Au cours de ces trois dernières années, le génome du chien a bénéficié d'avancées majeures à sa connaissance. Les projets de cartographie et de séquençage de son génome, motivés par le formidable potentiel qu'offre le chien en tant que modèle génétique, ont généré de grandes quantités de données à analyser. Dans ce contexte, mes travaux de thèse se sont d'abord focalisés sur la conception d'outils bioinformatiques d'intégration de plusieurs ressources afin d'évaluer et de comparer les informations issues des projets de cartographie et de séquence du génome du chien. Avec la disponibilité d'un nombre croissant de génomes séquencés, nous avons développé le programme AutoGRAPH pour formaliser la conservation de l'ordre des gènes orthologues entre les génomes mammifères, automatiser la construction de cartes de synténie entre ces génomes et, enfin, faciliter l'annotation du génome du chien. Un première application de notre méthode a permis de redéfinir la localisation d'une centaine de gènes préalablement assignés au chromosome canin non-assemblé ou "chromosome Unknown". Dans un second projet, nous avons combiné notre approche de conservation de l'ordre des gènes entre deux génomes avec des alignements de séquences ciblés afin d'identifier des nouvelles structures de gènes canins codant pour des protéines. À partir d'un ensemble de 412 gènes orthologues entre quatre génomes de référence (homme - chimpanzé - rat - souris) et présumés absents chez le chien, nous identifions 285 nouveaux gènes canins et/ou nouvelles relations d'orthologie avec les génomes de référence. Enfin, différents mécanismes évolutifs sont suggérés mettant en relation la nature des gènes, la présence de famille de gènes et la composition en séquences pour expliquer la perte de gènes chez le chien.

Avec l'explosion de la quantité de données biologiques disponible, développer de nouvelles méthodes de traitements efficaces est une problématique majeure en bioinformatique. De nombreuses structures biologiques sont modélisées par des structures arborescentes telles que les structures secondaires d'ARN et l'architecture des plantes. Ces structures contiennent des motifs répétés au sein même de leur structure mais également d'une structure à l'autre. Nous proposons d'exploiter cette propriété fondamentale afin d'améliorer le stockage et le traitement de tels objets. En nous inspirant du principe de filtres sur les séquences, nous définissons dans cette thèse une méthode de filtrage sur les arborescences ordonnées, permettant de rechercher efficacement dans une base de données, un ensemble d'arborescences ordonnées proches d'une arborescence requête. La méthode se base sur un découpage de l'arborescence en graines et sur une recherche de graines communes entre les structures. Nous définissons et résolvons le problème de chaînage maximum sur des arborescences. Nous proposons dans le cas des structures secondaires d'ARN une définition de graines (l−d) centrées. Dans un second temps, en nous basant sur des techniques d'instanciations utilisées, par exemple, en infographie et sur la connaissance des propriétés de redondances au sein des structures biologiques, nous présentons une méthode de compression permettant de réduire l'espace mémoire nécessaire pour le stockage d'arborescences non-ordonnées. Après une détermination des redondances, nous utilisons une structure de données plus compacte pour représenter notamment l'architecture de la plante, celle-ci pouvant contenir des informations topologiques mais également géométriques.

Chez les métazoaires, la transcription est inactive durant les étapes précoces du développement embryonnaire. Chez Drosophila melanogaster, des études récentes de l'activation du génome zygotique (AGZ) ont mis en évidence l'implication de quelques acteurs moléculaires (Zelda, STAT92E), mais les mécanismes régulateurs généraux restent à découvrir. En appliquant des méthodes bioinformatiques à l'analyse de données à haut débit de différentes sources, j'ai recherché de nouveaux éléments cis-régulateurs impliqués dans l'AGZ. Tout d'abord, par l'analyse de données transcriptomiques, j'ai sélectionné un groupe de gènes activés pendant l'AGZ. L'analyse de leurs régions non codantes a mis en évidence six motifs, dont trois correspondent à des motifs connus (Zelda, Trl et TTK). La recherche systématique de ces motifs m'a permis de prédire des modules cis-régulateurs (CRMs) potentiels pour lesquels j'ai défini un environnement chromatinien spécifique en analysant des profils d'occupation de (co-) facteurs de transcription pertinents et d'histones modifiées (ChIP-seq) ainsi que des profils d'ouverture de la chromatine. L'ensemble de ces résultats m'a permis de définir un modèle de régulation de l'AGZ et de sélectionner des régions candidates pour une validation expérimentale.

