Les puces à ADN sont des matrices qui indiquent les niveaux d’expression de milliers de gènes sous plusieurs conditions. L’analyse de ces données consiste à extraire des gènes qui ont un comportement similaire sous certaines conditions. En fait, les informations extraites sont des sous-matrices (biclusters) qui réspectent certaines contraints de cohérence. Le processus d'extraction est appelé biclustering. Dans cette thèse, nous traitons ce problème dans le contexte multiobjectif appliqué à l’analyse des données biologiques. Par conséquent, plusieurs questions liées à la modélisation des problèmes et la conception d’algorithmes ont été abordées. Tout d’abord, une description du problème est revue. En outre, une nouvelle mesure de la cohérence est proposée. En outre, deux modèles multiobjectif sont proposées afin d’extraire des biclusters de différents types. Par ailleurs, ce travail explore différentes métaheuristiques pour résoudre ces modèles . De plus, différentes hybridations entre les différentes métaheuristiques sont pris en compte. De plus, nous avons proposé une nouvelle application de biclustering, à savoir, l’analyse des données GWA. En fait, les données GWA consiste au génotype et le phénotype d’un ensemble d’individus. L’analyse de ces données consiste à trouver des associations entre des variants génétiques et les traits considérés. De ce fait, un modèle multiobjectifs pour le biclustering est proposé. En outre, un métaheuristique hybride est appliqué pour résoudre le modèle proposé. Les résultats expérimentaux, pour les deux applications, démontrent que les méthodes sont efficaces sur et permettent d'extraire des informations importantes. / Microarray data represents the expression levels of thousands of genes under several conditions. its analysis consists on discovering genes that have similar behavior across a subset of conditions. In fact, the extracted informations are submatrices (biclusters) that satisfy a coherence constraint. The process of extracting them is called biclustering. In this thesis, we deal with biclustering task applied to the analysis of biological data. Accordingly, several issues related to problem modeling and algorithms design have been addressed. First, a description of the problem and the different measures of biclusters coherence are reviewed. Furthermore, a new coherence measure allowing identification of all biclusters types with a low complexity is proposed. Additionally, two multiobjective models for biclustering problem are proposed in order to mine biclusters of different types. Besides problems modeling, this work investigates different metaheuristics to solve biclustering problem. Moreover, different hybridizations between different metaheuristics presenting different behaviors are considered. Additionally, we propose a new application of biclustering task, namely, analysis of GWA data. In fact, GWA data consists in genotype and phenotype informations of a set of individuals. Its analysis consists in finding associations between markers and the considered traits. Thus, a multiobjective model for biclustering method is proposed. Moreover, a hybrid metaheuristic is applied to solve the proposed model. Experimental results, for both applications, demonstrate that the proposed approaches are effective and are able to extract relevant informations from the considered data.

Les affections cardiovasculaires sont des pathologies complexes résultant des interconnexions d'un grand nombre de facteurs de risque. Si l'étiologie génétique de ces affections a largement été étudiée, les variants fonctionnels à l'origine de la large héritabilité génétique des facteurs de risque cardiovasculaire et les mécanismes d'interactions gène-gène-environnement masquant ou modulant l'effet de la génétique restent à élucider.Ce mémoire présente l'étude de la génétique de facteurs de risque des pathologies cardiovasculaires : les lipides, la pression artérielle, l'haptoglobine et le facteur de croissance de l'endothélium vasculaire.Nous avons