African cichlids are well established models for studying social hierarchies in teleosts and elucidating the effects social dominance has on gene expression. Ascension in the social hierarchy has been found to increase plasma levels of steroid hormones, follicle stimulating hormone (Fsh) and luteinizing hormone (Lh) as well as gonadosomatic index (GSI). Furthermore, the expression of genes related to gonadotropins and steroidogenesis and signaling along the brain-pituitary-gonad axis (BPG-axis) is affected by changes of an animal’s social status. In this study, we use RNA-sequencing to obtain an in-depth look at the transcriptomes of testes and pituitaries from dominant and subordinate male Nile tilapia living in long-term stable social hierarchies. This allows us to draw conclusions about factors along the brain-pituitary-gonad axis that are involved in maintaining dominance over weeks or even months. We identify a number of genes that are differentially regulated between dominant and subordinate males and show that in high-ranking fish this subset of genes is generally upregulated. Genes differentially expressed between the two social groups comprise growth factors, related binding proteins and receptors, components of Wnt-, Tgfβ- and retinoic acid-signaling pathway, gonadotropin signaling and steroidogenesis pathways. The latter is backed up by elevated levels of 11-ketotestosterone, testosterone and estradiol in dominant males. Luteinizing hormone (Lh) is found in higher concentration in the plasma of long-term dominant males than in subordinate animals. Our results both strengthen the existing models and propose new candidates for functional studies to expand our understanding of social phenomena in teleost fish.

Leishmania spp. undergo substantial adaptations from being promastigotes, found in sandflies, to being amastigotes, residing in parasitophorous vacuoles within mammalian macrophages. In the past, microarray studies have sought to elucidate these adaptations using axenic amastigote systems or amastigotes purified from host-cells, raising the question whether the observed transcriptomic signatures were a true reflection of intracellular amastigotes. Moreover, with ever-improving genome annotations being available, it is clear that these studies failed to address the transcriptomic behaviour of a considerable number of transcripts. In the work presented herein, I employed RNA-sequencing to obtain transcriptomic profiles of Leishmania mexicana axenic promastigotes (PRO), axenic amastigotes (AXA) and intracellular amastigotes (AMA) in murine bone-marrow derived macrophages. The intracellular amastigotes were not purified from host cells, but instead sequencing reads assigned to a hybrid L. mexicana - Mus musculus genome and the transcriptomes separated in silico. We were able to map pre-mRNA processing sites, thereby defining transcript boundaries, proposing 184 truncations and 1253 extensions of existing gene models as well as discovering 936 novel genes. Mass-spectrometric evidence was obtained for both proposed extended and novel proteins. Using this improved genome annotation, we generated gene expression profiles for AMA, AXA and PRO, identifying 3832 differentially expressed transcripts between PRO and AMA as well as 2176 between PRO and AXA and 1234 between AXA and AMA. Transcripts differentially expressed between AMA and PRO correlated well with previous reports, were enriched for novel transcripts identified in this study and contained an unprecedented wealth of yet uncharacterised transcripts. Guided by these data, I performed a GFP-tagging screen identifying two proteins which may play an important role in L. mexicana biology, LmxM.16.0500, a member of a small, divergent, amastin-derived gene family, which appears to be released from the cell body of PRO, and LmxM.09.1330 a specific marker of the amastigote flagellar pocket.

