À l'ère de la biologie computationnelle, l'annotation fonctionnelle reste un défi central. Les méthodes d’annotation récentes reposent sur l’hypothèse d’association par culpabilité et s’appuient sur l’intégration de données pour la recherche de partenaires fonctionnels. Cependant, la majorité de ces méthodes souffrent de l’hétérogénéité des données et du manque de spécificité du contexte biologique ce qui expliquerait un taux élevé de faux positifs parmi les prédictions. Ce travail de thèse développe une approche intégrative de données moléculaires contrôlant leur hétérogénéité pour annoter des gènes d’Arabidopsis thaliana impliqués dans la réponse aux stress. Les contributions majeures de cette thèse sont: (1) l'annotation fonctionnelle de groupes de gènes coexprimés par l'intégration de données omiques (2) la construction d'un réseau de corégulation par une analyse transversale des groupes coexprimés qui renforce les liens fonctionnels entre les gènes. (3) le développement d’une méthode d’apprentissage supervisé pour l’inférence de fonction centrée sur les termes de la GO Slim en contrôlant le FDR. En identifiant une règle de décision par terme, cette méthode a permis de prédire la fonction de 47 gènes partiellement annotés ou orphelins. / In the era of computational biology, functional annotation remains a major challenge. Recent annotation methods are based on the guilt by association assumption and rely on data integration to identify functional partners. However, most of these methods suffer from data heterogeneity and a lack of biological context specificity which would probably explain the high rate of false positives among predictions. This thesis develops an approach of molecular data integration controlling their heterogeneity in order to annotate Arabidopsis thaliana genes involved in stress response. The major contributions of this thesis are: (1) functional annotation of groups of co-expressed genes by omics data integration (2) the construction of a coregulatory gene network through a cross-analysis of the coexpressed groups strengthening the functional links between genes (3) the development of a supervised learning method for the inference of gene function centered on the GO Slim terms with a control of the FDR. By identifying a decision rule by term, this method was used to predict the function of 47 orphan or partially annotated genes.

Pendant plusieurs décennies, la communauté scientifique a supposé que pratiquement tous les gènes émergeaient par la duplication et la divergence de gènes préexistants. Récemment, les scientifiques ont découvert un nouveau mécanisme d'émergence des gènes, l'évolution de novo. Les gènes de novo émergent de séquences non codantes du génome et pourraient ainsi acquérir de nouvelles fonctions, à condition que leurs effets initiaux sur la valeur adaptative ne soient pas délétères. L'objectif de cette étude est d'identifier les propriétés structurales des gènes de novo qui ont un impact sur leur émergence. Nous nous intéressons aux très jeunes gènes de novo apparus au cours des 200 000 dernières années en utilisant des levures bourgeonnantes sauvages comme espèces modèles. Pour évaluer l'impact des gènes de novo sur la valeur adaptative, nous avons effectué un test de compétition de masse et une analyse de croissance différentielle avec des souches exprimant artificiellement 396 gènes de novo insérés sur un plasmide dans la levure bourgeonnante. Nous avons également analysé les propriétés structurales de ces séquences. Nous avons constaté que les gènes plus longs ont plus d'impact sur le taux de croissance. Nous avons également observé que les gènes de novo ayant un effet délétère ont tendance à être moins intrinsèquement désordonnés et ont un plus grand potentiel de formation d'agrégats. Enfin, nous avons découvert que les gènes de novo ayant un effet positif sur la valeur adaptative ont une propension plus élevée pour les domaines transmembranaires. Nous concluons qu'il existe une variation substantielle dans les propriétés structurelles des protéines codées par les gènes de novo et, par leur effet sur la valeur adaptative, ces propriétés pourraient déterminer quels gènes sont les plus susceptibles d'être maintenus sur une longue période et ainsi contribuer à la diversité du protéome. / For several decades, the scientific community assumed that virtually all genes emerged through the duplication and divergence of pre-existing genes. Recently, scientists have discovered a new mechanism of gene emergence, de novo evolution. De novo genes emerge from non-coding sequences of the genome and could thus acquire novel functions, provided their initial effects on fitness are not deleterious. The objective of this study is to identify structural properties of de novo genes that have an impact on their emergence. We are interested in very young de novo genes that appeared in the last 200 thousand years using wild budding yeasts as model species. To assess the impact of de novo genes on fitness, we performed a bulk competition assay and differential growth analysis with strains overexpressing 396 de novo genes inserted on a plasmid in budding yeast. We also analyzed the structural properties of these sequences. We found that longer genes have more impact on fitness. We also observed that de novo genes with a deleterious effect tend to be less intrinsically disordered and are predicted to have a greater potential to form aggregates. Finally, we discovered that de novo genes with a positive effect on fitness have a higher propensity for transmembrane domains. We conclude that there is substantial variation in the structural properties of the proteins encoded by de novo genes and, through their effect on fitness, these properties could determine which genes are more likely to be maintained and thus contribute to proteome diversity.

