Les organismes cellulaires appartiennent à l'un des trois domaines du vivant : Archaea, Bacteria, Eucarya. Les Archaea sont des organismes unicellulaires avec un phénotype bactérien mais qui possèdent de nombreux caractères moléculaires eucaryotes. En particulier, la machinerie de réplication archéenne est une version homologue et simplifiée de celle des eucaryotes. Au cours de cette thèse, j'ai étudié la réplication de l'ADN chez les Archaea en combinant des approches in vitro et in silico.<br />Premièrement, j'ai essayé de purifier la protéine initiatrice de la réplication Cdc6/Orc1, sous une forme native, dans l'espoir de mettre au point le premier système de réplication de l'ADN in vitro chez les Archaea. Malheureusement, cette approche a été infructueuse en raison de l'instabilité et des propriétés d'agrégation de la protéine.<br />Deuxièmement, j'ai réalisé une analyse comparative du contexte génomique des gènes de réplication dans les génomes d'Archaea. Cette analyse nous a permis d'identifier une association très conservée entre des gènes de la réplication et des gènes liés au ribosome. Cette organisation suggère l'existence d'un mécanisme de couplage entre la réplication de l'ADN et la traduction. De manière remarquable, des données expérimentales obtenues chez des modèles bactériens et eucaryotes appuient cette idée. J'ai ensuite mis au point des outils expérimentaux qui permettront d'éprouver la pertinence biologique de certaines des prédictions effectuées.<br />Finalement, j'ai examiné la distribution taxonomique des gènes de la réplication dans les génomes d'Archaea afin de prédire la composition probable de la machinerie de réplication de l'ADN chez le dernier ancêtre commun des Archaea. Dans leur ensemble, les profils phylétiques des gènes de la réplication suggèrent que la machinerie ancestrale était plus complexe que celle des organismes archéens contemporains.

L'espèce canine est la plus ancienne espèce domestiquée, il y a environ 15.000 ans, et se compose aujourd'hui de plus de 350 races issues d'une sélection artificielle drastique et de croisements consanguins pratiqués durant les derniers siècles. Mon travail de thèse a pour objectif l'étude de la période dominée par la sélection naturelle au cours de l'évolution des canidés et la période récente de la création des races par une sélection artificielle intense. Nous avons identifié le catalogue des gènes sous sélection positive dans 10 espèces (chien, Homme, ouistiti, macaque, orang-outan, chimpanzé, souris, rat, cheval et vache) à partir de 10.730 gènes en relation d'orthologie de type 1:1. L'espèce canine présente plus de gènes sous sélection positive en commun avec les Laurasatheria et les rongeurs qu'à l'attendu. Nous avons ensuite identifié le catalogue des régions de différenciation alléliques entre races de chien à partir de données de génotypage de 170.000 SNPs de 456 chiens de 30 races, en collaboration avec l'équipe du Dr Matthew Webster (Université d'Uppsala en Suède) dans le cadre du consortium européen de génétique du chien LUPA. Ces régions sont candidates pour être les cibles de la sélection artificielle. Ce projet se poursuit actuellement afin de comparer les sélections naturelles et artificielles et de déterminer s'il existe des régions du génome qui sont constamment affectés par la sélection ; et de déterminer si l'espèce canine peut-elle être considérée comme une simulation réduite, mais accélérée de la radiation des mammifères.

La résistance aux insecticides chez les moustiques pose des problèmes de santé publique car ils sont vecteurs de nombreuses maladies. Une alternative aux insecticides chimiques est l'utilisation du bactério-insecticide Bacillus thuringiensis subsp israelensis (Bti) qui a l'avantage de produire un mélange de six toxines spécifiques des Diptères. Cependant le Bti commercial peut proliférer et s'accumuler, entrainant une forte toxicité dans les litières végétales de certains gîtes à moustiques. Afin d'étudier l'évolution de la résistance au Bti chez les moustiques, j'ai sélectionné en laboratoire une souche d'Aedes aegypti avec des litières végétales contenant des toxines de Bti. Une résistance multigénique aux toxines Cry du Bti est apparue en seulement quelques générations chez la souche sélectionnée. Plusieurs approches ont été utilisées pour rechercher les bases génétiques de la résistance au Bti chez la souche d'Ae. aegypti résistante. Deux "scans génomiques" ont permis de déterminer plusieurs régions du génome présentant des signatures de sélection. Ensuite, les niveaux de transcription de plus de 6000 gènes ont été étudiés par séquençage haut débit. La combinaison de ces résultats avec une approche "gènes candidats" a permis d'obtenir une liste de gènes potentiellement liés à la résistance au Bti. Parmi les gènes identifiés, un gène codant pour une cadhérine présente des signatures de sélection chez la souche résistante et semble donc impliqué dans la résistance au Bti. De plus, une étude de génomique des populations de l'espèce de terrain Aedes rusticus traitée depuis 20 ans au Bti a mis en évidence des signatures de sélection liées au traitement et des flux de gènes importants chez cette espèce dans la région Rhône-Alpes. La caractérisation de facteurs génétiques liés à la résistance et de facteurs biologiques liés aux espèces traitées peut aider à la mise en place de stratégies de gestion limitant l'évolution de la résistance au Bti dans ces populations.

