Implicitement, identifier des similarités entre deux génomes revient à décrire une propriété ancestrale qu'ils partagent encore de nos jours. L'abondance de données génomiques provenant de centaines d'espèces différentes rend possible de nombreuses comparaisons de ce type, mais souvent restreinte à deux espèces comparées l'une à l'autre, hors de tout cadre unifié et sans références particulières. Ce travail de thèse décrit une nouvelle méthode, appelée AGORA (Algorithms for Gene Order Reconstruction in Ancestors), pour reconstruire de manière automatique et systématique l'ordre des gènes et les caryotypes de toutes les espèces ancestrales dans une phylogénie donnée. AGORA est capable de gérer les duplications de gènes, les délétions, et les gains, et interprète de manière réaliste des phylogénies complexes de gènes. Nous avons appliqué la méthode chez 46 espèces de vertébrés séquencées et annotées (en utilisant 8 espèces supplémentaires en référence externe) pour reconstruire des ordres de gènes ancestraux dans 43 génomes ancestraux sur près de 600 millions d'années d'évolution. Les performances d'AGORA ont été mesurées par des simulations de génomes de vertébrés, et par confrontation à des génomes ancestraux déjà connus. Les données, présentées graphiquement dans un serveur web nommé Genomicus (http://www.dyogen.ens.fr/genomicus) fournissent un nouveau cadre unifié dans lequel les génomes ancestraux peuvent servir de référence naturelle auxquelles comparer les génomes modernes qui en descendent. À ce titre, ces données fournissent une nouvelle ressource pour étudier l'évolution de l'organisation de l'information génétique dans les génomes. / Biological studies rarely limit to the single-genome-analysis, and often include several species, thus encompassing an entire window of genome evolution (by the comparison of several species), and adding time and evolution as a new dimension to the study. Generally, this includes defining characters of ancestral genomes. With the lack of a wide ancestral genomes database, studies are often performed several times. Here we describe a new method, named AGORA (Algorithms for Gene Order Reconstruction in Ancestors) to automatically and systematically reconstruct gene order and karyotypes in all the ancestral species of a given phylogeny. AGORA can handle different gene content between species (duplications, gains, and loss) by using accurate gene phylogenies as input. We applied AGORA on 46 sequenced and annotated vertebrate genomes (using 8 outgroups genomes) to reconstruct ancestral gene order in 43 ancestral genomes on a 600 million years time-frame. AGORA performances were estimated using simulated datasets, and comparison with other studies. The results can be freely browsed and downloaded from a new web server, Genomicus, dedicated to the study of genome evolution, helping areas such as gene evolution, or genome rearrangements.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

La génomique comparative est une discipline de la biologie qui s'intéresse à l'évolution des génomes par le biais de la comparaison entre espèces de leur structure et de l'information qu'ils contiennent. Implicitement, identifier des similarités entre deux génomes revient à décrire une propriété ancestrale qu'ils partagent encore de nos jours. L'abondance de données génomiques provenant de centaines d'espèces différentes rend possible de nombreuses comparaisons de ce type, mais souvent restreinte à deux espèces comparées l'une à l'autre, hors de tout cadre unifié et sans références particulières. Ce travail de thèse décrit une nouvelle méthode, appelée AGORA (Algorithms for Gene Order Reconstruction in Ancestors), pour reconstruire de manière automatique et systématique l'ordre des gènes et les caryotypes de toutes les espèces ancestrales dans une phylogénie donnée. AGORA est capable de gérer les duplications de gènes, les délétions, et les gains, et interprète de manière réaliste des phylogénies complexes de gènes. Nous avons appliqué la méthode chez 46 espèces de vertébrés séquencées et annotées (en utilisant 8 espèces supplémentaires en référence externe) pour reconstruire des ordres de gènes ancestraux dans 43 génomes ancestraux sur près de 600 millions d'années d'évolution. Les performances d'AGORA ont été mesurées par des simulations de génomes de vertébrés, et par confrontation à des génomes ancestraux déjà connus. Les données, présentées graphiquement dans un serveur web nommé Genomicus (http://www.dyogen.ens.fr/genomicus) fournissent un nouveau cadre unifié dans lequel les génomes ancestraux peuvent servir de référence naturelle auxquelles comparer les génomes modernes qui en descendent. À ce titre, ces données fournissent une nouvelle ressource pour étudier l'évolution de l'organisation de l'information génétique dans les génomes.

