Titre de l'écran-titre (visionné le 15 mai 2023) / Les variations structurales (SV, de l'anglais structural variation) sont des variations génétiques impliquant une différence de 50 nucléotides ou plus entre deux séquences d'ADN homologues. Ces variations incluent les insertions, délétions, inversions, duplications, ainsi que d'autres types de réarrangements plus complexes. Étant donné leur grande taille, plusieurs SV ont un impact fonctionnel en affectant des séquences codantes ou régulatrices. Malgré leur importance fonctionnelle et évolutive, l'étude des SV est limitée par des obstacles technologiques et informatiques importants. Par conséquent, les SV sont souvent ignorés dans les études de description de la variation génétique et lors d'études d'association pangénomiques (GWAS, de l'anglais genome-wide association study). Dans cette thèse, j'ai développé et évalué des méthodes facilitant l'étude des SV en utilisant une espèce cultivée d'importance, le soya (Glycine max), comme modèle. Dans la première étude, nous avons développé une approche bio-informatique de découverte de variations du nombre de copies (ou CNV, de l'anglais copy number variation) chez une collection de lignées mutantes irradiées de soya en utilisant le génotypage par séquençage (GBS, de l'anglais genotyping-by-sequencing). Cette approche novatrice repose sur l'identification de régions génomiques présentant une profondeur de séquençage plus faible ou élevée que la moyenne ainsi que sur un algorithme de segmentation pour déterminer les limites de telles régions. Nous avons démontré l'utilité de l'approche GBS et avons évalué en profondeur les résultats obtenus en les comparant aux données d'une puce d'hybridation comparative génomique. Comparé aux approches utilisées précédemment, le GBS est moins coûteux et permet un plus haut débit d'analyse tout en détectant la majorité des CNV. Dans la deuxième étude, nous avons combiné les technologies de séquençage Illumina et Oxford Nanopore Technologies (ONT) pour décrire les SV observés à l'échelle du génome dans une population de 102 cultivars de soya canadiens. Nous avons démontré que les SV découverts par la technologie à reads longs ONT, beaucoup plus puissante, pouvaient être génotypés avec précision au moyen de la technologie à reads courts Illumina. Cela représente une avancée méthodologique importante puisque le séquençage de reads courts est beaucoup moins cher et plus facile à effectuer que le séquençage de reads longs. Nous avons démontré la qualité du jeu de données de SV ainsi génotypé en confirmant qu'il pouvait 1) décrire avec exactitude la structure de la population et 2) reproduire des résultats déjà documentés sur l'enrichissement en SV de certaines régions du génome. Nous avons aussi utilisé ce jeu de données pour réaliser des analyses originales sur les contraintes fonctionnelles à la formation de SV et la biologie des éléments transposables chez le soya. Dans la troisième et dernière étude, nous avons utilisé les génotypes de SV ainsi que la présence/absence de k-mers dans le cadre d'analyses GWAS sur une collection internationale de plus de 360 lignées de soya. Nous avons utilisé 13 caractères qualitatifs et quantitatifs qui ont été préalablement étudiés au moyen de polymorphismes d'un seul nucléotide et pour lesquels les gènes ou les variations déterminant ces caractères sont connus dans certains cas. D'un côté, nos résultats soulignent l'impressionnante capacité de la présence/absence de k-mers à identifier directement des variations causales ou des gènes candidats. D'un autre côté, bien que les SV puissent être utiles pour l'analyse de signaux significatifs, il ne vaut probablement pas la peine d'effectuer des analyses GWAS employant des SV génotypés à l'échelle du génome. Notre étude fournit également des nouvelles méthodes bio-informatiques pour l'analyse de k-mers significatifs tout en identifiant des lacunes méthodologiques qui doivent encore être comblées. En plus de contribuer à notre compréhension de la génétique et de la biologie du soya, nous croyons que les résultats et outils bio-informatiques rapportés dans cette thèse pourront orienter l'étude des SV chez le soya et d'autres plantes cultivées. La disponibilité accrue du séquençage de reads longs, les avancées bio-informatiques en théorie des graphes de variation, ainsi que le nombre croissant d'échantillons pour lesquels des données de reséquençage sont disponibles, représentent des développements palpitants pour l'étude des SV. Combinées avec ces avancées, nos méthodes fournissent de nouveaux outils pour mieux comprendre les SV et leur impact fonctionnel. / Structural variants (SVs) are genetic variants that imply a difference of 50 nucleotides or more between two homologous DNA sequences. These variants include insertions, deletions, inversions, duplications, as well as many other types of more complex rearrangements. Given their large size, SVs commonly impact genome function through the disruption of coding or regulatory sequences. Despite their functional importance and evolutionary relevance, the study of SVs is hindered by non-trivial technological and computational hurdles. As a consequence, SVs are often ignored in genome-wide assessments of genetic variation and in genome-wide association studies (GWAS). In this thesis, I have sought to develop and assess methods to ease the study of SVs by using a major crop, soybean (Glycine max ), as a model species. In the first study, we developed a computational method to enable the discovery of copy number variants (CNVs) in a collection of irradiated soybean mutant lines using genotyping-by-sequencing (GBS) data. This novel approach relies on the identification of genomic regions with higher or lower sequencing depth compared to average and on a segmentation algorithm to determine the boundaries of such regions. We demonstrated the usefulness of such a GBS approach and extensively benchmarked the results obtained by comparing them to array comparative genomic hybridization data. Compared to previously used methods, GBS provides lower cost and higher through put while still detecting the majority of CNVs. In the second study, we combined Illumina and Oxford Nanopore Technologies (ONT) sequencing data to provide a genome-wide assessment of SVs in a population of 102 Canadian soybean cultivars. We demonstrated that SVs discovered using the more powerful ONT long-read technology could be accurately genotyped at population scale using Illumina short-read data. This represents significant methodological progress because short-read data is comparatively much cheaper and easier to obtain. We demonstrated the quality of the SV dataset thus genotyped on the whole population by confirming that it could 1) accurately describe population structure and 2) replicate previously documented results regarding the enrichment of SVs in some genomic regions. We also used this dataset to gain novel insights into functional constraints to SV occurrence and transposable element biology in soybean. In the third and last study, we used SV genotypes and the presence/absence of k-mers to conduct GWAS on an international collection of over soybean 360 cultivars. We used 13 qualitative and quantitative traits that had been previously studied using single-nucleotide polymorphism (SNP) data and for which the genes and/or variants controlling the traits are known in some cases. On one hand, our results underline the impressive ability of k-mer presence/absence to pinpoint causal variants and candidate genes. On the other hand, while SVs may prove useful for assisting in the down stream analysis of significant signals, it might not be worth conducting GWAS using population-scale SV genotypes. Our study also provides novel computational tools for the downstream analysis of significant k-mers while identifying methodological gaps that have yet to be addressed. In addition to contributing to our understanding of soybean genetics and biology, we believe that the results and computational tools presented in this thesis will provide useful guidance for the study of SVs in soybean and other crop species. The increased availability of long-read sequencing, computational advances in variation graph theory, and the growing amount of samples for which resequencing data is available, represent exciting developments for the study of structural variation. Combined with these advances, our methods provide building blocks for enhancing our understanding of SVs and their functional impacts.

