Les algorithmes d'alignement sont au coeur de l'analyse de séquences en bio-informatique. Dans cette thèse, nous nous focalisons sur le problème de l'alignement de lectures, des millions de courtes séquences produites par les séquenceurs de nouvelle génération (NGS) en particulier pour l'analyse de données de métatranscriptome et de métagénome en biodiversité. Pour cela, il y a deux types de difficulté. Le premier est que toutes les technologies NGS entrainent des erreurs de séquençage, telles que substitutions, insertions et suppressions de nucléotides. Le second est que les échantillons métagénomique peuvent contenir des centaines d'organismes inconnus et que leur analyse demande de procéder à des alignements avec des d'espèces possiblement distantes. Pour résoudre ces problèmes, nous avons développé un nouvel algorithme d'alignement reposant sur des graines avec erreurs. Cela amène un gain en sensibilité par rapport aux logiciels existants optimisés pour le problème du reséquençage, avec des similarités élevées et qui se fondent sur des graines exactes. Nous proposons également une nouvelle méthode d'indexation basée sur le Burst trie qui permet d'optimiser la recherche avec les graines avec erreurs. Nous montrons l'efficacité de nos méthodes dans deux nouveaux outils, SortMeRNA pour l'identification d'ARN ribosomiques dans des données de métatranscriptome, et SortMeDNA pour l'alignement de lectures en génomique et métagénomique. / Sequence alignment algorithms are at the heart of bioinformatic sequence analysis. In this thesis we focus on the alignment of millions of short sequences produced by Next-Generation Sequencing (NGS) technologies in particular for the analysis of metagenomic and metatranscriptomic data, that is the DNA and RNA directly extracted for an environment. Two major challenges were confronted in our developed algorithms. First, all NGS technologies today are susceptible to sequencing errors in the form of nucleotide substitutions, insertions and deletions. Second, metagenomic samples can contain hundreds of unknown organisms and the standard approach to identifying them is to align against known closely related species. To overcome these challenges we designed a new approximate matching technique based on the universal Levenshtein automaton which quickly locates short regions of similarity (seeds) between two sequences allowing 1 error of any type. Using seeds to detect possible high scoring alignments is a widely used heuristic for rapid sequence alignment, although most existing software are optimized for performing high similarity searches and apply exact seeds. Furthermore, we describe a new indexing data structure based on the Burst trie which optimizes the search for approximate seeds. We demonstrate the efficacy of our method in two implemented software, SortMeRNA and SortMeDNA. The former can quickly filter ribosomal RNA fragments from metatranscriptomic data and the latter performs full alignment for genomic and metagenomic data.

Les domaines de la génomique et de la métagénomique ont apporté un support incommensurable à l'avancement de nos connaissances sur la génétique des bactéries. Les bactéries pathogènes sont maintenant séquencées et analysées pour identifier les facteurs causant leur virulence et/ou leur résistance aux antibiotiques ainsi que leur capacité à transmettre ces éléments génétiques qui sont d'un intérêt clinique. Les bactéries commensales, quant à elles, sont de plus en plus associées à la santé humaine et sont étudiées à l'aide de la métagénomique pour contrer les difficultés liées à leur culture étant donné leur grande diversité en matière de besoins métaboliques. Les nouvelles technologies de séquençages permettent donc de produire en masse ces séquences d'ADN à des fins de caractérisation et de comparaison dans le but d'élucider des questions souvent reliées à la santé humaine. Les avancées en génomique et en métagénomique requièrent des logiciels bio-informatiques capables de gérer et de s'adapter à la quantité massive et croissante des données biologiques. Les deux premières hypothèses de ce doctorat concernaient le développement de méthodes efficaces et flexibles pour l'analyse de génomes et de métagénomes bactériens. Plusieurs méthodes d'analyses bio-informatiques ont été explorées et ont mené à l'implémentation de deux logiciels pour supporter les hypothèses de recherche : Ray Surveyor et kAAmer. La première hypothèse de recherche consistait à vérifier s'il était possible d'obtenir une comparaison de génomes, depuis leur simple contenu en k-mers de séquences d'ADN, avec des résultats analogues aux comparaisons génomiques standards comme le pourcentage moyen d'identités ou les arbres phylogénétiques, mais sans nécessiter d'alignements de séquences. Nous avons démontré avec le logiciel Ray Surveyor et plusieurs analyses de génomique et de métagénomique bactérienne, qu'il était possible d'obtenir de tels comparaisons à l'aide de séquences d'ADN découpées en k-mer. Dans l'étude qui présenta les résultats de l'hypothèse de recherche, nous avons aussi estimé la propension génotypique de plusieurs espèces bactériennes à des phénotypes d'intérêt clinique à l'aide de bases de données de gènes spécialisées. La deuxième hypothèse était de tester s'il