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.

No description available.

Os genes Hox padronizam o corpo dos vertebrados durante o desenvolvimento embrionário, e a compreensão de sua evolução pode elucidar mecanismos genéticos subjacentes à evolução morfológica. A evolução molecular dos genes Hox imprime assinaturas em regiões regulatórias, as quais potencialmente afetam sua expressão gênica, como os elementos cis-regulatórios (CREs) que ladeiam o cluster D de Hox e seus RNAs não-codificantes (ncRNAs). Essa Tese de Doutorado enfoca a evolução regulatória de genes HoxD envolvidos no estabelecimento dos eixos corpóreos axial ântero-posterior (AP) e apendiculares em linhagens de aminiotas que exibem características morfológicas homoplásticas peculiares: os squamatas serpentiformes (Capítulos I e II) e os marsupiais Diprotodontia (Capítulo III). No Capítulo I investigou-se, em serpentes e anfisbênias, se assinaturas regulatórias envolvidas no estabelecimento das morfologias serpentiformes foram impressas na Sequência Conservada B (Conserved Sequence B, CsB), um CRE centromérico de Hoxd10-13. Usando lagartos e outros tetrápodes como referência para a morfologia serpentiforme, regiões conservadas de CsB foram sequenciadas em 38 espécies de Squamata, cujos TFBS foram preditos e comparados. Ambas linhagens serpentiformes exibem assinaturas regulatórias divergentes e convergentes ausentes em lagartos; a convergência localizou-se em um segmento de CsB que concentra perda nas linhagens serpentiformes de diversos TFBS com funções no desenvolvimento de membros e a aquisição de um sítio de ligação para PBX1. Essa assinatura convergente impressa durante evoluções independentes da morfologia serpentiforme pode estar relacionada à elongação corpórea e à perda dos membros, evidenciando um papel do CsB no desenvolvimento do eixo AP. No Capítulo II, foi investigado se um CRE telomérico (CNS65) e um centromérico (Island I) de Hoxd, os quais regulam respectivamente regiões proximais e distais dos membros tetrápodes em desenvolvimento, retêm suas capacidades regulatórias em Serpentes. Expressões de gene repórter desses CREs de serpentes foram realizadas em camundongo transgênico, revelando deficiência de suas atividades regulatórias nos brotos de membro. A comparação dos TFBS preditos nesses elementos entre serpentes e outros tetrápodes revelou que TFBS relacionados ao desenvolvimento dos membros foram perdidos nas sequências das serpentes. Ainda, essa comparação indicou um elemento em CNS65 potencialmente envolvido especificamente na regulação da formação de estilopódio/zeugopódio, e três elementos na Island I exclusivamente reguladores do desenvolvimento autopodial. A perda de membros em x serpentes aparentemente imprimiu assinaturas nesses CREs de Hoxd que possivelmente contribuíram para sua degeneração funcional, putativamente indicando módulos específicos de regulação nos membros. No Capítulo III, ncRNAs do cluster D de Hox foram estudados no contexto da evolução morfológica do autopódio posterior e heterocronia entre o desenvolvimento de membros anteriores e posteriores em Macropus eugenii. Os ncRNAs mapeados sobre o cluster D de Hox foram selecionados a partir de transcritoma de membros de embriões de M. eugenii nos dias 23 (d23) e 25 (d25) de gravidez, e sua conservação, perfis transcricionais e padrões de expressão foram explorados. A comparação com sequências ortólogas de outros mamíferos revelou cinco ncRNAs conservados em mamíferos, e três aparentemente exclusivos dos marsupiais. Os perfis transcricionais de genes HOXD10-13 e dos ncRNAs do cluster D de Hox foram predominantemente equivalentes. Os padrões de expressão de XLOC46 foi similar aos dos genes HOXD terminais de camundongo e M. eugenii, enquanto que XLOC52 e XLOC53 apresentaram expressão idêntica à desses genes em M. eugenii, exceto pela baixa expressão de XLOC53 no d25. Os ncRNAs intergênicos/intrônicos aos genes HOXD9-12 possivelmente regulam a expressão de genes HOXD terminais em mamíferos, enquanto que XLOC52 e XLOC53 