réalisé des études d'association pangénomique sur 631 enfants non apparentés issus de la cohorte STANISLAS et avons répliqué nos résultats sur près de 9 000 enfants appartenant à quatre cohortes pédiatriques et 13 300 adultes provenant de trois cohortes distinctes.Nous avons ainsi pu démontrer que certaines associations génétiques mises en évidence chez l'adulte avaient un effet observable dès l'enfance et avons discuté des outils bioinformatiques, biostatistiques et méthodologiques manquants encore aujourd'hui à l'approche pangénomique ; notamment l'intérêt des approches transcriptomiques en validation.En conclusion, lors de notre thèse, nous avons eu à la fois une démarche épidémiologique et une démarche de proposition de designs intégrés permettant de mener plus avant les investigations sur l'étiologie génétique des pathologies cardiovasculaires / Complex synergies of multiple risk factors are at the origin of cardiovascular pathologies. Their genetic etiology has been extensively investigated but many questions remain on the identification of functional variants explaining the large genetic heritability of cardiovascular risk factors and gene-gene-environment interactions hiding or modulating genetics underpinning cardiovascular physiopathology.Herein we describe our study of the genetics of cardiovascular risk factors: lipids, blood pressure, haptoglobin and vascular endothelial growth factor.We performed Genome-Wide Scan Association Studies (GWAS) on a subsample of 631 unrelated children selected in the STANISLAS cohort and replicated our results in 9,000 children from four pediatric cohorts and 13,300 adults from three different cohorts.We demonstrated that genetic associations highlighted in adults were observable in childhood and addressed the tools missing in bioinformatics, biostatistics and methodologies used in GWAS approaches, notably concerning trasncriptomic validations.In summary, during our thesis, we followed an epidemiologic approach and proposed integrated designs in order to upgrade the investigations on genetic epidemiology of cardiovascular diseases

Les technologies actuelles permettent d'explorer le génome entier pour identifier des variants génétiques associés à des phénotypes particuliers, notamment de maladies. C'est le rôle de la bioinformatique de répondre à cette problématique. Dans le cadre de cette thèse, un nouvel outil logiciel a été développé qui permet de mesurer avec une bonne précision le nombre de marqueurs génétiques effectivement indépendants correspondant à un ensemble de marqueurs génotypés dans une population donnée. Cet algorithme repose sur la mesure de l'entropie de Shannon contenue au sein de ces marqueurs, ainsi que des niveaux d'information mutuelle calculés sur les paires de SNPs choisis au sein d'une fenêtre de SNPs consécutifs, dont la taille est un paramètre du programme. Il a été montré que ce nombre de marqueurs indépendants devient constant dès que la population est homogène avec une taille suffisante (N > 60 individus) et que l'on utilise une fenêtre assez grande (taille > 100 SNPs). Ce calcul peut avoir de nombreuses applications pour l'exploitation des données.Une analyse génome-entier a été réalisée sur le photo-vieillissement. Elle a porté sur 502 femmes caucasiennes pour lesquelles un grade de photo-vieillissement a été évalué selon une technologie bien établie. Les femmes ont été génotypées sur des puces Illumina OmniOne (1M SNPs), et deux gènes ont été identifiés (STXBP5L et FBX040) associés à un SNP passant le seuil de Bonferroni, dont l'implication dans le photo-vieillissement était jusqu'alors inconnue. De plus, cette association a aussi été retrouvé dans deux autres phénotypes suggérant un mécanisme moléculaire commun possible entre le relâchement cutané et les rides. On n'observe pas de réplication au niveau du critère lentigines, la troisième composante étudiée du photo-vieillissement.Ces travaux sont en cours de publication dans des revues scientifiques internationales à comité de lecture.

