La technologie des puces à ADN a rendu aujourd'hui possible de mesurer les niveaux d'expression de milliers de gènes durant des processus biologiques importants. Analyser des profils d'expression de multiples gènes offre la possibilité d'éclairer certains aspects de la génomique fonctionnelle. Ce travail porte sur l'analyse, la classification et l'interprétation de profils d'expressions de gènes durant le processus de division cellulaire. La division cellulaire est le processus biologique de prolifération des cellules qui devient drastiquement aberrant dans le cas de cellules cancéreuses. Tenant compte de la structure temporelle des données d'expression, nous avons étudié trois familles de mesures de proximités. La première famille définit des mesures limitées à la comparaison des valeurs des expressions en ignorant la contrainte de dépendance temporelle des données. La seconde famille se limite à la comparaison des formes des expressions. Enfin, la troisième famille de mesures couvre simultanément les aspects formes et valeurs. Une formalisation unifiée de ces mesures est proposée. Une classification adaptative de milliers de gènes est appliquée afin d'apprendre la mesure de proximité à considérer pour l'identification et la caractérisation de gènes impliqués dans les phases du cycle cellulaire.

Un défi de la transcriptomique est d'explorer l'intégralité du répertoire des transcrits normaux et anormaux. Les analyses de GEP (Gene Expression Profiling) basées sur la technologie des puces à ADN sont largement exploitées en cancérologie depuis plusieurs années. Parallèlement, les nouvelles méthodes basées sur le séquençage à haut débit offrent désormais la possibilité de réaliser des analyses précises et sensibles nécessaires à l'étude des cellules normales et cancéreuses. Quelle que soit la méthode, la caractérisation de l'ensemble des transcrits codants et non-codants représente un réel défi biologique pour la recherche de nouveaux marqueurs de diagnostic et de pronostic, et pour la bonne prise en charge des patients. Dans ce travail, j'ai eu l'occasion de traiter deux aspects différents de la biologie qui convergent vers l'identification de transcrits exprimés de manière aberrante dans les leucémies myéloïdes. Le premier aspect a consisté à proposer une sélection de biomarqueurs moléculaires pour la caractérisation de la leucémie myélomonocytaire chronique (LMMC). A partir de l'expression de ces gènes, nous avons développé un score de pronostic qui a permis de définir deux groupes de patients cliniquement distincts. Nous avons ensuite complété notre étude par une caractérisation phénotypique par cytométrie en flux des sous-populations cellulaires aberrantes constituant les lignages mono- et granulocytaires. Une partie de ce travail a été étendue aux leucémies aiguës myéloïdes (LAM) à caryotype normal (CN). L'autre aspect a consisté à participer à la mise en place d'une approche computationnelle intégrée pour caractériser de nouveaux ARNs non annotés et fort probablement non-codants. En explorant des données de Digital Gene Expression (DGE), nous avons quantifié et caractérisé la fraction de ces transcrits dans les régions intergéniques. Nous avons vérifié l'expression de ces nouveaux transcrits dans les tissus normaux et cancéreux en croisant avec d'autres données d'expression, telles que le RNA-Sequencing, et regarder leur conservation et leur expression dans d'autres espèces. / A challenge of transcriptomics is to explore the full repertoire of normal and abnormal transcripts. Gene expression profiling analyses based on microarray technology are widely used in cancer research since many years. Meanwhile, new methods based on high-throughput sequencing methods offers henceforth the possibility to undergo accurate and sensitive analyses necessary for studying normal and cancer cells. Despite the method, the characterization of all coding and non-coding transcripts is a real biological challenge in identifying novel diagnostic and prognostic markers, and for the proper care of patients. In the present work, I had the opportunity to address two different aspects of biology, both convergent toward the identification of aberrantly expressed transcripts in myeloid leukemia. The first aspect was to provide a selection of molecular biomarkers for the characterization of chronic myelomonocytic leukemia (CMML). We developed a gene expression-based prognostic score which identified two clinically distinct groups of patients. We then completed our study with a phenotypic characterization by flow cytometry of aberrant subpopulations constituting the myeloid and granulocytic lineages. A part of this work has been extended to acute myeloid leukemia (AML) patients with normal karyotype. The other aspect was to participate in the implementation of an integrated computational approach in order to characterize novel non annotated RNAs, more likely non-coding. We quantified and characterized the proportion of these transcripts in intergenic regions by exploring Digital Gene Expression (DGE) data. We checked their expression in normal and cancer tissues by crossing with RNA-Seq data, and their conservation and expression in other species.