Die biotechnologischen Entwicklungen der letzten Jahre ermöglichen eine immer detailliertere Untersuchung von genetischen und molekularen Markern mit multiplen komplexen Traits. Allerdings liefern vorhandene statistische Methoden für diese komplexen Analysen oft keine valide Inferenz. Das erste Ziel der vorliegenden Arbeit ist, zwei neue statistische Methoden für Assoziationsstudien von genetischen Markern mit multiplen Phänotypen zu entwickeln, effizient und robust zu implementieren, und im Vergleich zu existierenden statistischen Methoden zu evaluieren. Der erste Ansatz, C-JAMP (Copula-based Joint Analysis of Multiple Phenotypes), ermöglicht die Assoziation von genetischen Varianten mit multiplen Traits in einem gemeinsamen Copula Modell zu untersuchen. Der zweite Ansatz, CIEE (Causal Inference using Estimating Equations), ermöglicht direkte genetische Effekte zu schätzen und testen. C-JAMP wird in dieser Arbeit für Assoziationsstudien von seltenen genetischen Varianten mit quantitativen Traits evaluiert, und CIEE für Assoziationsstudien von häufigen genetischen Varianten mit quantitativen Traits und Ereigniszeiten. Die Ergebnisse von umfangreichen Simulationsstudien zeigen, dass beide Methoden unverzerrte und effiziente Parameterschätzer liefern und die statistische Power von Assoziationstests im Vergleich zu existierenden Methoden erhöhen können - welche ihrerseits oft keine valide Inferenz liefern. Für das zweite Ziel dieser Arbeit, neue genetische und transkriptomische Marker für kardiometabolische Traits zu identifizieren, werden zwei Studien mit genom- und transkriptomweiten Daten mit C-JAMP und CIEE analysiert. In den Analysen werden mehrere neue Kandidatenmarker und -gene für Blutdruck und Adipositas identifiziert. Dies unterstreicht den Wert, neue statistische Methoden zu entwickeln, evaluieren, und implementieren. Für beide entwickelten Methoden sind R Pakete verfügbar, die ihre Anwendung in zukünftigen Studien ermöglichen. / In recent years, the biotechnological advancements have allowed to investigate associations of genetic and molecular markers with multiple complex phenotypes in much greater depth. However, for the analysis of such complex datasets, available statistical methods often don’t yield valid inference. The first aim of this thesis is to develop two novel statistical methods for association analyses of genetic markers with multiple phenotypes, to implement them in a computationally efficient and robust manner so that they can be used for large-scale analyses, and evaluate them in comparison to existing statistical approaches under realistic scenarios. The first approach, called the copula-based joint analysis of multiple phenotypes (C-JAMP) method, allows investigating genetic associations with multiple traits in a joint copula model and is evaluated for genetic association analyses of rare genetic variants with quantitative traits. The second approach, called the causal inference using estimating equations (CIEE) method, allows estimating and testing direct genetic effects in directed acyclic graphs, and is evaluated for association analyses of common genetic variants with quantitative and time-to-event traits. The results of extensive simulation studies show that both approaches yield unbiased and efficient parameter estimators and can improve the power of association tests in comparison to existing approaches, which yield invalid inference in many scenarios. For the second goal of this thesis, to identify novel genetic and transcriptomic markers associated with cardiometabolic traits, C-JAMP and CIEE are applied in two large-scale studies including genome- and transcriptome-wide data. In the analyses, several novel candidate markers and genes are identified, which highlights the merit of developing, evaluating, and implementing novel statistical approaches. R packages are available for both methods and enable their application in future studies.

No description available.

Depuis leur apparition, les séquenceurs haut débit ont révolutionné l'étude des transcriptomes à l'échelle du génome. En effet, ils offrent la possibilité de générer des millions, voire des milliards de séquences, appelées reads. Des nouvelles approches transcriptomiques, telles que la Digital Gene Expression (DGE) et le RNA-Sequencing (RNA-Seq), permettent aujourd'hui de répertorier, de quantifier, voire reconstruire tous les transcrits d'une cellule, même les plus rares. Parmi ce type de transcrits se trouvent des ARN non-codants régulateurs ; des variants d'épissages créateurs de protéines ; et aussi des chimères (par fusion de gènes ou trans-épissage). La caractérisation de l'ensemble de ces transcrits représente un réel défi algorithmique, mais suscite aussi un défi biologique car certains peuvent être impliqués dans de nombreux processus cellulaires physiologiques et pathologiques et sont fréquemment décrits dans les cancers.Dans ce travail, nous proposons des algorithmes et des méthodes pour la caractérisation et l'annotation des transcriptomes. Tout d'abord, nous proposons une étude statistique sur la DGE afin d'évaluer l'impact des erreurs de séquences lors de l'analyse des reads. À partir de cette analyse, nous avons développé un pipeline d'annotation pour la DGE. Par le biais de ce premier travail, nous avons pu démontrer que de nombreuses informations étaient partagées entre les reads. Cela nous a amené à concevoir la structure d'indexation Gk arrays qui permet d'organiser une quantité massive de reads de façon à pouvoir interroger rapidement la structure sous forme de requêtes. Enfin, en s'appuyant sur les Gk arrays, nous avons développé CRAC qui est un logiciel spécialisé dans le traitement du RNA-Seq. En intégrant sa propre phase de mapping, CRAC est capable de distinguer les phénomènes biologiques des erreurs de séquences. Ilpermet notamment l'identification de chimères qui sont souvent très faiblement exprimées dans un transcriptome et sont par nature complexe à détecter avec des parties localisées à différents endroits sur le génome.

