611 - Le fichier BALSAC, d’hier à demain

Mon exposé présentera un bref survol des circonstances ayant conduit, à partir de 1971, à la construction du fichier BALSAC comme infrastructure scientifique pour les sciences humaines. Fondé sur le jumelage automatique des données nominatives, le fichier avait pour objectif technique de reconstituer par ordinateur les familles et les généalogies pour la région du Saguenay. Dans un second temps, j’ai décidé de l’ouvrir à l’ensemble de la population du Québec. Au plan strictement scientifique, mon but était d’abord de renouveler la recherche dans le domaine de l’histoire et de la sociologie. C’est après quelques années que la perspective d’autres horizons scientifiques est apparue. Ma présentation portera plus spécialement attention aux raisons qui m’ont amené à utiliser le fichier dans le champ de la génétique et des maladies héréditaires. Je signale que tout ce travail aurait été évidemment impossible sans la collaboration d’une équipe nombreuse, motivée par le caractère novateur du projet.

Les phénomènes génétiques, biologiques sont à relier aux phénomènes historiques et aux faits sociaux des mouvements de population visibles au travers des données généalogiques. En France, la mucoviscidose, due à une mutation du gène CFTR, affecte 1 naissance sur 4 500 et 1 naissance sur 3 000 en Bretagne. Par ailleurs, la population du Saguenay-Lac-Saint-Jean est connue pour avoir une prévalence relativement élevée de certaines maladies héréditaires, dont la fibrose kystique. Fibrose kystique et mucoviscidose sont deux termes qui représentent une même réalité : une maladie héréditaire affectant les voies respiratoires et digestives et limitant l’espérance de vie. La base de données « Généalogie et Mucoviscidose » contient aujourd'hui 1 538 arbres généalogiques de malades ce qui représente plus de 500 000 individus distincts. Elle a été constituée à partir des malades atteints de mucoviscidose nés, suivis ou dépistés en Bretagne (France). Les données recueillies sont d’ordre démographiques (NOM, prénom, sexe, dates et lieux de naissance, mariage, décès) et génétique (génotype). Notre communication se propose de démontrer l’intérêt d’une recherche à mener en s’appuyant sur le fichier de population BALSAC autour de la notion d’apparentement entre les malades québécois et les malades bretons. Dans quelle mesure les Bretons ont-ils pu contribuer à la dispersion du gène CFTR en territoire québécois ? Retrouve-t-on des liens de cousinage entre les deux populations?

Le Québec a célébré en 2013 le 350^e anniversaire de l'arrivée des premières Filles du roi en Nouvelle-France. Diverses études ont permis de bien documenter leurs caractéristiques sociodémographiques, mais jamais encore n'a été évaluée leur contribution démographique et génétique à la population contemporaine du Québec. Un corpus de 63 048 généalogies représentant l’ensemble des mariages célébrés au Québec en 1960, ainsi qu’une liste de 727 Filles du roi mariées en Nouvelle-France, ont été retenus comme points de départs d’analyses ascendantes et descendantes. Les analyses ont été réalisées à partir du fichier de population BALSAC (http://baslac.uqac.ca). Les résultats montrent qu’on retrouve dans BALSAC 3 355 591 individus couvrant quinze générations qui sont des descendants des Filles du roi. D’après nos estimations, la contribution génétique totale des Filles du roi au pool génétique québécois se chiffre à 9,35%.

