La machinerie d’épissage : un chef d’orchestre du transcriptome
La génétique médicale s’apparente souvent à l’exploration d’une vaste bibliothèque : chaque gène est un livre, divisé en chapitres, où les introns et exons ponctuent le récit génomique. L’épissage, quant à lui, agit comme le relieur de la bibliothèque : il monte patiemment les chapitres des exons, en supprimant les introns, pour produire un code lisible par la cellule. Mais que se passe-t-il lorsque cette machinerie s’enraye à cause d’un variant ? Comment anticiper si une simple « faute d’orthographe » entraînera la perte d’un paragraphe crucial ou une simple virgule déplacée sans conséquence majeure ?
Les enjeux sont taillés sur mesure pour la clinique : près de 15 % des variants à l’origine de maladies monogéniques sont aujourd’hui estimés impliquer l’épissage (Cartegni et al., 2002; Scotti & Swanson, 2016). Mais, devant l’accumulation de variants identifiés lors d’un exome ou d’un panel, comment savoir lesquels perturbent cette étape clé ?
Rappels pratiques : les mécanismes moléculaires de l’épissage
L’épissage est régulé par une machinerie complexe, le spliceosome, qui reconnaît des motifs très précisément situés :
- Sites canoniques 5' (donneur) et 3' (accepteur)
- Bases consensus quasi-invariantes : GT/AG au début/fin d’intron, en particulier
- Sites branch point et séquences polypyrimidiques en amont du 3'
- Régulateurs secondaires : ESE (exonic splicing enhancers), ESS, ISE, ISS, codés dans les exons et introns
Un variant survenant dans ces régions peut avoir des conséquences diverses :
- Saut d’exon entier
- Activation de sites cryptiques
- Rétention d’intron
- Production d’un ARNm prématurément tronqué (et souvent ciblé par la NMD : nonsense-mediated decay)
Ce spectre impose une vigilance accrue dès lors qu’on interprète des variants, même « silencieux » ou introniques profonds.
Quels variants suspecter d’un impact sur l’épissage ?
Dans la pratique, trois grandes catégories attirent l’attention :
- Variants canoniques : affectant les bases +1/+2 (GT) du site donneur, ou -2/-1 (AG) du site accepteur. Le risque d’altération de l’épissage dépasse 90 % pour ces bases essentielles (HGVS recommendations 2016).
- Variants proches des jonctions : de +3 à +6 (site donneur) et de -3 à -20 (site accepteur). Ici, l’impact fonctionnel varie de façon très hétérogène ; certains exons « tolèrent » mieux des altérations, d’autres pas du tout.
- Variants exoniques ou introniques distants : faux-sens, synonymes, petits indels – parfois indétectables sans outils prédictifs ou analyses fonctionnelles ciblées.
Exemple : sur une cohorte de patients présentant une déficience intellectuelle inexpliquée, plus de 4 % des variants identifiés comme « synonymes » présentaient en réalité un effet avéré sur l’épissage (Soemedi et al., 2017).
Outils in silico : la balise de sécurité ou la boîte noire ?
En 2024, la grande majorité des laboratoires s’appuie sur les outils in silico pour estimer l’impact épissage d’un variant. Ces prédicteurs exploitent des modèles de position weight matrices, de machine learning, ou de deep learning. Les plus utilisés, tels que MaxEntScan, SpliceAI (SpliceAI Lookup), ou Human Splicing Finder, fournissent des scores de probabilité d’altération des sites d’épissage.
- MaxEntScan analyse l’efficacité relative du site naturel par rapport à un variant.
- SpliceAI (Jaganathan et al., 2019, Nature Genetics) prédit, via un réseau neuronal profond, la création/perte de sites d’épissage et l’ampleur attendue du décalage (delta score interprété comme probabilité).
Leur sensibilité pour les variants canoniques approche 95 %. Mais pour les variants exoniques subtils ou introniques profonds, elle ne dépasse pas 60 % (Rentzsch et al., 2021).
| Outil |
Principes |
Points forts |
Limites |
| MaxEntScan |
Matrice de poids positionnelle |
Simplicité, prise en main rapide |
Ne prédit pas les sites cryptiques/hors canon |
| SpliceAI |
Deep learning |
Global, évalue distant/cryptique |
Peut générer des faux positifs, complexité des interprétations |
| Human Splicing Finder |
Mix règles/matrice |
Interface didactique, combinatoire de scores |
Peu de mise à jour récente |
Combiner les prédictions et les données : la démarche interprétative en clinique
Un test in silico n’est jamais un diagnostic. En génétique clinique, la prédiction n’a de sens que croisée avec l’ensemble du phénotypage et du contexte familial.