La localisation subcellulaire de l’ARN permet un déploiement prompt et spatialement restreint autant des activités protéiques que des ARN noncodant. Le trafic d’ARN est dirigé par des éléments de séquences (sous-séquences primaires, structures secondaires), aussi appelés motifs de régulation, présents en cis à même la molécule d’ARN. Ces motifs sont reconnus par des protéines de liaisons aux ARN qui médient l’acheminement des transcrits vers des sites précis dans la cellule. Des études récentes, chez l’embryon de Drosophile, indiquent que la majorité des ARN ont une localisation subcellulaire asymétrique, suggérant l’existence d’un « code de localisation » complexe. Cependant, ceci peut représenter un exemple exceptionnel et la question demeurait, jusqu’ici, si une prévalence comparable de localisation d’ARN est observable chez des cellules standards développées en culture. De plus, des informations facilement disponibles à propos des caractéristiques de distribution topologique d’instances de motifs à travers des transcriptomes complets étaient jusqu’à présent manquantes. Afin d’avoir un aperçu de l’étendue et des propriétés impliquées dans la localisation des ARN, nous avons soumis des cellules de Drosophile (D17) et de l’humain (HepG2) à un fractionnement biochimique afin d’isoler les fractions nucléaire, cytosolique, membranaire et insoluble. Nous avons ensuite séquencé en profondeur l’ARN extrait et analysé par spectrométrie de masse les protéines extraites de ces fractions. Nous avons nommé cette méthode CeFra-Seq. Par des analyses bio-informatiques, j’ai ensuite cartographié l’enrichissement de divers biotypes d’ARN (p. ex. ARN messager, ARN long non codant, ARN circulaire) et protéines au sein des fractions subcellulaires. Ceci a révélé que la distribution d’un large éventail d’espèces d’ARN codants et non codants est asymétrique. Une analyse des gènes orthologues entre mouche et humain a aussi démontré de fortes similitudes, suggérant que le processus de localisation est évolutivement conservé. De plus, j’ai observé des attributs (p. ex. la taille des transcrits) distincts parmi les populations d’ARN messagers spécifiques à une fraction. Finalement, j’ai observé des corrélations et anti-corrélations spécifiques entre certains groupes d’ARN messagers et leurs protéines. Pour permettre l’étude de la topologie de motifs et de leurs conservations, j’ai créé oRNAment, une base de données d’instances présumée de sites de liaison de protéines chez des ARN codants et non codants. À partir de données de motifs de liaison protéique par RNAcompete et par RNA Bind-n-Seq, j’ai développé un algorithme permettant l’identification rapide d’instances potentielles de ces motifs dans un transcriptome complet. J’ai pu ainsi cataloguer les instances de 453 motifs provenant de 223 protéines liant l’ARN pour 525 718 transcrits chez cinq espèces. Les résultats obtenus ont été validés en les comparant à des données publiques de eCLIP. J’ai, par la suite, utilisé oRNAment pour analyser en détail les aspects topologiques des instances présumées de ces motifs et leurs conservations évolutives relatives. Ceci a permis de démontrer que la plupart des motifs sont distribués de façon similaire entre espèces. De plus, j’ai discerné des points communs entre les sous-groupes de protéines liant des biotypes distincts ou des régions d’ARN spécifiques. La présence de tels patrons, similaires ou non, entre espèces est susceptible de refléter l’importance de leurs fonctions. D’ailleurs, l’analyse plus détaillée du positionnement d’un motif entre régions transcriptomiques comparables chez les vertébrés suggère une conservation synténique de ceux-ci, à divers degrés, pour tous les biotypes d’ARN. La topologie régionale de certaines instances de motifs répétées apparaît aussi comme évolutivement conservée et peut être importante afin de permettre une liaison adéquate de la protéine. Finalement, les résultats compilés avec oRNAment ont permis de postuler sur un nouveau rôle potentiel pour l’ARN long non codant HELLPAR comme éponge de protéines liant l’ARN. La caractérisation systématique d’ARN localisés et de motifs de régulation en cis présentée dans cette thèse démontre comment l’intégration d’information à l’échelle transcriptomique permet d’évaluer la prévalence de l’asymétrie, les caractéristiques distinctes et la conservation évolutive de collections d’ARN. / The subcellular localization of RNA allows a rapid and spatially restricted deployment of protein and noncoding RNA activities. The trafficking of RNA is directed by sequence elements (primary subsequences, secondary structures), also called regulatory motifs, present in cis within the RNA molecule. These motifs are recognized by RNA-binding proteins that mediate the transport of transcripts to specific sites in the cell. Recent studies in the Drosophila embryo indicate that the majority of RNAs display an asymmetric subcellular localization, suggesting the existence of a complex "localization code". However, this may represent an exceptional example and the question remained, until now, whether a comparable prevalence of RNA localization is observable in standard cells grown in