La génomique comparative est un sujet essentiel pour éclaircir la biologie évolutionnaire. La première étape pour dépasser une connaissance seulement descriptive est de développer une méthode pour représenter le contenu du génome. Nous avons choisi la représentation modulaire des génomes pour étudier les lois quantitatives qui réglementent leur composition en unités élémentaires de type fonctionnel ou évolutif. La première partie de la thèse se fonde sur l'observation que le nombre de domaines ayant la même fonction est lié à la taille du génome par une loi de puissance. Puisque les catégories fonctionnelles sont des agrégats de familles de domaines, on se demande comment le nombre de domaines dans la même catégorie fonctionnelle est lié à l'évolution des familles. Le résultat est que les familles suivent également une loi de puissance. Le deuxième partie présente un modèle positif qui construit une réalisation à partir des composants liés dans un réseau de dépendance. L'ensemble de toutes les réalisations reproduit la distribution des composants partagés et la relation entre le nombre de familles distinctes et la taille du génome. Le dernier chapitre étend l'approche modulaire aux écosystèmes microbiens. Sur la base des constatations que nous avons faites sur les lois de puissance pour les familles de domaines, nous avons analysé comment le nombre de familles dans un metagénome en est influencé. Par conséquence, nous avons défini une nouvelle observable dont la forme fonctionnelle comprend des informations quantitatives sur la composition originelle du metagénome. / Comparative genomics is as a fundamental discipline to unravel evolutionary biology. To overcome a mere descriptive knowledge of it the first challenge is to develop a higher-level description of the content of a genome. Therefore we used the modular representation of genomes to explore quantitative laws that regulate how genomes are built from elementary functional and evolutionary ingredients. The first part sets off from the observation that the number of domains sharing the same function increases as a power law of the genome size. Since functional categories are aggregates of domain families, we asked how the abundance of domains performing a specific function emerges from evolutionary moves at the family level. We found that domain families are also characterized by family-dependent scaling laws. The second chapter provides a theoretical framework for the emergence of shared components from dependency in empirical component systems with non-binary abundances. We defined a positive model that builds a realization from a set of components linked in a dependency network. The ensemble of resulting realizations reproduces both the distribution of shared components and the law for the growth of the number of distinct families with genome size. The last chapter extends the component systems approach to microbial ecosystems. Using our findings about families scaling laws, we analyzed how the abundance of domain families in a metagenome is affected by the constraint of power-law scaling of family abundance in individual genomes. The result is the definition of an observable, whose functional form contains quantitative information on the original composition of the metagenome.

Ce travail de recherche translationnelle a pour objectif de corréler les données de l'imagerie anatomique et fonctionnelle, aux facteurs pronostiques cliniques, biologiques, histologiques, moléculaires du cancer de prostate. Nos travaux ont permis de montrer que l'IRM prostatique permettait de détecter et de stratifier le risque de cancer de prostate dit "significatif", que l'IRM couplée aux biopsies prostatiques ciblées permettait d'identifier plus de cancers de prostate significatifs que les biopsies dites "systématiques", que l'IRM donnait des informations sur l'agressivité du cancer de prostate définie in situ par les marqueurs histologiques et moléculaires, que cette information était plus juste que celle obtenue par la stratégie diagnostique actuelle du dosage de PSA et des biopsies prostatiques qui sous estiment l'agressivité tumorale, qu'il existait cependant des formes de cancer dont l'agressivité ne pouvait être déterminée ni par l'imagerie, ni par l'analyse histologique standard mais seule par une analyse moléculaire. / This study represents a translational research with the objective to identify prognostic biomarkers in prostate cancer (PCa) by means of a radio-genomics strategy that integrates gene expression, biology, histology, and medical images. Our results show that; multiparametric MR imaging of the prostate provide clinically relevant stratification of the risk of showing prostate cancer ; that MRI/TRUS-fusion imaging protocol with limited targeted biopsies detected more men with clinically significant PCa, that we were able to confirm that functional MRI (diffusion) and morphologic MRI (Tmax) were well correlated with tumor aggressiveness as defined by Gleason score and genomic score, that the ADC values of suspicious areas on prostate MR imaging are strongly correlated with post-surgical Gleason score, that ADC values performed significantly better than TRUS biopsy Gleason scores for the prediction of prostate cancer aggressiveness as defined by prostatectomy Gleason score or by Ki-67 proliferation index.

