Nous présentons un ensemble de résultats concernant deux types de problèmes biologiques: (1) la comparaison de structures de molécules d'ARN et (2) le calcul de distances intergénomiques en présence de gènes dupliqués. Dans ce manuscrit, nous déterminons la complexité algorithmique de certains problèmes liés soit à la comparaison de structures de molécules d'ARN (distance d'édition, problème APS, recherche de motifs de 2-intervalles, design d'ARN), soit aux réarrangements génomiques (distances de breakpoints et d'intervalles conservés). \\ L'approche adoptée pour l'ensemble de ces problèmes a été de déterminer, si possible, des algorithmes exacts et rapides répondants aux problèmes posés. Pour tout problème pour lequel cela ne semblait pas possible, nous avons essayé de prouver qu'il ne peut être résolu de fa\ccon rapide. Pour ce faire, nous démontrons que le problème en question est algorithmiquement difficile. Enfin, le cas échéant, nous poursuivons l'étude de ce problème en proposant, essentiellement, trois types de résultats: (1) Approximation, (2) Complexité paramétrée, (3) Heuristique. Nous utilisons, dans ce manuscrit, des notions d'optimisation combinatoire, de mathématique, de théorie des graphes et d'algorithmique.

Le foie est un organe clef dans la régulation du métabolisme énergétique de l’organisme. La superfamille des récepteurs nucléaires y joue un rôle primordial de senseur de l’environnement métabolique. Parmi ces récepteurs nucléaires, le récepteur des acides biliaires FXR participe aux mécanismes de régulation de l’activité du foie à travers son action sur les métabolismes des acides biliaires, des glucides et des lipides. FXR est devenu ainsi une cible thérapeutique potentielle dans le traitement de nombreuses maladies impliquant un désordre métabolique comme les cholestases, le diabète de type 2 ou la stéatohépatite non-alcoolique. Malgré des résultats prometteurs dans le traitement de la stéatohépatite non-alcoolique, le traitement de patients avec un agoniste de FXR, le INT747, semble augmenter la concentration plasmatique du LDL-Cholestérol et diminue la concentration du HDL-Cholestérol suggérant un risque accru de développement d’athérosclérose. Ces effets sur le profil lipidique sont le frein majeur du développement clinique de ses agonistes. Les mécanismes moléculaires impliqués dans la régulation par FXR de nombreuses voies comme le métabolisme des lipides et du cholestérol sont peu explorés et peu compris. Compte-tenu de ces informations, il est d’autant plus intéressant d’approfondir les connaissances de ces mécanismes et d’identifier des facteurs ou de nouveaux partenaires capables de moduler l’activité transcriptionnelle de FXR plus spécifiquement dans le cadre du contrôle du métabolisme des lipides et du cholestérol. L’un des facteurs de transcription connu comme régulateur majeur de ces voies métaboliques dans le foie est le facteur de transcription de la famille forkhead FOXA2. Ce facteur de transcription, dont l’activité est dépendante des conditions physiologiques, est activé par le glucagon et inhibé par l’insuline. De plus, c’est également un régulateur du métabolisme des acides biliaires, du cholestérol et des lipides.L’objectif de cette thèse a été d’étudier l’interaction entre les voies de signalisation de FXR et de FOXA2 dans différentes lignées cellulaires d’hépatocytes humains ou murins et dans le foie. Nous avons établi que FOXA2 et FXR sont colocalisés sur la chromatine des cellules HepG2 et dans le foie de souris à proximité de gènes impliqués dans la régulation du métabolisme des lipides et du cholestérol. Ces zones de cofixation de FXR et de FOXA2 présentent très peu de motifs de fixation de FOXA2 suggérant l’implication d’autres motifs de fixation non connus ou un mécanisme de type « tethering ». Nous avons montré que la fixation de FOXA2 à ces zones de cofixation avec FXR est augmentée par l’activation de FXR par son agoniste, le GW4064, évoquant une potentielle interaction entre ces deux facteurs. Nous avons démontré que ces deux facteurs interagissaient physiquement et que FOXA2 est un répresseur de l’activité transcriptionnelle de FXR à travers l’utilisation de différentes approches et modèles cellulaires. Finalement, dans les hépatocytes primaires de souris, FOXA2 est impliqué dans la répression de l’activité transcriptionnelle de FXR par le glucagon sur le gène Shp.L’ensemble de ce travail met en évidence pour la première fois la répression de l’activité de FXR par le facteur de transcription caractéristique du jeûne FOXA2 à travers un mécanisme moléculaire suggérant une transrépression de type «tethering». Ces résultats présentent un mécanisme inédit par lequel l’activité de FXR peut être modulée par le statut nutritionnel de façon gène-spécifique. / The liver is a key regulator of whole-body energy metabolism. The nuclear receptor super-family plays a leading role in the metabolic sensing of the liver. Among the nuclear receptors, the bile acid nuclear receptor FXR contribute to the modulation of liver activity in particular through the regulation of bile acid, lipids and glucose