culture. In addition, readily available information about the topological distribution of pattern instances across full transcriptomes has been hitherto lacking. In order to have a broad overview of the extent and properties involved in RNA localization, we subjected Drosophila (D17) and human (HepG2) cells to biochemical fractionation to isolate the nuclear, cytosolic, membrane and insoluble fractions. We then performed deep sequencing on the extracted RNA and analyzed through mass spectrometry the proteins extracted from these fractions. We named this method CeFra-Seq. Through bioinformatics analyses, I then profiled the enrichment of various RNA biotypes (e.g. messenger RNA, long noncoding RNA, circular RNA) and proteins within the subcellular fractions. This revealed the high prevalence of asymmetric distribution of both coding and noncoding RNA species. An analysis of orthologous genes between fly and human has also shown strong similarities, suggesting that the localization process is evolutionarily conserved. In addition, I have observed distinct attributes (e.g. transcript size) among fraction-specific messenger RNA populations. Finally, I observed specific correlations and anti-correlations between defined groups of messenger RNAs and the proteins they encode. To study motifs topology and their conservation, I created oRNAment, a database of putative RNA-binding protein binding sites instances in coding and noncoding RNAs. Using data from protein binding motifs assessed by RNAcompete and by RNA Bind-n-Seq experiments, I have developed an algorithm allowing their rapid identification in a complete transcriptome. I was able to catalog the instances of 453 motifs from 223 RNA-binding proteins for 525,718 transcripts in five species. The results obtained were validated by comparing them with public data from eCLIP. I then used oRNAment to further analyze the topological aspects of these motifs’ instances and their relative evolutionary conservation. This showed that most motifs are distributed in a similar fashion between species. In addition, I have detected commonalities between the subgroups of proteins linking preferentially distinct biotypes or specific RNA regions. The presence or absence of such pattern between species is likely a reflection of the importance of their functions. Moreover, a more precise analysis of the position of a motif among comparable transcriptomic regions in vertebrates suggests a syntenic conservation, to varying degrees, in all RNA biotypes. The regional topology of certain motifs as repeated instances also appears to be evolutionarily conserved and may be important in order to allow adequate binding of the protein. Finally, the results compiled with oRNAment allowed to postulate on a potential new role for the long noncoding RNA HELLPAR as an RNA-binding protein sponge. The systematic characterization of RNA localization and cis regulatory motifs presented in this thesis demonstrates how the integration of information at a transcriptomic scale enables the assessment of the prevalence of asymmetry, the distinct characteristics and the evolutionary conservation of RNA clusters.

Le carcinome séreux de haut grade (CSHG) est le sous-type de cancer de l'ovaire le plus agressif et mortel. Alors qu'une meilleure survie globale des patientes soit associée à une infiltration lymphocytaire, l'immunothérapie par blocage des points de contrôle immunitaires a obtenu des résultats limités, témoignant ainsi l'importance de comprendre le fonctionnement du système immunitaire au sein de ces tumeurs malignes. L’immunologie des tumeurs intègre des cellules immunitaires innées et adaptatives et utilise des médiateurs inflammatoires pour ajuster finement l'ampleur et la durée de la réponse immunitaire. Ainsi, cette thèse a pour objectif de définir l'hétérogénéité des cellules immunitaires intratumorales et périphériques chez les patientes atteintes d'un cancer de l'ovaire mais aussi à explorer les mécanismes de la réponse immunitaire. En combinant des techniques de biologie computationnelle et de séquençage de l'ARN à cellule unique nous avons pu identifier les différents composants du système immunitaire des patientes atteintes d'un cancer de l'ovaire mais aussi valider nos résultats dans une plus large cohorte associant d'autres types de cancer. Dans un premier temps, nous avons étudié l'un des médiateurs de l'inflammation, la voie de signalisation extracellulaire de l'adénosine. Nous avons évalué l'impact de cette voie de signalisation sur la survie des patientes atteintes de CSHG et identifié les cellules du microenvironnement tumoral participant au fonctionnement de cette voie. Ensuite, nous avons concentré notre étude sur la dynamique des lymphocytes T et identifié leurs états cellulaires associés, déduit leur relation développementale et étudié les changements transcriptionnels déclenchés par les interactions entre les cellules dans le microenvironnement immunitaire tumoral. Nous avons démontré que les cellules de type Tfh produisent le médiateur 7α,25 dihydroxycholestérol (7α,25-HC) décrit comme régulant le positionnement des cellules immunitaires dans les organes lymphoïdes