La pomme est l’un des fruits les plus consommés au monde. En utilisant les dernières technologies de séquençage (PacBio) et de cartes optiques (BioNano), nous avons généré un assemblage de novo de haute qualité du génome du pommier (Malus domestica Borkh.). Nous avons réalisé une annotation des gènes et des éléments transposables pour permettre à cet assemblage d’être utilisé en tant que génome de référence. La grande contiguité de l’assemblage a permis de détecter les éléments transposables de façon exhaustive, ce qui fournit une opportunité sans précédents d’étudier les régions non-caractérisées d’un génome d’arbre. Nous avons également trouvé que le génome du pommier est entièrement dupliqué, comme montré par les relations de synthénie entre les chromosomes. En utilisant du Whole Genome Bisulfite Sequencing (WGBS) ainsi que l’assemblage précédemment généré, nous avons montré des cartes de méthylation de l’ADN pour tout le génome et montré une corrélation générale entre la méthylation de l’ADN près des gènes et l’expression des gènes. De plus, nous avons identifié plusieurs Régions Différentiellement Méthylées (RDMs) entre les méthylomes de fruits et de feuilles du pommier, associées à des gènes candidats qui pourraient être impliqués dans des traits agronomiques importants tel que le développement du fruit. Enfin, nous avons développé un pipeline rapide, simple et complet qui prend entièrement en charge l’analyse des données WGBS, de l’alignement des reads au calcul des RDMs. / Apple is one of the most consumed fruits in the world. Using the latest sequencing (PacBio) and optical mapping (BioNano) technologies, we have generated a high-quality de novo assembly of the apple (Malus domestica Borkh.) genome. We performed a gene annotation as well as a transposable element annotation to allow this assembly to be used as a reference genome. The highcontiguity of the assembly allowed to exhaustively detect the transposable elements, which represented over half the assembly, thus providing an unprecedented opportunity to investigate the uncharacterized regions of a tree genome. We also found that the apple genome is entirely duplicated as showed by the synteny links between chromosomes. Using Whole Genome Bisulfite Sequencing (WGBS) and the previously generated assembly, we produced genome-wide DNA methylation maps and showed a general correlation between DNA methylation next to genes and gene expression. Moreover, we identified several Differentially Methylated Regions (DMRs) between apple fruits and leaf methylomes associated to candidate genes that could be involved in agronomically relevant traits such as apple fruit development. Finally, we developped a complete and easyto- use pipeline which aim is to handle the complete treatment of WGBS data, from the reads mapping to the DMRs computing. It can handle datasets having a low number of biological replicates.

La tribu d'Oleeae (Oleaceae) est un modèle biologique très intéressant pour étudier la diversification et les patterns d'évolution moléculaire chez les plantes. Les reconstitutions de l'histoire évolutive et phylogénétique des relations entre ses espèces ont été au cœur de cette thèse. Ce travail a conduit à des progrès significatifs dans la résolution des relations phylogénétiques au sein de la tribu à différents niveaux taxonomiques. Nous avons démontré que l'utilisation d'une approche de "Genome Skimming" est très appropriée pour générer plastomes complets (ptDNA) et de l'ADN ribosomal nucléaire (nrDNA), même sur un échantillon d'herbier. Nous avons montré l'utilité du ptDNA pour reconstruire la première ossature phylogénétique robuste pour la tribu, et fourni de nouvelles connaissances sur l'histoire biogéographique et sur l'évolution de certains traits. Nous avons aussi montré que l'évolution de la composition en bases du nrDNA peut être influencée par des facteurs climatiques. / The Oleeae tribe (Oleaceae) is a very interesting biological model to investigate plant diversification and molecular evolution patterns. However, a comprehensive phylogeny is missing to accurately describe the evolutionary and biogeographic history of this tribe. Reconstructions the Oleeae evolutionary history and the phylogenetic relationships between its species were the core of this thesis. This work has led to significant progress in resolving the phylogenetic relationships within the tribe at different taxonomic levels. We demonstrated that the use of a shotgun approach is a highly suitable method to generate complete plastomes (ptDNA) and nuclear ribosomal DNA (nrDNA), even on herbarium sample. We showed the usefulness of ptDNA to reconstruct highly resolved phylogeny of Oleeae and provided new insights into the biogeographic history and the evolution of some traits. We also showed that the evolution of nrDNA base-composition seems to be influenced by environmental factors.