était possible de développer un logiciel pour l'identification de séquences protéiques, basé sur des k-mers d'acides aminés, qui serait plus performant que les logiciels existants, spécifiquement pour l'identification de protéines avec un haut degré d'homologie. Les travaux menèrent à l'implémentation de kAAmer, un logiciel permettant de créer des bases de données de protéines où la recherche de séquence se fait par association exacte de k-mers tout en supportant l'alignement de séquences. KAAmer s'est avéré très efficace pour la recherche de séquences de protéines avec des performances surpassant même, dans la majorité des scénarios, les aligneurs de séquences les plus rapides. D'autres fonctionnalités intéressantes sont aussi offertes par kAAmer, tel que la possibilité d'héberger une base de données en tant que service de manière permanente. Enfin, la troisième et dernière hypothèse de recherche visait à valider si les deux logiciels développés durant le projet de doctorat (Ray Surveyor et kAAmer) produiraient des résultats viables dans une analyse métagénomique du microbiote intestinal en lien avec l'obésité. Les profilages taxonomique et fonctionnel furent donc réalisés avec kAAmer et la comparaison de novo des métagénomes investiguée avec Ray Surveyor. Les résultats obtenus se sont avérés significatifs et ont démontrés, entre autres, une tendance vers une abondance relative plus élevée pour le phylum Bacteroidetes et moins élevée pour les phyla Firmicutes et Acinetobacteria chez les sujets obèses. Une multitude de fonctions métaboliques se sont aussi avérées significativement différentes dans les conditions normales et d'obésités des métagénomes, avec une mention particulière à celles reliées au métabolisme des acides gras à chaîne courte qui sont reconnues pour être associées à l'obésité. / The fields of genomics and metagenomics have provided immeasurable support to the advancement of our knowledge of bacterial genetics. Pathogenic bacteria are now routinely sequenced and analyzed to identify the factors causing their virulence or antibiotic resistance as well as their ability to transmit genetic elements. Commensal bacteria are increasingly associated with human health and are being studied using metagenomics to counter the issues associated with their culture due to their wide range of metabolic needs. Next generation sequencing enabled us to mass-produce these DNA sequences for characterization and comparison purposes in order to elucidate questions related to human health. Improvement in genomics and metagenomics studies required bio-informatics software that are able to manage and adapt to an increasing availability of biological sequences data. The first two hypotheses of this thesis include the development of efficient and flexible methods for the analysis of bacterial genomes and metagenomes. Several bio-informatics analysis methods were explored and led to the implementation of two software to support the research hypotheses: Ray Surveyor and kAAmer. The first research hypothesis was to test the possibility of obtaining a comparison of genomes, from their simple DNA k-mers content, with results analogous to standard genomic comparisons such as average nucleotide identity or phylogenetic trees, but without the need for sequence alignments. Using Ray Surveyor software and several bacterial genomic and metagenomic analyses, we have demonstrated that it is possible to obtain such comparisons using k-mers from DNA sequences. In the study that presented the results of the research hypothesis, we also estimated the genotypic propensity of several bacterial species to clinically relevant phenotypes using specialized gene databases. The second hypothesis was to test the possibility of developing a software for protein sequence identification, based on amino acid k-mers, which would be more efficient than existing software, specifically for the identification of proteins with a high degree of homology. The work led to the implementation of kAAmer, a software solution that allows the creation of protein databases where the sequence search is done by exact match of k-mers, while supporting sequence alignment. KAAmer has proven to be very efficient for protein sequence search with performances surpassing even the fastest sequence aligners in most scenarios. Other interesting features are also offered by kAAmer, such as the possibility to host a database as a service on a permanent basis. Finally, the third and last research hypothesis aimed to test the capacity the two software developed during the PhD project (Ray Surveyor and kAAmer) to produce viable results in a metagenomic analysis of the gut microbiota in relation to obesity. Taxonomic and functional profiling was performed with kAAmer as the de novo comparison of metagenomes with Ray Surveyor. The results obtained were significant and showed, among others, a trend towards higher relative abundance of the Bacteroidetes phylum and lower relative abundance of the Firmicutes and Acinetobacteria phyla in obese subjects. Several metabolic functions were also found to be significantly different in the normal and obese conditions, with a particular mention to the metabolism of short-chain fatty acids (SCFA) that are known to be associated with obesity.

