Les rétrovirus endogènes sont des parasites génétiques qui s’insèrent dans l’ADN génomique. Bien que leurs insertions délétères soient éliminées par la sélection naturelle, ils prolifèrent et sont une source de plasticité génomique. L’étude de l’impact de leur mobilité sur le génome hôte est rendue difficile par le faible taux de transposition de ces éléments, réprimés par des petits ARN appelés piARNs. Nous avons développé une approche génétique permettant d’inactiver ce contrôle et de déterminer l’impact sur le génome de la drosophile, d’une transposition réplicative. Nous avons remarqué la mise en place d’autres mécanismes de répression des rétrovirus endogènes lors de la perte des piARNs pouvant ainsi limiter leur propagation. Nous avons aussi identifié de nouveaux sites d’intégrations des rétrovirus endogènes après un cycle de transposition réplicative. Cependant, le taux de transposition reste faible. Ce projet combinant différentes approches (génétique, séquençage à haut débit et bioinformatique) a permis de démontrer que la voie des piARNs n’est pas cruciale pour le maintien de l’intégrité du génome, et que d’autres mécanismes semblent intervenir afin de maintenir sa stabilité. / Endogenous retrovirsuses are genetic parasites which are inserted in the genomic DNA. Although their deleterious insertions are eliminated by natural selection, they proliferate and are a source of genomic plasticity. The study of the impact of their mobility on the host genome is made difficult by the transposition’s low rate of these elements, suppressed by a class of small RNA, called piRNA. We have developed a genetic approach to inactivate this control and determine the impact on Drosophila’s genome, after one replicative transposition. We noticed the establishment of other endogenous retroviruses repression mechanisms that are awakened after the loss of the piRNA and they are able to limit their spread. We identified new integrations sites of endogenous retrovirus after one replicative transposition. But we noticed that the transposition rate still low. This project combines different approaches (genetics, high-throughput sequencing and bioinformatics) and show the piRNA pathway is not essential to maintain genome integrity but other mechanisms involving small RNA can be implicated in the genome stability.

Les cancers bronchopulmonaires non à petites cellules (CBNPC) sont la première cause de décès par cancer, les adénocarcinomes étant la forme la plus fréquente. Malgré une prise en charge précoce, ils constituent, par leur taux de récidive important et leur mauvais pronostic, un véritable problème de santé publique. Nous nous intéressons à l'hypoxie, un facteur agressivité des ADC, et à la famille des longs ARNs non codants (lncARNs), dérégulés dans de nombreux cancers et en réponse à l'hypoxie, mais peu caractérisés sur le plan structural et fonctionnel. Ces transcrits représentent un espoir pour le développement de nouvelles thérapies. Au cours de ma thèse, j'ai identifié une dizaine de lncARNs régulés par l'hypoxie in vitro et in vivo dans des ADC de stades précoces. j'ai caractérisé NLUCAT1, un transcrit nucléaire induit par l'hypoxie. L'invalidation de ce transcrit par le système CRISPR/Cas9 a révélé une diminution de la prolifération et de l'invasion cellulaires, et une augmentation du stress oxydatif et de la sensibilité au cisplatine, traduisant un potentiel rôle pro-oncogénique de ce transcrit dans les ADC. L'analyse du transcriptome a révélé une répression des réseaux de gènes contrôlés par NRF2, HIF et NFkβ dans les cellules déficientes pour NLUCAT1. Nous avons notamment identifié des gènes de la réponse anti-oxydante régulés par NRF2 dont l'ARN interférence mime en partie les conséquences de l'inactivation de NLUCAT1 sur l'apoptose. Nos résultats démontrent que NLUCAT1 exerce des activités pro-tumorales dans les ADC et suggère qu'il pourrait représenter une cible thérapeutique potentielle dans ce type de cancer. / Non Small Cell Lung Cancer (NSCLC) is the leading cause of cancer death worldwide, with poor prognosis and a high rate of recurrence despite early surgical removal. It is therefore essential to identify new prognostic markers and new therapeutic targets. We are interested in gene regulation related to hypoxia, a factor associated with relapse of lung adenocarcinomas (LUAD). The roles of long non coding RNAs (incRNAs) in cancer development and hypoxic response are largely unexplored. A transcriptome profiling of early-stage LUAD samples indicated that a set of incRNAs was correlated to a metagene hypoxic signature. Some of these transcripts were also sensitive to hypoxia in LUAD cell lines. We focused on a new "hypoxaLinc", named NLUCAT1 that is strongly up-regulated by hypoxia in vitro and correlated to hypoxic markers and bad prognosis in LUAD samples. Full molecular charactherization of NLUCAT1 showed that LUCAT1 is mainly regulated by NF-kβ and NRF2 transcription factors. Targered deletion of NLUCAT using CRISPR/CAS9 in A549 LUAD cell line, revelated a decrase in proliferative and invasive properties, an increase in oxidative stress and a higher sensisivity to displatin-induced apoptosis. We identified genes of the NRF2-regulated and anti-oxidant response whose RNA interference partially mimicked the consequences of NLUCAT1 inactivation on ROS-dependent caspase activation. Overall, our data strongly demonstrate that NLUCAT1 exerts pro-tumoral activities in early stages hypoxic LUADs ans suggest it could represent a new potential therapeutic target in lung cancer.

