Répondant au besoin de mieux comprendre les relations qui lient un génotype aux phénotypes moléculaires et cliniques associés, nous avons développé une nouvelle infrastructure bioinformatique qui unit, dans un même système, la collecte, la gestion, la maintenance et le traitement de multiples données ou informations. La première contribution de cette thèse est SM2PH Central et sa capacité de générer des instances. SM2PH Central constitue notre centre de référence en ligne pour toutes les protéines humaines intégrant des niveaux d'informations qui vont des aspects génomiques, structuraux, fonctionnels ou évolutifs aux aspects de transcriptomique, interactomique, protéomique ou métabolomique. La deuxième contribution est MSV3d, une ressource d'annotation multi-niveau (propriétés physico-chimiques, fonction, évolution, structure) des mutations humaines connues. MSV3d fournit l'ensemble des connaissances exploitées par la troisième contribution de cette thèse à savoir KD4v, notre base d'extraction de connaissances pour prédire l'impact phénotypique d'une mutation. La base de connaissances de KD4v induite par la Programmation Logique Inductive contient des règles exploitables par un humain ou un ordinateur et des facteurs prédictifs caractérisant les mutations neutres ou délétères. Enfin, l'ultime contribution de cette thèse est liée au développement de GEPeTTO, un prototype de priorisation de gènes. Une application biologique a été réalisée. Nous avons étudié la cécité nocturne en utilisant SM2PH Central, en combinaison avec le service d'annotation de MSV3d et la méthode de prédiction KD4v pour analyser le gène GPR179 et ses deux mutations nouvellement identifiées.

Répondant au besoin de mieux comprendre les relations qui lient un génotype aux phénotypes moléculaires et cliniques associés, nous avons développé une nouvelle infrastructure bioinformatique qui unit, dans un même système, la collecte, la gestion, la maintenance et le traitement de multiples données ou informations. La première contribution de cette thèse est SM2PH Central et sa capacité de générer des instances. SM2PH Central constitue notre centre de référence en ligne pour toutes les protéines humaines intégrant des niveaux d’informations qui vont des aspects génomiques, structuraux, fonctionnels ou évolutifs aux aspects de transcriptomique, interactomique, protéomique ou métabolomique. La deuxième contribution est MSV3d, une ressource d’annotation multi-niveau (propriétés physico-chimiques, fonction, évolution, structure) des mutations humaines connues. MSV3d fournit l’ensemble des connaissances exploitées par la troisième contribution de cette thèse à savoir KD4v, notre base d’extraction de connaissances pour prédire l’impact phénotypique d’une mutation. La base de connaissances de KD4v induite par la Programmation Logique Inductive contient des règles exploitables par un humain ou un ordinateur et des facteurs prédictifs caractérisant les mutations neutres ou délétères. Enfin, l’ultime contribution de cette thèse est liée au développement de GEPeTTO, un prototype de priorisation de gènes. Une application biologique a été réalisée. Nous avons étudié la cécité nocturne en utilisant SM2PH Central, en combinaison avec le service d’annotation de MSV3d et la méthode de prédiction KD4v pour analyser le gène GPR179 et ses deux mutations nouvellement identifiées. / Responding to the need to better understand the relationships linking the genotype to the molecular and clinical phenotype, we have developed a new bioinformatics infrastructure that unites, in a single system, the collection, the management, the maintenance and the processing of multiple data or information. The first contribution of this thesis is SM2PH Central and its ability to generate instances. SM2PH Central is our online reference center for all human proteins including many levels of information such as genomics, structural, functional and evolutionary aspects of transcriptomics, interactomics, proteomics or metabolomics. The second contribution is MSV3d, a multi-level annotation resource (physico-chemical properties, function, evolution, structure) of known human mutations. MSV3d provides the knowledge used by the third contribution of this thesis namely KD4v, our knowledgebase extraction to predict the phenotypic effect of a mutation. The KD4v knowledgebase computed by Inductive Logic Programming contains the rules describing the information that can be either exploited by a human or a computer, and the predictors characterizing neutral or deleterious mutations. The last contribution of this thesis is related to the development of GEPeTTO, a prototype of the prioritization of genes. Finally, these tools (SM2PH Central, MSV3d, KD4v) allowed us in the context of patients data analysis to confirm the implication of GPR179 as a new gene responsible for congenital stationary night blindness.