L'obesité est un problème de santé en soi et c'est aussi un facteur de risque pour de nombreux autres problèmes de santé. Outre le contrôle de l'alimentation et l'activité physique, les options pharmacologiques contre l'obésité restent limitées et de nouvelles options thérapeutiques sont nécessaires. Dans ce contexte, la génomique fonctionnelle peut identifier de nouvelles options pour gérer et étudier l'obésité. Notre groupe de recherche a identifié deux gènes liés aux deux principaux facteurs ayant un impact sur le développement de l'obésité : La diète, principalement riche en gras (HFD) et l'exercice. Ces deux gènes clés sont le trefoil factor family member 2 (Tff2) et la secreted protein acidic and rich in cysteine (SPARC). Alors que Tff2 a été identifié comme un gène induit par la HFD, SPARC a été caractérisé comme un gène induit par l'exercice. Notre groupe de recherche a également constaté que les souris Tff2 knock-out (KO) sont protégées contre l'obésité induite par la HFD. Par conséquent, ma thèse explore Tff2 et Sparc dans le contexte de l'obésité et le métabolisme énergétique. Tff2 est principalement exprimé dans le système digestif où elle a une propriété de protection des muqueuses, tandis que Sparc est plus largement distribué et s'exprime principalement lors de remodelage tissulaire dans des situations telles que les blessures et la croissance. Les parties théoriques de cette thèse décrivent diverses propriétés de Tff2 et Sparc décrites dans la littérature telles que le métabolisme et les rôles cellulaires ainsi que les implications et les applications potentielles des données que j'ai générées. Pour mes données de recherche rapportées dans cette thèse, elles sont divisées en trois publications. La première, explore des souris Tff2 KO pour expliquer leur protection contre l'obésité induite par la HFD. Les souris Tff2 KO avaient des taux plus faibles de glucose, de triglycérides et de glycérol. Leurs niveaux d'expression génique et protéique indiquent moins de stockage de graisse et une dépense énergétique accrue en améliorant l'utilisation des lipides et du glucose via la phosphorylation oxydative. Nos données mettent en évidence les voies liées à Tff2 comme potentielles cibles pour les thérapies contre l'obésité. Via une expérimentation animale, la deuxième étude vise à identifier des implications de SPARC principalement dans le muscle dans les contextes de l'exercice. Les souris ont été divisées en huit groupes en fonction de trois variables (âge, génotype et exercice). Les effets du Sparc KO sur la composition corporelle, l'adiposité et le métabolisme sont vers une réduction du tissu adipeux blanc et du poids corporel, mais avec un phénotype métabolique et fonctionnel musculaire négatif. Alors que ces effets négatifs s'aggravent avec le vieillissement, ils sont relativement améliorés par l'exercice. Nos données suggèrent aussi que les changements induits par l'exercice dans le phénotype du muscle squelettique (métabolisme, force et développement), y compris les changements induits par le lactate, dépendent de SPARC. Le troisième article à deux parties. Tout d'abord, j'explore les conséquences du Sparc KO et les compare aux effets du vieillissement. J'observe également les effets de l'exercice. Dans la deuxième partie, j'étudie les effets de la surexpression de Sparc et les compare aux avantages de l'exercice. Les mesures étaient principalement liées au poids des tissus, à l'adiposité, au métabolisme et à la force musculaire. Collectivement, ces résultats, et les données de la deuxième étude, montrent que les souris Sparc KO développe un phénotype semblable au vieillissement, tandis que la surexpression de SPARC et l'exercice génèrent des avantages similaires. Ces avantages visent à contrer à la fois le phénotype du vieillissement induit par le déficit en SPARC et à améliorer les changements liés à l'âge. Les applications potentielles de ces résultats sont de construire/optimiser des modèles d'animaux basés sur Sparc KO et, d'autre part, de développer des thérapies contre l'obésité, les troubles métaboliques ou liés à l'âge basées sur l'introduction de SPARC ou le ciblage des voies liées à SPARC pour imiter l'exercice. L'exploration de telles voies moléculaires permettrait à la fois d'élucider certains mécanismes et de développer une nouvelle génération d'options thérapeutiques pour l'obésité et les troubles métaboliques, y compris les troubles liés à l'âge. De telles approches seraient basées sur le ciblage de TFF2, SPARC ou de leurs voies connexes. / Obesity represents a challenge for health professionals. It is a health problem itself and it is also a risk factor for numerous health problems. Beside diet control and physical activity, the pharmacological options against obesity remain limited and novel therapeutic options are required. Within this context, functional genomics represents an emerging approach to identify novel options to manage and study obesity. Our research group has