Nous essayons de trouver de nouvelles interactions géniques pouvant donner une résistance ou une susceptibilité pour développer la schizophrénie. Nous avons donc fait l’enrichissement de voies en utilisant GSEA et Biofilter. Nous avons ensuite cherché de nouvelles interactions avec la méthode JE et la régression logistique parmi les paires de gènes identifiées. De plus, nous avons obtenu plus de résultats statistiquement significatifs qu’une sélection se basant sur les valeurs d’association marginale. Par ailleurs, les résultats pointent certains candidats intéressants comme le gène NRXN1 qui code pour une protéine d’adhésion cellulaire du système nerveux et qui aurait une interaction causant une susceptibilité avec le gène ROBO1, un gène impliqué dans la guidance des axones, et une autre avec le gène CDH13, un gène jouant le rôle de régulateur négatif dans la croissance des axones. Ces trois gènes sont déjà liés à la schizophrénie dans la littérature et pourraient servir de biomarqueurs.

Les bactéries jouent un rôle majeur dans la mobilité de l’arsenic (As) dans l’environnement. L’objectif de cette thèse était d’identifier les acteurs bactériens clés de la biotransformation de l’As pouvant être utilisés comme bioindicateurs du devenir de l’As dans les sites pollués. De nouveaux outils moléculaires ont été développés sur les gènes aoxB, codant la sous-unité catalytique de l’AsIII-oxydase, et validés pour analyser qualitativement et quantitativement les communautés AsIII-oxydantes. La pertinence de l’usage de ce gène comme marqueur fonctionnel a été démontrée par sa détection exclusive chez toutes les bactéries AsIII-oxydantes testées et une phylogénie AoxB cohérente et similaire à celle de l’ARNr 16S. Les approches de DGGE et de PCR en temps réel appliquées aux gènes aoxB ont permis d’évaluer rapidement et sensiblement les variations de communautés AsIII-oxydantes associées à différentes teneurs et spéciations d’As dans des eaux. La coexistence de diverses bactéries AsIII-oxydantes et AsV-réductrices a également été démontrée dans des sols industriels et agricoles. La microflore indigène est ainsi capable d’influencer la spéciation/mobilité de l’As initialement présent et/ou adsorbé sur des oxy-hydroxydes de fer selon les conditions redox du milieu. L’usage des gènes fonctionnels aoxB et arrA, marqueurs des bactéries AsIII-oxydantes et respirant l’AsV, est pertinent pour évaluer les transformations potentielles de l’As. L’effet de bactéries agissant indirectement sur la mobilité de l’As a également été révélé. La détection de ces activités bactériennes à l’aide d’outils moléculaires est prometteuse pour évaluer la mobilité de l’As dans un écosystème donné. / Bacteria can play a major role in the environmental mobility of arsenic (As). The aim of this study was to identify key bacterial players involved in the biotransformation of As and to use them as bioindicators or predictive tools of As behaviour in polluted sites. Novel molecular tools were developed based on the aoxB gene which encodes the catalytic subunit of AsIII-oxidase, and validated for use in the qualitative and quantitative analysis of the AsIII-oxidizing bacterial community. The aoxB gene was exclusively detected in all tested AsIII-oxidizing bacteria and AoxB and 16S rRNA gene phylogenies were broadly coherent, demonstrating the usefulness of the aoxB gene as a powerful functional marker. The application of DGGE and real-time PCR on aoxB genes allowed the rapid and sensitive evaluation of changes in the AsIII-oxidizing community as a function of As speciation and pollution level in surface and groundwaters. AsIII-oxidizers and AsV-reducers were found to coexist in tested soils. The crucial role of indirectly As-mobilizing bacteria was also revealed. Indigenous microflorae affected the speciation and mobility of As inherent within the environmental matrix and/or adsorbed on iron oxy-hydroxydes, according to redox conditions. The relevance of the use of aoxB and arrA genes, as functional markers of AsIII-oxidizers and AsV-reducers, respectively, to evaluate potential As transformation was demonstrated. The detection of these bacterial communities using molecular tools was shown to have great promise in the prediction of As mobility in the environment.