homeostasis. Consequently, FXR became a potential therapeutic target for many diseases implicated metabolic disorder such as cholestasis, type 2 diabete or Non-Alcoholic Steatohepatitis (NASH). Despite promising results especially on NASH, patient treatment with FXR agonist the INT747 seems to increase LDL-Cholesterol plasma concentrations together with a decreased concentration of HDL-Cholesterol suggesting a higher risk to develop atherosclerosis. These effects on plasma lipid profile are the major break against the development of agonists in clinics. Giving the poor understanding and knowledge of the molecular mechanisms which govern FXR regulation of activity on various signaling pathways, it is of major interest to find new partners and regulators of FXR and especially on lipid and cholesterol homeostasis. One of the transcription factor known to be active in the control of these signaling pathways in the liver is the forkhead box transcription factor FOXA2. This transcription factor whose activity is dependent of physiological conditions is activated by glucagon and inhibited by insulin. In addition, this factor is known to regulate bile acid, cholesterol and lipid metabolism, functions very close from FXR activities in the liver.The objective of this PhD was to study the interaction between FXR and FOXA2 signaling pathways in different hepatic cells lines from human or mouse origin and in the liver. We established that FOXA2 and FXR are colocalised in HepG2 cells and liver chromatin near genes implicated in the lipid and cholesterol metabolism. These FXR/FOXA2 cobinding zones present few consensus FOXA2 response elements suggesting the implication of non consensus binding motifs or a “tethering” mechanism. We show that FOXA2 binding to FXR/FOXA2 cobinding zones is increased when FXR is activated and/or more present in the chromatin evoking a potential interaction between these two factors. We demonstrate that FXR and FOXA2 interact physically and that FOXA2 is a repressor of FXR transcriptional activity using different approaches and cellular models. Finally, we show that FOXA2 is implicated in glucagon-induced repression of FXR transcriptional activity on Shp gene.To conclude, our results show for the first time that the fasting key regulator of lipid and cholesterol homeostasis FOXA2 is a repressor of FXR transcriptional activity through a plausible mechanism involving “tethering” process. This work gives a novel mechanism by which FXR activity can be modified by nutritional status in a gene-specific manner.

Le cancer du sein est une maladie complexe et hétérogène. La classification histo-clinique connait des limites et doit donc évoluer pour une meilleure prise en charge des patientes. Depuis près de 10 ans, une nouvelle taxonomie moléculaire basée sur la similitude d’expression génique permet de classer les cancers du sein en plusieurs sous-types moléculaires distinguant des classes tumorales de phénotypes et d’évolutions cliniques différents. L’amélioration de l’approche moléculaire en complément de la classification conventionnelle devrait avoir un impact considérable sur la prise en charge des Patientes. Il a déjà été montré que la caractérisation d’altérations génomiques telles que les amplifications d’oncogènes et les pertes de gènes suppresseurs de tumeurs (TSG) combinée aux données d’expression permettaient d’identifier des gènes candidats (oncogènes et TSG). Certains sont considérés comme marqueurs au diagnostique et/ou pronostique spécifiques de sous-types moléculaires ou d’entités cliniques et peuvent constituer de futures cibles thérapeutiques potentielles. De plus, l’identification de ces altérations récurrentes améliore notre compréhension des mécanismes biologiques impliqués. Ainsi, les analyses moléculaires à haut débit du cancer du sein ont déjà révélé une partie de leur potentiel. Cependant, malgré la promesse des signatures pronostiques déjà décrites, nous manquons de données moléculaires dans certaines entités cliniques et sous-types moléculaires à phénotype particulièrement agressif. Dans cette thèse, nous nous sommes intéressés aux cancers du sein de sous-type moléculaire luminal B dont l’évolution clinique est particulièrement péjorative et pour lesquels aucune thérapie ciblée n’existe. Mieux comprendre ces cancers permettrait peut-être de mieux les traiter. Ainsi dans cette thèse vous sont présentés (i) le gène candidat L3MBTL4, cible de multiples altérations génomiques (perte, mutation, point de cassure) suggérant son implication comme TSG potentiel dans les cancers du sein. (ii) l’existence de quatorze TSG potentiels du chromosome 18p qui pourraient expliquer le phénotype agressif associé à la perte du 18p dans les cancers du sein.