constituem bons candidatos para investigação relacionada à evolução dos membros de marsupiais. Esta Tese demonstra como estudos de assinaturas regulatórias na evolução de genes do desenvolvimento contribuem para o entendimento das histórias evolutivas de divergência entre linhagens e d / Hox genes pattern the vertebrate body during embryonic development, and understanding their evolution may unravel genetic mechanisms subjacent to morphological evolution. Molecular evolution of Hox genes entails signatures in regulatory regions that potentially affect gene expression, such as the cis-regulatory elements (CREs) that surround the HoxD cluster and its noncoding RNAs (ncRNAs). In this PhD Thesis, I have explored regulatory evolution of HoxD genes engaged in the development of appendicular and anterior-posterior body (AP) axes in amniotic lineages that exhibit homoplastic morphological peculiarities: snakelike squamates (Chapters I and II) and diprotodontid marsupials (Chapter III). In Chapter I, I investigated in snakes and amphisbaenians, whether equivalent regulatory signatures were registered in the Conserved Sequence B (CsB), a centromeric Hoxd10-13 CRE, during evolution of snakelike morphologies. Using lizards and other tetrapods to represent the lacertiform morphology, conserved regions within CsB were sequenced from 38 squamate species, and transcription factor binding sites (TFBS) were predicted and compared among groups. Both snakelike lineages carry divergent and convergent regulatory signatures not identified in lizards; the convergence located in one CsB segment comprised loss of limb-related TFBS and gain of a binding site for PBX1. This convergent regulatory signature registered along two independent processes of snakelike evolution may relate to body elongation and limb loss, and evidences a role of CsB for AP axis development. In Chapter II, I investigated whether a telomeric (CNS65) and a centromeric (Island I) Hoxd enhancer that regulate gene expression respectively at proximal and distal regions of developing limbs retain their regulatory capacities in Serpentes. Gene reporter expression of these CREs from snakes were performed in transgenic mice and revealed that their regulatory activities were abrogated in limb buds. Comparison of predicted TFBS in these elements between snakes and limbed tetrapods revealed limb-related TFBS apparently lost in snakes, and pointed to one potential stilopodium/zeugopodium-specific element in CNS65 and three likely autopodium-specific elements in Island I. Limb loss in snakes registered signatures in Hoxd CREs that possibly contributed for their functional impairment, putatively indicating limb-specific modules. Finally, in the chapter III, I studied ncRNAs from HoxD cluster in the context of hindlimb morphological evolution and heterochrony between fore and hindlimb development in the tammar wallaby Macropus eugenii. The ncRNAs mapped to HoxD cluster were selected from transcriptome performed using tammar embryo limbs at days 23 (d23) and 25 (d25) of viii pregnancy, and their conservation, transcriptional profiles and expression patterns were explored. Comparison with orthologous sequences in other mammals revealed five ncRNAs conserved among mammals, and three transcripts apparently exclusive to marsupials. Transcriptional profiles of HOXD10-13 and HoxD ncRNAs were mostly equivalent. XLOC46 expression patterns resembled those of mouse and tammar terminal HOXD genes, whereas XLOC52 and XLOC53 showed identical expression patterns to those genes of tammar, except for XLOC53 low expression at d25. The ncRNAs intergenic/intronic to HOXD9-12 may regulate expression of terminal HOXD genes in mammals, and XLOC52 and XLOC53 are suitable for investigation regarding limb evolution in marsupial. This PhD Thesis demonstrates how studies of evolutionary footprints in regulatory elements of developmental genes contribute for elucidating specific processes during lineages divergence as well as functional aspects of these genes during development.