M’appuyant sur une synthèse des réalisations plus anciennes concernant la population du Saguenay et du Québec effectuées avec le fichier de population BALSAC, je veux proposer ici une réflexion sur les réalisations démographiques plus récentes ainsi que celles en cours de développement. Trois périodes seront donc examinées tout à tour. D’abord celle allant jusqu’en 1996, durant laquelle les travaux de Gérard Bouchard sur la reproduction familiale en contexte saguenéen ont servi à structurer de nombreuses analyses menées selon une conception classique de la démographie, tout en les associant à une enquête de génétique humaine très importante pour cette population. Ensuite, la période de 20 ans allant de 1997 à aujourd’hui au cours de laquelle des travaux aux problématiques plus éclatées ont porté sur des questions à la fine pointe des développements théoriques et méthodologiques en démographie. La troisième période qui s’amorce semble porteuse d’un retour vers des thématiques historiques propres au Québec, y compris la question de la mobilité géographique, qui rejoint un élément central de la thèse de G. Bouchard sur la reproduction familiale. En plus de réfléchir aux thématiques passées et à venir, je m’interrogerai sur les développements méthodologiques et certaines conditions inhérentes à la recherche qui sont susceptibles de favoriser ou, au contraire, de nuire à la mise en œuvre de recherches pertinentes et de qualité dans le domaine de l’histoire des populations.

Le lancement prochain de l’Infrastructure intégrée des microdonnées historiques de la population québécoise (IMPQ) - issue du jumelage des données d’état civil et des données censitaires historiques - donnera un tout nouvel élan aux recherches sur les populations du passé au Québec. Cette nouvelle structure de recherche intégrée permettra d’articuler à petite, moyenne et grande échelle l’étude des réseaux familiaux et de parenté à celle des stratégies économiques et résidentielles à l’échelle du Québec. Dans le cadre du projet de développement de partenariat «Nouveaux regards sur l’occupation du continent nord-américain par la population canadienne-française, 1760-1914», le premier jumelage automatisé des données des recensements historiques des États-Unis au fichier BALSAC a été entamé. Tenant compte des défis que représente une telle entreprise, notamment à cause des altérations et traductions des patronymes dans les recensements, de la difficulté à y identifier les Canadiens français avant 1890 et de l’absence complète d’information concernant la religion, deux tests de jumelage ont été réalisés à partir des populations canadiennes-françaises recensées en 1880 et en 1910 à Manchester (NH). L’objectif de cette communication est de présenter la méthode et les résultats du jumelage ainsi que les perspectives de recherche novatrices qu’offrent ces données, notamment dans le contexte de renouvellement des études portant sur les migrations canadiennes-françaises aux États-Unis.

En raison de leur transmission intergénérationnelle, les noms de familles, ou patronymes,  sont fréquemment utilisés en démographie historique, en anthropologie évolutive et en génétique des populations. D’un point de vue historique, les noms de famille fournissent aussi des indications sur les origines ancestrales d’une population. Étant transmis de père en fils cependant, ils ne révèlent rien sur les origines maternelles des individus. À l’aide de données généalogiques, il est possible d’étudier autant les lignées maternelles que paternelles. L’identification des ancêtres fondatrices des lignées maternelles permet aussi de comparer leurs noms de famille avec ceux introduits par les ancêtres fondateurs, que l’on retrouve dans la population contemporaine. Une analyse de lignées maternelles et paternelles a été effectuée à partir d’un ensemble de quelque 5700 généalogies ascendantes reconstruites à l’aide des données du fichier BALSAC. Ces données concernent des individus recrutés entre 2009 et 2014 dans l’une ou l’autre des six Régions métropolitaines de recensement (RMR) du Québec. Une comparaison des caractéristiques des lignées maternelles et paternelles a été effectuée, comprenant notamment la contribution génétique,  les origines géographiques ainsi que les périodes de mariage des ancêtres fondateurs et fondatrices de ces lignées. Les noms de famille des fondatrices ont été plus particulièrement examinés, afin d’établir un portrait « matronymique » de chaque RMR.

CARTaGENE (CaG) est une plateforme de recherche publique constituée d’une cohorte populationnelle prospective et d’une biobanque. La cohorte regroupe 43 000 personnes de 40 à 69 ans provenant de six régions métropolitaines pour lesquels des informations détaillées sur la santé, les maladies, les médicaments et les habitudes de vie sont recueillies. Les participants sont suivis à long terme via le portail web et les données médico-administratives. La biobanque renferme de nombreux échantillons biologiques permettant de générer des données génétiques. Près de 8000 participants sont déjà génotypés et des efforts sont déployés pour génotyper toute la cohorte.