Les changements des niveaux d'expression au cours de l'évolution sont d'une grande importance biologique et sont notamment influencés par des évènements récurrents de duplication de gènes. Ce projet de maîtrise visait donc à caractériser et à expliquer la divergence d'expression à l'intérieur des paires de paralogues de la levure Saccharomyces cerevisiae, qui en possède des centaines. Étant donné que l'abondance d'une protéine reflète l'effet combiné de la transcription et de la traduction, nous nous sommes intéressés à l'évolution de l'efficacité de ces deux processus. L'analyse d'un ensemble de données publié a révélé une prédominance de la divergence transcriptionnelle chez les gènes dupliqués. De tels patrons d'évolution pourraient être dus à l'effet de la sélection, ou encore à un biais dans l'apparition des mutations. Nous avons donc considéré deux causes potentielles : un compromis évolutif récemment décrit entre le coût et la précision de l'expression ainsi qu'une plus grande fréquence - ou de plus grands effets - des mutations agissant sur la transcription. L'évolution in silico de paires de paralogues a montré que l'un et l'autre de ces mécanismes pourraient expliquer la divergence observée. Nous avons aussi exploré l'impact potentiel d'une variété de contraintes mutationnelles, soulignant ainsi l'importance de les mesurer afin de comprendre l'évolution de l'expression génique. En mettant en évidence que les paralogues divergent principalement au niveau de la transcription, ces travaux contribuent à améliorer notre compréhension de l'évolution de l'expression génique et du rôle qu'y jouent les duplications de gènes, tout en identifiant plusieurs directions futures de recherche. / Expression level changes throughout evolution are of great biological significance and for instance occur through recurrent gene duplication events. This project's objective was thus to characterize and explain the expression divergence within the paralog pairs of the yeast Saccharomyces cerevisiae. As the cellular abundance of a protein is influenced by both transcription and translation, we studied these two processes. The analysis of a published set of transcription and translation efficiencies first revealed that the divergence of yeast duplicates was mostly transcriptional. Such evolutionary patterns could either be due to selection or to a mutational bias. Accordingly, we considered two potential causes: a recently described evolutionary trade-off between the cost and the precision of expression, and a higher frequency - or larger effects - for mutations acting on transcription. The in silico evolution of paralog pairs showed that both mechanisms are consistent with the observed divergence patterns. We also explored the potential impact of a few types of mutational constraints, thus underscoring the importance of measuring them to fully understand the evolution of gene expression. By highlighting that paralogs mostly diverge in transcription, this work improves our understanding of the evolution of gene expression, especially regarding how gene duplication contributes to it, while also identifying future research directions.