Les maladies mitochondriales représentent un ensemble très divers de pathologies. Au cours de ce travail, j’ai abordé leur complexité dans deux situations différentes : les déficits humains en complexe III de la chaîne respiratoire mitochondriale et l’analyse des relations génotype/phénotype dans une cohorte de patients suspects de mutations sur un même gène nucléaire (POLG). Le complexe III joue un rôle central au sein de la chaîne respiratoire mitochondriale. Contrairement à sa caractérisation biochimique très complète, son rôle physiologique a été relativement mal établi. D'une cohorte de 2000 patients dont les activités de la chaîne respiratoire mitochondriale avaient été mesurées sur tissu hépatique ou musculaire, nous avons sélectionné 15 patients avec un déficit en complexe III pour lesquels nous disposions de fibroblastes exprimant un déficit respiratoire. L’origine génétique était initialement connue pour quatre des déficits (UQCRB, BCS1L x2, MT-CYB) et, au cours de ce projet, nous avons pu en identifier trois autres (CYC1, MT-CYB, LYRM7). Nous avons cherché à évaluer l'existence d'un lien entre le phénotype et les caractéristiques du déficit : gène impliqué, distribution tissulaire et profil des réponses cellulaires au déficit. Notre population de fibroblastes, hétérogène sur le plan génétique, s’est également révélée très variée quant aux conséquences biochimiques et cellulaires du déficit. Il ne semble donc pas exister de « profil type » des déficits en complexe III. Les atteintes liées à une mutation du gène POLG sont souvent considérées comme les maladies mitochondriales les plus fréquentes chez l’adulte. Elles sont associées à des présentations cliniques très diverses. Nous avons étudié la spécificité et la sensibilité des différents signes cliniques et biologiques considérés comme évocateurs et conduisant donc au séquençage de POLG. A cette fin, nous avons analysé rétrospectivement le phénotype clinique et les investigations mitochondriales chez 154 patients dont le séquençage du gène POLG avait été effectué révélant des mutations touchant les deux allèles du gène chez 34 patients, une seule mutation chez 10 patients et une séquence normale chez 110 patients. L’étude clinique a inclus les signes/symptômes cliniques, les données électrophysiologiques et l'imagerie cérébrale. Les investigations mitochondriales englobaient l’histologie musculaire, le dosage du lactate sanguin, la mesure des activités de la chaîne respiratoire et la recherche de délétions multiples de l’ADN mitochondrial musculaire. Cette étude a montré que les mutations du gène POLG étaient responsables de signes cliniques et paracliniques récurrents présentant donc une sensibilité et une spécificité, notamment en association, permettant de proposer un arbre décisionnel pour l’indication du séquençage du gène POLG. Cette étude a également permis d’établir l’histoire naturelle des maladies de l’adulte dues à des mutations délétères de POLG. En conclusion, la classification des maladies mitochondriales par une anomalie biochimique commune, un déficit en complexe III dans le cas présent, conduit à regrouper des atteintes très différentes, aussi bien sur le plan clinique que biochimique et cellulaire. Au contraire, même dans des affections réputées comme extrêmement diverses comme celles dues aux mutations du gène POLG, la classification par le gène atteint permet d’identifier des présentations récurrentes dans la classe d’âge étudiée, patients adultes dans le cas présent… / Mitochondrial diseases represent a very diverse set of pathologies. With this work, I approached their complexity in two different situations: phenotypic analysis of fibroblasts derived from patients with defects of the respiratory complex III and phenotypic analysis of a cohort of patients, the POLG gene of whom had been sequenced. The complex III plays a central role in the mitochondrial respiratory chain. Contrary to its complete biochemical characterization, its physiological role has been relatively poorly established. We selected 15 patients with complex III defect in liver and/or muscle and with fibroblasts expressing a respiratory defect. The genetic origin was initially known for four of these defects (UQCRB, BCS1L x2, MT- CYB) and during this project, we were able to identify three additional cases (CYC1, MT- CYB, LYRM7). We sought to assess the existence of a link between the disease phenotype and the defect characteristics: gene involved, tissue expression and cellular responses. Our