Les génomes du cancer présentent une mosaïque de types de mutations. Trente signatures mutationnelles ont été identifiées à partir d'un grand nombre de tumeurs humaines primaires. Déchiffrer l'origine de ces signatures mutationnelles pourrait aider à identifier les causes du cancer humain. Environ 40% des signatures décrites sont d'origine inconnue, soulignant la nécessité de modèles expérimentaux contrôlés pour étudier l'origine de ces signatures. Au cours de mon travail de doctorat, j'ai caractérisé et utilisé des modèles in vitro et in vivo d'exposition aux cancérogènes, caractériser les signatures mutationnelles au niveau de génome entier de plusieurs composés cancérogènes pour lesquels le spectre de mutations n'était pas connu ou controversé. Tout d'abord, les conditions de cytotoxicités et genotoxicités pour chaque composé ont été établies et la formation d'adduits d'ADN a été évaluée. Suite au séquençage du gène TP53, on a effectué un séquençage au niveau du génome des clones MEF immortalisés dérivés de l'exposition à l'acrylamide, au glycidamide et à l'ochratoxine A. Le travail suggère une nouvelle signature mutationnelle unique pour l'acrylamide et médiée par son métabolite actif, le glycidamide. En fait, le motif des mutations de glycidamide, correspondant au profil de sa signature mutationnelle, a récapitulé les types de mutations attendus en fonction de l'analyse des adduits d'ADN. En outre, une analyse intégrée utilisant des modèles in vitro et in vivo suggère un manque de mutagénicité directe pour l'OTA avec une contribution potentielle d'un mode d'action lié à la production des radicaux libres à la signature mutationnelle OTA dans les MEF. Cette stratégie expérimentale simple et puissante peut faciliter l'interprétation des empreintes de mutations identifiées dans les tumeurs humaines, élucider l'étiologie du cancer et finalement soutenir la classification des cancers du CIRC en fournissant des preuves mécanistes / Cancer genomes harbour a mosaic of mutation patterns from which thirty mutational signatures have been identified, each attributable to a particular known or yet undetermined causal process. Deciphering the origins of these global mutational signatures in full could help identify the causes of human cancer, especially for about 40% of those signatures identified thus far that remain without a known etiological factor. Thus, well-controlled experimental exposure models can be used to assign particular mutational signatures to various mutagenic factors.During the time frame of my PhD work, I characterized and employed innovative in vitro and in vivo models of carcinogen exposure, namely, primary Hupki MEF cells, HepaRG and lymphoblastoid cell lines as well as rodent tumors. The cytotoxic and genotoxic conditions for each tested exposure compound were established and DNA adduct formation was assessed in select cases. Following a pre-screen by TP53 gene sequencing, genome-wide sequencing of immortalized Hupki MEF clones derived from exposure to acrylamide, glycidamide and ochratoxin A was performed, alongside whole genome sequencing of ochratoxin A induced rat renal tumors. The results reveal a novel mutational signature of acrylamide mediated by its active metabolite, glycidamide, a pattern that can be explained by the parallel analysis of individual glycidamide-DNA adducts. In addition, an integrative mutation analysis using in vitro and in vivo models suggests a lack of direct mutagenicity for OTA and possible indirect effects due to the ROS-mediated mode-of-action in MEF cells. The presented robust experimental strategy can facilitate the interpretation of mutation fingerprints identified in human tumors, thereby elucidating cancer etiology, elucidating the relationship between mutagenesis and carcinogenesis and ultimately providing mechanistic evidence for IARC’s carcinogen classification

La plupart des maladies humaines ont une étiologie complexe avec des facteurs génétiques et environnementaux qui interagissent. Utiliser des phénotypes corrélés peut augmenter la puissance de détection de locus de trait quantitatif. Ce travail propose d’évaluer différentes approches d’analyse bivariée pour des traits corrélés en utilisantl’information apportée par les marqueurs au niveau de la liaison et de l’association. Legain relatif de ces approches est comparé aux analyses univariées. Ce travail a étéappliqué à la variation de la densité osseuse à deux sites squelettiques dans une cohorted’hommes sélectionnés pour des valeurs phénotypiques extrêmes. Nos résultats montrentl’intérêt d’utiliser des approches bivariées en particulier pour l’analyse d’association. Parailleurs, dans le cadre du groupe de travail GAW16, nous avons comparé lesperformances relatives de trois méthodes d’association dans des données familiales. / The majority of complex diseases in humans are likely determined by both genetic andenvironmental factors. Using correlated phenotypes may increase the power to map theunderlying Quantitative Trait Loci (QTLs). This work aims to evaluate and compare theperformance of bivariate methods for detecting QTLs in correlated phenotypes by linkageand association analyses. We applied these methods to data on Bone Mineral Density(BMD) variation, measured at the two skeletal sites, in a sample of males selected forextreme trait values. Our results demonstrate the relative gain, in particular for associationanalysis, of bivariate approaches when compared to univariate analyses. Finally, we studythe performances of association methods to detect QTLs in the GAW16 simulated familydata.