Coxiella burnetii est l’agent pathogène responsable de la fièvre Q. Dans le cadre de cette thèse nous nous sommes intéressés à l'étude de souches de C.burnetii responsables d'événements épidémiques. Nous avons séquencé une souche de génotype MST33 (Z3055), proche de la souche responsable de l'épidémie de fièvre Q aux Pays-Bas, et une souche de génotype MST17 (Cb175) clone provoquant l'une des formes les plus virulentes de fièvre Q aiguë jamais décrite auparavant et retrouvée à ce jour uniquement en Guyane Française. Les résultats de ces analyses montrent que le génome de la souche Z3055 était très similaire à celui de la souche de référence Nine Mile I. Les différences observées sont liées à la présence de mutations non synonymes dans le génome de Z3055. Le pourcentage élevé de protéines membranaires mutées pourrait expliquer l’ampleur de cette épidémie en Hollande. En effet, le changement de profil antigénique pourrait être à l’origine de la formation d’un nouveau sérotype capable d'échapper à la réponse immunitaire de l'hôte et de diffuser facilement dans une population au système immunitaire naïf. Nous avons d’ailleurs montré que la souche responsable de la fièvre Q en Guyane (Cb175) présente des différences chromosomiques importantes par rapport à NMI. Ces différences se manifestent principalement par la présence d’une délétion d’une région de 6105pb contenant l’opéron hlyCABD du système de sécrétion de type 1 (T1SS). Ce résultat est cohérent avec ce qui a été observé chez les bactéries épidémiques les plus dangereuses comparées à leurs espèces non-épidémiques plus proches qui ont un génome réduit et contiennent moins de protéines du système de sécrétion. / Coxiella burnetii is a human pathogen that causes the zoonotic disease Q fever. In this work, we focused on the study of strains responsible for epidemic events. Particularly, we sequenced the clone of the strain responsible for Netherlands outbreak having genotype MST33 (Z3055), and strain having MST17 (Cb175) responsible for one of the most severe form of acute Q fever never reported in literature and uniquely described in French Guiana. Our findings showed that the Netherlands outbreak responsible strain (clone Z3055) was highly similar to the reference strain Nine Mile I. Only slight differences were observed, which were related to non-synonymous mutations in Z3055 genome. The high proportion of mutated membrane proteins could explain this large-scale outbreak. Change of antigenic profile may have led to a new serotype, conferring to the novel clone the capacity to escape the host immune response and to disseminate easily in a immunologically naïve population. On the contrary, the type strain responsible for Q fever in Guiana (Cb175) showed an important difference in its chromosome sequence compared to the reference NMI because of the deletion of a sequence of 6105bp containing the Type 1 secretion systems (T1SS) hlyCABD operon. This result appear consistent with previous findings that showed the most dangerous epidemic bacteria compared with their closest non-epidemic species are characterized by reduced genomes accompanied by significant decrease in ORF content and contain less secretion system proteins.

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.