previously conducted functional genomics explorations to identify genes related to the two main factors impacting obesity development: Diet (mainly high fat) and exercise. Indeed, both diet, especially high-fat diet (HFD), and exercise are at the center of obesity management. Those functional genomics studies identified two key genes: Trefoil factor family member 2 (Tff2) and secreted protein acidic and rich in cysteine (SPARC). Whereas Tff2 was identified as a HFD-induced gene, SPARC was characterized as an exercise-induced gene. Following that, our research group has also found that Tff2 knock-out (KO) in mice protects them from the HFD-induced obesity. Therefore, my thesis explores Tff2 and Sparc within the context of obesity and energy metabolism. Tff2 is mainly expressed in the digestive system where it has mucus protection property, whereas Sparc is more widely distributed and is expressed mainly during tissues remodeling in situations such as injuries and growth. The theoretical parts of this thesis describe various properties of both Tff2 and Sparc reported in the literatures such as metabolism and cellular roles as well as implications and potential applications of the data I generated. For the research parts reported in this thesis, they are divided into three publications. The first one, explores Tff2 KO-related pathways of mice at the genomic, proteinic and biochemical levels to elucidate the processes behind their protection from the HFD-induced obesity. Tff2 KO mice had lower levels of serum glucose, triglycerides and glycerol. Western blotting and Q_RT-PCR revealed that the expression levels of selected genes and proteins are toward less fat storage and increased energy expenditure by enhancing lipid and glucose utilization via oxidative phosphorylation. The data highlight Tff2-related pathways as potential targets for obesity therapies. Via an animal experiment, the second study aims to identify selected implications of SPARC mainly within the muscle in the contexts of exercise. Mice were divided into eight groups based on three variables (age, genotype and exercise): Old or young × Sparc KO or wild type × sedentary or exercise. The exercised groups were trained before all mice were sacrificed. Sparc KO effects on body composition, adiposity and metabolic patterns are toward a reduced white adipose tissue and body weight, but with a negative metabolic and functional phenotype of the skeletal muscle. Whereas such negative effects on skeletal muscle are worsened with ageing, they are relatively improved by exercise. Importantly, our data suggest that the exercise-induced changes in the skeletal muscle phenotype, in terms of increased performance (metabolic, strength and development) including lactate-induced changes, are SPARC-dependent. The third paper studies and compares both Sparc KO and Sparc overexpression in male and female mice. First, I explore the consequences of Sparc KO and compare them to the ageing phenotype. I also observe the effects of exercise. In the second part, I study the consequences of SPARC overexpression and compare them to the exercise benefits. The measurements were mainly related to tissue weights, adiposity, metabolism, and muscle strength. Collectively, these findings and data show that Sparc KO mice manifest an ageing-like phenotype, whereas SPARC overexpression and exercise generate similar benefits. These benefits are towards counteracting both SPARC deficiency-induced ageing-like phenotype as well as reversing the age-related changes. The potential applications of these findings are to build/optimize Sparc KO-based animal models of various health conditions and, on the other hand, to develop therapies based on introducing SPARC or targeting SPARC-related pathways to mimic exercise against obesity, age-related and metabolic disorders. Exploring such molecular patterns would allow both mapping some underlying mechanisms and developing a new generation of therapeutic options for obesity and metabolic disorders, including age-related disorders. Such approaches would be based on targeting TFF2, SPARC or their related pathways.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

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

