L’avènement du séquençage métagénomique aléatoire a révolutionné la microbiologie en permettant la caractérisation sans culture préalable de communautés microbiennes complexes telles que le microbiote intestinal humain. Des outils bioinformatiques récemment développés atteignent une résolution au niveau de la souche en recensant des gènes accessoires ou en capturant des variants nucléotidiques (SNPs). Toutefois, ces outils sont limités par l’étendue des génomes de référence disponibles qui sont loin de couvrir toute la variabilité microbienne. En effet, de nombreuses espèces n’ont pas encore été séquencées ou sont représentées par seulement quelques génomes.La création de catalogues de gènes non redondants par assemblage de novo suivie du regroupement des gènes co-abondants révèlent une partie de la matière noire microbienne en reconstituant le répertoire de gènes d’espèces potentiellement inconnues. Bien que les méthodes existantes identifient avec précision les gènes core présents dans toutes les souches d’une espèce, elles omettent de nombreux gènes accessoires ou les divisent en petits groupes de gènes qui ne sont pas associés aux core génomes. Or, capturer ces gènes accessoires est indispensable en recherche clinique et épidémiologique car ces derniers assurent des fonctions spécifiques à certaines souches telles que la pathogénicité ou la résistance aux antibiotiques.Lors de cette thèse, nous avons développé MSPminer, un logiciel performant qui reconstitue et structure des pan-génomes d’espèces métagénomiques (ou MSPs pour Metagenomic Species Pan-genomes) en regroupant les gènes co-abondants dans un ensemble d’échantillons métagénomiques. MSPminer s’appuie sur une nouvelle mesure robuste de la proportionnalité couplée à un classificateur empirique pour regrouper et distinguer les gènes core mais aussi les gènes accessoires des espèces microbiennes.Grâce à MSPminer, nous avons structuré un catalogue de 9,9 millions de gènes du microbiote intestinal humain en 1 661 MSPs. L’homogénéité de l’annotation taxonomique, de la composition nucléotidique ainsi que la présence de gènes essentiels indiquent que les MSPs ne correspondent pas à des chimères mais à des objets biologiquement cohérents regroupant des gènes provenant de la même espèce. Parmi ces MSPs, 1 301 (78%) n’ont pas pu être annotées au niveau espèce montrant que de nombreux microorganismes colonisant l’intestin humain demeurent inconnus malgré les progrès substantiels des techniques de culture microbienne. Remarquablement, les MSPs capturent bien plus de gènes que les clusters générés par les outils existants tout en garantissant une spécificité élevée.Cet ensemble de MSPs peut d’ores et déjà être utilisé pour le profilage taxonomique et la découverte de biomarqueurs dans des échantillons de selles humaines. Ainsi, nous tirons parti des MSPs pour comparer l’impact sur le microbiote intestinal des deux principaux types de chirurgie bariatrique, la gastrectomie par laparoscopie (LSG) et la dérivation gastrique de Roux-en-Y (LRYGB). Enfin, les MSPs ouvrent la voie à des analyses au niveau souche. Dans une autre cohorte, nous avons mis en évidence l’existence de sous-espèces associées à l’origine géographique de l’hôte en étudiant les profils de présence/absence des gènes accessoires groupés dans les MSPs. / The advent of shotgun metagenomic sequencing has revolutionized microbiology by allowing culture-independent characterization of complex microbial communities such as the human gut microbiota. Recently developed bioinformatics tools achieved strain-level resolution by making a census of accessory genes or by capturing nucleotide variants (SNPs). Yet, these tools are hampered by the extent of available reference genomes which are far from covering all the microbial variability. Indeed, many species are still not sequenced or are represented by only few genomes.Building of non-redundant gene catalogs followed by the binning of co-abundant genes reveals a part of the microbial dark matter by reconstituting the gene repertoire of species potentially unknown. While existing methods accurately identify core genes present in all the strains of a species, they miss many accessory genes or split them into small gene groups that remain unassociated to core genomes. However, capturing these accessory genes is essential in clinical research and epidemiology because they provide functions specific to certain strains such as pathogenicity or antibiotic resistance.In this thesis, we developed MSPminer, a computationally efficient software tool that reconstitutes Metagenomic Species Pan-genomes (MSPs) by binning co-abundant genes across metagenomic samples. MSPminer relies on a new robust measure of proportionality coupled with an empirical classifier to group and distinguish not only species core genes but accessory genes also.With MSPminer, we structured a catalog made up of 9.9 million genes of the human gut microbiota in 1 661 MSPs. The homogeneity of the taxonomic annotation, of the nucleotide composition as well as the presence of essential genes indicate that the MSPs do not correspond to chimeras but to biologically consistent objects grouping genes from the same species. Among these MSPs, 1 301 (78%) could not be annotated at species level showing that many microorganisms colonizing the human intestinal tract are still unknown despite the substantial improvements of microbial culture techniques. Remarkably, MSPs capture more genes than clusters generated by existing tools while ensuring high specificity.This set of MSPs can be readily used for taxonomic profiling and biomarkers discovery in human gut metagenomic samples. In this way, we take advantage of the MSPs to compare the impact of two main types of surgeries, the laparoscopic sleeve gastrectomy (LSG) and the Roux-En-Y gastric bypass (LRYGB). Finally, the MSPs open the way to strain-level analyses. In another cohort, we identified subspecies associated the host geographical origin by studying presence/absence patterns of the accessory genes grouped in the MSPs.