Lors de leur participation initiale à CaG, les participants avaient l’option de remplir les questionnaires de BALSAC. Au total, presque 9000 participants ont transmis des informations concernant leur généalogie. La complémentarité des données collectées (santé, génétique, généalogie) font du partenariat entre BALSAC et CaG une ressource inestimable. Plusieurs projets ont découlé de ce partenariat, notamment un projet portant sur les migrations et la diversité génétique. D’autres sont encore à venir. Ultimement, l’utilisation de ces ressources conjointes par les chercheurs vise à accélérer le développement des connaissances, faciliter les découvertes scientifiques en santé, et mieux guider les programmes de prévention et de promotion de la santé.

Dans le contexte de son partenariat avec le Réseau de Médecine Appliquée du Québec pour la création d’une banque de données des fréquences alléliques de la population québécoise, BALSAC mettra à la disposition des chercheurs des données généalogiques qui peuvent être exploitées conjointement avec des données génétiques. Cela apporte un grand potentiel pour accroître la capacité de recherche au Québec, mais soulève également l’enjeu de la protection de la confidentialité. Au fils des ans, le Centre de Génomique et Politiques et la Public Population Project in Genomics and Society ont développé une expertise dans le développement et l’élaboration des politiques de gouvernance et d’accès. Cette expertise est reconnue tant au niveau provincial, national, qu’international. Elle inclut l’élaboration des documents et politiques (dont les cadres de gouvernance et les politiques d’accès ou de transfert de données, ainsi que des clauses de consentement abordant notamment l’accès, la confidentialité et les risques) visant à faciliter le partage et l’accès aux données de recherche tout en protégeant les droits des participants. Qu’avons-nous identifié comme aspects à considérer pour le développement de tels documents et politiques? Qui sont les acteurs à impliquer dans le processus? Quels sont les éléments à inclure dans de telles politiques? À l’heure où BALSAC entreprend de nouveaux développements, nous proposons partager nos expériences passées et points-à-considérer pour l’avenir.

TBD

La paléogénétique s’intéresse à la reconstruction du passé par l’analyse de matériel biologique ancien. Toutefois, elle ne concerne que rarement l’identification de restes humains, qui serait pourtant utile pour la reconstruction des génomes des fondateurs du Québec. Jusqu’à la moitié du XIX^e siècle, les sépultures étaient anonymes au Québec. Nous avons développé une méthode visant à identifier des squelettes anciens en jumelant l’information génétique de Québécois contemporains à l’information généalogique contenue dans BALSAC. Nous avons obtenu des profils d’ADN mitochondrial, transmis par la mère (n=971), et du chromosome Y, transmis par le père (n=436), chez des individus du Québec moderne. Nous avons ensuite propagé cette information le long des lignées maternelles et paternelles, qui lient ces individus à leurs fondatrices et fondateurs respectivement, et assigné des profils génétiques à tous les membres de leurs lignées. À partir de l’ADN extrait de dents et d’os pétreux, nous avons obtenu les profils génétiques de six spécimens provenant du cimetière de Sainte-Marie-de-Beauce et datant du XIX^e siècle. Nous avons pu établir une courte liste de candidats répertoriés dans le registre BALSAC et pouvant correspondre à ces restes. Nous montrerons comment l’identification de restes anciens peut servir à reconstruire des génomes qui seront utiles pour l’épidémiologie, la biologie évolutive et la génétique des populations.