In the United States, the past twenty years has witnessed a growing academic interest in understanding 'globalization,' i.e., a series of interconnected social, cultural, and political processes occurring under integrated economies. Management scholars have tried to understand globalization in terms of its potential consequences for companies conducting business in various countries and regions. However, globalization involves more than this, for as new relationships between people and places occur, new ideas about who they/ us are in those relationships also emerge. How can international management scholars thus understand these complex relationships occurring under globalization? How can they theorize and study such relationships?Although there are multiple ways to address these questions, the approach to globalization within U.S.-based international business and management research has been insufficient. First, meta-theoretical assumptions supporting U.S.-based management theories and practices have seldom been questioned in regards to their deployment in non-Western contexts. Second, the emphasis of this research on "cultural differences" implies "separation" and may conceal social and cultural formations established through global relationships. Thus, alternative approaches to understanding business practices in the context of globalization are needed.To this effect, I first develop the notion of identity formation , based on poststructuralist and postcolonial theories, as a conceptual framework, in contrast with the modernist views of identity informing the extant international management literature. I suggest this notion as an appropriate focus of analysis for understanding contemporary relationships between people in the world. To demonstrate these arguments, I conduct fieldwork focused on the international entrepreneur, specifically the Turkish entrepreneur. Relying on an extended case study design and a multi-method approach, I examine how Turkish entrepreneurs in high-technology sectors in the U.S. and in Turkey engage in identity formation processes.The identity formation framework allows me to demonstrate how globalization processes occur relationally through embedded discourses of hybridity, gender, subalternity, and nation articulated by international entrepreneurs. I further address how postcolonial lenses allow for conceptualizing encounters between West and non-West occurring under globalization as a series of interdependent events at the locus of identity formation. As such, my dissertation offers a theoretically distinct conceptualization for globalization research in international management.

La recombinaison m ́eiotique joue un double rˆole de moteur ́evolutif en participant 'a la cr ́eation d'une diversit ́e g ́en ́etique soumise 'a la s ́election naturelle et de contrˆole dans la fabrication des gam'etes lors de la m ́eiose. De plus, en association avec certains m ́ecanismes de r ́eparation, la recombinaison, au travers de la conversion g ́enique biais ́ee manipule les fr ́equences all ́eliques au sein des populations. Les connaissances sur le fonctionnement mˆeme des ce processus ont consid ́erablement augment ́ees ces derni'eres ann ́ees faisant d ́ecouvrir un processus complexe, autant dans son fonctionnement que dans son ́evolution. Le th'eme g ́en ́eral de la th'ese est l'analyse, dans un contexte ́evolutif, des relations entre les diff ́erent roˆles et caract ́eristiques fonctionnelles de la recombinaison. Un mod'ele de la recombinaison prenant en compte des contraintes li ́ees au controˆle de la m ́eiose et le ph ́enom'ene d'interf ́erence a permis une comparaison entre esp'eces au sein des vert ́ebr ́es et des invert ́ebr ́es de mˆeme qu'un comparaison entre sexes. Par ailleurs, nous avons montr ́e l'impact de la localisation sp ́ecifique aux sexes des points chauds de recombinaison sur l' ́evolution du contenu en GC des g ́enomes de plusieurs vert ́ebr ́es. Finalement, nous proposons un mod'ele a' l' ́echelle de la g ́en ́etique des populations, permettant d'analyser l'impact de la recombinaison sur la fr ́equences de mutations d ́el ́et'eres dans les populations humaines. Cette th'ese, nous l'esp ́erons, apportera sa pierre 'a l' ́etude interdisciplinaire de la recombinaison, a' la fois au sein de la biologie et par ses relations au travers de la mod ́elisation avec l'informatique et les math ́ematiques.

Cette habilitation présente une vue d'ensemble de mes travaux concernant l'analyse statistique et algorithmique de la structure des réseaux, et en particulier des réseaux biologiques. Il est structuré en trois parties. La première concerne l'étude de modèles de graphes aléatoires, notamment ceux basés sur la notion de mélange. Les questions de l'estimation de leur paramètres et de la classification des sommets y sont notamment abordées. La seconde partie est consacrée au développement statistique de la détection de motifs dans les réseaux, et en particulier dans le cadre de la notion de motif local. Enfin, le troisième chapitre reprend des thèmes liés à l'algorithmique et à la théorie des graphes en illustrant par deux exemples l'importance de la structure des cycles d'un réseau.

Les génomes peuvent être vus de manière simplifiée comme des suites de gènes, objets codants pour la production de protéines. De la même manière que les caractères physiques des êtres vivants évoluent au cours du temps, les caractères physiques des génomes évoluent également. Il s'agit alors de comprendre cette évolution à travers l'organisation des gènes sur le génome. Le problème peut être abordé sous un angle dynamique où l'on retrace les événements ayant permis les modifications, ou sous un angle statique en observant la localisation et le regroupement des gènes. D'autres part, les gènes nécessitent pour s'exprimer - se transformer en protéine - d'être d'abord transcrits en ARN. Le mécanisme de contrôle de la transcription fait appel, entre autres, à des protéines qui viennent se fixer en amont du gène, sur l'ADN, en reconnaissant de courts motifs. Une tâche récurrente, précédant toute autre analyse, est de trouver les occurrences de ces motifs qui ont la particularité d'être courts et particulièrement dégénérés. Nous retraçons le travail réalisé autour de ces deux problématiques biologiques : l'évolution de la structure des génomes et la localisation des motifs de fixation. Les méthodes mises en œuvre relèvent de l'algorithmique discrète sur les permutations pour la première partie et sur les mots pour la seconde.