Mieux comprendre les mécanismes de la résistance aux antibiotique est un enjeu important dans la lutte contre les maladies infectieuses, qui fait face à la propagation de bactéries multi-résistantes. Les études d'association à l'échelle des génomes sont des outils puissants pour explorer les polymorphismes liés aux variations phénotypiques dans une population. Leur cadre méthodologique est très documenté pour les eucaryotes, mais leur application aux bactéries est très récente. Durant cette thèse, j'ai cherché à rendre ces outils mieux adaptés aux génomes plastiques des bactéries, principalement en travaillant sur la représentation des variations génétiques. En effet, parce que les bactéries ont la capacité à échanger du matériel génétique avec leur environnement, leurs génomes peuvent être trop différents au sein d'une espèce pour être alignés contre une référence. La description des variations par des fragments de séquence de longueur k, les k-mers, offre la flexibilité nécessaire mais ne permet pas une interprétation directe des résultats obtenus. La méthode mise au point teste l'association de ces k-mers avec le phénotype, et s'appuie sur un graphe de De Bruijn pour permettre la visualisation du contexte génomique des k-mers identifiés par le test, sous forme de graphes. Cette vue synthétique renseigne sur la nature de la séquence identifiée: il peut par exemple s'agir de polymorphisme local dans un gène ou de l'acquisition d'un gène dans un plasmide. Le type de variant représenté dans un graphe peut être prédit avec une bonne performance à partir de descripteurs du graphe, rendant plus opérationnelles les approches par k-mers pour l'étude des génomes bactériens / The emergence and spread of multi-drug resistance has become a major worldwide public health concern, calling for better understanding of the underlying resistance mechanisms. Genome-wide association studies are powerful tools to finely map the genetic polymorphism linked to the phenotypic variability observed in a population. However well documented for eukaryotic genome analysis, these studies were only recently applied to prokaryota.Through this PhD project, I searched how to better adapt these tools to the highly plastic bacterial genomes, mainly by working on the representation of the genetic variations in these genomes. Indeed, because the bacteria have the faculty to acquire genetic material by a means other than direct inheritance from a parent cell, their genomes can differ too much within a species to be aligned against a reference. A representation using sequence fragments of length k - the so-called k-mers - offers the required flexibility but generates redundancy and does not allow for a direct interpretation of the identified associations. The method we set up tests the association of these k-mers with the phenotype, and takes advantage of a De Bruijn graph (DBG) built over all genomes to remove the local redundancy of k-mers, and offer a visualisation of the genomic context of the k-mers identified by the test. This synthetic view as DBG subgraphs informs on the nature of the identified sequence: e.g. local polymorphism in a gene or gene acquired through a plasmid. The type of variant can be predicted correctly in 96% of the cases from descriptors of the subgraphs, providing a tractable framework for k-mer-based association studies

La Maladie Thrombo-Embolique Veineuse (MTEV) est une maladie dont les facteurs de risque sont à la fois environnementaux et génétiques. Les facteurs de risque génétiques bien établis sont les déficits en anti-thrombine, en protéine S, en protéine C, la mutation du Facteur V de Leiden (FVL), la mutation du Facteur (F) II G20210A, ainsi que le gène ABO dont les allèles A1 et B augmentent le risque de MTEV par rapport aux allèles A2 et O. Alors qu’une part importante de l’héritabilité de la MTEV reste inexpliquée, les études contemporaines se heurtent à un manque de puissance pour découvrir de nouveaux facteurs génétiques dont les effets sont de plus en plus faibles. En vue d’augmenter la puissance de détection de nouveaux gènes de susceptibilité à la MTEV, j’ai recherché les déterminismes génétiques de deux de ses phénotypes intermédiaires : les taux