L'étude de l'évolution des génomes peut être abordée par différentes stratégies. Généralement, les analyses reposent sur les polymorphismes de séquences. Cependant, il existe des génomes dont le taux de mutation est très faible et dont la principale source de polymorphisme provient de l'arrangement différent de leurs gènes le long des chromosomes. Les événements de réarrangements chromosomiques deviennent alors les seuls marqueurs utilisables pour retracer l'évolution de ces génomes. Nous nous sommes intéressés dans ce travail à l'analyse de l'évolution des génomes mitochondriaux d'espèces végétales au niveau de leur structure. En effet, ces génomes sont caractérisés par un faible taux de mutation et un taux élevé de réarrangements. Cette étude s'est portée à un niveau intraspécifique afin de limiter le nombre de réarrangements à analyser et sur deux espèces : Zea mays, le maïs, et Beta vulgaris, la betterave. Il s'avère, qu'en plus du polymorphisme de structure, ces génomes contiennent un grand nombre d'éléments dupliqués. Or les outils d'analyse d'événements de réarrangements ne permettent pas d'inclure les événements de duplication autrement qu'en distinguant les paralogues des orthologues, ce qu'il est particulièrement difficile à réaliser ici, du fait que les dupliqués sont identiques en séquence. Nous avons ici établi une stratégie basée sur l'hypothèse que les éléments dupliqués proviennent de duplications en tandem, permettant la reconnaissance, le tri et la distinction des éléments dupliqués. Cette méthode nous a conduits à proposer une histoire évolutive basée sur des réarrangements congruente avec les phylogénies de séquences. Les comparaisons entre génomes mitochondriaux de maïs et betteraves nous ont permis de montrer que des mécanismes évolutifs différents sont à l'origine de la diversité génomique observée. Nous avons également observé des différences évolutives entre les génomes à un niveau intraspécifique soulevant le problème d'échantillonnage lorsque l'on veut comparer des génomes à un niveau interspécifique.

Le complexe Burkholderia cepacia (Bcc) englobe 17 espèces retrouvées dans les infections pulmonaires d'individus atteints de mucoviscidose. Les bactéries de ce complexe sont présentes dans les sols, la rhizosphère de grandes cultures, les eaux usées et peuvent également être rencontrées dans le cadre d'infections nosocomiales. En France, les espèces B. multivorans et B. cenocepacia (Bcen) sont les espèces majoritaires au niveau des infections de patients atteints de mucoviscidose. Divers clones épidémiques ont été décrits au sein de l'espèce Bcen dont le clone ET12 associé au "syndrome cepacia". En 2004, une épidémie nosocomiale impliquant un clone du Bcc est survenue dans un hôpital de l'Ain. Durant ce travail, l'origine de ce clone (B&B), sa classification au sein du Bcc et certains phénomènes génétiques liés à son émergence ont été étudiés. Cela a permis d'identifier ce clone comme appartenant à l'espèce Bcen et une forte proximité de celui-ci avec la lignée ET12. L'étude des facteurs transcriptionnels de la famille σ70 au sein du Bcc a mis en évidence une structure génétique similaire entre la lignée ET12 et ce clone, mais différente de celle observée chez les autres espèces du Bcc. L'analyse d'éléments génétiques répétés de la famille des séquences d'insertion (IS) a cependant permis d'observer une organisation génomique distincte de la lignée ET12. Celle-ci a été reliée à des phénomènes d'instabilité génétique notamment à des phénomènes d'acquisition d'éléments génétiques mobiles de type îlot génomique. L'ensemble de ce travail a permis de caractériser un ensemble de phénomènes génétiques pouvant expliquer l'émergence de clones épidémiques tels que le clone B&B.

