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

La génomique comparative étudie les similarités et/ou les dissimilarités entre génomes et permet d'établir des relations entre les espèces afin notamment de construire des phylogénies. Elle permet également de mettre en évidence des régions conservées au sein des génomes et de trouver ainsi des ensembles de gènes impliqués dans des processus biologiques conservés au cours de l'évolution. Dans ce mémoire, nous nous intéressons au calcul de mesures entre deux génomes en présence de gènes dupliqués, et plus particulièrement aux mesures à base de points de cassure, d'adjacences, d'intervalles communs et d'intervalles conservés. Suivant une démarche informatique, nous proposons tout d'abord une étude avancée de la complexité algorithmique des problèmes rencontrés, en prouvant notamment pour la plupart d'entre eux soit leur NP-Complétude soit leur APX-Difficulté. Par la suite, nous exposons plusieurs méthodes de calcul de mesures entre deux génomes, à savoir (i) une approche exacte basée sur une transformation en un problème de contraintes à variables booléennes, (ii) une heuristique et (iii) une méthode hybride qui s'appuie sur la méthode exacte et l'heuristique proposées. Par une étude sur un jeu de données réel, nous montrons les qualités respectives de ces méthodes. Enfin, nous proposons un protocole de calcul des intervalles communs et mettons en évidence, par son utilisation et par un outil de visualisation, l'aspect fonctionnel de certains intervalles communs.

Les phénomènes évolutifs qui perturbent l'organisation des gènes dans les génomes eucaryotes sont de deux types : les changements dans l'ordre des gènes, ou réarrangements, et les modifications du contenu en gènes du génome, par duplications, délétions ou gains de gènes. Ces processus sont mal connus, tant au niveau de leurs mécanismes d'apparition que de leur impact fonctionnel et sélectif. Ce travail de thèse s'articule autour de deux projets. Le premier s'intéresse à la distribution des points de cassure de réarrangements évolutifs entre un génome ancestral et ses descendants modernes. Cette distribution a été modélisée en fonction des caractéristiques locales du génome pour mettre en évidence quels facteurs influencent la probabilité de cassure. Nos résultats montrent que la distribution des cassures peut s'expliquer simplement comme une fonction de la longueur des espaces intergéniques, fonction qui est cependant non-linéaire contrairement aux attentes sous un régime aléatoire classique. La répartition des points de cassure dans les génomes semble principalement liée à des propriétés de structure, et n'est que peu soumise à des contraintes de sélection. Elle pourrait être liée à la structure chromatinienne du génome. Le second projet s'inscrit dans le cadre du séquençage du génome du poisson zèbre, et fournit un aperçu global de l'organisation de ce génome. Les génomes de poissons téléostéens sont anciennement dupliqués : l'analyse est axée sur les conséquences de cette duplication. Les résultats montrent que le génome du poisson zèbre présente une organisation assez typique d'un génome téléostéen. Les gènes retenus en deux copies après la duplication du génome appartiennent à des catégories fonctionnelles particulières, et sont biaisés vers des gènes déjà conservés après les duplications 1R et 2R ayant eu lieu au début de l'histoire des vertébrés.

Les G-quadruplexes sont des structures à quatre brins formées spontanément par certains acides nucléiques riches en guanines dans des conditions physiologiques in vitro et qui présentent une grande variété de conformations. Ma thèse a consisté à montrer qu'ils se formaient in vivo et à étudier les conséquences pathologiques de leur persistance. Le système expérimental utilisé au cours de ma thèse repose sur la mesure de la stabilité de séquences répétées en tandem humaines de type minisatellite chez S. cerevisiae en croissance mitotique. Le motif unitaire du minisatellite CEB1 forme un G-quadruplexe, efficacement déroulé par l'hélicase Pif1 in vitro. Dans un mutant déficient pour l'hélicase Pif1, CEB1 est fréquemment réarrangé (expansion ou contraction). J'ai dans un premier temps participé à montrer que cette instabilité de CEB1 dépendait de ses motifs G-quadruplexes, par mutagénèse dirigée. J'ai confirmé ce résultat par une seconde approche, en traitant des cellules sauvages avec un ligand spécifique des G-quadruplexes. Ce ligand induit spécifiquement l'instabilité du minisatellite CEB1, mais n'a pas d'effet sur le minisatellite CEB1 muté. Ces outils expérimentaux m'ont ensuite permis, en collaboration avec J. Lopes, de montrer que l'instabilité du minisatellite survient durant la réplication, lorsque les G-quadruplexes sont formés sur la matrice du brin à synthèse continue. Cette capacité à former des G-quadruplexes, entre autres propriétés des minisatellites riches en GC, induit la formation de grands réarrangements chromosomiques. Le dernier volet de ma thèse a consisté en l'étude de la relation structure-fonction des G-quadruplexes à l'instabilité génomique