L'expression des gènes est étroitement régulée par différentes régions régulatrices afin d'assurer une grande variété de types cellulaires et de fonctions. Identifier ces régions régulatrices actives, leurs caractéristiques et comprendre comment elles interagissent entre elles dans chaque type cellulaire est un enjeu majeur. Cette connaissance permettrait notamment de mieux comprendre l'impact des variants génomiques très souvent localisés dans les régions non-codantes. Par ailleurs, le développement de cancers et autres maladies est lié à des dérégulations des contrôles de l'expression des gènes. Pour pouvoir envisager des traitements ciblés et tendre vers une médecine de précision, il est important de comprendre comment toute cette machinerie est orchestrée.Plusieurs approches ont été développées pour répondre à cette question, la plupart basées sur des données expérimentales de modification d'histones, méthylation et facteurs de transcription (TFs). Cependant, ces données sont limitées à des échantillons spécifiques et ne peuvent pas être générées pour tous les régulateurs et tous les patients. Mes travaux de thèse ont porté, dans une première partie, sur la modélisation de l'expression des gènes uniquement à partir de l'information contenue dans la séquence ADN. Nous avons utilisé un modèle linéaire avec sélection de variables, équivalent en terme de performances à des méthodes non paramétriques et simple à interpréter. Ce modèle m'a permis de comparer plusieurs types de variables basées sur la séquence ADN, comme les motifs de fixation des TFs et la composition nucléotidique. Ces variables sont déterminées pour différentes régions du gène afin d'évaluer leur pouvoir régulateur et leur contribution. Les introns seuls, dont la composition nucléotidique reflète celle de l'environnement du gène, expliquent une part importante de la variation de l'expression des gènes. De plus, nous avons démontré que les domaines topologiques (TADs), dans lesquels les interactions sont favorisées, partagent une composition génomique similaire. Notre modèle de prédiction nous permet vraisemblablement de capturer, pour chaque individu, la composition des TADs actifs.Dans un second temps de mon travail, je me suis intéressée aux régulations pouvant survenir dans les introns. Le consortium international FANTOM a fourni un des atlas de sites de départ de la transcription (TSSs) les plus importants à ce jour et nous avons noté que la majorité d'entre eux sont détectés dans les régions non-codantes, notamment les introns. Nous avons donc entrepris un travail visant à explorer ces TSS introniques. Pour déterminer si ces TSSs sont fonctionnels, je me suis intéressée à la recherche de potentiels motifs régulateurs autour de ces signaux de transcription. Une fraction de ces signaux sont localisés 2 bases en aval d'une répétition de Thymidines (T). Des évidences biochimiques et génétiques suggèrent qu'au moins une partie de ces signaux correspondent à de longs ARNs non-codants sens-introniques exprimés de manière tissu-spécifique. Il semblerait également que la longueur des répétitions de Ts ait une influence sur la présence d'un signal de transcription au niveau de ces loci et, indirectement, sur l'expression du gène hôte. Ces observations offrent une possible base moléculaire à l'effet de ces courtes répétitions en tandem de T. / Genome expression is tightly controlled by different regulatory regions to provide a wide variety of cell types and functions. Identifying these regulatory regions, their characteristics and understand how they interact with each other in a tissue-specific manner is prime importance. This knowledge should help better understand the impact of genomic variants often located in non-coding regions. Besides, cancer development is invariably linked to deregulation of gene expression controls. To pave the way for targeted treatments and precision medicine, it is important to understand how all this machinery is orchestrated.To answer this question, several approaches were developed, most of them based on experimental data of histone modification, methylation and transcription factors (TFs). However, these data are limited to specific samples and cannot be generated for all the regulators and all the patients. First, my thesis research aimed at modeling gene expression based on DNA sequence only. We used a linear model with variable selection, equivalent in term of performances with non-parametric methods and easy to interpret. This model allowed me to compare several types of variables based on the DNA sequence, as TFs binding motifs and nucleotide composition. These variables are computed for various gene regions to estimate their regulatory power and contribution. Strikingly, introns, for which nucleotide composition reflects gene environment, appear to explain an important part of gene expression variation. Furthermore, we demonstrated that the topological domains (TADs), in which interactions are favored, share similar genomic compositions. Our prediction model presumably captures, for every individual, the composition of active TADs.A second aspect of my work studied the regulations occurring in introns. The international FANTOM consortium provided one of the most important transcription start sites (TSSs) atlas and we noticed that the majority of these TSSs are detected into non-coding regions, in particular introns. We thus investigated these intronic TSSs. To determine if these TSSs are functional, we searched for new potential regulatory motifs at the vicinity of these transcription signals. We found that a fraction of them is located 2 bases downstream of a repetition of Ts. Biochemical and genetic evidences suggest that at least part of these signals correspond to sense-intronic long non-coding RNAs, which are expressed in a tissue specific manner. The length of the T repetition also appears to govern the presence of a transcription signal at these loci and indirectly impact on host gene expression. These findings provide one possible molecular explanation for the effect of these short tandem repeats of Ts.