L’étude de la l’adaptation de traits complexes passe par deux approches complémentaires. La première approche vise à décrire les architectures et les bases génétiques de variation naturelle adaptative. La seconde approche, vise à décrire les échelles géographiques de la variation phénotypique et les facteurs écologiques agissant comme pressions de sélection sur le trait étudié. Ces deux approches sont utilisées pour étudier la variation naturelle de traits phénologiques chez Arabidopsis thaliana.Les architectures et les bases génétiques de la variation naturelle de traits phénologiques, phénotypés dans deux environnements, ont été étudiées en tirant avantage de la combinaison ‘genome-wide association (GWA) mapping’ et cartographie de QTL. Cette combinaison a permis de mettre en évidence que les effets alléliques et l’identité des gènes liés à la variation naturelle étaient fortement dépendants de l’environnement et que les populations naturelles pourraient avoir suivi des marches adaptatives différentes. La caractérisation phénologique, écologique et génétique d’un échantillonnage hiérarchique de populations d’A. thaliana a mis en évidence que la variation des traits phénologiques était adaptative à une échelle très locale en réponse à de nombreux facteurs climatiques et édaphiques. Cette double approche génomique - écologie suggère que l’étude des marches adaptatives des populations naturelles d’A. thaliana vers des optimums phénotypiques doit passer par l’étude des architectures et des bases génétiques à différentes échelles géographiques, suivant un dispositif hiérarchisé et que l’estimation de la variation naturelle doit s’effectuer dans des conditions réalistes. / Two complementary approaches need to be considered in the study of adaptation. The first approach aims at describing the genetic architectures and the genetic bases of phenotypic variation in order to better understand the adaptive walk followed by natural populations toward a phenotypic optimum. The second approach aims to identify the environmental grain of the ecological factors acting as selective pressures in natural populations. In this work we studied the natural variation of phenological traits in Arabidopsis thaliana. We used a powerful combination of genome wide association (GWA) mapping and traditional QTL mapping to fine map the genetics of phenological traits measured under two environments. This dual mapping strategy revealed a strong environmental dependency of both allelic effect and identity of the genes underlying natural variation, but also that natural A. thaliana populations may have followed different adaptive walks. A. thaliana populations were sampled according a hierarchical geographic pattern and characterized ecologically, phenologically and genetically. This strategy revealed that phenological traits were adaptive to fine-grained environmental conditions defined by both climate and soil conditions. In the study of the adaptive walks followed by A. thaliana natural populations, this two sided approach, combining both genomics and ecology, suggests that the description of the genetic architectures and the identification of causal genes should be performed at different spatial scales, following a hierarchical geographic design, and that phenotypes must be measured in ecologically realistic conditions.