La drépanocytose est une maladie causée par une seule mutation dans le gène de la bêta-globine. Les complications liées à la maladie se manifestent sur le plan génétique, épigénique, transcriptionnel, et métabolique. Les approches intégratives des technologies de séquençage à haut-débit permettent de comprendre le mécanisme pathologique et de découvrir des thérapies en lien avec la maladie. Dans cette thèse, j’intègre divers jeux de données omiques et j’applique des méthodes statistiques pour élaborer de nouvelles hypothèses et analyser les données. Dans les deux premières études, je combine les résultats des études d'association pangénomique d'hémoglobine fœtale (HbF) et des globules rouges denses déshydratés (DRBC) avec l'expression génique, l'interaction chromatinienne, les bases de données relatives aux maladies et les cibles médicamenteuses sélectionnées par des experts. Cette approche intégrative a révélé trois nouveaux loci sur le chromosome 10 (BICC1), le chromosome 19 (KLF1) et le chromosome 22 (CECR2) comme régulateurs de l'HbF. Pour l’étude sur la densité de globules rouges, quatre cibles médicamenteuses (BCL6, LRRC32, KNCJ14 et LETM1) ont été identifiées comme des modulateurs potentiels de la sévérité. Dans la troisième étude, j’intégre la métabolomique à la génomique pour établir une relation causale entre la L-glutamine et les crises douleurs en utilisant la randomisation mendélienne. En outre, nous avons identifié 66 biomarqueurs pour 6 complications liées à la drépanocytose et le débit de filtration glomérulaire estimé (DFGe). Enfin, dans la dernière étude j’ai appliqué une approche de clustering aux métabolites que j’ai ensuite combiné aux données de génotype. J’ai découvert des changements métabolomiques mettant en évidence des familles de métabolites impliqués dans les dysfonctionnements rénaux et hépatiques, en plus de confirmer le rôle d'une classe d'acides gras dans la formation en faucille des globules rouges. Ce travail met en évidence l'importance des approches multi-omiques pour découvrir de nouveaux mécanismes biologiques et étudier les maladies humaines. / Sickle cell disease is a monogenic disorder caused by a point mutation in the beta-globin gene. The complications related to the disease are characterized by a broad spectrum of distinct genetic, epigenetic, transcriptional, and metabolomic states. Integrative high-throughput technologies approaches to sickle cell disease pathophysiology are crucial to understanding complications mechanisms and uncovering therapeutic interventions. In this thesis, I integrate various omics datasets and apply statistical methods to derive new hypotheses and analyze data. I combine genome-wide association studies results of fetal hemoglobin (HbF) and dehydrated dense red blood cells (DRBC) with gene expression, chromatin interaction, disease-relevant databases, and expert-curated drug targets. This integrative approach revealed three novel loci on chromosome 10 (BICC1), chromosome 19 (KLF1) and chromosome 22 (CECR2) as key modulators of HbF. For DRBC, four drug targets (BCL6, LRRC32, KNCJ14, and LETM1) were identified as potential severity modifiers. Using mendelian randomization, I integrated metabolomics with genomics in the third study to establish a potential causal relationship between L-glutamine and painful crisis. Additionally, we identified 66 biomarkers for 6 SCD-related complications and estimated glomerular filtration rate (eGFR). Finally, the last study applied a clustering framework to metabolites which I then combined with genotypes. I found specific metabolomics changes highlighting families of metabolites involved in renal and liver dysfunction and confirming the role of a class of fatty acids in red blood cell sickling. This work highlights the importance of multi-omics approaches to unearth new biology and study human diseases.

La recherche d'associations entre marqueurs moléculaires et les variations de caractères d'intérêt agronomique est un enjeu majeur du développement de la sélection assistée par marqueurs, notamment pour des espèces pérennes. La connaissance de la diversité génétique et de la structure de celle-ci est un préalable indispensable à la mise en place de telles études. Au même titre, la connaissance de l'étendue et de l'intensité du déséquilibre de liaison au sein des populations considérées est également nécessaire. Nous avons donc entrepris de confirmer et de préciser la diversité et la structure génétique de Coffea canephora Pierre afin d'évaluer les potentialités d'études d'association sur cette espèce. Nous avons posé les bases d'une caractérisation rapide des collections de ressources génétiques de cette espèce à l'aide de marqueurs microsatellites et précisé l'origine génétique d'une population jusqu'à présent non étudiée. Cette base pourra également servir au développement de futures cores-collections. L'évaluation de la structure et de l'étendue du déséquilibre de liaison à différentes échelles et au niveau de différentes populations ou groupes de diversité à l'aide de 108 marqueurs répartis sur l'ensemble du génome nous a permis de proposer des populations utilisables pour les 2 types d'approches de génétique d'associations, scan génome entier ou région candidate. Un premier essai d'étude d'association a montré les potentialités importantes de ces approches pour notre espèce. Les implications de l'importance de la diversité génétique et de sa structure ainsi que de la structure du déséquilibre de liaison au sein de nos populations pour l'amélioration sont discutées.