- Cohérence phénotypique : le variant concorde-t-il avec les signes observés, la pénétrance du gène, l’hérédité ?
- Rareté populationnelle : absence/présence du variant dans gnomAD/cBioPortal/ExAC pour la population étudiée.
- Ségrégation familiale : le variant suit-il la transmission dans les cas familiaux ?
- Concordance inter-outils : résultats similaires sur plusieurs logiciels (SpliceAI, MaxEntScan, NNSplice…)
- Base de données spécialisée : existence de signalements validés dans ClinVar, LOVD, VarSome…
Une démarche intégrative – rassembleuse – pour que chaque variant suspecté d’affecter l’épissage soit hiérarchisé, discuté en RCP, et orienté vers un test fonctionnel si pertinent pour le diagnostic final.
Variants à l'épreuve du transcriptome : quand faut-il recourir à l’expérimentation ?
Le test ultime reste l’analyse du transcriptome (RT-PCR sur ARN de patient, RNAseq ciblé) : on passe du niveau « prédiction » au niveau « observation in vivo ». Mais cette approche n’est pas systématique, car :
- Le tissu d’expression du gène cible n’est pas toujours accessible (ex : SNC, rétine…)
- Les variants peuvent impacter des exons faiblement exprimés, parfois non détectés en pratique courante
- La NMD (nonsense-mediated decay) peut empêcher la détection de transcrits anormaux
Néanmoins, lorsque la suspicion clinique est forte (ex : variant synonyme ou intronique avec suspicion NEU1 ou NF1), la démonstration expérimentale peut orienter le diagnostic et la prise en charge.
À noter : dans certaines grandes séries diagnostiques post-exome, l’apport du RNAseq pour démêler les variants d’épissage de signification incertaine dépasse 15 %, tous gènes confondus (Cummings et al., Science 2017).
Cas pratiques : typologie des situations cliniques courantes
- Patient avec suspicion de dystrophie musculaire, variant intronique profond dans DMD : tests in silico SpliceAI avec score élevé, absence de variant dans gnomAD, justification pour RT-PCR musculaire ciblée.
- Syndrome apparenté à un RASopathie, variant synonyme dans PTPN11 : Seul SpliceAI signale une perte de site ESE, dossier exposé en RCP, orientation vers RNAseq lymphocytaire proposé.
- Transmission autosomique dominante, variant exonic de signification inconnue : Fenêtre de lecture croisée entre scores d'épissage, ségrégation familiale et rapport ACMG-AMP actualisé (Richards et al., 2015).
Limites, incertitudes et perspectives pour demain
La prédiction de l’impact épissage reste un art délicat, pour plusieurs raisons :
- Pléthore de modèles in silico, parfois discordants
- Règles d’interprétation complexes, nécessité d’actualisation continue des bases de données
- Clivage entre variantes « exomiques » et « extrêmes » (deep intronic) souvent sous-estimées
- Besoin de standards pour la validation biologique des variants suspectés d’influer sur l’épissage
L’arrivée de technologies comme le long-read RNAseq, la modélisation sur cellules iPSC ou la correction CRISPR de splicing events ouvre des perspectives passionnantes. Déjà, des travaux comme ceux du projet SPANR (Xiong et al., Science 2015) montrent que la variabilité individuelle d’épissage façonne la réponse phénotypique, même pour de simples variants hétérozygotes.
Pistes pratiques : recommandations actuelles et points de vigilance
- Utiliser systématiquement au moins deux outils de prédiction indépendants pour tout variant suspecté (Best Practice AMP/CAP/ACMG 2020).
- Confronter le score de prédiction à la pathogénicité attendue du gène, au phénotype et au contexte familial avant tout test fonctionnel onéreux ou difficile à mettre en œuvre.
- Actualiser régulièrement vos connaissances par la veille bibliographique (ClinGen, HGMD Pro, gnomAD v4, recommandations actualisées de la SFGM).
- Discuter en RCP (réunion de concertation pluridisciplinaire) en cas de discordance résultats / contexte clinique.
Prédire l’impact d’un variant sur l’épissage, c’est accepter de naviguer entre science exacte et incertitude raisonnable. Ce champ où la collaboration interdisciplinaire, la formation continue et l’humilité face à la variabilité biologique sont clés pour améliorer le diagnostic et l’accompagnement des patients.
Pour aller plus loin
-
SpliceAI Lookup (outil de prédiction d’impact sur l’épissage)
-
ClinVar (base de données de variants cliniques)
-
gnomAD (base de données populationnelle sur les variants)
-
Recommandations ACMG-AMP 2015 et adaptations françaises (Collège Français de Génétique Humaine)
-
Scotti MM, Swanson MS. "RNA mis-splicing in disease," Nature Reviews Genetics, 2016.
