En médecine humaine et vétérinaire, les agents pathogènes représentent la cause de mortalité principale à travers la planète. Les méthodes de diagnostic de ces pathogènes ont considérablement changé et évolué particulièrement depuis l’apparition du séquençage haut débit. Les nouvelles méthodes de séquençage massif ont considérablement diminué le prix d’une séquence permettant de rendre accessible cette technologie révolutionnaire. Dans le cadre de mes travaux de thèse, nous avons mis en place un protocole pour l’utilisation du séquençage Illumina® (avec le séquenceur MiSeq) comme méthode de diagnostic lors de différents cas pathologiques aviaires. L’utilisation de cette méthode nous a permis dans un premier temps d’identifier l’agent étiologique de la maladie foudroyante de la pintade. Cette étude nous a permis de valider l’utilisation de ce genre de méthode pour des cas ciblés, ici lors d’un épisode clinique particulier n’impliquant vraisemblablement qu’un seul candidat pathogène. Ce nouveau coronavirus a fait l’objet d’études complémentaires afin de le caractériser. Nous avons élargis les cibles recherchées en analysant dans un deuxième temps l’ensemble des virus ARN chez le canard lors d’épisodes cliniques respiratoires et/ou de chute de ponte. L’analyse des données a mis en évidence une importante diversité virale et a permis d’identifier des candidats responsables potentiels. L’ensemble des résultats obtenus nous permet de valider l’utilisation du séquençage à haut débit comme un outil puissant de diagnostic. / Infectious diseases are considered the most prevalent cause of mortality in humans as well as other animals worldwide. Since the advent of high throughput sequencing technologies, diagnostic methods for these conditions have quickly changed and evolved, as the continuously decreasing cost of mass sequencing is making this tool available to larger numbers of people. As part of my thesis project, an Illumina®-based sequencing method (on a MiSeq machine) was designed for diagnostic purposes in clinical cases in poultry. We first used this method to identify the causative agent of the fulminating disease of guinea fowl. This validated the use of our protocol to identify the pathogenic infectious agent behind a specific condition. This newly identified Coronavirus was further analysed and characterised. In a second study we used an unbiased mass sequencing approach to describe the RNA virus populations present in the duck respiratory tract during clinical episodes (respiratory illness or egg drops). Data showed an important viral diversity and we identified some candidate pathogens. Taken together, these results validate the use of high throughput sequencing as a powerful diagnostic tool.

Les poumons sont constitués d’un arbre par lequel circule l’air et qui alimente le parenchyme où ont lieu les échanges gazeux avec le sang. Certaines pathologies affectent la structure de l’arbre ou du parenchyme induisant des défauts dans l’approvisionnement en air ou des efforts respiratoires accrus. Etudier l’organe in-vivo est complexe. La modélisation mathématique peut apporter un éclairage utile sur les effets associés aux pathologies touchant le poumon, et la pertinence des traitements proposés. Dans la première partie de cette thèse, nous proposons un modèle mécanique de ventilation pulmonaire. Un arbre 0D est couplé de manière forte à un modèle de parenchyme 3D. On met en évidence l’impact sur la distribution de ventilation des conditions aux limites et d’altérations de l’arbre ou du parenchyme. Le comportement de ce modèle est comparé à celui d’un modèle plus simple et couramment utilisé.Dans une deuxième partie, on propose un modèle d’arbre asthmatique et on étudie dans quelle mesure respirer un gaz moins dense que l’air permet de diminuer les efforts et les défauts de ventilation. On propose ensuite une approche visant à déterminer la distribution des constrictions bronchiques les plus sévères à partir de données d’imagerie. Notre démarche s’appuie sur l’utilisation du modèle de ventilation, enrichie par une technique d’apprentissage statistique.On présente finalement deux études prospectives. La première étend les modèles de ventilation introduits précédemment avec pour objectif de modéliser la spirométrie. La deuxième s’inscrit dans une perspective visant à déterminer la géométrie du poumon à partir de mesures simples prises sur le corps du patient. / The lungs contain a tree through which the air flows. It supplies a porous region, the parenchyma, where gas exchanges with blood take place. Some pathologies affect the tree structure or the parenchyma integrity. They can induce ventilation defects or increased respiratory efforts. In vivo-studies are complex and mathematical modeling can provide some insights on the lung behavior, the pathologies’ impacts or the efficiency of treatments.In the first part of this thesis, we propose a ventilation model of the lung based on a mechanical description. A 0D tree is strongly coupled to a 3D parenchyma model. We show the influence of chosen boundary conditions as well as tree or parenchyma alterations on the ventilation distribution. Results are compared with those provided by a simpler model, often used in the literature.In a second part, we use the tree-parenchyma coupled model to investigate how breathing gas mixtures less dense than air would potentially reduce efforts and ensure a better ventilation. To that end, we build an asthmatic tree model.In the next part, we develop an approach to get insights on severe constrictions distribution based on the analysis of dynamic lung ventilation images. To do so, the coupled ventilation model is used along with a machine learning technique.Finally, two prospective works are presented. First, we propose extensions to the ventilation models introduced in the first part as a step towards spriometry modeling. The last study is part of a global perspective that aims at getting insights on the lung geometry based on simple measurements on the patient’s body.