secondaires. Ainsi, notre étude suggère que les cellules de type Tfh utilise ce mécanisme pour recruter des lymphocytes T CD8 pré-effecteurs/prédysfonctionnels et des cellules dendritiques plasmacytoïdes dans les tumeurs. Finalement, nos résultats indiquent que les cellules de type Tfh exprimant l'interleukine-21 aident à promouvoir l'immunité antitumorale contre les tumeurs ovariennes en coordonnant l'action des lymphocytes et des cellules dendritiques plasmacytoïdes sensibles au 7α,25-HC. En conclusion, nos travaux de recherche ont permis d’identifier des vulnérabilités dans le microenvironnement immunitaire tumoral pouvant être ciblées dans la thérapie contre le CSHG. / High-grade serous ovarian carcinoma (HGSOC) is the most aggressive and lethal subtype of ovarian cancer. Although better overall survival is associated with lymphocytic infiltration, immunotherapy by immune checkpoint blockades achieved modest results, reinforcing the importance of understanding immunity in this malignancy. Cancer immunity integrates innate and adaptive immune cells and makes use of inflammatory mediators to finely tune the magnitude and duration of the immune response. This thesis aims to reveal the heterogeneity of intratumoral and peripheral immune cells in ovarian cancer patients and explore the mechanisms of the immune response. For this purpose, we have used the high-resolution technology of single-cell RNAsequencing and computational biology to immune profile HGSOC patients. Firstly, we explored one of the mediators of inflammation, the immunosuppressive extracellular adenosine (eADO). The ectonucleotidases CD73 and CD39 regulate the eADO signaling pathway, and their expression is prognostic in several cancer types. Since their role in HGSOC was yet largely unexplored, we hypothesized that a transcriptomic meta-analysis of eADO signaling pathway would provide the clinical impact of the pathway in this malignancy. We analyzed the transcriptome of approximately 1200 HGSOC patients to evaluate the effect of CD39 and CD73 on clinical outcomes. While high expression of both ectonucleotidases was associated with worse overall survival in HGSOC, only CD39 was associated with chemoresistance, supporting the evaluation of eADO-targeting agents in HGSOC. Subsequently, we investigated T cell dynamics. Because T cell clones expanded in both tumor and peripheral tissue associated with response to ICB, we hypothesized that the tumor immune microenvironment (TIME) modulates their function and, therefore, analysis of cell-cell interaction would identify the cells participating in this process. Thus, we identified T cell states, inferred their developmental relationship, and studied transcriptional changes triggered by cellcell interactions in the TIME. We demonstrated that exhausted CD8 T cells highly expressed the chemokines CCL4 and XCL1, previously described in the priming of CD8 T cells in secondary lymphoid organs (SLOs). Finally, we proposed that the lipid mediator 7α,25 dihydroxycholesterol (7α,25-HC), only described in SLOs, may also modulate cell-cell interactions in the tumor immune microenvironment. Collectively, our studies propose strategies to modulate TIME in HGSOC targeting the adenosine pathway and oxysterols metabolites.

Genome-wide association studies have greatly improved our understanding of the contribution of common variants to the genetic architecture of complex traits. However, two major limitations have been highlighted. First, common variant associations typically do not identify the causal variant and/or the gene that it is exerting its effect on to influence a trait. Second, common variant associations usually consist of variants with small effects. As a consequence, it is more challenging to harness their translational impact. Association studies of rare variants and complex traits may be able to help address these limitations. Empirical population genetic data shows that deleterious variants are rare. More specifically, there is a very strong depletion of common protein truncating variants (PTVs, commonly referred to as loss-of-function variants) in the genome, a group of variants that have been shown to have large effect on gene function, are enriched for severe disease-causing mutations, but in other instances may actually be protective against disease. This thesis is divided into three parts dedicated to the study of protein truncating variants, their medical relevance, and their functional consequences. First, I present statistical, bioinformatic, and computational methods developed for the study of protein truncating variants and their association to complex traits, and their functional consequences. Second, I present application of the methods to a number of case-control and quantitative trait studies discovering new variants and genes associated to breast and ovarian cancer, type 1 diabetes, lipids, and metabolic traits measured with NMR spectroscopy. Third, I present work on improving annotation of protein truncating variants by studying their functional consequences. Taken together, these results highlight the utility of interrogating protein truncating variants in medical and functional genomic studies.