d’activité plasmatique du FVIII et les taux d’antigénémie de sa protéine de transport, le Facteur de von Willebrand (vWF). Dans un premier temps, j’ai réalisé une analyse de liaison des taux de FVIII et de vWF à partir d’un échantillon de cinq grandes familles franco-canadiennes (totalisant 255 personnes) recrutées via un cas de MTEV avec mutation FVL. Quatre régions liées aux taux de FVIII et/ou vWF ont été identifiées. L’une de ces régions correspondait au locus du gène ABO déjà connu pour influencer les taux de FVIII et vWF. La recherche de gènes candidats au sein des autres signaux de liaison s’est effectuée par l’étude in silico d’une analyse d’association pangénomique de la MTEV incluant 419 cas et 1228 témoins. Deux gènes candidats ont été identifiés : STAB2 et BAI3. J’ai ensuite réalisé des études d’associations de cinq polymorphismes de BAI3. L’un d’entre eux était d’une part associé à une élévation des taux de vWF (résultat obtenu dans un échantillon de 108 familles nucléaires en bonne santé et reproduit dans un échantillon de 916 patients non apparentés atteints de MTEV), et d’autre part associé au risque de survenue de MTEV parmi les sujets non porteurs de mutations FVL et FII de deux échantillons cas-témoins (respectivement 916 cas et 801 témoins, et 250 cas et 607 témoins). Quant à STAB2, durant le courant de ma thèse, deux de ces polymorphismes ont été décrits comme associés aux taux de FVIII et vWF au cours d’une vaste étude d’association pangénomique (GWAS) menée par le consortium CHARGE rassemblant 23 600 personnes. Dans un second temps, j’ai réalisé une méta-analyse de trois GWAS des taux de FVIII et vWF. Ces analyses avaient été conduites avec l’échantillon des cinq grandes familles franco-canadiennes et deux échantillons de 972 et 570 patients atteints de MTEV. Elles étaient ajustées sur les polymorphismes du gène ABO permettant de distinguer les allèles A1, A2, B et O, dans l’optique d’augmenter la puissance des analyses en diminuant la variance résiduelle des phénotypes. Aucun polymorphisme n’était associé ni aux taux de vWF ni à ceux de FVIII après prise en compte de la correction de Bonferroni pour tests multiples (p<10-7). Cependant, parmi les onze gènes qui présentaient des polymorphismes associés aux taux de vWF ou de FVIII avec une significativité p<10-5, de manière intéressante se trouvait STAB2. Cette étude a de plus permis de confirmer les associations nouvellement découvertes de polymorphismes situés dans les gènes VWF, STXBP5 et STX2. / The Venous Thromboembolism (VTE) risk factors are environmental and genetic. The well established risk factors are anti-thrombin, protein C, protein S deficiency, Factor V Leiden and factor II mutation and ABO gene, with A1 and B allele increasing the risk of VTE. While an important part of VTE heritability remains unexplained, contemporary studies fail to discover new susceptibility genes with weaker effects. In order to increase the discovery power, I searched for genetic geterminism of two intermediary phenotypes of VTE : Factor VIII plasmatic activity (FVIII) and von Willebrand factor antigenemia (vWF)First, I performed a linkage study of FVIII and vWF from a sample of 5 large pedigrees (N=255). Four loci have been identified. One included ABO gene. I searched for candidate genes located in the others loci by studying in silico results from o Genome Wide Association Study (GWAS) of the VTE including 419 cases and and 1228 controls. témoins. Two candidate genes were identified : STAB2 et BAI3. Then I performed association studies of five SNPs in BAI3 with FVIII and vWF. One of them was associated to vWF (in a sample of 108 nuclear families and 916 VTE patients), and associated to VTE in two case-controls samples (respectively 916 cases and 801 controls, and 250 cases et 607 controls).Second, I performed a meta-analysis of three GWAS of FVIII and vWF from the same 5 pedigrees and two samples of VTE (N=972 and 570) adjusted on ABO blood group. No polymorphisms were significant after Bonferoni correction (p<10-7). Nevertheless, among 11 genes carrying polymorphisms with a p<10-5, interestingly was STAB2. Futhermore, this study allowed to confirm newly discoverd association with VWF, STXBP5 et STX2.