L’ADN mitochondrial, longtemps considéré comme neutre au plan de la sélection darwinienne, est en fait impliqué dans les maladies dégénératives, le vieillissement, ou encore les problèmes d’infertilité. Depuis quelques années, la grande diversité génétique mitochondriale et sa répartition dans les populations suscite un grand intérêt et soulève bien des questions. Notamment, en raison de sa transmission maternelle, la sélection agissant sur cette partie du génome dépend presque uniquement des conséquences des mutations sur la survie et la reproduction des femmes, tandis que des mutations délétères pour les hommes (par ex. responsables de maladies génétiques) devraient en théorie s’accumuler sans être contre-sélectionnées. Ce phénomène dit de la « malédiction maternelle » est pourtant difficile à mettre en évidence à partir de données empiriques, malgré son importance évolutive potentiellement grande. De même, l’existence de différents mécanismes compensateurs, suggérée par la théorie et la modélisation, n’a pas été quantifiée dans les populations réelles. L’exceptionnelle richesse des données BALSAC offre de grandes opportunités de recherche en cette matière. Nos résultats préliminaires montrent des effets opposés selon le sexe de certains haplotypes mitochondriaux sur la valeur sélective des individus. Les analyses en cours permettront de quantifier pour la première fois à grande échelle l’importance de ce type de « conflit génétique » pour la biodémographie des humains.

L’épilepsie est une maladie neurologique commune qui affecte environ 3% de la population. Pour environ 65% des cas, une origine génétique est suspectée. Bien que la majorité des études génétiques suggèrent un patron de transmission polygénique, certains gènes ont été associés à des formes monogéniques d’épilepsie, ne représentant qu’un à 2% des cas d’épilepsie. Les méthodes génomiques souvent employées telles que les études d’association se sont révélées inefficaces à identifier des causes possibles de la maladie. Ainsi, plus de 60% des cas demeurent inexpliqués à ce jour. Certaines études ont montré que l’utilisation de l’identité par ascendance (IBD) pouvait s’avérer utile pour identifier des gènes candidats. Ayant des données de génotypage de patients et de contrôles d’origine canadienne-française, nous avons d’autant plus de raison de croire que les méthodes utilisant l’IBD soient efficaces dans notre cas étant donné la structure de la population. Nous avons donc essayé les méthodes connues utilisant l’IBD sur nos données sans succès notable. Il nous faut par conséquent être plus inventifs et trouver des méthodes originales afin d’identifier des nouveaux gènes candidats chez nos patients à l’aide du IBD. Par ailleurs, nous aurons bientôt accès aux généalogies de ces patients grâce au fichier BALSAC et nous tenterons d’intégrer toutes les données généalogiques et génétiques afin de faire ressortir des régions génomiques potentiellement associées avec l’épilepsie.

La linguistique historique tire ses sources dans le même mouvement scientifique du 19e siècle auquel Charles Darwin a participé. En effet, la linguistique historique du 19e siècle parlait d'arbres linguistiques et de mutations sonores. Dans cette communication, je ferai d'abord un survol de deux études récentes faisant corrélation entre GDP et diversification linguistique: 1) les théories sur le point d'origine des Indo-Européens avec les arguments les plus récents provenant de la linguistique et de la GDP; 2) les corrélations entre la structure génétique de la population finlandaise et la classification linguistique de ses dialectes. Je me pencherai ensuite sur les possibilités de mener de telles recherches sur le français en Amérique du Nord afin d'éclairer les questions suivantes: 1) y a-t-il corrélation entre parlers québécois vs. acadiens et la GDP?; 2) y a-t-il corrélation entre la population de l'Est vs. l'Ouest du Québec et la GDP?; 3) y a-t-il corrélation entre les régions louisianaises comportant des traits acadiens vs. pré-acadiens et la GDP louisianaises de souche française? Cette communication se veut donc une présentation d'un programme de recherche, plutôt qu'un résumé de résultats de recherche. Pour que ce programme devienne réalité, sciences humaines et sciences naturelles d'ici doivent donc entamer une discussion de fond et des collaborations étroites afin de prendre les devants dans ce domaine émergent et prometteur.