L'étude de l'hérédité de caractères quantitatifs est au coeur de la génétique depuis l'avènement de cette science au siècle dernier. La génétique quantitative dispose désormais d'un cadre expérimental et théorique bien établi pour étudier les facteurs génétiques sous-jacents à l'hérédité de caractères complexes, que ce soit dans un but cognitif ou pour épauler les programmes d'amélioration variétale chez les espèces d'intérêt agronomique. Généralement, l'étude du déterminisme génétique de caractères quantitatifs s'articule autour de trois étapes majeures: i) déterminer les principaux locus impliqués dans la variation observée (dénommés QTL pour (( Quantitative Trait Loci ))), ii) identifier les gènes en cause, iii) discriminer les principales formes alléliques de ces gènes et évaluer leurs effets. L'avènement des marqueurs moléculaires et de la génomique au cours des vingt dernières années a facilité la mise en oeuvre de dispositifs expérimentaux de cartographie de QTL en génétique végétale. Il est désormais possible d'avoir accès, via les bases de données publiques, à une masse importante de résultats de détection de QTL. Parallèlement, pour certaines espèces végétales, l'annotation de leurs génomes fournit une information de plus en plus riche et précise sur la structure et la fonction des gènes. L'objectif de cette thèse était double. D'une part nous avons cherché à développer une nouvelle approche de type méta-analyse pour optimiser le croisement entre les données de QTL et celles issues de la génomique, dans le but de faciliter la recherche de gènes candidats. Une fois ces derniers identifiés, l'association entre leur diversité allélique et la variation du caractère peut

Les technologies actuelles permettent d'explorer le génome entier pour identifier des variants génétiques associés à des phénotypes particuliers, notamment de maladies. C’est le rôle de la bioinformatique de répondre à cette problématique. Dans le cadre de cette thèse, un nouvel outil logiciel a été développé qui permet de mesurer avec une bonne précision le nombre de marqueurs génétiques effectivement indépendants correspondant à un ensemble de marqueurs génotypés dans une population donnée. Cet algorithme repose sur la mesure de l’entropie de Shannon contenue au sein de ces marqueurs, ainsi que des niveaux d’information mutuelle calculés sur les paires de SNPs choisis au sein d’une fenêtre de SNPs consécutifs, dont la taille est un paramètre du programme. Il a été montré que ce nombre de marqueurs indépendants devient constant dès que la population est homogène avec une taille suffisante (N > 60 individus) et que l'on utilise une fenêtre assez grande (taille > 100 SNPs). Ce calcul peut avoir de nombreuses applications pour l'exploitation des données.Une analyse génome-entier a été réalisée sur le photo-vieillissement. Elle a porté sur 502 femmes caucasiennes pour lesquelles un grade de photo-vieillissement a été évalué selon une technologie bien établie. Les femmes ont été génotypées sur des puces Illumina OmniOne (1M SNPs), et deux gènes ont été identifiés (STXBP5L et FBX040) associés à un SNP passant le seuil de Bonferroni, dont l'implication dans le photo-vieillissement était jusqu'alors inconnue. De plus, cette association a aussi été retrouvé dans deux autres phénotypes suggérant un mécanisme moléculaire commun possible entre le relâchement cutané et les rides. On n'observe pas de réplication au niveau du critère lentigines, la troisième composante étudiée du photo-vieillissement.Ces travaux sont en cours de publication dans des revues scientifiques internationales à comité de lecture. / New technologies allow the exploration of the whole genome to identify genetic variants associated with various phenotypes, in particular diseases. Bioinformatics aims at helping to answer these questions. In the context of my PhD thesis, I have first developed a new software allowing to measure with a good precision the number of really independent genetic markers present in a set of markers genotyped in a given population. This algorithm relies on the Shannon's entropy contained within these markers and on the levels of mutual information computed from the pairs of SNPs chosen in a given window of consecutive SNPs, the window size is a parameter of the program. I have shown that the number of really independent markers become stable as soon as the population is homogeneous and large enough (N > 60) and as soon as the window size is large enough (size > 100 SNPs). This computation may have several applications, in particular the diminution of the Bonferroni threshold by a factor that may reach sometimes 4, the latter having little impact in practice.I have also completed a genome-wide association study on photo-ageing. This study was performed on 502 Caucasian women characterized by their grade of photo-ageing, as measured by a well-established technology. In this study, the women were genotyped with OmniOne Illumina chips (1M SNPs), and I have identified two genes (STXBP5L et FBX040) associated with a SNP that passes the Bonferroni threshold, whose implication in photo-ageing was not suspected until now. Interestingly, this association has been highlighted with two other phenotypes which suggest a possible common molecular mechanism between sagging and wrinkling. There was no replication for the lentigin criteria, the third component studied of photo ageing.These studies are on the process to be published in international peer-reviewed scientific journals.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