Les recherches sur les ARN non codants et leurs rôles biologiques ont transformé la conception des propriétés des génomes et de la régulation de l'expression génétique. Ces recherches sont ici analysées dans une perspective historique et philosophique. Elles permettent de caractériser certaines transformations théoriques, conceptuelles et méthodologiques affectant la biologie moléculaire contemporaine. La diversité des démarches d'investigation employées dans les travaux sur les ARN non codants est soulignée. Parmi ces démarches, les expériences exploratoires occupent une place importante, et sont à l'origine de bouleversements conceptuels et théoriques majeurs. L'affirmation selon laquelle la découverte des ARN non codants constitue une révolution scientifique est nuancée, et les apports de cette découverte sont caractérisés dans toute leur diversité. Les limites rencontrées par le concept de gène dans la biologie post-génomique sont précisées, et reliées à l'histoire de ce concept. Un statut possible pour le gène est alors proposé ; il reconnaît la diversité des éléments génétiques fonctionnels, la dimension historique des génomes, et les différents niveaux d'étude de la relation entre génotype et phénotype. Les recherches sur les ARN non codants affaiblissent par ailleurs la pertinence théorique du discours informationnel pour décrire la diversité des fonctions assurées par les acides nucléiques. Enfin, ce travail montre que les explications du rôle régulateur des ARN mettent en jeu différents types explicatifs, dépassant le cadre mécaniste. Un pluralisme explicatif est défendu, et le statut du concept de mécanisme dans la biologie moléculaire contemporaine est clarifié. / Research on non-coding RNAs and their biological roles has transformed the way biologists conceptualize genomic properties and the regulation of genetic expression. This work analyzes this research from both a historical and philosophical perspective. It helps characterize some theoretical, conceptual and methodological transformation currently affecting moleculau biology. I stress that multiple modes of investigation are employed in research on non coding RNAs. Particularly important among them is exploratory experimentation, which brings about major conceptual and theoretical changes. I temper the claim that the discovery of non-coding RNAs has triggered a scientific revolution and characterize the multifaceted contributions of this discovery. I identify some limits faced by the gene concept in post-genomic biology, and relate them to the history of this concept. I suggest a possible status for the gene, which to study the relation between genotype and phenotype. Besides, research on non-coding RNAs leads to question the theoretical relevance of informational concepts to describe the diverse functions fulfilled by nucleic acids. Finally, I show that explanations of the regulatory roles of RNAs involve different explanatory schemes, which do not fit the mechanistic framework. I advocate an explanatory pluralism, and clarify the status of the concept of mechanism in contemporary molecular biology.

En bioinformatique, un des problèmes très étudiés est la reconstitution des événements évolutifs qui transforment un génome A en un autre génome B. L'ordre des gènes dans les génomes est souvent modélisé par des permutations signées. Dans ce travail, nous définissons des liens entre le problème de tri des permutations signées par inversions et la conservation des structures combinatoires communes aux génomes à comparer. En utilisant les arbres des intervalles forts (Bergeron et al. (3)), nous démontrons que même si le calcul d'un scénario parfait et parcimonieux est difficile (Figeac et Varré (11)), il peut se faire d'une façon efficace pour une grande classe de permutations. Nous avons appliqué ces résultats à la comparaison des chromosomes X de l'humain, de la souris et du rat, basée sur les données de l'article de Gibbs et al. (12). ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Génomique comparée, Scénarios d'évolution, Tri par inversions, Intervalles communs.

Le but principal de ce travail est d'apporter une synthèse des travaux effectués sur les algorithmes capables d'identifier des groupes de gènes, ou des segments de génomes, communs à différentes espèces. Nous nous limitons à une approche basée sur la modélisation des génomes à l'aide de permutations, où les groupes d'éléments conservés entre différents génomes sont définis par la notion d'intervalles communs. L'étude approfondie de cette problématique nous a aussi permis d'innover et de présenter un nouvel algorithme plus général. Ce travail comporte donc deux aspects principaux, bien que le second soit intercalé dans le premier : une partie synthèse et une partie innovatrice. Après un survol des notions de bases, la partie synthèse présente les premiers algorithmes qui permettent de calculer les intervalles communs, puis l'approche de Bergeron et al. (2005) qui a grandement simplifié les premières solutions. Cette partie comprend aussi les algorithmes des mêmes auteurs qui calculent les intervalles communs dits forts, et une discussion sur les avantages de leur utilisation par rapport aux intervalles communs classiques. La partie innovatrice présente un nouvel algorithme qui généralise deux algorithmes de Bergeron et al. (2005). Nous concluons cette étude en constatant l'extrême simplicité et la grande efficacité, autant théorique que pratique, des plus récents algorithmes et nous croyons peu vraisemblable qu'il soit possible d'en améliorer la performance de façon significative. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Algorithmique, Génomique comparée, Intervalles communs, Permutations.