Pour certaines espèces, les nouvelles technologies de séquençage à haut débit et les pipelines automatiques d'annotation permettent actuellement de passer du tube Eppendorf au fichier genbank en un clic de souris, ou presque. D'autres organismes, en revanche, résistent farouchement au bio-informaticien le plus acharné en leur opposant une complexité génomique confondante. Les diplonémides en font partie. Ma thèse est centrée sur la découverte de nouvelles stratégies d'encryptage de l'information génétique chez ces eucaryotes, et l'identification des processus moléculaires de décodage. Les diplonémides sont des protistes marins qui prospèrent à travers tous les océans de la planète. Ils se distinguent par une diversité d'espèces riche et inattendue. Mais la caractéristique la plus fascinante de ce groupe est leur génome mitochondrial en morceaux dont les gènes sont encryptés. Ils sont décodés au niveau ARN par trois processus: (i) l'épissage en trans, (ii) l'édition par polyuridylation à la jonction des fragments de gènes, et (iii) l'édition par substitution de A-vers-I et C-vers-T; une diversité de processus posttranscriptionnels exceptionnelle dans les mitochondries. Par des méthodes bio-informatiques, j'ai reconstitué complètement le transcriptome mitochondrial à partir de données de séquences ARN à haut débit. Nous avons ainsi découvert six nouveaux gènes dont l'un présente des isoformes par épissage alternatif en trans, 216 positions éditées par polyuridylation sur 14 gènes (jusqu'à 29 uridines par position) et 114 positions éditées par déamination de A-vers-I et C-vers-T sur sept gènes (nad4, nad7, rns, y1, y2, y3, y5). Afin d'identifier les composants de la machinerie réalisant la maturation des ARNs mitochondriaux, le génome nucléaire a été séquencé, puis je l'ai assemblé et annoté. Cette machinerie est probablement singulière et complexe car aucun signal en cis ni acteur en trans caractéristiques des machineries d'épissage connues n'a été trouvé. J'ai identifié plusieurs candidats prometteurs qui devront être validés expérimentalement: des ARN ligases, un nombre important de protéines de la famille des PPR impliquées dans l'édition des ARNs dans les organites de plantes, ainsi que plusieurs déaminases. Durant ma thèse, nous avons mis en évidence de nouveaux types de maturation posttranscriptionnelle des ARNs dans la mitochondrie des diplonémides et identifié des candidats prometteurs de la machinerie. Ces composants, capables de lier précisément des fragments d'ARN et de les éditer pourraient trouver des applications biotechnologique. Au niveau évolutif, la caractérisation de nouvelles excentricités moléculaires de ce type nous donne une idée des processus de recrutement de gènes, de leur adaptation à de nouvelles fonctions, et de la mise en place de machineries moléculaires complexes. / Thanks to new high throughput sequencing technologies and automatic annotation pipelines, proceeding from an eppendorf tube to a genbank file can be achieved in a single mouse click or so, for some species. Others, however, fiercely resist bioinformaticians with their confounding genomic complexity. Diplonemids are one of them. My thesis is centered on the discovery of new strategies for encrypting genetic information in eukaryotes, and the identification of molecular decoding processes. Diplonemids are a group of poorly studied marine protists. Unexpectedly, metagenomic studies have recently ranked this group as one of the most diverse in the oceans. Yet, their most distinctive feature is their multipartite mitochondrial genome with genes in pieces, and encryption by nucleotide deletions and substitutions. Genes are decrypted at the RNA level through three processes: (i) trans-splicing, (ii) polyuridylation at the junction of gene pieces and (iii) substitutions of A-to-I and C-to-T. Such a diverse arsenal of mitochondrial post-transcriptional processes is highly exceptional. Using a bioinformatics approach, I have reconstructed the mitochondrial transcriptome from RNA-seq libraries. We have identified six new genes including one that presents alternative trans-splicing isoforms. In total, there are 216 uridines added in 14 genes with up to 29 U insertions, and 114 positions edited by deamination (A-to-I or C-to-T) among seven genes (nad4, nad7, rns, y1, y2, y3, y5). In order to identify the machinery that processes mitochondrial RNAs, the nuclear genome has been sequenced. I have then assembled and annotated the genome. This machinery is probably unique and complex because no cis signal or trans actor typical for known splicing machineries have been found. I have identified promising protein candidates that are worth to be tested experimentally, notably RNA ligases, numerous members of the PPR family involved in plants RNA editing and deaminases. During my thesis, we have identified new types of post-transcriptional RNA processing in diplonemid mitochondria and identified new promising candidates for the machinery. A system capable of joining precisely or editing RNAs could find biotechnological applications. From an evolutionary perspective, the discovery of new molecular systems gives insight into the process of gene recruitment, adaptation to new functions and establishment of complex molecular machineries.

