RESUMO
The field of viral genomics and bioinformatics is experiencing a strong resurgence due to high-throughput sequencing (HTS) technology, which enables the rapid and cost-effective sequencing and subsequent assembly of large numbers of viral genomes. In addition, the unprecedented power of HTS technologies has enabled the analysis of intra-host viral diversity and quasispecies dynamics in relation to important biological questions on viral transmission, vaccine resistance and host jumping. HTS also enables the rapid identification of both known and potentially new viruses from field and clinical samples, thus adding new tools to the fields of viral discovery and metagenomics. Bioinformatics has been central to the rise of HTS applications because new algorithms and software tools are continually needed to process and analyse the large, complex datasets generated in this rapidly evolving area. In this paper, the authors give a brief overview of the main bioinformatics tools available for viral genomic research, with a particular emphasis on HTS technologies and their main applications. They summarise the major steps in various HTS analyses, starting with quality control of raw reads and encompassing activities ranging from consensus and de novo genome assembly to variant calling and metagenomics, as well as RNA sequencing.
Le champ de la génomique virale et de la bio-informatique connaît actuellement un nouvel essor grâce à la technologie du séquençage à haut débit (SHD), qui permet de séquencer puis d'assembler rapidement un très grand nombre de génomes viraux, à un coût abordable. De surcroît, grâce à la puissance sans précédent des technologies du SHD, il est désormais possible d'analyser la diversité des virus au sein d'un hôte ainsi que la dynamique des quasi-espèces afin d'élucider d'importantes questions biologiques ayant trait à la transmission virale, à la résistance vis-à-vis des vaccins et au passage d'un hôte à l'autre. Le SHD permet également d'identifier rapidement des virus connus ou potentiellement nouveaux dans des échantillons de terrain ou cliniques, ce qui apporte de nouveaux outils pour la découverte des virus et la métagénomique. La bio-informatique joue un rôle central dans le développement des applications du SHD car ce domaine en constante évolution génère des séries de données aussi nombreuses que complexes dont le traitement et l'analyse requièrent en permanence de nouveaux algorithmes et logiciels. Les auteurs font rapidement le point sur les principaux outils de la bio-informatique utilisés dans la recherche sur les génomes viraux, en mettant particulièrement l'accent sur les technologies du SHD et sur leurs applications les plus importantes. Ils décrivent schématiquement les grandes étapes de différents types d'analyse recourant au SHD, depuis le contrôle qualité des lectures brutes jusqu'aux activités telles que l'assemblage de séquences consensus et de novo du génome, l'appel de variants et la métagénomique, et enfin le séquençage d'ARN.
El campo de la genómica vírica y la bioinformática conoce hoy un renovado dinamismo gracias a las técnicas de secuenciación de alto rendimiento, que permiten secuenciar con rapidez y rentabilidad, y a continuación ensamblar, un gran número de genomas víricos. Además, la potencia sin precedentes que ofrecen estas técnicas ha hecho posible analizar la diversidad vírica dentro de los anfitriones y la dinámica de cuasiespecies en relación con importantes interrogantes biológicos tocantes a la transmisión de virus, la resistencia a las vacunas o el salto de un anfitrión a otro. Con la secuenciación de alto rendimiento también es posible identificar con celeridad los virus tanto conocidos como eventualmente nuevos que estén presentes en muestras clínicas u obtenidas sobre el terreno, lo que aporta nuevas herramientas al arsenal disponible en los campos del descubrimiento de virus y la metagenómica. La bioinformática ha sido un factor capital en el auge de las aplicaciones de técnicas de secuenciación de alto rendimiento, pues continuamente se necesitan nuevos algoritmos y programas informáticos para procesar y analizar los vastos y complejos conjuntos de datos que se generan en un ámbito sujeto a tan rápida evolución. Los autores repasan brevemente las principales herramientas bioinformáticas que existen para la investigación en genómica vírica, prestando especial atención a las técnicas de secuenciación de alto rendimiento y sus principales aplicaciones. Asimismo, resumen las etapas básicas de diversos procedimientos de análisis por secuenciación de alto rendimiento, empezando por el control de calidad de las lecturas brutas y pasando por labores que van desde el ensamblaje del genoma con creación de secuencia consenso o ensamblaje de novo hasta la asignación de variantes (variant calling) o la metagenómica, sin olvidar la secuenciación de ARN.