L'objectif de notre thèse est d'appliquer la génomique en temps réel pour déchiffrer les caractéristiques génomiques bactériennes et les événements de recombinaison du génome des bactéries atypiques ainsi que leur impact sur les maladies infectieuses. Au cours de ma thèse, nous avons effectué une revue sur les outils bioinformatiques les plus courants utilisés en microbiologie clinique et mis en évidence l’impact de la recombinaison sur le comportement des bacteries. Le deuxième projet de notre thèse est de déchiffrer une epidémis de Staphylococcus saprophyticus causant des infections urinaires en utilisant la technologie MALDI-TOF MS et une analyse comparative du génome de S. saprophyticus pour comprendre leur évolution génomique. Nous avons démontré qu'il existe un groupe de S. saprophyticus géographiquement restreint à Marseille comparé au souches de Nice. De plus, nous avons montré que S. saprophyticus qui était initialement considéré comme une bactérie saprophyte a evolué pour devenir une bactérie pathogène à travers des recombinaisons massives et des « single nucleotide polymorphism », résultant d'une perte significative de gènes. Le troisième projet de notre thèse est une analyse comparative des génomes d'Enterococcus faecalis et d'E.faecium isolé chez l'homme, les animaux et l'environnement pour déchiffrer la différence de propagation et l'acquisition de déterminants antimicrobiens. Nous avons démontré qu'il existe une association directe entre l'absence de système CRISPR, la présence du gène ardA et l'acquisition de gènes de résistance à la vancomycine, qui différencient E. faecalis de E. faecium. Enfin nous avons decrit un nouveau genre bacterien Nissabacter. / The objective of our thesis is to applied the Real-time genomic approaches to decipher bacterial genomic features and genome recombination events of atypical bacteria and their impact on infectious diseases. During my thesis, we have reviewed the most common bioinformatics tools applicable in clinical microbiology and highlight how bacterial genome recombination have impacted their behaviour. The second project of our PhD is to decipher a community outbreak of Staphylococcus saprophyticus involved in (UTI) using MALDI-TOF MS technology and a comparative genome analysis of clinical and non-clinical S. saprophyticus to understand their genomic evolution. We demonstrated that there is a geographically restricted cluster of S. saprophyticus circulating in Marseille community as compared to Nice. Moreover, we showed that S. saprophyticus which was initially considered as a saprophytic bacterium has drifted to becoming a pathogenic bacterium through massive genome recombination and single nucleotide polymorphism events, resulting from a significant loss of genes. The third project of our work is a comparative genome evolutionary analysis of Enterococcus faecalis and Enterococcus faecium isolated from human, animals, and environment to decipher the difference in spread and the acquisition of antimicrobial determinants. We demonstrated that there is a direct association between the absence of CRISPR system, the presence of gene ardA and the acquisition of vancomycin resistance genes, which differentiate E. faecalis from E. faecium. Our final project was focused on the discovering of a new genus Nissabacter and its description.

Les guêpes du genre Cotesia sont des endoparasitoïdes de Lépidoptères. Les larves se développent à l’intérieur du corps de la chenille et altèrent sa physiologie notamment pour échapper aux défenses immunitaires de l’hôte. Pour ce faire, ces guêpes ont développé une stratégie particulièrement originale : la domestication d’un virus, le bracovirus. Ce dernier a pour origine un virus intégré de manière stable dans le génome de la guêpe. La guêpe utilise ce bracovirus afin de produire des particules virales contenant des gènes de virulence qui permettent, une fois exprimés dans l'hôte, le développement des larves et le succès parasitaire. L'objectif de mon travail de thèse a été, par des approches de génomique évolutive, de replacer le bracovirus dans l'histoire évolutive de ces guêpes. / The wasps from the Cotesia genus are endoparasitoids of Lepidoptera. The larvae grow inside the host body and alter its physiology to escape the host immune defenses. To achieve that, these wasps developed a particularly original strategy: virus domestication. Named Bracovirus, it originates from a free-living virus stably integrated into the wasp genome. The wasp uses this bracovirus to produce viral particles containing virulence genes, once expressed in the host, allowing larval development and parasitic success. The aim of my thesis was to uncover, using evolutionary genomic approaches, the role of the bracovirus in the evolutionary history of theses wasps. At the population level, Cotesia sesamiae, used in Africa as biocontrol agents, is structured in several populations, including one strictly associated to a single host species.