La circulation de l'information génétique humaine via internet connait un succès mondial aussi bien dans le monde scientifique que médical et qu'auprès du grand public. Dans le cas des propositions de tests génétiques directement au public par des entreprises, l'offre échappe de facto au cadre juridique national et au système de santé. Dès lors il convient tout d'abord de préciser le concept de l'information génétique et son statut, véritable enjeux juridique. Le cadre réglementaire français et européen est morcelé ce qui induit une insécurité juridique pour les acteurs impliqués. Il existe donc un véritable enjeu juridique dans la définition même de ce concept ainsi que dans la clarification et la proposition de ce statut. Le corpus juridique et normatif sera décrit et analysé afin de proposer une typologie de l'information génétique, de ses modes de production, et de ses utilisations. Puis une analyse des fondements juridiques qui justifient la spécificité de l'encadrement actuel de cette information génétique sera effectuée. La troisième étape consistera à analyser les spécificités de la disposition de l'information génétique via internet. Ce domaine est particulièrement riche d'enjeux juridiques nationaux et internationaux. Enfin des propositions critiques de cadres juridiques clôtureront la réflexion. / Le résumé en anglais n'a pas été communiqué par l'auteur.

Une étude épidémiologique a été effectuée dans la région du Saguenay Lac St-Jean à partir de 144 caryotypes d'enfants atteints de trisomie 21 répertoriés au Centre hospitalier de Chicoutimi (l'unique établissement dans la région 02 spécialisé dans l'interprétation du nombre et de la structure des chromosomes). Une étude génétique a été réalisée avec 67 enfants atteints de k trisomie 21 dont chacun a été apparié avec trois poupes témoins. La reconstruction généalogique a permis de constater que le coefficient moyen d'apparentement du groupe trisomique 21 est légèrement augmenté par rapport à celui du groupe témoin. Cette augmentation n'est pas statistiquement significative (P>0,05). Le coefficient moyen de consanguinité est plus élevé dans le groupe trisomique 21 que dans le groupe contrôle. Cependant, cette différence n'est pas statistiquement significative (P>0,05). La prévalence des enfants atteints de trisomie 21 qui sont nés de 1975 à 1990 est de 1/1 219,5. Cette prévalence n'est qu'une sous-estimation compte tenu de certains facteurs qui influencent l'exactitude des données. Cette recherche expérimentale a également permis de constater : ? Qu'il n'y a pas de localité spécifique dans la région 02 indiquant une plus grande concentration d'enfants atteints de trisomie 21. ? Que la moyenne de l'âge maternel des proposants se situe à 35,4 ans par rapport à 27,9 ans pour les trois groupes témoins, de même que la moyenne de l'âge paternel est à 37,7 ans en comparaison avec 31,1 ans pour les trois groupes témoins. ? Qu'il n'y a pas plus d'ancêtres communs chez les enfants atteints que dans les groupes témoins. ? Que chez les proposants le sexe masculin domine par rapport au sexe féminin. Ce résultat est statistiquement significatif (P< 0,05).

Le glaucome primaire à angle ouvert (POAG) est une neuropathie optique affectant environ 2 % de la population de 40 ans et plus. Les études familiales démontrent que le POAG ségrège sous un mode autosomal dominant. Plusieurs mutations du gène TIGR ont été trouvées responsables du POAG. Deux de ces mutations (Gln368Stop et Lys423Glu) ont été identifiées chez deux familles québécoises. Afin de mieux connaître la prévalence et l'origine de ces deux mutations, plusieurs cas sporadiques de glaucome ont été recrutés au Québec. À l'aide d'un test d'analyse mutationelle nous avons vérifié la présence des mutations chez ces individus. De plus, une étude de correspondance génotype/phénotype a également été réalisée pour ces deux mutations. Les résultats obtenus démontrent que les deux mutations sont peu répandues au Québec et ce, même si la mutation Gln368Stop est la plus rapportée au monde. La mutation Lys423Glu n'existerait qu'au Québec car aucun autre groupe de recherche ne l'a rapportée. La présence de cette mutation dans une seule famille nous laisse croire à l'apparition récente de celle-ci.