Les α-galactosides sont des glucides non digestibles constitués d'unités galactose liées en α(1,6). Les α-galactosides de la famille du raffinose (RFO) sont, avec le saccharose, les principaux oligosaccharides des légumineuses. Cependant, aucune activité α(1,6)-galactosidase n'est retrouvée au niveau de l'épithélium intestinal humain, les RFO sont donc exclusivement fermentés par les enzymes microbiennes. Ces travaux introduisent une enzyme bifonctionnelle de Ruminococcus gnavus E1, un membre majoritaire du microbiote intestinal humain, présentant une activité α(1,6)-galactosidase/ saccharose kinase (AgaSK). L'analyse de la séquence peptidique montre qu'AgaSK présente deux domaines : un domaine homologue aux α-galactosidases GH36, et un autre contenant un motif de fixation des nucléotides (motif A de Walker). La caractérisation des paramètres biochimiques d'AgaSK met en évidence cette bifonctionnalité puisqu'elle est capable d'hydrolyser les α(1,6)-galactosides solubles, et parallèlement en présence d'ATP de phosphoryler le saccharose spécifiquement sur la position C6 du glucose. La production directe de saccharose-6-phosphate à partir de l'hydrolyse du raffinose constitue une voie métabolique jamais décrite chez les bactéries. L'analyse de chacun des domaines montre que les domaines isolés d'AgaSK sont actifs mais la comparaison de leurs paramètres cinétiques montre qu'il y a des différences entre la protéine entière et les domaines isolés. La résolution de la structure du domaine α-galactosidase en complexe avec le galactose démontre que l'état oligomérique est nécessaire pour le bon repliement de la protéine et pour une fixation efficace du substrat. / Α-galactosides are non digestible carbohydrates present in many leguminous plants. Soluble α-galactosides consist of galactose units α(1,6) linked to different carbohydrates. Among these, the raffinose family oligosaccharides (RFO) and sucrose, are the most abundant oligosaccharides found in legumes. However, no α(1,6)galactosidase activity exists in the human intestine mucosa and α-galactosides are exclusively fermented by microbial α(1,6)galactosidases (EC3.2.1.22). Here we introduce a bifunctional enzyme, the α(1,6)galactosidase/sucrose kinase (AgaSK) whose gene is highly transcribed in vivo by Ruminococcus gnavus E1, a major member of human dominant intestinal microbiota. Sequence analysis showed that AgaSK is composed of two domains: one closely related to α-galactosidases from glycoside hydrolase family GH36 and the other containing a nucleotide binding motif (Walker A motif). Its biochemical characterization showed that AgaSK is able to hydrolyze efficiently soluble α-galacosides. Furthermore, AgaSK it is able to bind nucleotide to phosphorylate specifically on the C6 position of glucose sucrose. The production of sucrose-6-P directly from raffinose brings out a glycolytic pathway in bacteria, not described so far. In addition, AgaSK isolated domains are active but the biochemical characterization has shown that there are differences in the activities between the whole protein and isolated domains. The crystal structures of the galactosidase domain in complex with the product shed light onto the reaction and substrate recognition mechanisms and highlight an oligomeric state necessary for efficient substrate binding.