Le but de ce projet était de développer des méthodes d'assemblage de novo dans le but d'assembler de petits génomes, principalement bactériens, à partir de données de séquençage de nouvelle-génération. Éventuellement, ces méthodes pourraient être appliquées à l'assemblage du génome de StachEndo, une Alpha-Protéobactérie inconnue endosymbiote de l'amibe Stachyamoeba lipophora. Suite à plusieurs analyses préliminaires, il fut observé que l’utilisation de lectures Illumina avec des assembleurs par graphe DeBruijn produisait les meilleurs résultats. Ces expériences ont également montré que les contigs produits à partir de différentes tailles de k-mères étaient complémentaires pour la finition des génomes. L’ajout de longues paires de lectures chevauchantes se montra essentiel pour la finition complète des grandes répétitions génomiques. Ces méthodes permirent d'assembler le génome de StachEndo (1,7 Mb). L'annotation de ce génome permis de montrer que StachEndo possède plusieurs caractéristiques inhabituelles chez les endosymbiotes. StachEndo constitue une espèce d'intérêt pour l'étude du développement endosymbiotique. / The goal of this project was to develop de novo genome assembly methods adapted to small genomes, especially bacterial, using next-generation sequencing data. Eventually, these methods could be used to assemble the genome of StachEndo, an unknown Alpha-Proteobacteria ensymbiont of the Stachyamoeba lipophora amoeba. Preliminary findings showed that the use of Illumina reads with DeBruijn graph assemblers yielded the best results. These experiments also showed that contigs produced with k-mers of various sizes were complementary in genome finishing assays. The addition of long-range paired-end reads proved necessary to fully close genomic assembly gaps. These methods made the assembly of StachEndo’s genome (1.7 Mb) possible. Through the annotation of StachEndo’s genes, several features that are unusal for endosymbionts were identified. StachEndo seems to be an interesting species for the study of endosymbiotic evolution.