Le blé est la seconde céréale la plus produite dans le monde. Il constitue une importante source de denrées alimentaires et de beaucoup d'autres usages industriels. La compréhension des mécanismes impliqués dans le développement du grain de blé est fondamentale pour développer des blés à valeur ajoutée. La physiologie du grain de blé et les mécanismes moléculaires impliqués dans son développement nécessitent d'être mieux connus et ces connaissances pourront être très utiles pour l'amélioration du blé mais aussi des autres céréales. L'approche protéomique a été aussi utilisée dans ce contexte mais aucun travail n'avait jusqu'ici été réalisé sur la totalité des phases de développement des tissus et sur des intervalles de temps très courts. La caractérisation des changements d'expressions protéiques dans les couches périphériques du grain et de l'albumen est présentée dans cette étude. Nous avons utilisé les grains de Triticum aestivum de la variété Récital, cultivés à l'INRA de Clermont-Ferrand. Les grains ont été prélevés tous les 50°C jour (°Cj) depuis la fécondation jusqu'à la maturité sur 15 stades de développement pour les couches périphériques et sur 21 stades pour l'albumen amylacé. Pour chaque échantillon, les couches périphériques des grains ont été disséquées et les protéines totales extraites. L'analyse des protéines en électrophorèse bidimensionnelle puis par spectrométrie de masse MALDI-TOF a permis d'identifier via l'interrogation des bases de données, 207 protéines différentiellement exprimées sur 15 stades de développement (0°Cj-700°Cj). Ces protéines ont ensuite été classées en 16 classes fonctionnelles. L'analyse en cluster a révélé 5 profils d'expression au cours du temps. Parallèlement, l'albumen amylacé a été isolé des grains et les protéines métaboliques de ce tissu extraites. Après électrophorèse bidimensionnelle des protéines, 487 protéines variant significativement dans l'albumen sur l'ensemble des stades de développement (0°Cj-1006°Cj) ont été identifiées par utilisation de la LC-MS. Les protéines ont été réparties sur neuf profils d'expression et 17 fonctions biochimiques. Le protéome des couches périphériques a ensuite été comparé au protéome de l'albumen dans le but de comprendre si l'évolution des processus biochimiques diffère dans chacun de ces tissus. Au final, nous avons optimisé l'intégration des données protéomiques avec celles du transcriptome (en se focalisant sur les protéines du métabolisme carboné). Seulement 32% des profils d'expression protéome/transcriptome montrent une corrélation significative au cours du développement (152°Cj-700°Cj). Les profils d'expression des enzymes ont été comparés sur les deux niveaux. Ils devraient permettre de distinguer les processus régulés au niveau du transcriptome de ceux régulés au niveau du protéome. L'ensemble de ces données pourra être compilé dans une base de données propre de la variété Récital et utilisé comme référence dans l'étude des maladies et des stress abiotiques des tissus du grain de blé en développement.

Les sarcomes sont des tumeurs malignes des tissus conjonctifs, représentant moins de 1%des tumeurs malignes de l'adulte, mais près de 8% de l'ensemble des cancers pédiatriques. Enraison de leur rareté, de leur grande variété histologique et de leur potentiel évolutifhétérogène, les sarcomes sont des pathologies difficiles à traiter, tant sur le plan diagnostique,pronostique que thérapeutique. Ces dernières années, l'avènement de techniques d'analyse pangénomiques par biologie moléculaire a permis d'améliorer la prise en charge clinique des sarcomes, mais les microARN sont des biomarqueurs émergents encore peu utilisés. au cours de c e travail de thèse, nous avons cjhoisi d'étudier la valeur des profils d'expression des micrfoARN dans les rhabdomyosarcomes et les ostéosarcomes. Les données brutes des profils d'expression ont été obtenues à l'aidre d'une technologie à moyen débit basée sur des réactions de PCR quantitative. Nous avons tout d'abord développé une méthodologie d'ananlyse permettant d'obtenir des données d'expression précises, reproductibles et à forte valeur ajoutée, à partir de matériel biologique hétérogène.. Dans un second temps, nous avons montré que les profils d'expression de microARN permettent d'améliorer la prise en charge clinique des deuc types de sarcomes étudiés : il est possible d'affiner la classification nosologique des rhabdomyosarcomes, et de prédire la réponse des ostéosarcomes à la chimiothérapie néo-adjuvante. La recherche de nouvelles applications cliniques liées aux profils d'expression des micorARN doit donc être poursuivie, et peut désormais l'être grâce à l'outil robuste que nous avons développé au cours de cette thèse.