Les années 2000 ont vu l'apparition des technologies de séquençage haut-débit permettant de faire chuter le coût en temps et argent du séquençage du génome complet et ouvrant la perspective à des analyses de la phylogénie des espèces à l'échelle de génome entiers. Dans cette optique des méthodes pour l'inférence de l'histoire évolutive de l'ordre de marqueurs génomiques le long d'un phylogénie ont été développées. Cependant, les assemblages d'une majorité des grands génomes d'eucaryotes demeurent incomplètement résolues et ne permettent donc pas, en tant que tel, leur exploitation pour la reconstruction de l'histoire évolutive de l'ordre des gènes de ces espèces. C'est dans ce contexte que nous avons développé l'algorithme adseq qui permet de conjointement reconstruire l'histoire évolutive de l'ordre de gènes en considérant la fragmentation des génomes actuels et améliorant l'assemblage de ceux-ci par génomique comparative / The early 2000s saw the emergence of high-throughput sequencing technologies that would bring down the time and cost of sequencing the entire genome and opening the perspective to whole genome-scale species phylogeny. In this perspective, methods for the inference of evolutionary history of the order of genomic markers along a phylogeny have been developed. However, assemblies of a majority of the large eukaryotic genomes remain incompletely resolved and therefore do not, as such, allow their exploitation for the reconstruction of evolutionary history of the order of the genes of these species. It is in this context that we have developed the algorithm ADseq which allows to jointly reconstruct the evolutionary history of the order of genes by considering the fragmentation of the extant genomes and improve the assembly of these by comparative genomics

L’inférence de génomes ancestraux est une étape essentielle pour l’étude de l’évolution des génomes. Connaissant les génomes d’espèces éteintes, on peut proposer des mécanismes biologiques expliquant les divergences entre les génomes des espèces modernes. Diverses méthodes visant à résoudre ce problème existent, se classant parmis deux grandes catégories : les méthodes de distance et les méthodes de synténie. L’état de l’art des distances génomiques ne permettant qu’un certain répertoire de réarrangements pour le moment, les méthodes de synténie sont donc plus appropriées en pratique. Nous proposons une méthode de synténie pour la reconstruction de génomes ancestraux basée sur une définition relaxée d’adjacences de gènes, permettant un contenu en gène inégal dans les génomes modernes causé par des pertes de gènes de même que des duplications de génomes entiers (DGE). Des simulations sont effectuées, démontrant une capacité de former une solution assemblée en un nombre réduit de régions ancestrales contigües par rapport à d’autres méthodes tout en gardant une bonne fiabilité. Des applications sur des données de levures et de plantes céréalières montrent des résultats en accord avec d’autres publications, notamment la présence de fusion imbriquée de chromosomes pendant l’évolution des céréales. / Ancestral genome inference is a decisive step for studying genome evolution. Knowing genomes from extinct species, one can propose biological mecanisms explaining divergences between extant species genomes. Various methods classified in two categories have been developped : distance based methods and synteny based methods. The state of the art of distance based methods only permit a certain repertoire of genomic rearrangements, thus synteny based methods are more appropriate in practice for the time being. We propose a synteny method for ancestral genome reconstruction based on a relaxed defenition of gene adjacencies, permitting unequal gene content in extant genomes caused by gene losses and whole genome duplications (WGD). Simulations results demonstrate our method’s ability to form a more assembled solution rather than a collection of contiguous ancestral regions (CAR) with respect to other methods, while maintaining a good reliability. Applications on data sets from yeasts and cereal species show results agreeing with other publications, notably the existence of nested chromosome fusion during the evolution of cereals.

L’inférence de génomes ancestraux est une étape essentielle pour l’étude de l’évolution des génomes. Connaissant les génomes d’espèces éteintes, on peut proposer des mécanismes biologiques expliquant les divergences entre les génomes des espèces modernes. Diverses méthodes visant à résoudre ce problème existent, se classant parmis deux grandes catégories : les méthodes de distance et les méthodes de synténie. L’état de l’art des distances génomiques ne permettant qu’un certain répertoire de réarrangements pour le moment, les méthodes de synténie sont donc plus appropriées en pratique. Nous proposons une méthode de synténie pour la reconstruction de génomes ancestraux basée sur une définition relaxée d’adjacences de gènes, permettant un contenu en gène inégal dans les génomes modernes causé par des pertes de gènes de même que des duplications de génomes entiers (DGE). Des simulations sont effectuées, démontrant une capacité de former une solution assemblée en un nombre réduit de régions ancestrales contigües par rapport à d’autres méthodes tout en gardant une bonne fiabilité. Des applications sur des données de levures et de plantes céréalières montrent des résultats en accord avec d’autres publications, notamment la présence de fusion imbriquée de chromosomes pendant l’évolution des céréales. / Ancestral genome inference is a decisive step for studying genome evolution. Knowing genomes from extinct species, one can propose biological mecanisms explaining divergences between extant species genomes. Various methods classified in two categories have been developped : distance based methods and synteny based methods. The state of the art of distance based methods only permit a certain repertoire of genomic rearrangements, thus synteny based methods are more appropriate in practice for the time being. We propose a synteny method for ancestral genome reconstruction based on a relaxed defenition of gene adjacencies, permitting unequal gene content in extant genomes caused by gene losses and whole genome duplications (WGD). Simulations results demonstrate our method’s ability to form a more assembled solution rather than a collection of contiguous ancestral regions (CAR) with respect to other methods, while maintaining a good reliability. Applications on data sets from yeasts and cereal species show results agreeing with other publications, notably the existence of nested chromosome fusion during the evolution of cereals.