Cette thèse a pour objet l'étude du lien génotype-transcriptome et de son influence sur le développement des maladies multifactorielles. Les apports de ce travail sont à la fois méthodologiques et appliqués. Nous étudions d'abord le lien génotype-transcriptome en établissant la liste des eQTL (expression Quantitative Trait Loci) dans le monocyte et nous évaluons l'apport de l'observation des eQTL pour l'interprétation des analyses d'association génome entier (GWAS). Nous proposons ensuite une méthode pour l'identification de variants génétiques affectant des modules de gènesco-régulés que nous appliquons à l'étude des données d'expression de monocytes issus d'une large étude populationnelle (GHS). Nous mettons ainsi en évidence plusieurs loci affectant l'expression de modules de gènes co-régulés, dont plusieurs sont impliqués dans la prédisposition au diabète de type I. Nous montrons également que le processus d'isolation des cellules monocytaires peut engendrer des biais liés à la contamination par des types cellulaires non désirés et nous proposons une approche pour contrôler ce type de biais dans les analyses.

Dans le domaine de l'oncogénomique, l'un des axes actuels de recherche est l'identification de nouveaux marqueurs génétiques permettant entre autres de construire des règles prédictives visant à classer les patients selon le risque d'apparition d'un événement d'intérêt (décès ou récidive tumorale). En présence de telles données de haute dimension, une première étape de sélection parmi l'ensemble des variables candidates est généralement employée afin d'identifier les marqueurs ayant un intérêt explicatif jugé suffisant. Une question récurrente pour les biologistes est le choix de la règle de sélection. Dans le cadre de l'analyse de survie, les approches classiques consistent à ranger les marqueurs génétiques à partir du risque relatif ou de quantités issues de test statistiques (p-value, q-value). Cependant, ces méthodes ne sont pas adaptées à la combinaison de résultats provenant d'études hétérogènes dont les tailles d'échantillons sont très différentes.Utiliser un indice tenant compte à la fois de l'importance de l'effet pronostique et ne dépendant que faiblement de la taille de l'échantillon permet de répondre à cette problématique. Dansce travail, nous proposons un nouvel indice de capacité de prédiction afin de sélectionner des marqueurs génomiques ayant un impact pronostique sur le délai de survenue d'un évènement.Cet indice étend la notion de pseudo-R2 dans le cadre de l'analyse de survie. Il présente également une interprétation originale et intuitive en terme de " séparabilité ". L'indice est tout d'abord construit dans le cadre du modèle de Cox, puis il est étendu à d'autres modèles plus complexes à risques non-proportionnels. Des simulations montrent que l'indice est peu affectée par la taille de l'échantillon et la censure. Il présente de plus une meilleure séparabilité que les indices classiques de la littérature. L'intérêt de l'indice est illustré sur deux exemples. Le premier consiste à identifier des marqueurs génomiques communs à différents types de cancers. Le deuxième, dans le cadre d'une étude sur le cancer broncho-pulmonaire, montre l'intérêt de l'indice pour sélectionner des facteurs génomiques entraînant un croisement des fonctions de risques instantanés pouvant être expliqué par un effet " modulateur " entre les marqueurs. En conclusion, l'indice proposé est un outil prometteur pouvant aider les chercheurs à identifier des listes de gènes méritant des études plus approfondies.