Pas de résumé fourni / No english summary

Pas de résumé en français / Pas de résumé en anglais

En thérapie génique, les virus adéno-associés (AAV) ont prouvé maintes fois qu’ils étaient capables de transférer un gène désiré dans différents types de tissus cibles. La plupart des humains possèdent déjà une pré-immunité existante contre les sérotypes humains d’AAV, ce qui se caractérise par une réponse robuste des anticorps contre la capside virale contenant le transgène avant qu’il n’atteigne sa cible thérapeutique. Dû à ce phénomène, les nouveaux AAV avec une faible séroprévalence sont hautement attractifs comme véhicules de transfert de gènes. Des études ont démontré que les AAV découverts, provenant du porc comme AAVpo1 ou AAVpo2, ne sont pas reconnus par la pré-immunité humaine. Ce mémoire décrit des objectifs primaires de recherche comme l’isolation de nouveaux sérotypes d’AAV provenant des fèces de porc, la production des nouveaux vecteurs viraux et la caractérisation de leur capacité de transduction in vitro. Les résultats ont démontré que les nouveaux vecteurs AAV porcins sont capables de transduire une bonne variété de cellules et de tissus. Aussi, des évidences d’échanges de génome du gène CAP entre 2 AAV ont été trouvées durant le processus de la recherche. Même si les nouveaux vecteurs AAV ont réussi à transduire des lignées cellulaires avec succès, des études plus poussées sur la bio distribution du vecteur chez les souris seront nécessaires pour vérifier la fiabilité de ces nouveaux vecteurs.

Cette thèse porte sur l'histoire évolutive des gènes de vertébrés. Deux types de phénomènes évolutifs peuvent perturber l’organisation des gènes dans les génomes eucaryotes : les modifications du contenu en gènes des génomes par duplications ou délétions de gènes, et les changements dans l’ordre des gènes par réarrangements. L’impact fonctionnel et sélectif de ces processus sur les génomes est encore mal connu.Ce travail de thèse s’articule autour de trois projets portant sur les événements de duplication et de délétion qui modifient le nombre de copies d'un gène. Nous nous sommes intéressés à ces événements à partir d’arbres phylogénétiques reconstruits à l’échelle de génomes entiers. Dans une première partie nous avons examiné le cas où ces événements seraient sous sélection négative, en étudiant les arbres de gènes ou aucune duplication ou délétion ne s'est fixée. Nous avons observé que ces gènes avaient des propriétés particulières et nous proposons des hypothèses pour les expliquer. Dans une deuxième partie nous nous sommes intéressés aux duplications de gènes et aux corrélations que l'on observe avec l'évolution des fonctions biologiques. Enfin en dernière partie nous avons étudié en détail la famille de gènes ROBO dont une des copies aurait acquis une fonction différente dans le développement du système nerveux des mammifères sous l’influence de la sélection positive. Dans leur ensemble ces résultats apportent de nouveaux éléments pour mesurer et comprendre l’impact global des contraintes ou des avantages que les duplications de gènes en particulier, et le changement du nombre de copies des gènes en général, peuvent exercer sur un génome de vertébré. / This thesis is about the evolutionary history of vertebrates genes. Two categories of evolutionary processes can disrupt the gene organization in eukaryotic genomes: changes in the content of genomes by gene duplications or gene deletions, and changes in the order of the genes by rearrangements. Functional and selective impacts of these processes on genomes are poorly understood.This thesis covers three different projects about duplication and deletion events that change the number of gene copies. We were interested in these events from phylogenetic trees reconstructed at the scale of whole genomes. In the first part we examined the case where these events would be under negative selection, by studying phylogenetic gene trees where no duplication or deletion was fixed. We found that these genes have special properties and propose hypotheses to explain them. In the second part we looked at gene duplications and correlated these events with the evolution of biological functions. Finally in the last part we have studied in detail the ROBO genes family in which one copy has acquired a different function in the developing nervous system of mammals under the influence of positive selection.Taken together these results provide new elements to measure and understand the global impact of constraints or advantages that gene duplications in particular, and the change of genes copy number in general, can have on a vertebrate genome.