L'analyse bioinformatique des données de transcriptomique a pour but d'identifier les gènes qui présentent des variations d'expression entre différentes situations, par exemple entre des échantillons de tissu sain et de tissu malade et de caractériser ces gènes à partir de leurs annotations fonctionnelles. Dans ce travail de thèse, je propose quatre contributions pour la prise en compte des connaissances du domaine dans ces méthodes. Tout d'abord je définis une nouvelle mesure de similarité sémantique et fonctionnelle (IntelliGO) entre les gènes, qui exploite au mieux les annotations fonctionnelles issues de l'ontologie GO ('Gene Ontology'). Je montre ensuite, grâce à une méthodologie d'évaluation rigoureuse, que la mesure IntelliGO est performante pour la classification fonctionnelle des gènes. En troisième contribution je propose une approche différentielle avec affectation floue pour la construction de profils d'expression différentielle (PED). Je définis alors un algorithme d'analyse de recouvrement entre classes fonctionnelles et ensemble des références, ici les PEDs, pour mettre en évidence des gènes ayant à la fois les mêmes variations d'expression et des annotations fonctionnelles similaires. Cette méthode est appliquée à des données expérimentales produites à partir d'échantillons de tissus sains, de tumeur colo-rectale et de lignée cellulaire cancéreuse. Finalement, la mesure de similarité IntelliGO est généralisée à d'autres vocabulaires structurés en graphe acyclique dirigé et enraciné (rDAG) comme l'est l'ontologie GO, avec un exemple d'application concernant la réduction sémantique d'attributs avant la fouille. / Bioinformatic analyses of transcriptomic data aims to identify genes with variations in their expression level in different tissue samples, for example tissues from healthy versus seek patients, and to characterize these genes on the basis of their functional annotation. In this thesis, I present four contributions for taking into account domain knowledge in these methods. Firstly, I define a new semantic and functional similarity measure which optimally exploits functional annotations from Gene Ontology (GO). Then, I show, thanks to a rigorous evaluation method, that this measure is efficient for the functional classification of genes. In the third contribution, I propose a differential approach with fuzzy assignment for building differential expression profiles (DEPs). I define an algorithm for analyzing overlaps between functional clusters and reference sets such as DEPs here, in order to point out genes that have both similar functional annotation and similar variations in expression. This method is applied to experimental data produced from samples of healthy tissue, colorectal tumor and cancerous cultured cell line. Finally the similarity measure IntelliGO is generalized to another structured vocabulary organized as GO as a rooted directed acyclic graph, with an application concerning the semantic reduction of attributes before mining.

L'analyse bioinformatique des données de transcriptomique a pour but d'identifier les gènes qui présentent des variations d'expression entre différentes situations, par exemple entre des échantillons de tissu sain et de tissu malade et de caractériser ces gènes à partir de leurs annotations fonctionnelles. Dans ce travail de thèse, je propose quatre contributions pour la prise en compte des connaissances du domaine dans ces méthodes. Tout d'abord je définis une nouvelle mesure de similarité sémantique et fonctionnelle (IntelliGO) entre les gènes, qui exploite au mieux les annotations fonctionnelles issues de l'ontologie GO ('Gene Ontology'). Je montre ensuite, grâce à une méthodologie d'évaluation rigoureuse, que la mesure IntelliGO est performante pour la classification fonctionnelle des gènes. En troisième contribution je propose une approche différentielle avec affectation floue pour la construction de profils d'expression différentielle (PED). Je définis alors un algorithme d'analyse de recouvrement entre classes fonctionnelles et ensemble des références, ici les PEDs, pour mettre en évidence des gènes ayant à la fois les mêmes variations d'expression et des annotations fonctionnelles similaires. Cette méthode est appliquée à des données expérimentales produites à partir d'échantillons de tissus sains, de tumeur colo-rectale et de lignée cellulaire cancéreuse. Finalement, la mesure de similarité IntelliGO est généralisée à d'autres vocabulaires structurés en graphe acyclique dirigé et enraciné (rDAG) comme l'est l'ontologie GO, avec un exemple d'application concernant la réduction sémantique d'attributs avant la fouille.