Introduction La traite transatlantique, du 15ième au 19ième siècle, a changé radicalement la démographie des Amériques. Des milliers d'esclaves africains ont réussi à échapper aux plantations des colonisateurs européens, et ont formé des colonies indépendantes de peuples libres (ou 'Marron'). Dans notre travail, nous étudions quatre communautés Noir Marron de la Guyane française et du Surinam, ainsi que d'autres populations ayant un héritage africain : Brésil et Colombie, ainsi que des populations d'Afrique de l'Ouest : Bénin, Côte-d'Ivoire et Mali. Afin de définir les différentes histoires démographiques, ces populations ont été caractérisées à l'aide de plusieurs marqueurs génétiques des lignées uniparentales: chromosome Y (17 Y-STR et 96 Y-SNP), ADN mitochondrial (génomes complet), et de données pan-génomiques (4,5 millions de SNP). Résultats Les ADN paternels et maternels ont mis en évidence différents modèles de biais sexuels dans les populations afro-brésiliennes et afro-colombiennes, ce qui suggère des comportements de mariages préférentiels. À l'opposé, les communautés Noir Marron présentent l'origine africaine la plus élevée pour tous les systèmes génétiques analysés (supérieure à 98%). Dans ces communautés, on note l'absence de flux génique avec les groupes non-africains, et également des coefficients de consanguinité très élevés. En accord avec les études linguistiques, les communautés Noir Marron montrent une origine géographique africaine associée aux royaumes historiques de l'Afrique de l'Ouest qui existaient au Bénin durant la traite des esclaves. En accord avec les études historiques, l'origine des afro-colombiens montre des liens génétiques avec la région de la Côte de l'Or, et celle des afro-brésiliens avec la région de l'Afrique centrale. Conclusions Cette étude fournit une importante information génétique sur les afro-américains et nous permet de reconstruire les liens brisés avec leur passé africain. Les communautés Noir Marron montrent une identité africaine très élevée, reliée au Golfe du Bénin. Les populations afro-brésiliennes et afro-colombiennes font apparaitre différentes histoires démographiques en raison de leur passé colonial différent. Confronté avec les études historiques, la génétique permet de mieux appréhender l'identité ethnique africaine sur les deux rives de l'Atlantique. / Background The transatlantic slave trade, from the 15th to the 19th centuries, changed dramatically the demography of the Americas. Thousands of enslaved Africans managed to escape from the plantations of European colonizers, and formed independent African settlements of free people (or 'Marron'). Here, we study four Noir Marron communities from French Guiana and Surinam, as well as other populations with noteworthy African heritage in Brazil and Colombia, and West African populations in Benin, Ivory Coast, and Mali. To uncover different population histories, these populations were specifically characterized using different genetic markers based on 17 Y-STRs, 96 Y-SNPs, whole mtDNA genome, and genome-wide SNP data (4.5 million autosomal SNP). Results Paternally and maternally inherited DNA highlighted different patterns of sex-biased gene flow in both Afro-Brazilian and Afro-Colombian populations that suggest different preferential marriage behaviours. In sharp contrast, the Noir Marron communities presented the highest African ancestry in all genetic systems analysed (above 98%). These communities have apparently a null gene flow with non-African groups, and also present elevated inbreeding coefficients. In good agreement with linguistic studies, the Noir Marron communities showed a biogeographical ancestry associated with historical West African Kingdoms that existed in modern Benin during the slave trade. Afro-Colombians indicated genetic ancestry linked with the Gold Coast region. While Afro-Brazilian genetic ancestry was linked with the West Central African region, also supported by historical research. Conclusions This study provides specific genetic information in African Americans and thereby helps us to reconstruct broken links with their African past. The Noir Marron communities revealed a remarkably high African identity, which is still linked to Bight of Benin region. The Afro-Brazilian and Afro-Colombian populations present different demographic histories because of their different colonial pasts. Within an appropriate historical framework, genetic ancestry can add further understanding of ethnicity in African populations throughout the Atlantic world.

Introdução: Com a sofisticação das técnicas de análise do DNA, a medicina moderna tem à sua disposição boas possibilidades para elucidar quadros clínicos indefinidos em pacientes que possuem microrrearranjos cromossômicos complexos. O desenvolvimento da técnica de MLPA (Multiplex ligation-dependent probe amplification) aliado à tecnologia dos arrays (WGAS - whole genome array screening) possibilitou analisar de uma só vez, diferentes regiões de interesse clínico no genoma humano. Objetivo: O presente trabalho teve como objetivo estudar pacientes com atraso de desenvolvimento neuropsicomotor (ADNPM) associado à malformação congênita (MC) com cariótipo prévio normal ou inconclusivo. Material e métodos: Participaram do estudo 71 pacientes com ADNPM associado à MC que foram analisados utilizando o teste de MLPA com os kits P036 e