 2015, Genetics in Medicine. Standards and guidelines for interpretation of sequence variants. Chang et al. 2015, GigaScience. Second-generation PLINK: reproducible analysis tools. Purcell et al. 2007, AJHG. PLINK: a tool set for whole-genome association and population-based linkage analyses. 36

Validation sur 1000 Genomes avant déploiement

3 populations admixées servant de proxy à la structure génétique réunionnaise :

Groupe 1000GCodeRôle
ACB / ASWAfriqueAncestral africain
GIH / BEBIndeAncestral indien
Tri-ancestralMixMétissage 3+ apports

Chaque groupe testé en 3 budgets (N = 100, 200, 350) × 5 stratégies (S_div stratifié, S_div naïf, random, PCA-only, maximin-IBD).

Critères de succès :

  • KS-test < 0.10 (distribution allélique concordante)
  • Couverture allélique > contrôle aléatoire sur 3 groupes
  • Robustesse : ≥ 80% des 5 stratégies passent les critères
  • Reproductibilité : résultats identiques avec --seed différents

🎯 Robustesse multi-groupe : Performance cohérente sur tous les 3 groupes (africain/européen, sud-asiatique, tri-ancestral). Pas d'optimisation locale pour un groupe unique — validation inter-groupes garantit générisabilité à la Réunion.

✓ Succès 1000G → Déploiement sur cohorte EFS réunionnaise.
✗ Échec → Révision des poids S_div ou stratégie quintile.

Génome Réunion Bergström et al. 2020, Science. Insights into human genetic variation and population history from 929 diverse genomes. Byrska-Bishop et al. 2022, Cell. High-coverage whole-genome sequencing of the expanded 1000 Genomes Project cohort. Choudhury et al. 2020, Nature. High-depth African genomes inform human migration and health. Gurdasani et al. 2015, Nature. The African Genome Variation Project shapes medical genetics in Africa. Nakatsuka et al. 2017, Nature Genetics. The promise of disease gene discovery in South Asia. Wall et al. 2019, Nature. The GenomeAsia 100K Project enables genetic discoveries across Asia. Wojcik et al. 2019, Nature. Genetic analyses of diverse populations improves discovery for complex traits. 37

Validation complémentaire : cohorte brésilienne admixée (EPIGEN-Brasil)

Pourquoi EPIGEN-Brasil ?

  • ✓ 6 487 individus — cohorte admixée réelle (5-10× plus grande que 1000G)
  • ✓ HumanOmni2.5 genotypes — plateforme SNP compatible avec celle potentiellement utilisée à La Réunion (harmonisable build/strand)
  • ✓ 30 WGS sequencés — sous-ensemble pour validation croisée SNP↔WGS
  • ✓ Structure admixée africaine/européenne/amérindienne — proxy proche de la Réunion
  • ✓ Représente "la vraie vie" — pas une construction 1000G artificialisée

Protocole de validation :

ÉtapeDétail
1. SélectionAppliquer algo sur tous 6487
2. SubsampleN=350 sélectionnés via S_div
3. BenchmarkComparer vs random (N=350)
4. CouvertureRare variants (MAF 0.1-1%)
5. Cross-validation30 WGS : SNP scores vs vrai WGS

✓ Succès EPIGEN → Confiance avant déploiement Réunion
✗ Écart → Ajuster critères rareté/stratification

Génome Réunion Naslavsky et al. 2022, Nature Communications. Whole-genome sequencing of 1,171 elderly admixed individuals from São Paulo, Brazil. Nunes et al. 2025, Science. Admixture's impact on Brazilian population evolution and health. Suarez-Kurtz 2010, Frontiers in Pharmacology. Pharmacogenetics in the Brazilian population. 38
05
Section 05 · WGS

Ce que le WGS
va Produire

Du séquençage à une ressource clinique concrète pour les patients réunionnais.

Les impacts attendus du référentiel réunionnais

🧬 Reclassifier les VUS

Convertir les variants d'incertitude en diagnostics clairs grâce à une base locale robuste.

💊 Pharmacogénomique locale

Adapter les dosages aux variants CYP spécifiques à la population réunionnaise.

📊 Améliorer l'imputation

Un panel local améliore massivement la qualité d'imputation pour les futures études.

🏝 Effet fondateur

Identifier les variants rares fixés par l'isolement : Larsen-Bourbon, Syndrome de Ravine.

🤖 Corriger les biais IA

Alimenter les algorithmes de drug discovery avec une diversité génomique représentative.

⚖ Équité en santé

Garantir que la médecine de précision bénéficie aux populations admixées — pas seulement européennes.

Génome Réunion 40

En résumé

Un design rigoureux au service
de l'équité en santé

La Réunion est absente des bases génomiques mondiales — avec des conséquences cliniques réelles et mesurables.

Sa double singularité (admixture + effet fondateur) en fait une opportunité scientifique unique au monde.

Le design puce SNP → score multicritère → WGS ciblé maximise l'information utile sous contrainte budgétaire.

Le référentiel local bénéficiera aux diagnostics, traitements et à la lutte contre les biais de l'IA.

Bon design = variables définies · poids annoncés · algorithme reproductible · validation finale

← → clavier · swipe mobile