Les organismes cellulaires appartiennent à l'un des trois domaines du vivant : Archaea, Bacteria, Eucarya. Les Archaea sont des organismes unicellulaires avec un phénotype bactérien mais qui possèdent de nombreux caractères moléculaires eucaryotes. En particulier, la machinerie de réplication archéenne est une version homologue et simplifiée de celle des eucaryotes. Au cours de cette thèse, j'ai étudié la réplication de l'ADN chez les Archaea en combinant des approches in vitro et in silico.<br />Premièrement, j'ai essayé de purifier la protéine initiatrice de la réplication Cdc6/Orc1, sous une forme native, dans l'espoir de mettre au point le premier système de réplication de l'ADN in vitro chez les Archaea. Malheureusement, cette approche a été infructueuse en raison de l'instabilité et des propriétés d'agrégation de la protéine.<br />Deuxièmement, j'ai réalisé une analyse comparative du contexte génomique des gènes de réplication dans les génomes d'Archaea. Cette analyse nous a permis d'identifier une association très conservée entre des gènes de la réplication et des gènes liés au ribosome. Cette organisation suggère l'existence d'un mécanisme de couplage entre la réplication de l'ADN et la traduction. De manière remarquable, des données expérimentales obtenues chez des modèles bactériens et eucaryotes appuient cette idée. J'ai ensuite mis au point des outils expérimentaux qui permettront d'éprouver la pertinence biologique de certaines des prédictions effectuées.<br />Finalement, j'ai examiné la distribution taxonomique des gènes de la réplication dans les génomes d'Archaea afin de prédire la composition probable de la machinerie de réplication de l'ADN chez le dernier ancêtre commun des Archaea. Dans leur ensemble, les profils phylétiques des gènes de la réplication suggèrent que la machinerie ancestrale était plus complexe que celle des organismes archéens contemporains.

Cette thèse s'inscrit dans le cadre de la biologie des systèmes et porte plus particulièrement sur un problème relatif aux réseaux biologiques hétérogènes. Elle se concentre sur les relations entre le métabolisme et le contexte génomique, en utilisant une approche de fouille de graphes.Il est communément admis que des étapes enzymatiques successives impliquant des produits de gènes situés à proximité sur le chromosome traduisent un avantage évolutif du maintien de cette relation de voisinage au niveau métabolique ainsi que génomique. En conséquence, nous choisissons de nous concentrer sur la détection de réactions voisines catalysées par des produits de gènes voisins, où la notion de voisinage peut être modulée en autorisant que certaines réactions et/ou gènes soient omis. Plus spécifiquement, les motifs recherchés sont des trails de réactions (c'est-à-dire des séquences de réactions pouvant répéter des réactions, mais pas les liens entre elles) catalysées par des produits de gènes voisins. De tels motifs de voisinage sont appelés des motifs métaboliques et génomiques.De plus, on s'intéresse aux motifs de voisinage métabolique et génomique conservés, c'est-à-dire à des motifs similaires pour plusieurs espèces. Parmi les variations considérées pour un motif conservé, on considère l'absence/présence de réactions et/ou de gènes, ou leur ordre différent.Dans un premier temps, nous proposons des algorithmes et des méthodes afin d'identifier des motifs de voisinage métabolique et génomique conservés. Ces méthodes sont implémentées dans le pipeline libre CoMetGeNe (COnserved METabolic and GEnomic NEighborhoods). À l'aide de CoMetGeNe, on analyse une sélection de 50 espèces bactériennes, en utilisant des données issues de la base de connaissances KEGG.Dans un second temps, un développement de la détection de motifs conservés est exploré en prenant en compte la similarité chimique entre réactions. Il permet de mettre en évidence une classe de modules métaboliques conservés, caractérisée par le voisinage des gènes intervenants. / This thesis fits within the field of systems biology and addresses a problem related to heterogeneous biological networks. It focuses on the relationship between metabolism and genomic context through a graph mining approach.It is well-known that succeeding enzymatic steps involving products of genes in close proximity on the chromosome translate an evolutionary advantage in maintaining this neighborhood relationship at both the metabolic and genomic levels. We therefore choose to focus on the detection of neighboring reactions being catalyzed by products of neighboring genes, where the notion of neighborhood may be modulated by allowing the omission of several reactions and/or genes. More specifically, the sought motifs are trails of reactions (meaning reaction sequences in which reactions may be repeated, but not the links between them). Such neighborhood motifs are referred to as metabolic and genomic patterns.In addition, we are also interested in detecting conserved metabolic and genomic patterns, meaning similar patterns across multiple species. Among the possible variations for a conserved pattern, the presence/absence of reactions and/or genes may be considered, or the different order of reactions and/or genes.A first development proposes algorithms and methods for the identification of conserved metabolic and genomic patterns. These methods are implemented in an open-source pipeline called CoMetGeNe (COnserved METabolic and GEnomic NEighborhoods). By means of this pipeline, we analyze a data set of 50 bacterial species, using data extracted from the KEGG knowledge base.A second development explores the detection of conserved patterns by taking into account the chemical similarity between reactions. This allows for the detection of a class of conserved metabolic modules in which neighboring genes are involved.