P064, seguido de WGAS com as diferentes plataformas (Agilent, Affymetrix e Illumina). Resultados: Entre os 33 pacientes com alterações patogênicas e de significado clínico incerto (VOUS) encontramos: 12 pacientes com deleção, 5 com duplicação e 16 com duplicações e deleções (dup/del) concomitantes. Foram 29 pacientes com alterações patogênicas conclusivas, 4 pacientes com CNVs classificadas como VOUS e 15 pacientes tiveram resultado de array normal além dos outros 23 que apresentaram alterações benignas, ou por não apresentarem genes na região alterada, ou por serem genes sem fenótipos descritos, ou ainda, as alterações foram herdadas de genitores normais. Na casuística total foram encontrados 4 pacientes com regiões de perda de heterozigosidade. Conclusões: A utilização de uma estratégia combinada utilizando diferentes kits de MLPA, com capacidade para detectar as principais microalterações genômicas patogênicas conhecidas, associada à aplicação do WGAS possibilitou a detecção de alterações submicroscópicas, bem como a correlação clínica adequada para pacientes não diagnosticados pela citogenética clássica. Dessa forma, nosso estudo sugere um novo modelo para a aplicação combinada desses testes que representa uma alternativa de bom custo-benefício para a triagem genômica e definição diagnóstica dos pacientes com quadros sindrômicos complexos e suas famílias / Introduction: The recent technological advances on DNA-based techniques have established in modern medicine good opportunities to elucidate undefined clinical cases in patients with complex chromosomal microrearrangements. The performance of MLPA (Multiplex ligation-dependent probe amplification) technique together with array technologies (WGAS - whole genome array screening) created the possibility of one single experiment to analyze different regions of interest in the human genome. Objective: Patients with psychomotor delay (PSMD) associated with multiple congenital anomalies who had normal or inconclusive G-band-karyotype (MCA) were studied in order to understand the genotype-phenotype correlations. Material and methods: This study involved 71 patients with psychomotor delay (PSMD) associated with multiple congenital anomalies (MCA) analyzed by MLPA (P036 and P064 kits), followed by WGAS different platforms (Agilent, Affymetrix e Illumina®). Results: Among 33 patients with pathogenic and uncertain (VOUS) copy number variations (CNV) were found: 12 deletions, 5 duplications and 16 concomitant duplication and deletion (dup/del). There were 29 patients with conclusive pathogenic findings, 4 patients with VOUS and 16 patients with normal array, but others 23 patients with benign results, which means there is no gene content in the region involved, or because these genes were not linked to phenotype, or even due to CNVs inherited of healthy parents. From the whole casuistic, 4 individuals presented loss of heterozygosity (LOH) regions. Conclusions: The use of a combined strategy of analysis (MLPA - WGAS) with a high capacity to detect pathogenic CNVs allows unraveling microscopic imbalances, and consequently, offers an adequate clinical correlation for patients not previously diagnosed by classical cytogenetics. In conclusion, this study suggests a new model for the combined application of these techniques, which represents an optimal alternative for a genomic screening and diagnostic establishment in patients with rare complex disorders and their families

Introdução: Com a sofisticação das técnicas de análise do DNA, a medicina moderna tem à sua disposição boas possibilidades para elucidar quadros clínicos indefinidos em pacientes que possuem microrrearranjos cromossômicos complexos. O desenvolvimento da técnica de MLPA (Multiplex ligation-dependent probe amplification) aliado à tecnologia dos arrays (WGAS - whole genome array screening) possibilitou analisar de uma só vez, diferentes regiões de interesse clínico no genoma humano. Objetivo: O presente trabalho teve como objetivo estudar pacientes com atraso de desenvolvimento neuropsicomotor (ADNPM) associado à malformação congênita (MC) com cariótipo prévio normal ou inconclusivo. Material e métodos: Participaram do estudo 71 pacientes com ADNPM associado à MC que foram analisados utilizando o teste de MLPA com os kits P036 e P064, seguido de WGAS com as diferentes plataformas (Agilent, Affymetrix e Illumina). Resultados: Entre os 33 pacientes com alterações patogênicas e de significado clínico incerto (VOUS) encontramos: 12 pacientes com deleção, 5 com duplicação e 16 com duplicações e deleções (dup/del) concomitantes. Foram 29 pacientes com alterações patogênicas conclusivas, 4 pacientes com CNVs classificadas como VOUS e 15 pacientes tiveram resultado de array normal além dos outros 23 que apresentaram alterações benignas, ou por não apresentarem genes na região alterada, ou por serem genes sem fenótipos descritos, ou ainda, as alterações foram herdadas de genitores normais. Na casuística total foram encontrados 4 pacientes com regiões de perda de heterozigosidade. Conclusões: A utilização de uma estratégia combinada utilizando diferentes kits de MLPA, com capacidade para detectar as principais microalterações genômicas patogênicas conhecidas, associada à aplicação do WGAS possibilitou a detecção de alterações submicroscópicas, bem como a correlação clínica adequada para pacientes não diagnosticados