Le pangénome est l’ensemble des gènes uniques retrouvé chez une espèce. Dans le cas des espèces procaryotes, notamment celles qui sont présentes dans le microbiote intestinal humain, la variation du contenu en gène est caractérisée par des événements de gain de gènes principalement par transfert horizontal de gènes (THG) et de perte de gène. Cette variation du contenu en gène peut être plus rapide que le taux de mutation et permettre aux microbes de s’adapter rapidement à des pressions sélectives. Cela justifie donc l’étude de l’évolution pangénomique des procaryotes sur des échelles de temps humaines qui sont considérées comme étant courtes du point de vue évolutif, par exemple de l’ordre de quelques années. La plupart des études sur ce sujet impliquent des espèces relativement distantes qui ont divergé depuis des millions d’années. De plus, l'équilibre des forces évolutives majeures impliquées, telles que le THG, la sélection, la dérive génétique et les mutations, n’est pas clairement défini et est au cœur d’un débat dans la littérature. Ce projet de maîtrise permet donc d’élargir le portrait évolutif des pangénomes de procaryotes en s’intéressant à l’évolution des gènes transférés horizontalement, aussi appelés gènes mobiles, sur de courtes échelles de temps. Pour ce faire, nous allons d’abord passer en revue la littérature pertinente en lien avec ce sujet, notamment les méthodes employées pour détecter les gènes mobiles et les modèles d’évolution pangénomique. Nous allons ensuite analyser l’évolution d’une collection de 37 853 gènes mobiles impliqués dans des THG récents détectés dans le microbiote intestinal d’individus provenant d’Amérique du Nord ou des îles Fidji. Pour détecter des signatures évolutives des forces en action, nous estimerons divers paramètres de génétique des populations à partir de l’alignement entre les lectures de séquençage métagénomique de 176 microbiotes fidjiens et cette collection de gènes mobiles. Nous expliquerons aussi l’outil de simulations évolutives que nous avons développé afin de valider et expliquer certaines de nos observations. Sans exclure la présence de pressions de sélection pour des gènes mobiles ayant des fonctions spécifiques, les données réelles et les simulations nous amènent à conclure que l’évolution des gènes mobiles sur de courtes échelles de temps peut être expliquée par un modèle d’évolution où les gènes mobiles ne sont pas largement adaptifs à leurs hôtes humains ou microbiens, contrairement à ce qui est parfois observé sur de longues échelles de temps évolutif. / The pangenome is the collection of unique genes found in a species. For prokaryotes, especially those present in the human gut microbiota, variation in gene content is characterized by gene gain through horizontal gene transfer (HGT) and gene loss. In human gut, gene content variations can occur at faster rates than mutation, which allow microbes to adapt rapidly to environmental changes. This justifies the study of the prokaryotes pangenome evolution on human time scales which are considered evolutionarily short, e.g. in the order of few years. Most studies about the evolution of prokaryotic pangenomes involve relatively distant species that have diverged since millions of years. In addition, the balance of major evolutionary forces involved, such as horizontal transfer, selection, genetic drift, and mutations, is not clearly defined and is debated in literature. This master's project therefore aims to broaden the evolutionary portrait of prokaryotic pangenome evolution by focusing on near-term evolution. To do this, we will first review the relevant literature related to this topic, including the methods used to detect mobile genes and the pangenome evolution models. We will then analyze the evolution of a pre-existing collection of 37 853 mobile genes involved in recent HGT events detected in the gut microbiota of individuals from North America and Fiji Islands. To detect evolutionary signatures of the forces in action, we will estimate various population genetics parameters from the alignment between metagenomic sequencing reads of 176 Fijian microbiomes and this collection of mobile genes. We will also explain the evolutionary simulation tool that we have developed in order to validate and explain some of our observations. While we don’t exclude the importance of selection for specific cellular functions for pangenome evolution, we found that the near-term evolution of mobile genes can be explained by a model in which mobile genes can spread selfishly without being largely adaptive to their human or microbial hosts, contrarily to what is often observed over longer evolutionary time scales.