Introduction : L’épissage, un chef d’orchestre discret du génome
Au cœur de l’ADN, l’épissage gère la partition des gènes en retirant les introns et en ajustant les exons pour générer les ARN messagers. Si l’image classique du « gène malade » met souvent en cause des exons mutés, la réalité est bien plus subtile : une fraction significative des pathologies monogéniques découle d’anomalies localisées dans l’obscurité silencieuse des introns.
Certains variants d’épissage introniques, dits “profonds”, échappent aux techniques de séquençage classiques, rendant leur détection délicate mais essentielle. Comment les identifier alors qu’ils se nichent parfois à des milliers de bases des exons codants ? Nous explorerons ensemble les défis techniques, les stratégies de screening, et l’impact de ces variants sur la pratique clinique.
Pourquoi les variants d’épissage profonds sont-ils difficiles à détecter ?
- Localisation hors des régions “classiques” : Les panels de séquençage ciblent majoritairement les exons et les quelques bases introniques adjacentes (consensus donor/acceptor : +1+2, -1-2). Or, près de 15 % des variants d’épissage pathogènes recensés dans la base ClinVar sont retrouvés au-delà de 15 pb des jonctions exon-intron (Source : Zhang et al., Genome Biol, 2021).
- Apparence neutre : Le variant profond n’altère ni la protéine directement, ni la séquence canonique de l’épissage – il agit comme un graffiti caché sur les notes du manuscrit génétique, modifiant l’interprétation finale sans heurter les codes visibles.
- Phénotypes inattendus : Les conséquences cliniques sont parfois subtilement différentes des variantes exoniques classiques (sous-diagnostics, expressivité partielle…).
Quels contextes doivent alerter ?
- Cas évocateurs d’un déficit identifié en biologie moléculaire classique, restés “négatifs” après un panel exome ciblé.
- Phénotypes typiques, antécédents familiaux forts, absence de mutation causale détectée.
- Analyses de l’ARN montrant un profil d’épissage anormal sans variant identifié sur le DNA coding.
Citons l’exemple de l’Ataxie de Friedreich ou du syndrome de Menkes, où les variants profonds, passant sous le radar du diagnostic standard, expliquent un certain nombre de cas orphelins.
Stratégies techniques pour démasquer les variants d’épissage profonds
1. Étendre la fenêtre d’analyse au-delà des exons
- WGS (Whole Genome Sequencing) : Le séquençage du génome complet permet de couvrir toutes les séquences introniques. En 2023, près de 8 % des diagnostics moléculaires rendus lors de l’étude Genomics England 100,000 Genomes Project étaient secondaires à des variants situés hors des régions codantes classiques (notamment des introns profonds) – Genomics England, 2023.
- Panels larges “custom” : Certains laboratoires conçoivent maintenant des panels couvrant jusqu’à 30–50 pb de séquence intronique, mais l’efficacité décroit au-delà, en raison du “bruit” génomique.
2. Outils bioinformatiques spécialisés
- SpliceAI, MaxEntScan, Human Splicing Finder : Des algorithmes prédictifs identifiant l’émergence de sites d’épissage cryptiques ou aberrants (gain/perte de site, création d’un pseudo-exon).
- Deep Learning : Utilisation croissante d’IA entraînées sur de grands jeux de données d’épissage, capables de prédire l’impact fonctionnel de séquences rares dans le bruit de l’intron (Jaganathan et al., Cell, 2019).
- Filtres de conservation évolutive : Score PhyloP, GERP : des régions introniques très conservées sont suspectes si elles hébergent un variant.
Il reste crucial de croiser les signalements virtuels avec des observations expérimentales pour hiérarchiser les variants suspects.
3. Analyse fonctionnelle sur ARN
- RT-PCR ciblée puis séquençage de l’ARN : Le standard pour valider in vitro un effet d’épissage. Des anomalies (inclusion d’un pseudo-exon, saut d’exon, retention intronique) peuvent être directement visualisées.
- RNAseq : Plus globalement, le séquençage de l’ARN (le transcriptome) met en lumière divers profils aberrants d’épissage, mais impose la disponibilité d’un tissu exprimant le gène au moment de l’analyse.
L’analyse directe de l’ARN reste limitée pour les gènes peu ou pas exprimés dans le sang (soit plus de 60 % du génome selon le Human Protein Atlas, 2022).
4. Données populationnelles et phénotypage
- Recouper la fréquence du variant dans la population générale (exac, gnomAD : moins de 1/10,000 = suspicion accrue pour des variants introniques profonds).