pela citogenética clássica. Dessa forma, nosso estudo sugere um novo modelo para a aplicação combinada desses testes que representa uma alternativa de bom custo-benefício para a triagem genômica e definição diagnóstica dos pacientes com quadros sindrômicos complexos e suas famílias / Introduction: The recent technological advances on DNA-based techniques have established in modern medicine good opportunities to elucidate undefined clinical cases in patients with complex chromosomal microrearrangements. The performance of MLPA (Multiplex ligation-dependent probe amplification) technique together with array technologies (WGAS - whole genome array screening) created the possibility of one single experiment to analyze different regions of interest in the human genome. Objective: Patients with psychomotor delay (PSMD) associated with multiple congenital anomalies who had normal or inconclusive G-band-karyotype (MCA) were studied in order to understand the genotype-phenotype correlations. Material and methods: This study involved 71 patients with psychomotor delay (PSMD) associated with multiple congenital anomalies (MCA) analyzed by MLPA (P036 and P064 kits), followed by WGAS different platforms (Agilent, Affymetrix e Illumina®). Results: Among 33 patients with pathogenic and uncertain (VOUS) copy number variations (CNV) were found: 12 deletions, 5 duplications and 16 concomitant duplication and deletion (dup/del). There were 29 patients with conclusive pathogenic findings, 4 patients with VOUS and 16 patients with normal array, but others 23 patients with benign results, which means there is no gene content in the region involved, or because these genes were not linked to phenotype, or even due to CNVs inherited of healthy parents. From the whole casuistic, 4 individuals presented loss of heterozygosity (LOH) regions. Conclusions: The use of a combined strategy of analysis (MLPA - WGAS) with a high capacity to detect pathogenic CNVs allows unraveling microscopic imbalances, and consequently, offers an adequate clinical correlation for patients not previously diagnosed by classical cytogenetics. In conclusion, this study suggests a new model for the combined application of these techniques, which represents an optimal alternative for a genomic screening and diagnostic establishment in patients with rare complex disorders and their families

L'objectif principal de cette thèse est le développement, l'amélioration et l'évaluation de méthodes de traitement de données massives de séquençage, principalement des lectures de séquençage d'ARN courtes et longues, pour éventuellement aider la communauté à répondre à certaines questions biologiques, en particulier dans les contextes de transcriptomique et d'épissage alternatif. Notre objectif initial était de développer des méthodes pour traiter les données d'ARN-seq de deuxième génération à l'aide de graphes de De Bruijn afin de contribuer à la littérature sur l'épissage alternatif, qui a été exploré dans les trois premiers travaux. Le premier article (Chapitre 3, article [77]) a exploré le problème que les répétitions apportent aux assembleurs de transcriptome si elles ne sont pas correctement traitées. Nous avons montré que la sensibilité et la précision de notre assembleur local d'épissage alternatif augmentaient considérablement lorsque les répétitions étaient formellement modélisées. Le second (Chapitre 4, article [11]) montre que l'annotation d'événements d'épissage alternatifs avec une seule approche conduit à rater un grand nombre de candidats, dont beaucoup sont importants. Ainsi, afin d'explorer de manière exhaustive les événements d'épissage alternatifs dans un échantillon, nous préconisons l'utilisation combinée des approches mapping-first et assembly-first. Étant donné que nous avons une énorme quantité de bulles dans les graphes de De Bruijn construits à partir de données réelles d'ARN-seq, qui est impossible à analyser dans la pratique, dans le troisième travail (Chapitre 5, articles [1, 2]), nous avons exploré théoriquement la manière de représenter efficacement et de manière compacte l'espace des bulles via un générateur des bulles. L'exploration et l'analyse des bulles dans le générateur sont réalisables dans la pratique et peuvent être complémentaires aux algorithmes de l'état de l'art qui analysent un sous-ensemble de l'espace des bulles. Les collaborations et les avancées sur la technologie de séquençage nous ont incités à travailler dans d'autres sous-domaines de la bioinformatique, tels que: études d'association à l'échelle des génomes, correction d'erreur et assemblage hybride. Notre quatrième travail (Chapitre 6, article [48]) décrit une méthode efficace pour trouver et interpréter des unitigs fortement associées à un phénotype, en particulier la résistance aux antibiotiques, ce qui rend les études d'association à l'échelle des génomes plus accessibles aux panels bactériens, surtout ceux qui contiennent des bactéries plastiques. Dans notre cinquième travail (Chapitre 7, article [76]), nous évaluons dans quelle mesure les méthodes existantes de correction d'erreur ADN à lecture longue sont capables de corriger les lectures longues d'ARN-seq à taux d'erreur élevé. Nous concluons qu'aucun outil ne surpasse tous les autres pour tous les indicateurs et est le mieux adapté à toutes les situations, et que le choix devrait être guidé par l'analyse