Les chauve-souris représentant un réservoir important pour de nombreux virus pathogènes pour l’homme, un ensemble d’études en évolution moléculaire converge vers l’évidence d’une forte pression de sélection au niveau de gènes impliqués dans l’immunité dans l’ordre Chiroptera. En particulier, les chauves-souris du genre Pteropus hébergent des virus de la famille Henipavirus: Nipah et Hendra. Ces virus sont responsables d'épidémies en Asie du sud-est, et bien qu'ayant un taux d'incidence bas, les maladies résultantes de l'infection ont un taux de létalité allant de 40% à 90% chez l'homme. L’infection atteint aussi la plupart des mammifères avec des symptômes clinique graves, (e.g. porc ou cheval : espèces d’intérêt agronomique). La particularité du genre Pteropus est de ne pas développer ces symptômes cliniques graves d’infection. Afin d'en identifier les bases génétiques, nous avons utilisé l'analyse de sélection positive sur l’ensemble du génome codant sans restreindre notre analyse aux gènes de l’immunité. Nous avons mis en place les outils informatiques innovants et nécessaires au déploiement de cette démarche. Ces analyses, reposent sur des séquences de références pour les génomes de différentes espèces, et en absence du génome de référence pour P. giganteus, nous l’avons préalablement séquencé et assemblé. Or, tous les gènes sous sélection ne sont pas forcément liés à notre phénotype d’intérêt mais possiblement à d’autres (e.g. capacité de vol). Nous avons mis en place un algorithme afin d’établir un lien fonctionnel potentiel entre ces gènes identifiés sous sélection positive et un phénotype d’intérêt. / Bats represent a considerable reservoir for an extensive group of human pathogenic viruses. A number of molecular evolution studies points toward the evidence of a strong selection pressure in Chiroptera immune-related genes. Notably, Pteropus bats host viruses from Henipavirus genus: Nipah and Hendra. These viruses are responsible for epidemics in South-Est Asia, and, while the incidence is low, the resulting diseases are highly lethal, ranging between 40 to 90% in humans. Most of mammals are susceptible to the infection (including pigs and horses, animals valued in agronomy), and develop severe clinical symptoms. Specificity of Pteropus genus lies in the absence of clinical symptoms following the infection. In order to identify the genetic basis of this interesting phenomenon, we applied positive selection analysis to the entire coding genome, without bounding our analysis to immune-regulating genes. We have set breakthrough computational tools, without which our analysis would not have been possible. Reference sequences from genome of several species are the groundwork for our analysis. As P. giganteus reference genome has not yet been resolved, we sequenced and assembled it. However, not all genes under positive selection are necessarily linked to a phenotype of interest, but may be linked to other phenotypes (such as the flying ability). We have thus developed an algorithm to establish a possible functional link between the genes identified under positive selection and a phenotype of interest, which allows new perspectives in phylogenomic research.

Bien que les sexes séparés (dioecie) soient plus rares que chez les animaux, ∼15 600 espèces dioiques ont évolué chez les angiospermes (∼6% de l'ensemble des espèces). La manière dont le sexe de ces plantes est contrôlé est une question centrale de la biologie végétale, mais également de l'agronomie car de nombreuses plantes cultivées sont des plantes dioiques (∼20% des espèces cultivées) mais dont un seul sexe (généralement les femelles) présente un intérêt agronomique. Pourtant, seulement trois gènes du déterminisme du sexe ont été identifiés à ce jour chez les plantes dioiques, chez le kaki, l'asperge et la fraise. La dioecie a vraisemblablement évolué plusieurs fois chez les angiospermes et il est possible que les gènes du déterminisme du sexe soient divers. Deux voies principales d'évolution vers la dioecie ont été identifiées. Les deux partent d'une espèce dont les fleurs sont hermaphrodites, le régime de reproduction ancestral chez les angiospermes, puis passent soit par un intermédiaire monoique (espèce avec des fleurs unisexuées mâles et femelles sur le même individu), soit par un intermédiaire gynodioique (espèce avec des femelles et des individus avec des fleurs hermaphrodites). Cette thèse a pour objet la comparaison de deux systèmes de plantes représentant ces deux voies. Chez Coccinia grandis, une cucurbitacée ayant également des chromosomes XY, l'évolution de la dioecie est passée par la monoecie. Chez Silene latifolia, une plante dioique bien étudiée avec des chromosomes sexuels XY, l'évolution de la dioecie s'est faite à partir de la gynodioecie. Trois gènes contrôlant la monoecie ont été identifiés chez le melon et il a été proposé que ces gènes soient les