Les récents progrès, dans les domaines de la biologie computationnelle et des techniques de biologie moléculaire, ont conduit à l'émergence d'une nouvelle discipline appelée génomique des populations, et dont l'un des objectifs principaux est l'étude de la structure spatiale de la diversité génétique. Cette structure est déterminée à la fois par des forces neutres, comme la migration et la dérive, et des forces adaptatives comme la sélection naturelle, et trouve des applications importantes dans de nombreux domaines comme la génétique médicale ou la biologie de la conservation. Nous développons ici de nouvelles méthodes statistiques pour évaluer le rôle de la sélection naturelle et de l'environnement dans cette structure spatiale. Le modèle bayésien Dirichlet-multinomial de différenciation génétique est utilisé comme base à ces différentes méthodes. Dans un premier temps, nous proposons d'inclure des variables environnementales dans l'estimation de la structure génétique afin d'identifier les facteurs biotiques et abiotiques qui la déterminent. Ensuite, nous étudions la possibilité d'étendre le modèle Dirichlet-multinomial aux marqueurs dominants, devenus très populaires ces dernières années, mais affectés par différents biais de recrutement. Enfin, nous cherchons à séparer les effets neutres des effets de la sélection naturelle, afin, en particulier, d'identifier les régions du génome qui y sont soumis. Trois bases de données ont été analysées pour illustrer l'utilisation de ces nouvelles méthodes : des données humaines, des données de l'arganier du Maroc et des données de littorine. Finalement, nous avons développé trois logiciels implémentant ces différents modèles.

Cette thèse regroupe des travaux concernant le biais d'usage de codons et son rôle chez les bactéries et leurs phages, en particulier sur les processus de traduction et l'organisation des génomes bactériens. Après une introduction portant sur i) la traduction chez les procaryotes, et ii) les techniques de classification et leurs liens avec la théorie de l'information, un nouvel algorithme de partition d'un ensemble de gènes en fonction de leur usage de codons est présenté. Son application aux génomes d'E. coli et de B. subtilis permet de mettre en évidence plusieurs phénomènes. Le génome de ces organismes se décompose respectivement en 4 et 5 groupes de gènes ayant des usages de codons distincts. Les gènes du même groupe tendent à partager des fonctions similaires, et sont organisés sur le chromosome en domaines cohérents d'une longueur de 10 à 15 gènes. Cette organisation non triviale pourrait permettre une régulation de la vitesse de traduction des gènes en fonction de leur similarité avec leur environnement génétique. <br />Dans la seconde partie le biais de codons et le contenu en ARN de transfert (ARNt) de bactériophages sont analysés, comparativement à ceux de leurs hôtes. L'étude statistique montre que le contenu en ARNt des phages n'est pas aléatoire, mais biaisé en faveur d'ARNt complémentaires aux codons fréquents dans le génome du phage. Un modèle d'équation maîtresse montre que cette distribution des ARNt au sein des génomes de phages pourrait être le résultat de deux processus : l'acquisition aléatoire par le phage d'ARNt, parmi ceux de l'hôte, et la perte préférentielle des ARNt correspondants à des codons moins utilisés par le phage que par son hôte. Un tel mécanisme permettrait au phage de s'adapter en ne conservant au final que les ARNt présents en quantité insuffisante chez son hôte pendant l'infection. Finalement, on observe plus d'ARNt chez les phages lytiques que chez les tempérés, laissant supposer que les processus de traduction sont soumis à une plus forte pression de sélection chez eux.