en aval. Les lectures longues d'ARN-seq fournissent une nouvelle perspective sur la manière d'analyser les données transcriptomiques, puisqu'elles sont capables de décrire les séquences complètes des ARN messagers, ce qui n'était pas possible avec des lectures courtes dans plusieurs cas, même en utilisant des assembleurs de transcriptome de l'état de l'art. En tant que tel, dans notre dernier travail (Chapitre 8, article [75]), nous explorons une méthode hybride d'assemblage d'épissages alternatifs qui utilise des lectures à la fois courtes et longues afin de répertorier les événements d'épissage alternatifs de manière complète, grâce aux lectures courtes, guidé par le contexte intégral fourni par les lectures longues / The main goal of this thesis is the development, improvement and evaluation of methods to process massively sequenced data, mainly short and long RNA-sequencing reads, to eventually help the community to answer some biological questions, especially in the transcriptomic and alternative splicing contexts. Our initial objective was to develop methods to process second-generation RNA-seq data through de Bruijn graphs to contribute to the literature of alternative splicing, which was explored in the first three works. The first paper (Chapter 3, paper [77]) explored the issue that repeats bring to transcriptome assemblers if not addressed properly. We showed that the sensitivity and the precision of our local alternative splicing assembler increased significantly when repeats were formally modeled. The second (Chapter 4, paper [11]), shows that annotating alternative splicing events with a single approach leads to missing out a large number of candidates, many of which are significant. Thus, to comprehensively explore the alternative splicing events in a sample, we advocate for the combined use of both mapping-first and assembly-first approaches. Given that we have a huge amount of bubbles in de Bruijn graphs built from real RNA-seq data, which are unfeasible to be analysed in practice, in the third work (Chapter 5, papers [1, 2]), we explored theoretically how to efficiently and compactly represent the bubble space through a bubble generator. Exploring and analysing the bubbles in the generator is feasible in practice and can be complementary to state-of-the-art algorithms that analyse a subset of the bubble space. Collaborations and advances on the sequencing technology encouraged us to work in other subareas of bioinformatics, such as: genome-wide association studies, error correction, and hybrid assembly. Our fourth work (Chapter 6, paper [48]) describes an efficient method to find and interpret unitigs highly associated to a phenotype, especially antibiotic resistance, making genome-wide association studies more amenable to bacterial panels, especially plastic ones. In our fifth work (Chapter 7, paper [76]), we evaluate the extent to which existing long-read DNA error correction methods are capable of correcting high-error-rate RNA-seq long reads. We conclude that no tool outperforms all the others across all metrics and is the most suited in all situations, and that the choice should be guided by the downstream analysis. RNA-seq long reads provide a new perspective on how to analyse transcriptomic data, since they are able to describe the full-length sequences of mRNAs, which was not possible with short reads in several cases, even by using state-of-the-art transcriptome assemblers. As such, in our last work (Chapter 8, paper [75]) we explore a hybrid alternative splicing assembly method, which makes use of both short and long reads, in order to list alternative splicing events in a comprehensive manner, thanks to short reads, guided by the full-length context provided by the long reads

Des anomalies biochimiques de la voie sérotonine-N-acétylsérotonine-mélatonine ont été observées dans les Troubles du Spectre Autistique (TSA) et la prématurité. Cependant, les mécanismes moléculaires de régulation de cette voie et les causes des anomalies biochimiques observées dans ces maladies sont encore mal connus. Afin de mieux comprendre les bases génétiques de la voie sérotonine-N-acétylsérotonine-mélatonine, nous avons utilisé une approche de génétique quantitative au travers de deux populations d’étude indépendantes, dans lesquelles des paramètres de cette voie ont été mesurés. Ces deux cohortes, composées d’une part de plus de 250 familles avec autisme et plus de 300 témoins et d’autre part, de 183 nouveau-nés dont 93 nés très prématurés, incluent ainsi des individus présentant deux situations pathologiques différentes associées à des anomalies de cette voie. Une première étude de la voie sérotonine-N-acétylsérotonine-mélatonine dans les familles avec TSA a permis d’obtenir des estimations de l’héritabilité au sens strict, allant de 0,22 pour la mélatonine à 0,72 pour la N-acétylsérotonine (NAS). Des études d’association portant dans un premier temps sur une liste de 812 gènes candidats pour la régulation de la voie sérotonine-NAS-mélatonine et dans un second temps sur tout le génome, n’ont pas permis d’identifier des variants significativement associés aux traits biochimiques. Cependant, des études d’association par gènes ont permis d’identifier trois nouveaux gènes candidats (IL21R, JMJD7 et MAPKBP1) pour la régulation de cette voie dans les familles avec TSA ainsi qu’un nouveau gène (RAET1G) dans la cohorte de nouveau-nés prématurés et témoins. Enfin une étude biochimique des phénol-sulfotransférases (PST) dans les familles avec TSA a mis en évidence une faible activité enzymatique chez 29% des patients en comparaison avec les témoins (5ème percentile). Le séquençage et le génotypage du nombre de copies des gènes de la famille SULT1A1 n’ont pas permis d’identifier des variations génétiques associées aux TSA, à l’activité PST, ou aux taux de sérotonine et de mélatonine. En conclusion, ces résultats confirment la complexité de l’architecture génétique de la voie sérotonine-NAS-mélatonine. D’autre part, ils ont permis de mettre en évidence une héritabilité élevée de cette voie et d’identifier de nouveaux gènes candidats pour comprendre la diversité inter-individuelle de cette voie chez les personnes avec TSA, les enfants prématurés et la population générale. / Biochemical abnormalities of the serotonin-N-acetylserotonin-melatonin pathway have been reported in many clinical conditions such as Autism Spectrum Disorders and preterm birth. However, molecular mechanisms underlying this pathway regulation, as well as the causes of these biochemical abnormalities remain largely unknown. The aim of this study was thus to characterize the genetic basis of the serotonin-N-acetylserotonin-melatonin pathway. To do so, we used a quantitative genetic approach in two independent populations that were previously biochemically explored for this pathway. One cohort consisted of more than 250 families with ASD and more than 300 controls and the other was composed of 183 infants including 93 very preterm newborns. Both cohorts included individuals with clinical conditions associated with disruptions of the serotonin-N-acetylserotonin-melatonin pathway. Narrow sense heritability analysis of this pathway showed relatively high estimates, ranging from 0.22 for melatonin to 0.72 for N-acetyserotonin (NAS). First, candidate-gene association studies including 812 genes related to the serotonin-NAS-melatonin pathway, then genome-wide association studies were conducted. These analyses did not identify any variant associated at the genome-wide significance level. However, a gene-based approach identified three new candidate genes (IL21R, JMJD7 and MAPKBP1) for the regulation of the pathway in families with ASD as well as one gene (RAET1G) in the cohort of preterm and term newborns. Finally, a biochemical exploration of the phenol-sulfotransferases (PST) in families with ASD revealed a decreased enzyme activity in 29% of patients compared with controls (5th percentile). SULT1A1-4 genes were then sequenced and copy number variants (CNV) were genotyped. No genetic variant could be significantly associated with PST activity, melatonin and serotonin levels, or ASD status. In conclusion, these results confirm the complexity of serotonin-NAS-melatonin pathway genetic architecture. Furthermore, this study revealed high heritability of this pathway and identified new candidate genes to understand the inter-individual variability of this pathway in ASD, preterm birth and the general population.

Widely effective treatment for alcohol use disorder is not yet available, because the exact biological mechanisms that underlie this disorder are not completely understood. One way to gain a better understanding of these mechanisms is to examine the genetic frameworks that contribute to the risk for developing this disorder. This dissertation examines genetic association data in combination with gene expression networks in the brain to identify functional groups of genes associated with alcohol consumption and dependence. The first study took advantage of the behavioral complexity of human samples, and experimental capabilities provided by mouse models, by co-analyzing gene expression networks in the mesolimbocortical system of acute alcohol-treated mice and human genetic alcohol dependence association data. This study successfully identified ethanol-responsive gene expression networks with overrepresentation of genes suggestively associated with alcohol dependence in an independent human sample, indicating that gene expression networks in mouse models are informative for identifying mechanistic networks relevant to the risk for developing dependence. The second study aimed to identify quantitative trait loci for voluntary alcohol drinking behaviors under an intermittent ethanol access paradigm, in the genetically complex Diversity Outbred mice. After determining high heritability for alcohol consumption and dependence amongst the progenitor strains, we identified several specific genetic loci associated with these traits. One locus replicated results from a human association study of alcohol consumption, and provided insight to the potentially contributing genes. Finally, we identified alcohol consumption-correlated gene expression networks in the prefrontal cortex of these mice. We also mapped quantitative trait loci for network expression levels, some of which overlapped with the behavioral loci, indicating that the functions represented by these modules mediate the relationship between the genotypes in that region and drinking behaviors. Overall, our studies revealed neuroplastic and ubiquitin-related genes pathways involved in alcohol consumption in mice and humans, and that likely contribute to the risk for developing dependence.