Notions de base sur les signatures ADNmt. Les administrateurs de projet voient les résultats des clients du projet et, parfois le nom de la pionnière et sa lignée. Chaque résultat est examiné et la signature se retrouve, à la longue, dans une des catégories suivantes : Triangulations : 2 descendants ou plus ont fourni une lignée, les résultats sont cohérents; Convergences : les lignées ne sont pas validées; Signatures avec erreur : signature autre que celle d'autres clients; Aucun ancêtre identifié : aucun détail sur les ancêtres du client; Hors région : selon les informations fournies, la pionnière n'a pas de racines françaises.

Comme il s'agit de lignées maternelles, le nom de famille change à chaque génération, ce qui rend le classement difficile. Il faut donc avoir sa propre base de données de référence (ici, la Généalogie des Français d'Amérique du Nord) et pouvoir la modifier, en particulier pour distribuer les signatures ADNmt parmi les couples de la base et ainsi identifier les signatures déjà connues et celles en conflit, et aussi pour intégrer les lignées des clients et les valider. Le résultat, à la fin de janvier 2018, est le suivant : signatures de plus de 200 pionnières pour 637 clients, 1477 dossiers incomplets (parfois à vérifier manuellement) et 1398 dossiers hors-région.

Ceux qui sont familiers avec la généalogie acadienne savent à quelle point cette dernière a donné du fils à retorde aux chercheurs. Dû aux déplacements des populations lors du Grand Dérangement et à la perte de nombreux registres, la reconstitution de la composition des familles et de leurs descendants s’avère une tâche longue et pénible. On peut en dire autant des familles autochtones qui résidaient sur le territoire. Au début des années 2000, les chercheurs en généalogie acadienne à adopter un outil complémentaire qui leur facilita la tâche – soit la recherche sur l’ADN. Cette initiative, d’abord acadienne, fut ensuite adoptée par les groupes et individus qui voulaient enquêter sur leurs origines autochtones; soit les Métis, mais également les Indiens statués. Conséquemment, les données recueillies servirent à la recherche en sciences sociales, notamment les historiens. Je vous propose donc de vous présenter ma propre démarche de recherche et de vous démontrer comment ces données sur l’ADN ont pu me servir. Je vous entretiendrai également sur d’autres cas où ces recherches ont été utiles. J’aborderai ensuite la question de la fiabilité des ces données et pour finir, je vous présenterai des pistes de recherches (c'est-à-dire des cas spécifiques) où de telles données pourraient être utiles à la recherche sur le territoire québécois.

L’onomastique s’est longtemps satisfaite de sources documentaires et d’hypothèses linguistiques de nature formelle. On sait cependant depuis Skorecki et al. (1997) qu’une étroite corrélation associe la « signature » du chromosome Y au nom de famille héréditaire et patrilinéaire. Ce parallélisme entre biologie et culture révèle certaines variations du nom autrement inaccessibles à l’observation. De nouvelles conditions sociales et linguistiques ont provoqué l’adaptation de noms de famille, notamment à l’occasion des migrations. Le peuplement de la vallée laurentienne au 17^e siècle l’illustre abondamment. La recherche par ADNy parvient en revanche à dégager un invariant biologique qui peut éclairer l’évolution patronymique. Les banques de données dégagent ainsi des filiations dont les archives n’ont pas conservé la trace.

La généalogie du nom MIVILLE présente une illustration méthodologique ainsi que des résultats concluants. Pierre MIVILLE (ca 1602-1669) est un pionnier de la vallée laurentienne qui compte parmi les plus importants par sa contribution génétique. La collaboration de chercheurs indépendants a permis de faire la lumière sur les origines longtemps présumées de ce pionnier, jamais documentées en Suisse. La linguistique avait déjà établi la parenté des variations fribourgeoises MIVILLE et MIVELAZ. L’analyse des signatures ADNy inférées de chaque souche a validé la parenté ancienne de ces deux noms et prouvé par ADN l’origine suisse de la famille Miville d’Amérique.