No description available.

No description available.

No description available.

Il a été démontré que l’hétérotachie, variation du taux de substitutions au cours du temps et entre les sites, est un phénomène fréquent au sein de données réelles. Échouer à modéliser l’hétérotachie peut potentiellement causer des artéfacts phylogénétiques. Actuellement, plusieurs modèles traitent l’hétérotachie : le modèle à mélange des longueurs de branche (MLB) ainsi que diverses formes du modèle covarion. Dans ce projet, notre but est de trouver un modèle qui prenne efficacement en compte les signaux hétérotaches présents dans les données, et ainsi améliorer l’inférence phylogénétique. Pour parvenir à nos fins, deux études ont été réalisées. Dans la première, nous comparons le modèle MLB avec le modèle covarion et le modèle homogène grâce aux test AIC et BIC, ainsi que par validation croisée. A partir de nos résultats, nous pouvons conclure que le modèle MLB n’est pas nécessaire pour les sites dont les longueurs de branche diffèrent sur l’ensemble de l’arbre, car, dans les données réelles, le signaux hétérotaches qui interfèrent avec l’inférence phylogénétique sont généralement concentrés dans une zone limitée de l’arbre. Dans la seconde étude, nous relaxons l’hypothèse que le modèle covarion est homogène entre les sites, et développons un modèle à mélanges basé sur un processus de Dirichlet. Afin d’évaluer différents modèles hétérogènes, nous définissons plusieurs tests de non-conformité par échantillonnage postérieur prédictif pour étudier divers aspects de l’évolution moléculaire à partir de cartographies stochastiques. Ces tests montrent que le modèle à mélanges covarion utilisé avec une loi gamma est capable de refléter adéquatement les variations de substitutions tant à l’intérieur d’un site qu’entre les sites. Notre recherche permet de décrire de façon détaillée l’hétérotachie dans des données réelles et donne des pistes à suivre pour de futurs modèles hétérotaches. Les tests de non conformité par échantillonnage postérieur prédictif fournissent des outils de diagnostic pour évaluer les modèles en détails. De plus, nos deux études révèlent la non spécificité des modèles hétérogènes et, en conséquence, la présence d’interactions entre différents modèles hétérogènes. Nos études suggèrent fortement que les données contiennent différents caractères hétérogènes qui devraient être pris en compte simultanément dans les analyses phylogénétiques. / Heterotachy, substitution rate variation across sites and time, has shown to be a frequent phenomenon in the real data. Failure to model heterotachy could potentially cause phylogenetic artefacts. Currently, there are several models to handle heterotachy, the mixture branch length model (MBL) and several variant forms of the covarion model. In this project, our objective is to find a model that efficiently handles heterotachous signals in the data, and thereby improves phylogenetic inference. In order to achieve our goal, two individual studies were conducted. In the first study, we make comparisons among the MBL, covarion and homotachous models using AIC, BIC and cross validation. Based on our results, we conclude that the MBL model, in which sites have different branch lengths along the entire tree, is an over-parameterized model. Real data indicate that the heterotachous signals which interfere with phylogenetic inference are generally limited to a small area of the tree. In the second study, we relax the assumption of the homogeneity of the covarion parameters over sites, and develop a mixture covarion model using a Dirichlet process. In order to evaluate different heterogeneous models, we design several posterior predictive discrepancy tests to study different aspects of molecular evolution using stochastic mappings. The posterior predictive discrepancy tests demonstrate that the covarion mixture +Γ model is able to adequately model the substitution variation within and among sites. Our research permits a detailed view of heterotachy in real datasets and gives directions for future heterotachous models. The posterior predictive discrepancy tests provide diagnostic tools to assess models in detail. Furthermore, both of our studies reveal the non-specificity of heterogeneous models. Our studies strongly suggest that different heterogeneous features in the data should be handled simultaneously.