Cette thèse en bioinformatique étudie l'intérêt de rechercher des motifs dans des séquences génomiques à l'aide de grammaires. Depuis les années 80, à l'initiative notamment de David Searls, des travaux ont montré qu'en théorie, des grammaires de haut niveau offrent suffisamment d'expressivité pour permettre la description de motifs biologiques complexes, notamment par le biais d'une nouvelle classe de grammaire dédiée à la biologie : les grammaires à variables de chaîne (SVG, String Variable Grammar). Ce formalisme a donné lieu à Logol, qui est un langage grammatical et un outil d'analyse développé dans l'équipe Dyliss où a lieu cette thèse. Logol est un langage conçu pour être suffisamment flexible pour se plier à une large gamme de motifs qu'il est possible de rencontrer en biologie. Le fait que les grammaires restent inutilisée pour la reconnaissance de motifs pose question. Le formalisme grammatical est-il vraiment pertinent pour modéliser des motifs biologiques ? Cette thèse tente de répondre à cette question à travers une démarche exploratoire. Ainsi, nous étudions la pertinence d'utiliser les modèles grammaticaux, via Logol, sur six applications différentes de reconnaissance de motifs sur des génomes. Au travers de la résolution concrète de problématiques biologiques, nous avons mis en évidence certaines caractéristiques des modèles grammaticaux. Une de leurs limites est que leur utilisation présente un coût en termes de performance. Un de leurs atouts est que leur expressivité couvre un large spectre des motifs biologiques, contrairement aux méthodes alternatives, et d'ailleurs certains motifs modélisés par les grammaires n'ont pas d'autres alternatives existantes. Il s'avère en particulier que pour certains motifs complexes, tels que ceux alliant séquence et structure, l'approche grammaticale est la plus adaptée. Pour finir, l'une des conclusions de cette thèse est qu'il n'y a pas réellement de compétition entre les différentes approches, mais plutôt qu'il y a tout à gagner d'une coopération fructueuse. / This thesis studies the interest to look for patterns in genomic sequences using grammars. Since the 80s, work has shown that, in theory, high level grammars offer enough expressivity to allow the description of complex biological patterns. In particular David Searls has proposed a new grammar dedicated to biology: string variable grammar (SVG). This formalism has resulted in Logol, a grammatical language and an analysis tool developed by Dyliss team where this thesis is taking place. Logol is a language designed to be flexible enough to express a wide range of biological patterns. The fact that the grammars remain unknown to model biological patterns raises questions. Is the grammatical formalism really relevant to the recognition of biological patterns? This thesis attempts to answer this question through an exploratory approach. We study the relevance of using the grammatical patterns, by using Logol on six different applications of genomic pattern matching. Through the practical resolution of biological problems, we have highlighted some features of grammatical patterns. First, the use of grammatical models presents a cost in terms of performance. Second the expressiveness of grammatical models covers a broad spectrum of biological patterns, unlike the others alternatives, and some patterns modeled by grammars have no other alternative solutions. It also turns out that for some complex patterns, such as those combining sequence and structure, the grammatical approach is the most suitable. Finally, a thesis conclusion is that there was no real competition between different approaches, but rather everything to gain from successful cooperation.

La filière « poule pondeuse » représente un marché en pleine expansion. L’amélioration des caractères est essentielle pour satisfaire les attentes des consommateurs et des industriels. Cette amélioration est réalisée via la sélection. Actuellement, les candidats à la sélection sont évalués à partir de leur valeur génétique estimée (Estimated Breeding Value, EBV) en appliquant un modèle statistique prenant en compte l’ensemble des phénotypes disponibles sur leurs apparentés (BLUP). L’essor de nouvelle technologie permettant le génotypage à moindre coût de nombreux individus, permet d’envisager la mise en place d’une sélection génomique dans cette filière. La valeur génomique estimée (Genomic Estimated Breeding Value, GEBV) serait potentiellement plus précise que l’EBV, disponible dès la naissance de l’individu et sûrement pour un plus grand nombre de candidats, engendrant ainsi un gain de progrès génétique.Par ailleurs, un même type génétique de poule pondeuse étant largement diffusé à travers le monde, les animaux produisent dans des environnements différents (alimentation, température…). Des interactions génotype – environnement pourraient donc affecter l’estimation des valeurs génétiques des candidats à la sélection. L’objectif premier de ce travail est de préciser l’impact de celles-ci sur un panel large de caractères de production et de qualité des œufs aussi bien au niveau de leur architecture génétique qu’au niveau des évaluations. De plus, les conséquences de l’architecture génétique des caractères sur l’estimation des valeurs génétiques également ont été étudiées. / The laying hens farming represents a growing market. The improvement of traits is needed to satisfy the willing of customers and industrials. This improvement is done with selection. Actually, (candidates for selection are evaluated according to their Estimated Breeding Value (EBV), which is estimated, using a statistic model which considers all the available phenotypes of their relative BLUP). The development of new technologies which allow the genotyping at a lower cost of numerous individuals, could allow the development of genomic selection in this farming. The Genomic Estimated Breeding Value (GEBV) could be potentially more accurate than the EBV, available at the birth of the individual and for probably a larger number of candidates, increasing the rates of genetic progress.Besides, a same genetic type of laying hens is widely distributed around the world, so animals produce in various environments ((alimentation, temperature, hygiene standards…). So, genotype – environment interactions could affect the estimation of breeding values of the candidates for selection. The first objective of this work is to determine of the impact of these interactions on a large panel of egg production and egg quality traits, as well at the genetic architecture level than at the evaluations level. Moreover, the consequences of genetic architecture of these traits on breeding value estimation have been studied.