Ce mémoire s'inscrit à l'intérieur d'une recherche visant à identifier des marqueurs de prédisposition aux maladies affectives bipolaires. Nous avons étudié deux lignées familiales comprenant plusieurs malades. La reconstitution généalogique a montré l'existence de plusieurs ascendants communs, dont certains pourraient avoir transmis un ou des gènes de susceptibilité dans ces familles. Une analyse de liaison a consolidé les preuves de la présence d'un gène de susceptibilité pouvant obéir à un mode de ségrégation récessif sur le chromosome 12, dans les deux lignées familiales, et suggéré dans l'une d'elles l'existence d'autres gènes de susceptibilité sur différents chromosomes. Une étude comparative a révélé qu'un haplotype particulier du chromosome 12 était associé aux malades, dans trois sous-groupes d'une même famille. Ces résultats sont caractéristiques d'une maladie complexe et fortement indicateurs d'hétérogénéité génétique.

Plusieurs maladies héréditaires ont des incidences anormalement élevées dans certaines régions du Québec. L'objectif de cette étude est de vérifier la présence de différences dans l'évolution des gènes fondateurs de cinq populations du Québec: Beauce, Charlevoix, Rimouski, Saguenay et Terrebonne. À partir d'un corpus de 378 généalogies ascendantes réalisé parmi ces cinq régions, une première série de 50 (XX) simulations fut effectuée en utilisant la méthode du Gene-Dropping. Les résultats révèlent que les populations de Charlevoix et du Saguenay présentent les fondateurs ayant les meilleures probabilités d'atteindre différentes fréquences de porteurs parmi la population contemporaine. Les distributions de probabilités permettent de constater une évolution semblable des gènes fondateurs pour Charlevoix et le Saguenay mais distincte pour les autres populations, ceci étant attribuable à des comportements socio-reproducteurs différents.

En génétique des populations et en démographie historique, la mesure des intervalles entre les générations est un paramètre fréquemment utilisé. Les progrès actuels en génétique moléculaire permettent d'estimer l'âge et l'origine de certaines mutations. De tels calculs nécessitent une variable correspondant à l'écart entre 2 générations. Jusqu'à tout récemment, on utilisait, dans la majorité des cas, des valeurs théoriques de 20 ou 25 ans comme intervalles intergénérationnels. Dans cette étude sur la population mariée dans Charlevoix au cours des trois derniers siècles, la longueur moyenne des intervalles intergénérationnels a été estimée à 30 ans. De plus, la longueur moyenne des intervalles féminins (28 ans) est plus courte que celle des intervalles masculins (34 ans). Ce constat permet de supposer qu'une mutation se transmet à un rythme différent selon le type de chromosome sur lequel celle-ci est située. Enfin, l'étude de la reproduction utile a permis d'observer une variation temporelle du nombre d'enfants mariés par famille dans la région, le premier siècle étant caractérisé par une reproduction utile significativement plus importante que durant les deux siècles suivants.

La population du Saguenay-Lac-St-Jean a fait l'objet de plusieurs études en génétique des populations. Il a été démontré que quelque 2600 fondateurs arrivés en Nouvelle-France au 17e siècle expliquent 82 % du pool génique de la population régionale contemporaine. Ce mémoire vise à mieux comprendre les origines et la stratification du patrimoine génique saguenayen en étudiant ses sous-régions. Le fichier de population BALSAC a permis de reconstituer les généalogies de 300 individus et d'effectuer diverses analyses démogénétiques. La consanguinité et l'apparentement de même que les valeurs d'occurrence et de recouvrement des ancêtres sont plus élevées au Bas-Saguenay que dans les deux autres sous-régions. On note aussi, au Bas-Saguenay, une plus faible diversité des lieux d'origine des fondateurs mais une diversité patronymique équivalente à celle des autres sous-régions. Alors que le Haut-Saguenay et le Lac-St-Jean présentent plusieurs ressemblances, le Bas-Saguenay se dissocie sur plus d'un plan, y compris un apport plus important de Charlevoix au pool génétique sous-régional.