Les travaux présentés dans cette thèse s'inscrivent dans le cadre de l"algorithmique et de la combinatoire du texte et s'appliquent à la bio-informatique. Plus particulièrement, ils concernent la localisation de motifs pondérés modélisés par des matrices score-position dans un texte non pondéré. Ces travaux sont appliqués au problème biologique de la recherche de sites de fixation de facteurs de transcription dans un génome. Cette application contribue à la compréhension de la régulation des gènes. Nous nous sommes attaqués à deux problèmes complémentaires, la recherche d'une seule matrice dans un texte puis la recherche simultanée d'un ensemble de matrices. Pour accélérer les algorithmes existant, nous nous sommes inspiré des algorithmes de recherche de motifs exacts connus pour leur efficacité. La différence est que les matrices score-position sont des motifs probabilistes, utilisant des fonctions de score. Nous devons donc intégrer la distribution de ces fonctions dans les algorithmes de recherche. Concernant le premier problème nous proposons une extension de l'algorithme de Knuth, Morris et Pratt qui repose sur un pré-traitement du motif pour optimiser le parcours le long du texte. Concernant le second problème nous avons utilisé une structure d'indexation afin de factoriser l'ensemble des matrices. Cette structure tire partie des distributions de scores associées à chaque matrice. Dans les deux cas, nous traitons en amont une partie des données de départ. Nous avons choisi de pré-traiter les matrices par rapport à l'application bio-informatique car les sites de fixation de facteurs de transcription sont des données relativement stables dans le temps. Ces algorithmes ont été mis en oeuvre dans un logiciel disponible en ligne appelé TFMscan. Ils ont fait l'objet d'une validation à grande échelle sur les bases de données de facteurs de transcription Jaspar et Transfac.

Les travaux présentés dans cette thèse s'inscrivent dans le cadre de l'analyse de phénomènes biologiques par des moyens informatiques, c'est-à-dire la bio-informatique. Nous nous intéressons plus particulièrement à l'analyse de séquences nucléiques. Dans ce cadre, nos travaux se décomposent en deux parties: l'identification de séquences codantes et l'identification de séquences non-codantes partageant une structure conservée telles que des ARN non-codants. L'originalité des méthodes proposées, protea et carnac, réside dans le traitement d'ensembles de séquences nucléiques faiblement conservées sans avoir recours à leur alignement au préalable. Ces méthodes s'appuient sur un même schéma global d'analyse comparative pour identifier des traces laissées par les mécanismes de sélection durant l'évolution, traces globalement cohérentes entre toutes les séquences. Nous avons évalué protea et carnac sur des données de référence pour la communauté et obtenu plusieurs résultats significatifs. Dans le cadre de travaux collaboratifs, nous présentons également deux exemples intégrations de ces logiciels. magnolia est un logiciel qui construit un alignement multiple de séquences nucléiques respectueux de leur fonction commune prédites par protea et/ou carnac. protea et \carnac sont également intégrés dans une plate-forme d'annotation automatique par génomique comparative.

Ces travaux concernent les études des algorithmes d'une part pour prédire les quantités thermodynamiques et la structure secondaire des ARN, d'autre part pour l'alignement de séquences. Dans une première partie, nous appliquons un algorithme de Monte Carlo non-Boltzmann pour estimer la densité d'états d' énergie des structures secondaires d'une séquence d'ARN, ou d'une hybridation de deux molécules d'ARN. Nous montrons d'abord que la densité estimée par notre programme est aussi bonne que la densité exacte, et le temps d'exécution de notre pro- gramme est beaucoup plus rapide. Nous calculons ensuite la température de dénaturation d'une hybridation de deux molécules d'ARN. Nous montrons que nos températures de dénaturation sont plus proches des valeurs expérimentales que les deux autres programmes existants. Puis, dans une deuxième partie, nous implémentons un algorithmes de type programmation dynamique qui engendre des structures sous-optimales dans lesquelles, nous espérons de trouver les deux structures fonctionnelles de riboswitch. Nous appliquons d'abord notre programme sur un exemple du riboswitch TPP dans lequel nous avons réussi à détecter ses deux structures fonctionnelles. Nous montrons ensuite que les structures prédites par notre programme sont plus proches de la structure réelle que celles des cinq autres programmes existants. Enfin, dans une troisième partie, nous présentons un algorithme de recherche des alignements sous-optimaux de séquences. Dans le cas de protéines, nous nous intéressons surtout à l'amélioration de la qualité d'alignement de séquences pour un niveau d'identité de séquence de 10-15%. Nous comparons d'abord nos alignements à ceux produits par l'algorithme de Needman-Wunsch. Nous prédisons plus d'alignements de référence que l'algorithme de Needman-Wunsch. Nous calculons ensuite les fréquences des paires de bases alignées et les entropies de position spécifique dans nos alignements sous-optimaux. Nous montrons que les entropies calculées à partir de notre programme sont plus corrélées avec les positions des paires de résidus fiablement alignées selon BAliBASE.