La variabilité de la réponse aux médicaments entre les individus est en grande partie attribuable aux différences génétiques causées par des mutations génétiques. Ces mutations ont émergé au cours de l'évolution humaine et peuvent être neutres, bénéfiques ou délétères en termes de survie ou de succès reproductif. Bien que de nombreuses études identifient des variants génétiques associés à des phénotypes, comme la réponse aux médicaments, peu d'attention est accordée à l'origine de ces mutations ou à leur présence au sein des populations. La médecine évolutive entre alors en jeu en étudiant les origines évolutives des mutations associées à des phénotypes. Ce domaine se situe à l'intersection de la médecine et de la biologie évolutive, et il cherche à comprendre comment le corps humain est devenu ce qu'il est aujourd'hui. Cette thèse se concentrera sur l'évolution des gènes impliqués dans la réponse aux médicaments. La première partie de cette thèse se penchera sur la relation entre les gènes ADCY9 et CETP, qui sont liés à la réponse au médicament dalcetrapib visant à réduire les événements cardiovasculaires en ciblant la protéine CETP. Une mutation dans le gène ADCY9 a été précédemment identifiée comme modulant la réponse à ce médicament. Nous avons identifié plusieurs pressions de sélection dans le gène ADCY9, mais nous avons concentré nos analyses sur son interaction épistasique, c'est-à-dire non linéaire, co-évolutive avec le gène CETP. Des effets de cette interaction sur plusieurs phénotypes ont été observés, et des mécanismes potentiels sous-tendant cette pression co-évolutive et son association avec le médicament ont été identifiés. La deuxième partie de cette thèse sera la suite d'un projet portant sur l'étude des pressions de sélection sur la superfamille des cytochromes P450. Les gènes de cette superfamille sont généralement impliqués dans la détoxification de l'organisme, y compris par la métabolisation d'environ 75% des médicaments couramment prescrits. Des analyses préliminaires ont révélé des enrichissements de pression de sélection dans deux sous-familles, à savoir les CYP3A et les CYP4F. Des phénotypes potentiellement sous pressions de sélection ont été identifiés dans la sous-famille des CYP3A au sein de la population africaine. En conclusion, l'intégration de la génétique des populations avec la transcriptomique et les études d'association phénotypiques enrichit notre compréhension des liens entre les pharmacogènes au sein de diverses populations. Cette approche représente un pas de plus vers l'amélioration de la médecine de précision. / Variability in drug response between individuals is largely due to genetic differences caused by genetic mutations. These mutations have emerged in the course of human evolution and can be neutral, beneficial or deleterious in terms of survival or reproductive success. Although many studies identify genetic variants associated with phenotypes such as drug response, little attention is paid to the origin of these mutations or their presence in the population. This is where evolutionary medicine comes in, studying the evolutionary origins of mutations associated with phenotypes. This field lies at the intersection of medicine and evolutionary biology, and seeks to understand how the human body became what it is today. This thesis will focus on the evolution of genes involved in drug response. The first part of this thesis will look at the relationship between the genes ADCY9 and CETP, linked to the response to the drug dalcetrapib aimed at reducing cardiovascular events by targeting the CETP protein. A mutation in the ADCY9 gene has been previously identified as modulating the response to this drug. We identified several selection pressures in the ADCY9 gene, but focused our analyses on the co-evolutionary epistatic interactions, meaning non-linear. Effects of this interaction on several phenotypes were observed, and potential mechanisms underlying this co-evolutionary pressure and its association with the drug were identified. The second part of this thesis will follow on from a project investigating selection pressures on the cytochrome P450 superfamily. Genes in this superfamily are generally involved in the detoxification of the body, including the metabolization of around 75% of commonly prescribed drugs. Preliminary analyses have revealed selective pressure enrichments in two subfamilies, CYP3A and CYP4F. Potential phenotypes under selective pressure were identified in the CYP3A subfamily in the African population. In conclusion, the integration of population genetics with transcriptomics and phenotypic association studies enhances our understanding of the connections among pharmacogenes across diverse populations. This approach signifies another stride towards advancing precision medicine.