Les Spartines jouent un rôle écologique majeur sur les marais salés. Elles représentent un excellent modèle pour appréhender les conséquences écologiques de la spéciation par hybridation et polyploïdie dans le contexte d'invasion biologique. On s'intéresse plus particulièrement, à l'hybridation récente entre une espèce hexaploïde d'origine américaine Spartina alterniflora et une espèce hexaploïde européenne S. maritima ayant donnés deux hybrides F1 (S. x townsendii et S. x neyrautii) et la nouvelle espèce envahissante allododécaploïde (S. anglica). Les nouvelles technologies de séquençage haut-débit facilitent l'exploration de ces génomes peu connus. L'assemblage et l'annotation d'un transcriptome de référence ont permis d'annoter 16 753 gènes chez les spartines hexaploïdes et d'identifier des gènes d'intérêts écologique et évolutif. Une sélection de ces gènes a ensuite été analysée à travers une étude d'expression par PCR quantitative sur les populations naturelles des 5 espèces du complexe. Les résultats ont permis de mettre en évidence une expression homogène intra-populations mais une grande variabilité entre les espèces. L'analyse du génome des Spartines a ciblé prioritairement le développement de ressources génomiques concernant l'espèce S. maritima pour l'analyse des compartiments codant et répété à l'aide de séquençage d'une banque BAC et d'un run de pyroséquençage d'ADN génomique. Les analyses ont permis d'évaluer une proportion d'éléments répétés représentant près de 30% du génome. Les données générées ont alors été comparées avec les génomes séquencés phylogénétiquement proches et ont permis de premières comparaisons entre les spartines et les autres Poaceae.

Résumé synthétique des activités de recherche<br />Mon expérience de recherche débuta avec mon DEA puis ma thèse et se continua pendant un séjour post-doctoral à Heidelberg. Depuis Décembre 2000, j'ai rejoint le Laboratoire de Transgenèse et Génétique des Amphibiens à Orsay en qualité de chargé de recherche au CNRS.<br />Au Kremlin-Bicêtre, à l'unité 347 de l'INSERM “ Génétique et mécanismes des maladies du foie de l'enfant ” dirigée par Michelle Hadchouel, et sous la direction de Michèle Meunier Rotival, mon travail de thèse se centrait sur l'identification par clonage positionnel du gène dont les dysfonctions sont responsables du syndrome d'Alagille.<br />A Heidelberg, au centre allemand de recherche sur le cancer (le DKFZ) au sein du département "Molecular Embryology" dirigée par Christof Niehrs, la recherche porte sur l'embryogenèse précoce chez les vertébrés en utilisant l'amphibien anoure Xenopus laevis comme modèle expérimental. J'ai travaillé plus particulièrement sur l'analyse systématique des profils d'expression génique, l'étude de l'anatomie moléculaire de l'embryon de vertébré et l'isolement de nouveaux gènes impliqués dans le contrôle du développement embryonnaire. <br />A Orsay, au sein du Laboratoire de Transgenèse et Génétique des Amphibiens de l'UPRESA808 dirigée par le Pr Maurice Wegnez, je mène une approche de génomique fonctionnelle pour appréhender les mécanismes de régulation transcriptionnelle au cours de la métamorphose chez Xenopus tropicalis.<br /><br />Travail de thèse<br />Le syndrome d'Alagille (AGS, MIM 118450) est défini par l'association d'anomalies cardiaque, hépatique, oculaire, squelettique et un faciès particulier. La région p12 du chromosome 20 humain a été associée à l'AGS par l'observation de patients porteurs de délétions. Mon travail de thèse a consisté à rechercher le gène responsable de ce syndrome par clonage positionnel. Dans un premier temps, une carte physique contenant le locus AGS et couvrant 3,7 Mb a été construite (Pollet et coll., 1995). Dans un deuxième temps, un contig de 67 YACs couvrant 10 Mb a été caractérisé et a permis d'ordonner 72 marqueurs, et de localiser 20 gènes. Le gène Jagged1 a été identifié comme étant le seul localisé dans la région critique, et a été proposé comme gène candidat responsable de l'AGS (Pollet et coll., 1997). Une recherche de mutations a été effectuée sur 109 patients AGS après une première mise en évidence de mutations de ce gène chez des patients AGS par deux équipes américaines. Il en ressort que sur les 59 mutations différentes recensées se situent dans le domaine extracellulaire, la plupart sont de nature à donner naissance à une protéine JAGGED1 tronquée. L'analyse de la transmission des mutations a révélé que 70% des cas de patients AGS sont sporadiques (Crosnier et coll., 1999).