Les séquences d'ADN peuvent être considérées comme des textes écrits dans un alphabet de 4 lettres. Des techniques inspirées de l'analyse textuelle permettent donc de les caractériser, entre autres à partir de fréquences d'apparition de courtes suites de caractères (les oligonucléotides ou mots). L'ensemble des fréquences des mots d'une longueur donnée est appelé « signature génomique » (cet ensemble est spécifique de l'espèce, ce qui justifie le terme de « signature »). La signature d'espèce est observable sur la plupart des courts fragments d'ADN, ce qui donne à penser qu'elle résulte d'un « style d'écriture ». De plus, la proximité entre espèces du point de vue de la signature génomique correspond bien souvent à une proximité en terme taxonomique. Pourtant, l'analyse des signatures génomiques se confronte rapidement à des limitations dues à la malédiction de la dimension. En effet, les données de grande dimension (la signature génomique a généralement 256 dimensions) montrent des propriétés qui mettent en défaut l'intuition. Par exemple, le phénomène de concentration des distances euclidiennes est bien connu.<br />Partant de ces constatations, nous avons mis en place des procédures d'évaluation des distances entre signatures de façon à rendre plus manifeste les informations biologiques sur lesquelles s'appuient nos analyses. Une méthode de projection non-linéaire des voisinages y est associée ce qui permet de s'affranchir des problèmes de grande dimension et de visualiser l'espace occupé par les données. L'analyse des relations entre les signatures pose le problème de la contribution de chaque variable (les mots) à la distance entre les signatures. Un Z-score original basé sur la variation de la fréquence des mots le long des génomes a permis de quantifier ces contributions. L'étude des variations de l'ensemble des fréquences le long d'un génomes permet d'extraire des segments originaux. Une méthode basée sur l'analyse du signal permet d'ailleurs de segmenter précisément ces zones originales.<br />Grâce à cet ensemble de méthodes, nous proposons des résultats biologiques. En particulier, nous mettons en évidence une organisation de l'espace des signatures génomiques cohérente avec la taxonomie des espèces. De plus, nous constatons la présence d'une syntaxe de l'ADN : il existe des « mots à caractère syntaxique » et des « mots à caractère sémantique », la signature s'appuyant surtout sur les mots à caractère syntaxique. Enfin, l'analyse des signatures le long du génome permet une détection et une segmentation précise des ARN et de probables transferts horizontaux. Une convergence du style des transferts horizontaux vers la signature de l'hôte a d'ailleurs pu être observée.<br />Des résultats variés ont été obtenus par analyse des signatures. Ainsi, la simplicité d'utilisation et la rapidité de l'analyse des séquences par signatures en font un outil puissant pour extraire de l'information biologique à partir des génomes.

L'émergence de la génomique s'inscrit en France dans une action publique visant à organiser la coordination d'acteurs hétérogènes autour de projets d'innovation combinant recherche et développement dans le domaine des biotechnologies. Ce modèle de régulation ad hoc des dispositifs de recherche et d'innovation émerge à Evry et s'étend ensuite à l'échelle nationale. La thèse retrace l'histoire de cette extension ainsi que les dynamiques par lesquelles l'expérience d'Evry se transforme en un modèle de politique de la science en matière de biotechnologies. La question de l'instrumentation et des dispositifs instrumentaux (génopôles, plates-formes) est un point d'entrée pour analyser les modes de régulation de la production et de l'accès concernant les données et les ressources émergeant dans l'espace génomique. Les options théoriques croisent la sociologie de la production scientifique et l'analyse en termes de politiques publiques de la construction des dispositifs de recherche-technologie.

Ce projet de maîtrise vise à décrire les phénotypes cliniques des patientes diagnostiquées pour un cancer de l'ovaire de type épithélial afin de soutenir la génomique fonctionnelle. Pour réaliser ce projet de recherche, quatre objectifs ont été réalisés : 1) proposer un modèle conceptuel décrivant les phénotypes cliniques des patientes à partir de données médicales enregistrées dans un entrepôt de données cliniques ; 2) à partir du modèle conceptuel, créer deux outils informatiques, dont l'un, le Master Specimen File (MSF) qui extrait des variables du modèle conceptuel issues des rapports de chirurgie et de pathologie des patientes (p. ex. histologie, stade, grade, etc.) afin de confirmer leurs diagnostics et de décrire leurs tissus de recherche selon des caractéristiques tissulaires, cellulaires et moléculaires. L'autre, le Clinical Response Database (CRD) , permet de visualiser d'autres variables (p. ex. traitements, résultats d'imagerie médicale et marqueurs tumoraux) pour déterminer l'ordre des traitements, les réponses aux traitements ainsi que les survies des patientes; 3) utiliser les deux outils informatiques au Centre hospitalier universitaire de Sherbrooke (CHUS) pour décrire les phénotypes cliniques de patientes recrutées pour le Laboratoire de génomique fonctionnelle de l'Université de Sherbrooke (LGFUS) ; et 4) réanalyser les résultats d'une étude publiée en 2009 par le LGFUS en effectuant un nouveau regroupement des patientes selon leurs phénotypes cliniques. L'utilisation des outils informatiques au CHUS a permis de décrire les phénotypes cliniques de 106 patientes diagnostiquées pour un cancer de l'ovaire de type épithélial. Ces outils ont permis de sélectionner les patientes dont les phénotypes cliniques correspondent à des critères de sélection établis par le LGFUS. Cette sélection a permis d'effectuer la réanalyse des résultats d'une étude génomique et de constater que les patientes ayant des phénotypes cliniques hétérogènes ont des moyennes de ratio d'événements d'épissage alternatif de gènes statistiquement différentes. De plus, cette reanalyse a permis d'obtenir de nouveaux résultats statistiquement significatifs et d'apporter de nouvelles hypothèses concernant le gène CDCA1 dans le cadre du cancer de l'ovaire de type épithélial.