(iii) l’analyse intégrée des données génomiques et d’expression des carcinomes mammaires et l’identification de gènes candidats spécifiques du sous-type moléculaire luminal B. / Breast cancer is a complex and heterogeneous disease. Histoclinical classification has limitations and must evolve to better care for patients. For nearly 10 years, a new molecular taxonomy based on similarity of gene expression used to classify breast cancers into several molecular subtypes distinguished tumor classes with different phenotypes and clinical courses. Improved molecular approach complementary to conventional classification should have a considerable impact on patients care. It has already been shown that the characterization of genomic alterations such as amplification of oncogenes and loss of tumor suppressor genes (TSG) combined with expression data allow to identify candidate genes (oncogenes and TSG). Some are considered as diagnostic and / or prognostic markers specific of molecular subtypes or clinical entities and may constitute future therapeutic targets. Furthermore, identification of these recurrent alterations improves our understanding of biological mechanisms involved.Thus, high throughput molecular analyses of breast cancer have revealed some of their potential. However, despite the promise of prognostic signatures already described, we lack molecular data in certain clinical entities and molecular subtypes with a particularly aggressive phenotype.In this thesis, we focused on luminal B breast cancer molecular subtype whose clinical course is particularly pejorative and for which no targeted therapy exists. Better understanding of these cancers might help them better deal.Thus in this thesis are presented: (i) the candidate gene L3MBTL4, target by multiple genomic alterations (loss, mutation, break-point), suggesting its involvement as a potential TSG in breast cancer.(ii) the existence of fourteen chromosome 18p potential TSG that could explain the aggressive phenotype associated with 18p loss in breast cancers.(iii) the integrated analysis of genomic and expression data of mammary carcinoma and the identification of specific luminal B molecular subtype candidate genes.

L'expression des gènes est étroitement régulée par différentes régions régulatrices afin d'assurer une grande variété de types cellulaires et de fonctions. Identifier ces régions régulatrices actives, leurs caractéristiques et comprendre comment elles interagissent entre elles dans chaque type cellulaire est un enjeu majeur. Cette connaissance permettrait notamment de mieux comprendre l'impact des variants génomiques très souvent localisés dans les régions non-codantes. Par ailleurs, le développement de cancers et autres maladies est lié à des dérégulations des contrôles de l'expression des gènes. Pour pouvoir envisager des traitements ciblés et tendre vers une médecine de précision, il est important de comprendre comment toute cette machinerie est orchestrée.Plusieurs approches ont été développées pour répondre à cette question, la plupart basées sur des données expérimentales de modification d'histones, méthylation et facteurs de transcription (TFs). Cependant, ces données sont limitées à des échantillons spécifiques et ne peuvent pas être générées pour tous les régulateurs et tous les patients. Mes travaux de thèse ont porté, dans une première partie, sur la modélisation de l'expression des gènes uniquement à partir de l'information contenue dans la séquence ADN. Nous avons utilisé un modèle linéaire avec sélection de variables, équivalent en terme de performances à des méthodes non paramétriques et simple à interpréter. Ce modèle m'a permis de comparer plusieurs types de variables basées sur la séquence ADN, comme les motifs de fixation des TFs et la composition nucléotidique. Ces variables sont déterminées pour différentes régions du gène afin d'évaluer leur pouvoir régulateur et leur contribution. Les introns seuls, dont la composition nucléotidique reflète celle de l'environnement du gène, expliquent une part importante de la variation de l'expression des gènes. De plus, nous avons démontré que les domaines topologiques (TADs), dans lesquels les interactions sont favorisées, partagent une composition génomique similaire. Notre modèle de prédiction nous permet vraisemblablement de capturer, pour chaque individu, la composition des TADs actifs.Dans un second temps de mon travail, je me suis intéressée aux régulations pouvant survenir dans les introns. Le consortium international FANTOM a fourni un des atlas de sites de départ de la transcription (TSSs) les plus importants à ce jour et nous avons noté que la majorité d'entre eux sont détectés dans les régions non-codantes, notamment les introns. Nous avons donc entrepris un travail visant à explorer ces TSS introniques. Pour déterminer si ces TSSs sont fonctionnels, je me suis intéressée à la recherche de potentiels motifs régulateurs autour de ces signaux de transcription. Une fraction de ces signaux sont localisés 2 bases en aval d'une répétition de Thymidines (T). Des évidences biochimiques et génétiques suggèrent qu'au moins une partie de ces signaux correspondent à de longs ARNs non-codants sens-introniques exprimés de manière tissu-spécifique. Il semblerait également que la longueur des répétitions de Ts ait une influence sur la présence d'un signal de transcription au niveau de ces loci et, indirectement, sur l'expression du gène hôte. Ces observations offrent une possible base moléculaire à l'effet de ces courtes répétitions