Je tiens à remercier les bourses des IRSC en collaboration avec le programme COPSE, les Bourses du Programme de Sciences biomédicales 2014-2015 et les Bourses d’excellence de la Faculté des études supérieures et post-doctorales Hydro-Québec (2015- 2016) pour leur contribution. / Introduction. Avec l’optimisation des traitements, le taux de guérison de la leucémie lymphoblastique aigüe (LLA) de l’enfant approche 90%. Cependant, 60% des survivants devront faire face à des complications à long-terme en lien avec les traitements. Ces patients ont un risque accru de complications cardiométaboliques telles que l’obésité, la résistance à l’insuline, la dyslipidémie et l’hypertension artérielle. Alors qu’il est reconnu que des facteurs génétiques contribuent au développement de ces complications, peu d’études ont observé l’impact de ces déterminants chez les survivants. Le but de cette étude est d’évaluer les associations entre les variantes rares et communes et le développement des complications cardiométaboliques chez les survivants de la LLA. Méthodes. La caractérisation du profil cardiométabolique et le séquençage de l’exome ont été réalisés dans une cohorte de 209 survivants de la LLA pédiatrique. Les variantes associées avec les complications cardiométaboliques ont été identifiées avec PLINK (commune) ou SKAT (rare et commune) et une régression logistique a été utilisée pour évaluer leur impact dans des modèles multivariés. Résultats. Nos analyses ont démontré que des variantes rares et communes dans les gènes BAD et FCRL3 sont associées au risque de présenter un phénotype dit extrême, soit trois facteurs de risque cardiométabolique et plus. Les variantes communes dans OGFOD3 et APOB et les variantes rares et communes dans BAD ont été associées à la dyslipidémie. Les variantes communes dans BAD et SERPINA6 ont été associées respectivement à l’obésité et la résistance à l’insuline. Conclusion. Notre étude a révélé une susceptibilité génétique au développement des complications cardiométaboliques chez les survivants de la LLA pédiatrique. Ces biomarqueurs pourront être utilisés pour la détection précoce et l’intervention chez cette population à haut risque. / Background. While cure rates for childhood acute lymphoblastic leukemia (cALL) now exceed 80%, over 60% of survivors will face treatment-related long-term sequelae, including cardiometabolic complications such as obesity, insulin resistance, dyslipidemia and hypertension. Although genetic susceptibility contributes to the development of these problems, there are very few studies that have so far addressed this issue in a cALL survivorship context. In this study, we aimed at evaluating the associations between common and rare genetic variants and long-term cardiometabolic complications in survivors of cALL. Method. We examined the cardiometabolic profile and performed whole-exome sequencing in 209 cALL survivors from the PETALE cohort. Variants associated with cardiometabolic outcomes were identified using PLINK (common) or SKAT (common and rare) and a logistic regression was used to evaluate their impact in multivariate models. Results. Our results showed that rare and common variants in the BAD and FCRL3 genes were associated (p<0.05) with an extreme cardiometabolic phenotype (3 or more cardiometabolic risk factors). Common variants in OGFOD3 and APOB as well as rare and common BAD variants were significantly (p<0.05) associated with dyslipidemia. Common BAD and SERPINA6 variants were associated (p<0.05) with obesity and insulin resistance, respectively. Conclusion. In summary, we identified genetic susceptibility loci as contributing factors to the development of late treatment-related cardiometabolic complications in cALL survivors. These biomarkers could be used as early detection strategies to identify susceptible individuals and implement appropriate measures and follow-up to prevent the development of risk factors in this high-risk population.