L'ARN (acide ribonucléique) est une molécule ubiquitaire qui joue plusieurs rôles fondamentaux au sein de la cellule: synthèse des protéines avec les ARN messagers, activité catalytique ou implicationdans la régulation, les ARN non-codants. Les nouvelles technologies de séquençage à haut-débit permettent de produire des milliards de séquences à moindre coût, posant de manière cruciale la question de l'analyse de ces données. L'objectif de cette thèse est de définir de nouvelles méthodes computationnelles pour aider à l'analyse de ces séquences dans le cas des ARN non-codants. Dans cette perspective, la "structure secondaire" d'un ARN, formée par l'ensemble des appariements entrebases, délivre des informations utiles pour étudier la fonction de l'ARN. Notre travail se concentre plus particulièrement sur l'ensemble des structures potentielles que peut adopter une séquence d'ARN donnée, ensemble que nous appelons "multi-structure". Nous apportons deux contributions: un algorithme pour générer systématiquement toutes les structures localement optimales composantune multi-structure, et un algorithme basé sur la recherche d'unemulti-structure pour identifier un ARN non-codant dans une séquence génomique. Ces résultats ont été mis en oeuvre dans deux logiciels, Alterna et Regliss, appliqués avec succès à des ensembles de test.

Le haricot commun est la légumineuse à graine la plus consommée au monde en alimentation humaine. Le génome du haricot possède plusieurs énormes clusters de gènes de résistance (R) qui ont la particularité de se cartographier en extrémité de groupes de liaison. Le génome du haricot commun (génotype Andin G19833) a été récemment séquencé et nous avons participé à ce projet en annotant la famille des NB-LRR (NL), classe prépondérante des gènes de résistance. Ces données génomiques nous ont permis de réaliser les 3 études suivantes. (i) L’identification des bases moléculaires de Co-x un gène R vis-à-vis d’une souche très virulente de C. lindemuthianum chez JaloEEP558 a été initiée. La cartographie fine de Co-x suivie du séquençage de la région cible chez JaloEEP558 (Co-x) a permis d’identifier un gène candidat codant une kinase atypique qui pourrait être la cible d’un effecteur fongique, gardée par un gène R. (ii) Des études récentes ont mis en évidence l’implication de petits ARNs (miRNAs induisant la production de phased siRNAs) dans la régulation de l’expression des NL. Le séquençage et l’analyse de banques de sRNAs de haricot nous ont permis d’identifier ce mécanisme et de mettre le doigt sur un nouveau mécanisme de régulation des NL impliquant des sRNAs de 24 nt. (iii) Des ADN satellites ont été étudiés à l’échelle du génome du haricot. L’étude des centromères de haricot a permis de mettre en évidence l’existence de 2 ADN satellites différents, Nazca et CentPv2. Nous avons également étudié un ADN satellite subtélomérique khipu précédemment identifié au niveau de 2 clusters de gènes R du haricot. L’étude de khipu à l’échelle du génome suggère l’existence d’échanges fréquents de séquences entre subtélomères de chromosomes non homologues. Ces résultats nous ont amenés à proposer que des éléments structuraux et une combinaison de mécanismes de régulation (TGS et PTGS) permettent la prolifération des NL sans effet néfaste pour la plante, conduisant à l’obtention de très gros clusters de NL dans le génome du haricot. / Common bean is the main source of protein for human consumption in many developing countries. Several huge disease resistance (R) gene clusters have been mapped at the end of common bean linkage groups. The common bean genome (Andean genotype G19833) has recently been sequenced. Access to the complete genome sequence of common bean allowed us to annotate the Nucleotide Binding-Leucine Rich Repeat (NL) encoding gene family, the prevalent class of disease R genes in plants, and to perform the 3 following studies: (i) We have investigated the molecular basis of Co-x, an anthracnose R gene to a highly virulent strain of C. lindemuthianum, previously identified in the Andean cultivar JaloEEP558. Fine mapping of Co-x and sequencing of the target region in JaloEEP558, allowed us to identify a candidate gene encoding an atypical kinase. We hypothesised that this atypical kinase is a fungal effector target. (ii) Several recent studies have highlighted the role of small RNA (miRNAs that triggered phased siRNAs production) in the regulating of NL gene expression. Analyses of small RNAs libraries of common bean led to the identification of this mechanism in common bean and also allowed us to propose a new NL regulation pathway involving 24 nt sRNAs. (iii) We have studied centromeric and subtelomeric satellite DNAs at common bean genome level. We have identified 2 different satellite DNAs in common bean centromeres, Nazca and CentPv2. We have also conducted the analyze of the subtelomeric satellite khipu, previously identified in common bean R clusters and confirmed that frequent sequence exchange occurs between non-homologous chromosome ends in common bean genome. Together, these results led us to propose that both structural elements and a combination of regulatory mechanisms (TGS, PTGS) allow the amplification of NL sequences without detrimental effect for the plant leading to the large NL clusters observed in common bean.