<br /><br />Mes travaux de stage post-doctoral ont consisté à caractériser systématiquement l'expression de gènes exprimés au cours de l'embryogenèse par hybridation in situ sur embryons de xénope, à séquencer partiellement les ADNc correspondants et à maintenir une base de données accessible via l'Internet. 10000 clones d'ADNc ont été caractérisés, 1300 ont été séquencés partiellement. Une base de données d'accès public (Axeldb, Pollet et coll., 2000) de type Acedb compile les premiers résultats publiés concernant l'identification de 273 gènes exprimés différentiellement, dont 204 sont nouveaux chez le xénope (Pollet et coll., 1998). 26 % des ADNc caractérisés correspondent à des gènes d'expression régionalisée au cours du développement, 51 % à des gènes d'expression ubiquitaire et 23 % ne donnent aucun résultat. L'analyse globale des profils d'expression révèle l'existence de groupes de gènes différents qui ont une expression régionalisée comparable. De tels groupes de « synexpression » permettent de prédire la fonction de certains gènes pour lesquels l'analyse de séquence reste non-informative (Niehrs et Pollet, 1999).<br /><br />Recherches en cours<br /> Aujourd'hui, le génome complet de plusieurs organismes procaryotes et eucaryotes, unicellulaires et pluricellulaires a été séquencé. Ces avancées ont mis en évidence un important nombre de gènes de fonction inconnue (gènes orphelins). Pour tirer pleinement profit de la connaissance intime des génomes, humain en particulier, une analyse fonctionnelle détaillée et systématique par l'expérimentation et l'étude des génomes d'organismes modèles est nécessaire. L'étude des patrons d'expression des transcrits est une approche qui se prête bien à une analyse systématique et à grande échelle visant à proposer un rôle biologique à chaque gène et peut fournir des informations inédites sur ceux qui sont déjà connus.<br />La grande majorité du programme génétique s'exprime pendant le développement embryonnaire. Le modèle murin reste coûteux et lourd à établir pour étudier les mécanismes moléculaires du développement précoce. En ce sens, le xénope, et en particulier Xenopus tropicalis qui présente tous les avantages de Xenopus laevis plus celui d'être un vrai diploïde, s'annonce comme un modèle vertébré prometteur. Ces caractéristiques vont permettre d'appliquer des systèmes perfectionnés d'études génétiques.<br />Je réalise une étude systématique et à grande échelle d'identification et de caractérisation de l'expression des gènes pendant le développement et la métamorphose chez Xenopus tropicalis. <br />Les différents aspects traités dans ce projet font appel à la réalisation d'un catalogue de gènes (séquençage d'aDNc), à la caractérisation par analyse systématique de profils d'expression génique (puces à ADN) et l'analyse in silico des résultats obtenus (approche bioinformatique). <br />Les connaissances issues de ce projet permettront de constituer un atlas de l'expression des gènes au cours de l'embryogenèse des vertébrés. Cette ressource sera une aide précieuse dans l'étude des réseaux de régulation génétique et des mécanismes par lesquels l'expression différentielle des gènes se met en place au cours du développement embryonnaire. Enfin, les méthodes que je propose d'utiliser vont certainement permettre de définir de nouveaux groupes de synexpression caractéristiques de certaines voies du métabolisme ou de certaines cascades de signalisation.