[Français] Une fraction importante des génomes eucaryotes est constituée de Gènes Répétés en Tandem (GRT). Un mécanisme fondamental dans l’évolution des GRT est la recombinaison inégale durant la méiose, entrainant la duplication locale (en tandem) de segments chromosomiques contenant un ou plusieurs gènes adjacents. Différents algorithmes ont été proposés pour inférer une histoire de duplication en tandem pour un cluster de GRT. Cependant, leur utilisation est limitée dans la pratique, car ils ne tiennent pas compte d’autres événements évolutifs pourtant fréquents, comme les inversions, les duplications inversées et les délétions. Cette thèse propose différentes approches algorithmiques permettant d’intégrer ces événements dans le modèle de duplication en tandem classique. Nos contributions sont les suivantes: • Intégrer les inversions dans un modèle de duplication en tandem simple (duplication d’un gène à la fois) et proposer un algorithme exact permettant de calculer le nombre minimal d’inversions s’étant produites dans l’évolution d’un cluster de GRT. • Généraliser ce modèle pour l’étude d’un ensemble de clusters orthologues dans plusieurs espèces. • Proposer un algorithme permettant d’inférer l’histoire évolutive d’un cluster de GRT en tenant compte des duplications en tandem, duplications inversées, inversions et délétions de segments chromosomiques contenant un ou plusieurs gènes adjacents. / [English] Tandemly arrayed genes (TAGs) represent an important fraction of most genomes. A fundamental mechanism at the origin of TAG clusters is unequal crossing-over during meiosis, leading to the duplication of chromosomal segments containing one or many adjacent genes. Such duplications are called tandem duplications, as the duplicated segment is placed next to the original one on the chromosome. Different algorithms have been proposed to infer the tandem duplication history of a TAG cluster. However, their applicability is limited in practice since they do not take into account other frequent evolutionary events such as inversion, inverted duplication and deletion. In this thesis, we propose different algorithmic approaches allowing to integrate these evolutionary events in the original tandem duplication model of evolution. Our contributions are summarized as follows: • We integrate inversion events in a tandem duplication model restricted to single gene duplications, and we propose an exact algorithm allowing to compute the minimum number of inversions explaining the evolution of a TAG cluster. • We generalize this model to the study of orthologous TAG clusters in different species. • We propose an algorithm allowing to infer the evolutionary history of a TAG cluster through tandem duplication, inverted duplication, inversion and deletion of chromosomal segments containing one or many adjacent genes.

Les séquences protéiques naturelles sont le résultat net de l’interaction entre les mécanismes de mutation, de sélection naturelle et de dérive stochastique au cours des temps évolutifs. Les modèles probabilistes d’évolution moléculaire qui tiennent compte de ces différents facteurs ont été substantiellement améliorés au cours des dernières années. En particulier, ont été proposés des modèles incorporant explicitement la structure des protéines et les interdépendances entre sites, ainsi que les outils statistiques pour évaluer la performance de ces modèles. Toutefois, en dépit des avancées significatives dans cette direction, seules des représentations très simplifiées de la structure protéique ont été utilisées jusqu’à présent. Dans ce contexte, le sujet général de cette thèse est la modélisation de la structure tridimensionnelle des protéines, en tenant compte des limitations pratiques imposées par l’utilisation de méthodes phylogénétiques très gourmandes en temps de calcul. Dans un premier temps, une méthode statistique générale est présentée, visant à optimiser les paramètres d’un potentiel statistique (qui est une pseudo-énergie mesurant la compatibilité séquence-structure). La forme fonctionnelle du potentiel est par la suite raffinée, en augmentant le niveau de détails dans la description structurale sans alourdir les coûts computationnels. Plusieurs éléments structuraux sont explorés : interactions entre pairs de résidus, accessibilité au solvant, conformation de la chaîne principale et flexibilité. Les potentiels sont ensuite inclus dans un modèle d’évolution et leur performance est évaluée en termes d’ajustement statistique à des données réelles, et contrastée avec des modèles d’évolution standards. Finalement, le nouveau modèle structurellement contraint ainsi obtenu est utilisé pour mieux comprendre les relations entre niveau d’expression des gènes et sélection et conservation de leur séquence protéique. / Protein sequences are the net result of the interplay of mutation, natural selection and stochastic variation. Probabilistic models of molecular evolution accounting for these processes have been substantially improved over the last years. In particular, models that explicitly incorporate protein structure and site interdependencies have recently been developed, as well as statistical tools for assessing their performance. Despite major advances in this direction, only simple representations of protein structure have been used so far. In this context, the main theme of this dissertation has been the modeling of three-dimensional protein structure for evolutionary studies, taking into account the limitations imposed by computationally demanding phylogenetic methods. First, a general statistical framework for optimizing the parameters of a statistical potential (an energy-like scoring system for sequence-structure compatibility) is presented. The functional form of the potential is then refined, increasing the detail of structural description without inflating computational costs. Always at the residue-level, several structural elements are investigated: pairwise distance interactions, solvent accessibility, backbone conformation and flexibility of the residues. The potentials are then included into an evolutionary model and their performance is assessed in terms of model fit, compared to standard evolutionary models. Finally, this new structurally constrained phylogenetic model is used to better understand the selective forces behind the differences in conservation found in genes of very different expression levels.