Carnobacterium est un genre bactérien présent dans une grande diversité d’environnements et de produits alimentaires. L’objectif de ce travail est d’approfondir les connaissances sur C. maltaromaticum (C. m) par une étude génomique. Neuf génomes de Carnobacterium, dont 5 de C. m, ont été analysés. C. m DSM20342 MX5 possède un génome de 3,85 Mbp, le plus grand génome parmi les LAB connus. Les souches de C. m et C. divergens présenteraient une surface cellulaire caractérisée par une grande diversité moléculaire. Les propriétés de surface qui en découlent seraient à relier à la capacité de ces deux espèces à coloniser différents habitats. Les souches de C. m isolées de différents produits laitiers se caractérisent par une grande diversité génomique. Afin de caractériser le niveau de diversité, les gènes impliqués dans les voies d’utilisation du lactose (voie Tagatose-6Phosphate, gènes lac) et du galactose (voie Leloir, gènes gal) ont été caractérisés au sein du genre Carnobacterium et recherchés par PCR chez 42 souches de C. m. Les deux voies sont organisées différemment chez les différentes souches de C. m. L’analyse au niveau de la population révèle une dissémination des deux voies au sein des 4 lignées de cette population et suggère que les gènes lac et gal ont évolué selon un schéma complexe, reflet du haut niveau de diversité génétique de la population. La recherche de ces gènes au sein des 237 génomes de LAB indique qu’ils présentent un niveau de diversité élevé parmi les différents genres bactériens constituant le groupe des LAB, avec une dominance de la présence de la voie de Leloir. Ce niveau de diversité génétique est retrouvé à l’échelle de l’espèce chez C. m. / Carnobacterium bacteria are present in a wide variety of environments and foods. The objective of this thesis is to deepen the knowledge on C. maltaromaticum (C. m) by a comparative genomic approach. Nine Carnobacterium genomes, including 5 C. m, available on the platform MicroScope were analyzed and compared. C. m DSM20342 MX5 is the largest genome among LAB. Detailed analysis the presence of a high molecular diversity of cell surface proteins in C. m and C. divergens, while the three other Carnobacterium species present only few proteins on their surfaces. This can be related to the ability of these two species to colonize different habitats. Furthermore, C. m strains isolated from various dairy products are characterized by a large genomic diversity. In order to characterize this diversity, genes involved in lactose (Tagatose-6Phosphate pathway, lac genes) and galactose (Leloir pathway, gal genes) metabolic pathways were identified within Carnobacterium genus and detected by PCR in 42 C. m strains. Both pathways are present and organized differently in the C. m strains. The analysis of these genes at the population level shows a spread of the two pathways within the 4 lineages of this population and suggest that the lac and gal genes have evolved in a complex pattern, which reflects the high level of genetic diversity of the population. These genes were characterized in 237 LAB genome and exhibit a high degree of diversity among the different bacterial genera of the LAB group, with a dominance of the presence of the Leloir pathway. This level of genetic diversity is found at the species level for C. m.