en tandem de T. / Genome expression is tightly controlled by different regulatory regions to provide a wide variety of cell types and functions. Identifying these regulatory regions, their characteristics and understand how they interact with each other in a tissue-specific manner is prime importance. This knowledge should help better understand the impact of genomic variants often located in non-coding regions. Besides, cancer development is invariably linked to deregulation of gene expression controls. To pave the way for targeted treatments and precision medicine, it is important to understand how all this machinery is orchestrated.To answer this question, several approaches were developed, most of them based on experimental data of histone modification, methylation and transcription factors (TFs). However, these data are limited to specific samples and cannot be generated for all the regulators and all the patients. First, my thesis research aimed at modeling gene expression based on DNA sequence only. We used a linear model with variable selection, equivalent in term of performances with non-parametric methods and easy to interpret. This model allowed me to compare several types of variables based on the DNA sequence, as TFs binding motifs and nucleotide composition. These variables are computed for various gene regions to estimate their regulatory power and contribution. Strikingly, introns, for which nucleotide composition reflects gene environment, appear to explain an important part of gene expression variation. Furthermore, we demonstrated that the topological domains (TADs), in which interactions are favored, share similar genomic compositions. Our prediction model presumably captures, for every individual, the composition of active TADs.A second aspect of my work studied the regulations occurring in introns. The international FANTOM consortium provided one of the most important transcription start sites (TSSs) atlas and we noticed that the majority of these TSSs are detected into non-coding regions, in particular introns. We thus investigated these intronic TSSs. To determine if these TSSs are functional, we searched for new potential regulatory motifs at the vicinity of these transcription signals. We found that a fraction of them is located 2 bases downstream of a repetition of Ts. Biochemical and genetic evidences suggest that at least part of these signals correspond to sense-intronic long non-coding RNAs, which are expressed in a tissue specific manner. The length of the T repetition also appears to govern the presence of a transcription signal at these loci and indirectly impact on host gene expression. These findings provide one possible molecular explanation for the effect of these short tandem repeats of Ts.

Les bénéfices attribués aux probiotiques sont nombreux : effets bénéfiques sur le microbiote intestinal, confort digestif, modulation du système immunitaire et prévention des infections intestinales. Ces effets divers et variés sont souches-spécifiques. Actuellement, de nombreuses études visent à mieux caractériser ces effets probiotiques.Ces travaux avaient pour objectif de déterminer et d’analyser les effets probiotiques de trois souches de la collection Danone : la souche de Lactobacillus paracasei CNCM I-3689, la souche de L. rhamnosus CNCM I-3690 ainsi que la souche de Bifidobacterium animalis subps. lactis CNCM I-2494. Dans un premier temps, leurs effets ont été caractérisés dans des modèles in vitro pour des propriétés anti-pathogènes, des propriétés d’immuno-modulation ainsi que pour des propriétés de protection de la barrière épithéliale intestinale. Dans un second temps, leurs effets de la protection de la barrière ont été confirmés dans un modèle murin de faible inflammation.Une analyse des mécanismes sous-jacents à ces effets à la fois chez la souche probiotique et chez l’hôte a été initiée par la construction et l’analyse fonctionnelle de banques génomiques bactériennes ainsi que par l’étude de la modulation des gènes impliqués dans le maintien de la barrière intestinale chez l’hôte. / Health benefits of probiotic bacteria are numerous: beneficial effects on the intestinal microbiota, digestive comfort, modulation of the immune system and prevention of winter infection. These diverse and various effects are strain-specific. Nowadays, numerous studies aim at better characterizing those probiotics effects.This project aimed at identifying and analyzing the probiotic effects of three strains from Danone collection: Lactobacillus paracasei CNCM I-3689, L. rhamnosus CNCM I-3690 and Bifidobacterium animalis subsp. lactis CNCM I-2494. First, their effects were assessed in in vitro models for immunomodulation properties, antipathogens activity and intestinal barrier protection. Secondly, their beneficial effects were confirmed in low-grade inflammation murine model.The analysis of the underlying mechanisms has been initiated both in the bacterial strains by the construction and the functional analysis of genomic libraries and in the host by measuring the modulation of the genes involved in the intestinal barrier maintain.