- Confronter avec des observations cliniques détaillées et le contexte familial (co-ségrégation, expression variable).
Quels signaux suggèrent un effet sur l’épissage ?
- Position dans une séquence proche d’un cryptic splice site ou en contexte riche en séquences consensus (AGGT, CAGG)
- Alerte sur la création d’un nouveau site d’épissage reconnu par les algorithmes
- Apparition d’une séquence type “pseudo-exon” : l’inclusion d’une séquence intronique dans l’ARNm
- Phénotype compatible avec la perte/altération de fonction, alors que la séquence codante est “propre”
Tableau de synthèse : Outils de détection et limites
| Outil |
Point fort |
Limite principale |
Pertinence clinique |
| Panel exome classique |
Sensibilité sur régions codantes |
Peu/pas d’introns profonds analysés |
Bons diagnostics sur exons et jonctions immédiates |
| WGS |
Couverture génomique complète |
Charge d’interprétation majeure, coût |
Détection des variants profonds et structurels |
| Prédictions in silico (SpliceAI, MaxEntScan…) |
Rapidité, priorisation des variants suspects |
Faux positifs/negatifs, nécessité validation in vitro |
Détection d’effets potentiels, hiérarchisation |
| RNAseq / RT-PCR |
Validation fonctionnelle directe |
Dépendance au tissu et au niveau d’expression |
Confirmation de l’impact sur l’ARNm |
Cas emblématiques et retours d’expérience
- MLH1, ATM, NF1 : Plusieurs diagnostics de Cancers HNPCC ou neurofibromatoses réalisés uniquement après la découverte de variants profonds introniques, responsables de la création de pseudo-exons (Lagarde et al., Eur J Hum Genet 2018).
- Dystrophie musculaire de Duchenne : 2 % des formes non résolues au NGS standard sont liés à des variants d’épissage profonds (Ferlini et al., J Med Genet 2013).
- Syndrome d’Ullrich (COL6A2) : Inclusion récurrente d’exon cryptique, détectable uniquement par RNAseq chez des patients « sans mutation » auparavant (Cummings BB, Science, 2017).
Une analyse systémique récente estime que jusqu’à 10 % des maladies “sans diagnostic” seraient liées à des variants d’épissage profonds (Abou Tayoun et al., Genet Med 2020).
Les recommandations nationales et le futur de la détection
- Thésaurus base de données : LOVD, ClinVar, SpliceAI et les retours laboratoire facilitent le partage de variantes suspectes et de leur interprétation phénotypique.
- Utilisation élargie du WGS dans les filières maladies rares, favorisée par des programmes nationaux (France Médecine Génomique 2025)
- Extension des panels bioinformatiques à la prédiction systématique d’effets d’épissage, même pour les variantes absentes des annotations classiques.
La commission ACMG propose désormais pour les variants introniques profonds une gradation en classe 3 à 5 (inconnu à pathogène), avec une insistance sur la validation fonctionnelle si possible (Richards et al., Genet Med, 2015).
Points d’attention pour la pratique clinique
- Face à une discordance génotype-phénotype, toujours envisager un variant profond, surtout chez un patient “négatif” mais très évocateur.
- Penser à documenter tout variant intronique rare et utiliser les algorithmes prédictifs disponibles gratuitement.
- Articuler conseil génétique et interprétation moléculaire : informer le patient que l’absence de variant exomique ne clôt pas l’investigation.
- Favoriser une discussion multidisciplinaire (généticien, bioinformaticien, biologiste moléculaire, clinicien) pour sélectionner les variants candidats à approfondir.
À retenir pour demain : ouvrir la « bibliothèque silencieuse » du génome
Les variants d’épissage profonds représentent l’un des derniers territoires inexplorés du diagnostic moléculaire. Leur identification repose sur une approche intégrée : aller au-delà du “codant”, penser fonctionnel, solliciter l’intelligence collective des équipes et exploiter les progrès bioinformatiques.
Si chaque gène est une phrase et chaque intron une marge blanche, alors ces variants en sont les annotations inattendues – discrètes, mais parfois décisives. Souvent, notre travail consiste à apprendre à relire les marges, armés d’outils plus précis, mais aussi d’un esprit attentif aux signaux subtils, pour que ce qui était invisible le devienne, et permette enfin de traiter, conseiller, et anticiper.
Pour approfondir :
- Richards S et al., ACMG recommendations, Genet Med, 2015.
- Abou Tayoun, H.A., et al., Genet Med 2020.
- Zhang J, et al., Genome Biol, 2021.
- Cummings BB, et al., Science, 2017.
- ClinVar
- Genomics England