La sélection génomique (SG) des animaux et des plantes a été rendue possible grâce aux avancées des biotechnologies, notamment des puces à ADN de haute densité et de faible coût. Son efficacité et sa profitabilité a été clairement démontrée chez les bovins laitiers, où elle a été très rapidement mise en pratique. En revanche, son application pour les petits ruminants est encore limitée, et, notamment, n’a pas démarré en France. Ses potentialités sont toutefois à l’étude dans quelques programmes concernant les ovins et caprins laitiers, et les responsables des filières correspondantes désirent connaitre l’efficacité de cet outil dans leur situation. Cependant, la prudence est de règle, compte tenu des différences entre les schémas de sélection des bovins laitiers et des petits ruminants. Cette étude fait partie d’un programme entrepris pour évaluer l’utilisation et la gestion de l’information génomique dans les schémas de sélection ovin et caprin. Au cours de cette thèse ont été examinés (1) l’impact de la SG sur le gain génétique dans des schémas de sélection de petits ruminants, (2) l’efficacité économique de la SG en petits ruminants, en prenant l’exemple d’un programme de sélection ovin-viande; (3) l’importance d’une optimisation de certaines décisions (quantifiées par des variables dans un modèle décrivant les schémas) pour maximiser le progrès génétique et (4) une piste contribuant à l’optimisation de la population de référence. Les modèles utilisés appartiennent au champ des méthodes déterministes et les exemples ont porté sur les schémas de sélection existants (ovins laitiers, ovins viande et caprins laitiers). Les résultats de cette étude suggèrent que la sélection génomique peut être plus rentable que la sélection classique en terme de gain génétique, à condition qu’une population de référence de taille moyenne soit disponible (environ 2000 individus). Ils montrent, en particulier dans les schémas laitiers, que le potentiel de la SG de réduire l’intervalle de génération pourrait fortement augmenter le gain génétique. Dans le schéma ovin allaitant modélisé, combiner l’information génomique et les phénotypes de caractères bouchers donne plus de gain génétique que la sélection classique ou la SG sans phénotype sur les candidats. En termes d’impacts économiques, les résultats du schéma ovin allaitant modélisé montrent que toutes les stratégies de sélection génomiques sont plus onéreuses que la sélection classique. Cependant, les gains marginaux (recettes totales moins coûts variables) de certains scénarii de SG s’avèrent légèrement plus élevés que pour la sélection classique. L’étude montre également, dans tous les schémas et stratégies de sélection, que l’optimisation de l’utilisation de variables de décision pourrait grandement augmenter le gain génétique et l’efficacité économique, par rapport aux situations actuelles. Avec cette étude, on peut conclure que la mise en place de la sélection génomique dans les programmes de sélection des petits ruminants est possible et pourrait être plus bénéfique que la sélection classique dans certains cas. Cependant, il y a plus d’obstacles par rapport aux bovins laitiers, en particulier, la construction d’une population de référence fiable et des coûts élevés de génotypages par rapport à la valeur des candidats à la sélection. Ces obstacles pourraient freiner sa mise en œuvre, voire l’empêcher dans certaines races. / Implementing genomic selection (GS) in small ruminant breeding programs is still at the research and development level. This new way of selection in animals and plants was made possible thanks to the development of low costs, high density SNP chips. It proved to be highly beneficial in dairy cattle breeding programs. The French small ruminant industries are strongly interested in evaluating the efficiency of this tool in their situation. However, they are also very cautious given the inherent differences in terms of capacity and functionalities between dairy cattle and small ruminant breeding programs. This study is part of bigger efforts mobilized to evaluate the use and management of genomic information in sheep and goats breeding programs. The PhD work examined (1) the impact of genomic selection on genetic gain of small ruminant breeding programs; (2) the economic efficiency of genomic selection in small ruminant, through an example of a meat sheep breeding program; (3) the benefits of optimizing the use of decision variables on genetic gain; and (4) contributed some ideas on how to optimize the choice of individuals in the reference population. The modeling parts were done by deterministic methods and the examples focused on the existing breeding programs (dairy sheep, meat sheep and dairy goats) with medium to small size breeding units. The results of this