Nous avons étudié le transcriptome de neuf échantillons d'ARN extraits de cultures primaires de cellules non tumorales de l’épithélium de surface de l’ovaire (NOSE) provenant de quatre donneuses non porteuses de mutation, deux mutées sur BRCA1 et trois sur BRCA2, ainsi que de quatre échantillons d’ARN extraits de cultures primaires de cellules tumorales de l’ovaire (TOV) provenant de trois donneuses porteuses de mutation sur BRCA1 et une sur BRCA2. Nous avons identifié, pour la première fois, les signatures moléculaires associées à la présence d’une mutation de BRCA1 et BRCA2 dans les cellules NOSEs ainsi que la signature associée à la transformation tumorale des cellules NOSEs en TOVs chez les porteuses de mutation de BRCA1. Nous avons également localisé les domaines chromosomiques comportant des gènes corégulés en association avec la présence d’une mutation de BRCA1 dans les cellules NOSEs. Les allèles sauvage et muté de BRCA2 étaient exprimés dans les cellules TOVs provenant des porteuses de la mutation 8765delAG sur BRCA2. Nous avons observé que le niveau d’expression des transcrits de BRCA2 était plus élevé dans les cellules provenant des tumeurs ovariennes les plus agressives chez les femmes porteuses de la mutation 8765delAG sur BRCA2, les transcrits correspondants à l’allèle muté contribuant avec un pourcentage élevé du niveau d’expression total du gène. Le phénotype tumoral observé chez les Canadiennes Françaises porteuses de cette mutation pourrait résulter d’un effet de dosage de l’allèle muté. / We analyzed the transcriptome of nine primary cultures of non-tumor ovarian surface epithelium cells (NOSE) from four non-carriers, two BRCA1 and three BRCA2 carriers, and four primary cultures of tumor ovarian cells (TOV) from three BRCA1 and one BRCA2 carriers. We identified the first molecular signatures associated with the presence of BRCA1 and BRCA2 mutations in NOSEs and the first molecular signature associated with the transformation from NOSEs to TOVs in French Canadian women carriers of BRCA1 mutation. Moreover, we localized some co-regulated chromosomal domains associated with the presence of a BRCA1 mutation in NOSE cells. Wild-type and mutated BRCA2 allelic transcripts were expressed in tumor cells from 8765delAG BRCA2 mutation carriers, with the highest level of BRCA2 transcript expression and the highest contribution of the mutated allele in cells originating from the most aggressive ovarian tumors. The observed phenotype in BRCA2-mutated cells as well as the aggressiveness of the tumor could result from a dosage effect of the BRCA2 mutated allele.