Les génomes des eucaryotes et des procaryotes évoluent de temps en temps par un processus complexe, impliquant entre autres, des événements évolutifs tels que les spéciations, les duplications, les transferts horizontaux, et les pertes de gènes. Nous étudions ici les méthodes de réconciliation, une technique bien connue pour inférer de tels événements et retrouver leur localisation dans l'histoire d'espèces. En effet, ces méthodes construisent une correspondance entre l'histoire d'une famille de gènes (l'arbre de gènes) et l'histoire des espèces contenant ces gènes (l'arbre d'espèces) pour expliquer leurs discordances sur la base d'événements évolutifs qu'elles infèrent et positionnent sur l'arbre de gènes et l'arbre d'espèces. Les méthodes de réconciliation sont appliquées dans plusieurs domaines tels que l'étude de l'évolution du génome; l'inférence des relations d'orthologies en évolution moléculaire; l'étude de la coévolution entre hôtes et parasites en écologie, ou encore l'étude des zones de population en biogéographie. Les trois principales contributions de cette thèse sont les suivantes : premièrement, un outil nommé SEAS est proposé pour simuler l'évolution des familles de gènes dans une phylogénie d'espèces donnée. Cela permet d'obtenir des arbres de gènes synthétiques dont la réconciliation est connue et qui permettent donc d'évaluer la précision des méthodes de réconciliation. Deuxièmement, une méthode heuristique, appelée MowgliNNI, est proposée pour corriger les arbres de gènes partiellement erronés au regard des réconciliations. Cette méthode itérative réarrange les branches faiblement supportées pour rechercher une nouvelle topologie de l'arbre de gènes, dont le coût de réconciliation est moindre. Troisièmement, nous proposons une approche pour estimer la fiabilité des événements évolutifs prédits par les méthodes de réconciliation. Contrairement aux approches existantes qui ne considèrent qu'une des réconciliations optimales possible entre l'arbre de gènes et l'arbre d'espèces, notre approche prend en compte un ensemble de solutions optimales voire sous-optimales. En outre, nous introduisons le concept de réconciliations médianes symétriques et asymétriques qui servent d'éléments centraux pour représenter un ensemble de réconciliations. Nous présentons un algorithme pour calculer ces réconciliations médianes qui est en temps polynomial bien que l'ensemble de toutes les réconciliations optimales est potentiellement exponentiel. Des expériences ont été réalisées pour montrer l'exactitude, la signification et l'efficacité de nos méthodes proposées. / The genomes of eukaryotes and prokaryotes evolve over time through a complex process involving, among other things, evolutionary events such as speciations, duplications, horizontal transfers, and losses of genes. We study here reconciliation methods, a well-known technique for recovering such events as well as locating them along the species history. Indeed, reconciliation methods construct a mapping between a gene family history (a gene tree) and a species history (a species tree) to explain their incongruence thanks to the inferred evolutionary events located on both the gene and species trees. Reconciliation methods can be applied to various areas such as the study of genome evolution, the inference of orthology relationships in molecular evolution, the study of host-parasite coevolution in ecology, or the study of population areas in biogeography. The three main contributions of this thesis are as follows: First, we provide a tool, named SEAS, for simulating the evolution of gene families along a given species phylogeny. This provides synthetic gene trees along with their known reconciliations that are helpful to evaluate the accuracy of reconciliation methods. Second, we propose a heuristic method, called MowgliNNI, to correct partly erroneous gene trees based on reconciliation scores. This method iteratively rearranges the weakly supported parts of a gene tree as long as it improves the reconciliation score. Third, we propose effective solutions for estimating the reliability of the predicted evolutionary events. Unlike the currently existing approaches considering only the optimal solutions for reconciling a pair of species-gene trees, our approach additionally takes into account the nearly optimal solutions. Furthermore, we introduce the concept of symmetric and asymmetric median reconciliations, which serve as central elements to represent a set of reconciliations. We present a polynomial time algorithm computing such median reconciliations from the potentially exponential set of all optimal reconciliations for a given pair of species-gene trees. Experiments have been carried on to show the correctness, meaningfulness and effectiveness of our proposed methods.