Le cancer du sein est le deuxième cancer le plus répandu dans le monde et la principale cause de décès due à un cancer chez les femmes. L'amélioration du pronostic du cancer a été l'une des principales préoccupations afin de permettre une meilleure gestion et un meilleur traitement clinique des patients. Avec l'avancement rapide des technologies de profilage génomique durant ces dernières décennies, la disponibilité aisée d'une grande quantité de données génomiques pour la recherche médicale a motivé la tendance actuelle qui consiste à utiliser des outils informatiques tels que l'apprentissage statistique dans le domaine de la science des données afin de découvrir les biomarqueurs moléculaires en lien avec l'amélioration du pronostic. Cette thèse est conçue suivant deux directions d'approches destinées à répondre à deux défis majeurs dans l'analyse de données génomiques pour le pronostic du cancer du sein d'un point de vue méthodologique de l'apprentissage statistique : les approches basées sur le classement pour améliorer le pronostic moléculaire et les approches guidées par un réseau donné pour améliorer la découverte de biomarqueurs. D'autre part, les méthodologies développées et étudiées dans cette thèse, qui concernent respectivement l'apprentissage à partir de données de classements et l'apprentissage sur un graphe, apportent une contribution significative à plusieurs branches de l'apprentissage statistique, concernant au moins les applications à la biologie du cancer et la théorie du choix social. / Breast cancer is the second most common cancer worldwide and the leading cause of women's death from cancer. Improving cancer prognosis has been one of the problems of primary interest towards better clinical management and treatment decision making for cancer patients. With the rapid advancement of genomic profiling technologies in the past decades, easy availability of a substantial amount of genomic data for medical research has been motivating the currently popular trend of using computational tools, especially machine learning in the era of data science, to discover molecular biomarkers regarding prognosis improvement. This thesis is conceived following two lines of approaches intended to address two major challenges arising in genomic data analysis for breast cancer prognosis from a methodological standpoint of machine learning: rank-based approaches for improved molecular prognosis and network-guided approaches for enhanced biomarker discovery. Furthermore, the methodologies developed and investigated in this thesis, pertaining respectively to learning with rank data and learning on graphs, have a significant contribution to several branches of machine learning, concerning applications across but not limited to cancer biology and social choice theory.