study suggest that adopting genomic selection can be more profitable than classic selection in terms of genetic gain, provided that, at least, a medium size reference population is available (around 2,000 individuals). They show, especially in dairy breeds, that the GS potentials of reducing generation interval could greatly increase the genetic gain. In meat sheep breeding program, exploring the possibility of combining genomic information and meat phenotypes gave higher genetic gain than classic or pure genomic selection. In terms of economic impacts, results of the meat sheep breeding program we modeled show that all genomic selection strategies are more expensive than classic selection. However, the contribution margins (total revenues minus total variable costs) of some GS variants were slightly higher than benefits from classic selection. The study also shows, across breeds and selection strategies, that optimizing the use of decision variables could greatly increase the genetic gain and benefits, compared to the current situation. With this thesis we can conclude that adopting genomic selection in small ruminant breeding programs is possible and could be more beneficial than classic selection in some cases. However, there are more obstacles compared to dairy cattle, especially, construction of reliable reference populations and high costs of genotypes relative to the value of selection candidates. These might delay implementation in general or prevent it in some breeds.

La première partie de ma thèse est une revue donnant un aperçu du répertoire génomique des bactéries intracellulaires et de leurs symbiotes. L'objectif de cette étude est d'explorer le processus permettant aux bactéries intracellulaires d'acquérir leur mode de vie spécifique. Nous avons commencé par examiner les données à propos de l'existence ancienne de bactéries intracellulaires, leur adaptation à leur hôte et les différences entre sympatrie et allopatrie. Une comparaison du contenu génomique de plusieurs bactéries avec différents modes de vie a révélé la capacité des bactéries à échanger des gènes à des degrés différents, en fonction de l'écosystème. La deuxième partie de ma thèse porte sur la séquence du génome de la souche Diplorickettsia massiliensis 20B qui est une bactérie intracellulaire obligatoire à Gram négatif isolée à partir des tiques de Slovaquie Ixodes ricinus. Dans ma troisième et dernière partie, nous exploré le répertoire du génome de Diplorickettsia massiliensis en le comparant aux génomes de bactéries phylogénétiquement très proches de Diplorickettsia massiliensis, issues de différentes niches. Ceci a permis de révélé son mode de vie allopatrique. Dans cette étude, nous avons comparé les caractéristiques du génome de Diplorickettsia massiliensis avec vingt-neuf espèces séquencées de Gammaproteobacteria (Legionella, Coxiella burnetii, Francisella tularensis et Rickettsiella grylli) en utilisant l'approche pangénomique multi-genre. Ce travail de thèse fournit des données originales et permet d’apporter plus de lumière sur la diversité des bactéries intracellulaires. / The initial purpose of my thesis is to understand with the help of comparative genomics, genomic variations based on coexistence, by examining data on the ancient existence of intracellular bacteria, their host adaptation and the differences between sympatry and allopatry. The first part of my thesis is a review giving insight into intracellular bacterial genome repertoire and symbionts. The goal of this review is to explore how intracellular microbes acquire their specific lifestyle. Due to their different evolutionary trajectories, these bacteria have different genomic compositions. We reviewed data on the ancient existence of intracellular bacteria, their host adaptation and the differences between sympatry and allopatry. A comparison of the genomic contents of bacteria with certain lifestyles revealed the bacterial capacity to exchange genes to different extents, depending on the ecosystem. The second part of my thesis present about the genome sequence of Diplorickettsia massiliensis strain 20B which is an obligate intracellular, gram negative bacterium isolated from Ixodes ricinus ticks collected from Slovak. In the third part, we investigated the genome repertoire of Diplorickettsia massiliensis compared to closely related bacteria according to its niche, revealing its allopatric lifestyle. In this study, we compared the genomic features of Diplorickettsia massiliensis with twenty-nine sequenced Gammaproteobacteria species (Legionella strains, Coxiella burnetii strains, Francisella tularensis strains and Rickettsiella grylli) using multi-genus pangenomic approach. This thesis work provides original data and sheds light on intracellular bacterial diversity.