gènes du déterminisme dans les espèces dioiques proches du melon comme C. grandis. Nous avons donc opté pour une approche gène candidat dans cette espèce. Très peu de ressources génétiques et génomiques sont disponibles chez C. grandis, et nous avons choisi d'utiliser SEXDETector, une méthode probabiliste qui utilise des données RNA-seq pour génotyper des parents et leurs descendants, et qui infère les gènes lies au sexe sans génome de référence. Cette méthode m'a permis d'identifier 1 364 gènes présents sur les chromosomes sexuels de C. grandis. J'ai établi que les gènes differentiellement exprimés entre les sexes étaient plus abondants sur chromosomes sexuels que sur les autosomes. J'ai également observé des marques de la dégénérescence du chromosome Y chez cette plante, comme des diminutions d'expression ou des pertes de gènes. Enfin, mes résultats démontrent la présence de compensation de dosage chez C. grandis. Le test des gènes candidats est en cours. Chez S. latifolia, 3 grandes régions liées au déterminisme ont déjà été identifiées sur le chromosome Y. Pour identifier les gènes du déterminisme, nous avons choisi de séquencer ce chromosome. Le séquençage des chromosomes Y est encore un défi pour la génomique. La phase d'assemblage est très difficile à cause des répétitions présentes en grand nombre sur ces chromosomes. En conséquence, les séquences complètes de chromosome Y sont très rares, et principalement disponibles chez les animaux. Afin de minimiser les problèmes d'assemblage dus aux répétitions, nous avons utilisé des techniques dites de 3eme génération (avec de grandes lectures). J'ai moi-même généré des données MinION (Oxford Nanopore) à partir d'ADN de chromosome Y. L'assemblage a été réalisé en combinant des données Illumina, PacBio et MinION. Notre assemblage final fait une taille de 563 Mb pour un N50 de 6 114 pb, et contient 16 219 gènes annotés de novo / Although rarer than in animals, separate sexes (dioecy) have evolved in ∼15,600 angiosperm species (∼6% of all angiosperm species). How sex is controlled is a central question in plant sciences and also in agronomy as many crops are dioecious (∼20% of crops) with only one useful sex (usually female). Only three master sex-determining genes have been identified in dioecious plants so far, namely in persimmons, asparagus and strawberry. Dioecy likely evolved several times independently in angiosperms, suggesting that sex-determining genes are of diverse origins. Hermaphroditism is the predicted ancestral state of the angiosperm flower. Two main pathways have been identified that explain the evolution of hermaphroditism towards dioecy: either through a monoecious state (with both unisexual male and female flowers on the same individual) or a gynodioecious state (with females and individuals having hermaphroditic flowers). My aim is to compare two plant systems representing each one of these two pathways. In Coccinia grandis, a Cucurbitaceae with an XY chromosome system, dioecy evolved through monoecy. In Silene latifolia, a well-studied dioecious plant with XY sex chromosomes, dioecy evolved through gynodioecy. Three genes controlling monoecy have been identified in melon, and it was suggested that these genes act as sex-determining genes in closely related dioecious species such as C. grandis. I therefore chose a candidate gene approach in this species. Very few genetic and genomic data are available in C. grandis, and we chose to use SEX-DETector, a probabilistic method that uses RNA-seq data to genotype parents and their offspring, and infers sex-linked genes with no need for a reference genome. This method allowed me to identify 1,364 genes that are present on the sex chromosomes of C. grandis. I found that the sex chromosomes are enriched in sex-biasedgenes when compared to autosomes and I characterized Y chromosome degeneration in terms of decreased expression and gene loss. Finally, I showed that dosage compensation occurs in C. grandis. Testing for the three candidates genes is ongoing. In S. latifolia 3 regions involved in sex determination have already been identified on the Y chromosome. We chose to sequence this chromosome to identify sex-determining genes. The sequencing of Y chromosomes remains one of the greatest challenges of current genomics. The assembly step is very difficult because of their highly repeated content. Consequently, fully sequenced Y chromosomes are rare and mainly available for research in animals. To overcome the difficulty of assembling reads with many repeats, I used third generation sequencing (TGS, producing long reads). I produced a dataset using the Oxford Nanopore MinION sequencer with Y chromosome DNA. Assembling was performed using a combination of Illumina, MinION and PacBio sequencing data. The final assembly had a total length of 563 Mb with a scaffold N50 of 6,114 bp, and contained 16,219 de novo annotated genes