Les répertoires de gènes sont des objets extrêmement dynamiques : Des gènes sont dupliqués et perdus, transférés d’un génome à l’autre et des nouveaux gènes sont créés. L’étude de ces processus et de leur impact sur l’évolution des répertoires de gènes est fondamentale pour notre compréhension de l’énorme diversité de la vie sur terre. J’ai reconstruit les familles des gènes homologues chez les levures du clade Lachancea et je les ai classées en trois catégories selon leur présence chez les espèces en dehors du clade en: transmises verticalement (98.2 %), transmises horizontalement (0.15 %) et spécifiques aux Lachancea (1.63 %). Ensuite, j’ai reconstruit l’évolution de chaque famille de gènes le long de l’arbre phylogénétique des Lachancea en terme de gains et de pertes depuis l’origine du clade. Mes résultats suggèrent que les réarrangements chromosomiques balancés (translocations, inversions) peuvent interrompre, au niveau de leurs points de cassure, la séquence codante des gènes, et entraîner jusqu’à 14 % des pertes de gènes observées (rupture de gène). En outre, j’ai observé des corrélations entre le taux de divergence des séquences codant pour des protéines et les taux de duplication de gènes, de translocations et d’inversions, et de rupture de gène, suggérant l’existence d’une horloge génomique qui coordonnerait ces processus. Par la suite, je me suis focalisé sur l’émergence de nouveaux gènes de novo à partir de séquences non-codantes, dont l’impact global sur les génomes n’est pas encore connu. J’ai pour cela analysé les gènes taxonomiquement restreints aux levures des clades Lachancea et Saccharomyces sensu stricto et j’ai pu identifier un ensemble de 596 gènes ayant fort probablement émergé de novo. Le taux d’émergence de novo est constant chez les levures au sein du même clade mais varie d’un ordre de grandeur entre les 2 clades (2.8 gènes/ma chez les Saccharomyces et 0.27 gènes/ma chez les Lachancea). Ces nouveaux gènes sont distribués uniformément sur les chromosomes. Ils sont le plus souvent orientés de façon divergente par rapport à leur voisin en 5’, ce qui suggère que leur transcription pourrait être initiée au niveau de promoteurs divergents, favorisant ainsi la transition d’une séquence intergénique non transcrite à une séquence codante transcrite (puis traduite). Enfin, j’ai montré que dans certains cas, seul un petit nombre de mutations permettent la création d’un gène bien adapté à son environnement génomique, en comparaison avec des gènes plus «anciens». Cela signifie que sous certaines conditions la transition d’une séquence non-codante vers une séquence codante peut être relativement rapide. Globalement, mes résultats suggèrent que l’émergence de novo est un processus évolutif non négligeable, représentant une source importante de création de nouvelles protéines. / Gene repertoires are highly dynamic : Genes are duplicated, lost, transferred from one genome toanother and new genes are formed. Studying these processes and how they shape gene repertoireevolution is fundamental to our understanding of how the enormous diversity of life on earth came to be. I reconstructed the homologous gene families of the yeasts of the Lachancea genus and categorized them based on their conservation in species outside the genus into vertically inherited (98.2%), horizontally transferred (0.15%) and taxonomically restricted (1.63%). Then, I inferred the evolution of each family along the genus’ phylogeny and identified the gene gain and loss events that occurred since the genus’ origin. I found that balanced chromosomal rearrangements may be responsible for up to 14% of gene losses by disrupting the coding sequence at their breakpoints and detected 3 cases with clear traces of the disruption at the sequence level. Additionally, I found that correlations exist between the rate of protein-coding sequence divergence and the rates of gene duplication, chromosomal inversions and translocations, and gene disruptions by balanced rearrangements, suggesting the existence of a genomic clock coordinating these processes. Next, I focused on the emergence of new genes de novo from non-coding sequences, a process whose overall impact remains a matter of debate. I thus analyzed taxonomically restricted genes in the two model yeast genera Lachancea and Saccharomyces sensu stricto and identified a robust set of 596 genes that have likely emerged de novo. I found that de novo emergence rates are constant among yeasts of the same genus but differ by an order of magnitude between the two genera with 2.8 genes/my in the Saccharomyces and 0.27 genes/my in the Lachancea. De novo genes are uniformly distributed on yeast genomes and are found divergently oriented relative to their 5’ neighbors suggesting that divergent transcription might play a role in their transition from non-transcribed intergenic sequences to transcribed (and translated) coding sequences. Moreover, through specific examples I was able to show that a few enabling mutations are sufficient for a young de novo gene to emerge already well-adapted relative to older genes, indicating that the transition from non-coding to coding can happen rapidly. Overall, my results support de novo emergence as a ubiquitous evolutionary process and a potent source of novel proteins.