Chez l’homme, la dégradation des fibres alimentaires est une des fonctions principales du microbiote colique. Elles ont de nombreux effets bénéfiques en santé humaine et pourtant les mécanismes microbiens mis en jeu dans leur dégradation restent encore largement méconnus. L’objectif de cette thèse était d’approfondir les connaissances sur la dégradation des polysaccharides pariétaux (hémicelluloses et pectines) par une espèce bactérienne prédominante du côlon de l’homme, Bacteroides xylanisolvens. L’analyse du transcriptome de B. xylanisolvens XB1AT a révélé l’existence de six et deux loci génomiques respectivement dédiés à la dégradation des pectines et des xylanes. Ces loci ou PULs (« Polysaccharide Utilization Loci ») sont connus chez Bacteroides pour coder pour des systèmes enzymatiques spécifiques d’un polysaccharide en particulier. L’analyse des CAZymes (Carbohydrate-Active Enzymes) codées par les PULs « pectinolytiques » a permis de proposer une cible polysaccharidique (homogalacturonane, rhamnogalaturonane de type I et II, arabinane) à cinq des six PULs identifiés. Les deux PULs « xylanolytiques » cibleraient les xylanes de faible complexité. La mutation du gène susC-like dans le PUL 49 et du gène HTCS (Hybrid Two-Component System) dans le PUL 43 a démontré l’importance respective de ces deux loci dans la fonction pectinolytique et xylanolytique de la bactérie. Le mutant HTCS a aussi permis de montrer pour la première fois que deux PUL peuvent être liés au niveau transcriptionnel. En présence de xylane, les données de protéomique ont souligné la surproduction par la bactérie d’une endo-xylanase possédant deux CBMs (Carbohydrate-Binding Modules). Cette enzyme modulaire pourrait être considérée comme un marqueur fonctionnel de la xylanolyse dans l’écosystème microbien intestinal. En conclusion, B. xylanisolvens déploie une machinerie enzymatique qui reflète la complexité des polysaccharides pariétaux de plantes. La plasticité métabolique de B. xylanisolvens vis-à-vis des fibres alimentaires contribue certainement à sa survie et son maintien dans le côlon humain. Des études d’écologie fonctionnelle ciblant la communauté fibrolytique intestinale sont encore nécessaires afin de mieux décrypter l’impact des fibres alimentaires et en particuliers des polysaccharides pariétaux sur le métabolisme microbien intestinal et par conséquent sur la santé humaine. / Dietary fiber degradation is a key function of the human gut microbiota. They have many beneficial effects on human health and yet microbial mechanisms involved in their degradation remain largely unknown. The aim of this thesis was to increase our knowledge on the degradation of plant cell wall polysaccharides (hemicelluloses and pectins) by a prominent human gut bacterial species, Bacteroides xylanisolvens. The transcriptome analysis of B. xylanisolvens XB1AT revealed the existence of six and two genomic loci dedicated to the degradation of pectins and xylan, respectively. These loci or PUL ("Polysaccharide Utilization Loci") are known to encode enzyme systems in Bacteroides that are specific to a particular polysaccharide. Analysis of the CAZymes (Carbohydrate-Active Enzymes) encoded by the "Pectinolytic" PULs allowed us to propose a polysaccharide target (homogalacturonan, type I and type II rhamnogalaturonane, arabinan) to five of the six identified PULs. The two identified "xylanolytic" PULs would target low complexity xylan. Mutation of the susC-like gene of PUL 49 and of the HTCS gene (Hybrid Two-Component System) of PUL 43 showed the importance of these two loci in pectinolytic and xylanolytic functions of the bacterium, respectively. The HTCS mutant also revealed for the first time that two PULs can be linked at the transcriptional level. With xylan, proteomic data highlighted the overproduction by the bacterium of an endo-xylanase with two CBMs (Carbohydrate-Binding Modules). This modular enzyme could be considered as a functional marker of xylan breakdown in the intestinal microbial ecosystem. In conclusion, B. xylanisolvens harbors an enzymatic machinery that reflects the complexity of plant cell wall polysaccharides. The metabolic plasticity of B. xylanisolvens towards dietary fibers certainly contributes to its fitness in the human gut. Functional and ecological studies targeting the intestinal fibrolytic community are still necessary to better understand the impact of dietary fibers and in particular plant cell wall polysaccharides on the intestinal microbial metabolism and consequently on human health.