Les mitochondries sont les organites qui produisent la quasi-totalité de l'énergie consommée par les cellules animales. Une de leurs particularités est de posséder leur propre génome (ADN mitochondrial ou ADNmt) qui, avec la collaboration indispensable du génome du noyau (ADNnu), code pour les enzymes responsables de la production d'énergie. Pour que ces organites fonctionnent adéquatement, la co-adaptation des génomes nucléaire et mitochondrial a donc été fortement sélectionnée au cours de l'évolution. Chez les animaux, l'ADNmt est, contrairement à l'ADNnu, transmis uniquement par la mère. L'hypothèse principale pour expliquer cette transmission maternelle est qu'en ayant un seul type d'ADNmt, la cellule évite un conflit génomique dans l'association intime entre les protéines codées par l'ADNnu et l'ADNmt. Autrement dit, la sélection naturelle doit nécessairement prévenir toute modification du dialogue entre les mitochondries et le noyau, ce qui risquerait de provoquer l'apparition de phénotypes indésirables. Exceptionnellement, un seul système mitochondrial «défie» les lois naturelles de transmission des mitochondries chez les animaux, soit celui observé chez les moules marines et d'eau douce. Les espèces possédant ce système atypique, qui est désigné sous le nom de double transmission uniparentale (doubly uniparental inheritance ou DUI), sont caractérisées par la présence de 2 ADNmt distincts qui sont hérités de façon maternelle (ADNmt F) ou paternelle (ADNmt M). Généralement, les femelles ne contiennent que le génome F, tandis que les mâles contiennent le génome F dans leurs tissus somatiques et le génome M dans leur gonade. Les divergences observées entre les ADNmt F et M chez les moules peuvent atteindre plus de 20%. Les produits des deux différents ADN mitochondriaux peuvent-ils interagir normalement avec les protéines d'un seul système génétique nucléaire (en raison de la co-adaptation intergénomique), ou certaines fonctions mitochondriales ont-elles été compromises dans une ou l'autre des lignées (c'est-à-dire, lignée paternelle M ou maternelle F)? Le grand attrait du système de double transmission uniparentale est qu'il est le seul modèle animal où deux variantes mitochondriales fortement divergentes coexistent et s'adaptent simultanément à un génome nucléaire. Cette situation se traduit probablement par la conservation d'une intégrité relative de certaines portions du génome mitochondrial afin de maintenir une cohésion fonctionnelle dans les interactions structurales entre les peptides mitochondriaux et nucléaires. L'objectif principal de mon doctorat était d'étudier l'évolution moléculaire des génomes mitochondriaux F et M chez les espèces du genre Mytilus et de vérifier si les gènes nucléaires et les gènes F et M mitochondriaux qui interagissent pour former le système de la phosphorylation oxydative co-évoluent. Spécifiquement, l'objectif premier du chapitre 1 a été d'analyser les ADNmt M et F complets chez trois espèces de moules marines (Mytilus edulis, M trossulus, et M galloprovincialis) afin de vérifier si leur évolution dans un environnement nucléaire commun (ou différent) se traduit par la conservation (ou non) de certaines de leurs portions (c'est-à-dire, évolution congruente des génomes M et F). Pour ce faire, les ADNmt ont été amplifiés par PCR et séquencés à l'aide d'un séquenceur d'ADN automatique. Les principaux résultats ont effectivement démontré que le fait de co-exister dans un même environnement nucléaire contraint les ADNmt F et M à expérimenter des pressions sélectives similaires, ce qui se traduit par une évolution congruente des différentes portions des ADNmt M et F (c'est-à-dire la corrélation positive des patrons de taux de substitution protéiniques). L'objectif du chapitre 2 a été de déterminer, chez les spermatozoïdes, si le remplacement d'un génome M par un génome F avait un effet sur les capacités métaboliques des mitochondries. L'étude visait à déterminer si la co-évolution du génome nucléaire avec deux types d'ADNmt différents avait été favorisée dans une où l'autre des lignées. Pour ce faire, des dosages enzymatiques (activité des complexes mitochondriaux I+Ill, II et IV et de la citrate synthase) ont été réalisés par spectrophotométrie. Les résultats ont démontré que la combinaison «ADNmt récemment-masculinisé -ADNnu» (qui est essentiellement une combinaison ADNmtF -ADNnu) performe mieux au niveau enzymatique que la combinaison «ADNmt M -ADNnu». Le troisième volet a été consacré à l'étude de l'évolution moléculaire des protéines interactives du système énergétique (c'est-à-dire, produits nucléaires et mitochondriaux en contact physique) afin de vérifier si les portions génétiques qui interagissent co-évoluent. Pour ce faire, le gène nucléaire codant pour le transporteur mobile d'électron cytochrome c (CYC) et des gènes mitochondriaux et nucléaires codant pour des sous-unités protéiques des complexes III (ADNmt = CYTB; ADNnu = C3S6) et IV (ADNmt = COX1 et COX2; ADNnu = COX4) du système de la phosphorylation oxydative ont été amplifiés par PCR et séquencés à l'aide d'un séquenceur d'ADN automatique. Les données moléculaires semblent démontrer que la co-évolution entre le génome F et le génome nucléaire est mieux couplée, ce qui vient appuyer les résultats enzymatiques du chapitre 2. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : ADN mitochondrial, Génomique comparative, ADN nucléaire, Mytilus, Co-évolution intergénomique.

Thèse numérisée par la Division de la gestion de documents et des archives de l'Université de Montréal