L'efficacité de la sélection génomique étant principalement dépendante de la taille de la population de référence, seules les principales races laitières françaises bénéficient aujourd'hui d'évaluations génomiques. Pour contourner cette contrainte et développer des évaluations génomiques pour les races régionales, il a été proposé de créer une population de référence commune entre races.Cependant, utiliser une population de référence multiraciale nécessite que le lien entre QTL et marqueurs soit conservé entre races, ce qui implique, sauf cas particulier, l'utilisation d'une puce haute densité. Les taux d'erreur d'imputation des génotypes haute densité à partir de génotypes moyenne densité (classiquement utilisés en bovins) ont été étudiés. La précision d'imputation étant supérieure à 99% dans la majorité des races laitières, l'imputation des génotypes des animaux des populations de référence des principales races laitières a été réalisée. Cette population de référence « haute densité » a ensuite été utilisée pour le développement d'évaluations génomiques multiraciales. Plusieurs stratégies d'évaluations génomiques (intra-race ou multi-race, à partir de génotypes moyenne ou haute densité) ont été comparées pour différentes tailles de populations de référence. Les évaluations multiraciales basées sur la puce haute densité permettent d'améliorer la précision des évaluations génomiques dans le cas d'une population de référence de 500 taureaux ou moins. L'efficacité d'une troisième stratégie utilisant des évaluations génomiques multiraciales à partir de la puce moyenne densité pour un groupe de races proches a donc été étudiée. L'augmentation de la précision des évaluations génomiques observée dans ce cas était trois fois supérieure à celle qui avait été observée dans le cas des principales races laitières. Par ailleurs, dans les deux cas étudiés ici, la précision des évaluations génomiques intra-races est relativement élevée, même dans le cas d'une population de référence réduite, lorsque les pères des candidats à la sélection sont inclus dans la population de référence.Les résultats obtenus suggèrent donc que la mise en place d'évaluations génomiques dans les races régionales est envisageable. Il faudra toutefois poursuivre les travaux pour déterminer quelle stratégie optimale peut/doit être utilisée dans chacune des races. / Within-breed genomic selection is now implemented in a number of large cattle breeds. However, building reference populations large enough remains a major challenge for smaller breeds. Combining reference populations and implementing a multi-breed approach appears to be an appealing alternative for small breeds.Such an approach requires conserved linkage disequilibrium across breeds to maintain the association between QTL and markers. Therefore, the use of a high density chip is generally needed. Error rates for high density imputation from medium density genotypes, classically used in cattle, were estimated. The mean error rate was below 1% in most dairy cattle breed which implies that a large high density imputed reference populations can be available for genomic selection at low cost. Reference populations from the three major French dairy breeds were imputed to high density and used to develop a multi-breed genomic evaluation.Several alternative genomic selection approaches (within-breed or multi-breed, based on medium or high density genotypes) were compared for breeds with different sizes of reference population. Improvement of genomic prediction accuracy due to the multi-breed evaluation was observed for breeds with 500 animals or less in their reference population. Accuracy of a third alternative using multi-breed evaluation based on medium density genotypes of closely related breeds was investigated. The benefit of multi-breed genomic evaluation was then three times higher in this situation than in the one where populations from major dairy cattle breeds were pooled. It can be noted that in both situations, using within-breed genomic information allowed a significant gain in accuracy compared to pedigree-based evaluations even for a small breed, when all sires of selection candidates belong to the reference population.These results suggest that implementation of genomic selection is feasible in small dairy cattle breeds. However further work is required to determine which optimal strategy can/must be implemented in a given breed.