Comme tous les ciliés, P. tetraurelia réarrange son génome à chaque génération sexuelle pendant le développement de son macronoyau somatique ¿ partir du micronoyau germinal. Les réarrangements incluent l’excision précise de courtes séquences dérivant de transposons et appelés IES (Internal Eliminated Sequences) dont la majorité sont intragéniques. L’excision d’une fraction d’entre elles dépend de petits ARN maternels (appelés scnARN) qui sont produits à partir de tout le génome germinal pendant la méiose. Ce mécanisme pose un problème lors d’une conjugaison entre deux souches présentant des polymorphismes d’insertion : une cellule sera théoriquement incapable d’exciser une IES portée par l’allèle paternel reçu si cette IES est absente de l’allèle maternel ou si la séquence est trop divergente. Mes résultats montrent cependant que les allèles paternels divergents sont correctement excisés en utilisant les scnARN produit par la cellule paternelle. Dans le cas d’un polymorphisme absence/présence, l’IES que j’ai étudié est excisée chez 70 % des hétérozygotes F1, également via les scnARN paternels. Nous avons exploré deux hypothèses pour expliquer comment ils pouvaient agir. Il pourrait s’agir d’une programmation précoce des noyaux gamétiques ou alors d’un échange cytoplasmique des scnARN. Finalement, j’ai montré qu’un défaut de scnARN maternels n’est pas une cause possible de dysgénésie hybride. Cependant, 30 % des hétérozygotes F1 présentent une rétention variable de l’IES étudié via un mécanisme inconnu. Si cela est généralisable à toutes les IES homozygotes, alors ce mécanisme aurait un effet délétère sérieux sur les F1 et pourrait contribuer à l’isolement reproductif. / Like all ciliates, P. tetraurelia entirely rearranges its genome during development of the somatic macronucleus from the germline micronucleus, in each sexual generation. Rearrangements include the precise excision of IESs (Internal Eliminated Sequences), single-copy intervening sequences likely derived from transposon insertions. At least for a fraction of IESs, correct excision, which is required to reconstitute functional genes in the macronucleus, is thought to depend on their recognition by Piwi-bound small RNAs (called scnRNAs) produced from the maternal germline genome during meiosis. This raises a problem during conjugation between strains presenting insertion polymorphisms: a cell will be theoretically unable to excise an IES from the incoming (paternal) allele if that IES is absent from the maternal allele, or if its sequence is too divergent. Our results, however, indicate that divergent paternal alleles are correctly rearranged, using scnRNAs produced by the paternal cell. In the case of an absence/presence polymorphism, the IES we studied is excised in 70% of heterozygotes, also using paternal scnRNAs. We explored two hypotheses to explain how they can act. It could be either an early programming of the gametic nuclei or through cytoplasmic exchange of scnRNAs. My results seem to favor the latter. Overall, I showed that the lack of maternal scnRNAs is not a possible cause of hybrid dysgenesis. However, 30% of heterozygous F1 display a variable retention of the IES through an unknown mechanism. If this is true for all hemizygous IESs then it will have a strong deleterious effect on hybrid F1s and may contribute to reproductive isolation.

La stratégie experte semi-automatique de prédiction de Séquences CoDantes (CDS) d'un chromosome procaryote est fondée sur le modèle statistique des chaînes de Markov. Elle est constituée des stratégies AMIMat pour l'apprentissage de l'hétérogénéité de composition des CDS d'un chromosome et AMIGene pour la reconnaissance et le filtrage des CDS les plus probables. AMIMat permet de construire k matrices de transition à partir de k classes de gènes définies selon l'usage des codons synonymes. La précision d' AMIGene dépend de la qualité des matrices et d'autres paramètres validés automatiquement par rapport à des annotations de référence. Autour de ces stratégies, un processus de réannotation de génome complet a été développé, en interaction avec notre base multigénome PkGDB, qui facilite l'homogénéisation des annotations des banques. Ce processus de (ré)annotation est utilisé dans de nombreux projets : Bacillus, Neisseria, Acinetobacter, Entérobactéries.

Les recherches que nous présentons dans ce mémoire s'inscrivent dans le cadre de l'intégration statistique de données post-génomiques hétérogènes. La classification non supervisée de gènes vise à regrouper en ensembles significatifs les gènes d'un organisme, vu comme un système complexe, conformément aux données expérimentales afin de dégager des actions concertées de ces gènes dans les mécanismes biologiques mis en jeu. <br /><br />Nous basons notre approche sur des modèles probabilistes graphiques. Plus spécifiquement, nous utilisons l'outil de champs de Markov cachés qui permet la prise en compte simultanée de données propres à chacun des gènes grâce a des distributions de probabilités et de données traduisant un réseau d'interaction au sein de l'organisme à l'aide d'un graphe non-orienté entre les gènes. <br /><br />Apres avoir présenté la problématique et le contexte biologique, nous décrivons le modèle utilisé ainsi que les stratégies algorithmiques d'estimation des paramètres (i.e. approximations de type champ moyen). Puis nous nous intéresserons à deux particularités des données auxquelles nous avons été confrontés et qui amènent des développements du modèle utilisé, notamment la prise en compte de l'absence de certaines observations et la haute dimensionnalité de celles-ci. Enfin nous présenterons des expériences sur données simulées ainsi que sur données réelles sur la levure qui évaluent le gain apporté par notre travail. Notamment, nous avons voulu mettre l'accent sur des interprétations biologiques plausibles des résultats obtenus.