population of fibroblasts, genetically heterogeneous, turned also to be diverse with respect to the biochemical and cellular consequences of the defect. A "typical" profile of complex III defect therefore does not seem to exist. Pathologies related to POLG mutations are often considered the most common mitochondrial diseases in adults. Their clinical presentation is very diverse. We have investigated the specificity and sensitivity of different clinical and biological signs considered as suggestive for POLG mutations and therefore leading to POLG sequencing. To that purpose, we retrospectively analyzed the clinical phenotype and mitochondrial investigations in 154 patients for which POLG had been sequenced revealing mutations affecting two alleles of the gene in 34 patients, one allele for 10 patients and a normal sequence for 110 patients. This study has shown that POLG mutations were responsible of recurrent clinical and paraclinical signs, whose sensitivity and specificity when considered in association allowed to propose a diagnostic flowchart for POLG sequencing. This study has also permitted to establish the natural story of diseases associated with deleterious POLG mutations in adults. In conclusion, classification of mitochondrial diseases by a common biochemical abnormality, a complex III defect in the present case, leads to group very different diseases that differ from their clinical, biochemical and cellular patterns. On the contrary, even in diseases considered highly diverse as those due to POLG mutations, classification by the affected gene allows to identify recurrent presentations in a population of adult patients with neurological presentation.

A l’ère des omiques, l’étude des relations génotype-phénotype repose sur l’intégration de données diverses décrivant des aspects complémentaires des systèmes biologiques. La génomique comparative offre un angle d’approche original, celui de l’évolution, qui permet d’exploiter la grande diversité phénotypique du Vivant. Dans ce contexte, mes travaux de thèse ont porté sur la conception de marqueurs évolutifs décrivant les gènes selon leur histoire évolutive. Dans un premier temps, j’ai construit une ressource d’orthologie complète, OrthoInspector 3.0 pour extraire une information évolutive synthétique des données génomiques. J’ai ensuite développé des outils d’exploration de ces marqueurs en relation avec les données fonctionnelles et/ou phénotypiques. Ces méthodes ont été intégrées à la ressource OrthoInspector ainsi qu’au réseau social MyGeneFriends et appliquées à l’étude des ciliopathies, conduisant à l’identification de 87 nouveaux gènes ciliaires. / In the omics era, the study of genotype-phenotype relations requires the integration of a wide variety of data to describe diverse aspects of biological systems. Comparative genomics provides an original perspective, that of evolution, allowing the exploitation of the wide phenotypic diversity of living species. My thesis focused on the design of evolutionary markers to describe genes according to their evolutionary history. First, I built an exhaustive orthology resource, called OrthoInspector 3.0, to extract synthetic evolutionary information from genomic data. I then developed methods to explore the markers in relation to functional or phenotypic data. These methods have been incorporated in the OrthoInspector resource, as well as in the MyGeneFriends social network and applied to the study of ciliopathies, leading to the identification of 87 new ciliary genes.

Les micro-organismes ont la capacité de s'adapter rapidement aux différentes contraintes environnementales ou métaboliques, mais le mécanisme détaillé et les principes de cette réponse adaptative en micro-organisme sont mal compris aux niveaux génétiques, biochimiques et métaboliques. Ici, une souche de E. coli a évolué avec un titre élevé de 1,3-propanediol a été sélectionné et cette souche a été analysée comme un exemple pour la découverte de ce processus d'évolution adaptative. La technologie de séquençage comparatif du génome entier a été utilisée pour identifier les mutations génétiques dans le chromosome et le plasmide portant les gènes codant pour la voie de production de 1,3-propanediol a également été séquencée. Quatre mutations ont été trouvées dans le chromosome et ils sont Ipd, glpR, dhak, nagD - promoteur. Une mutation a été trouvée dans le gène GGP2, qui est situé dans le plasmide. Toutes les mutations ont été en outre caractérisées par analyse génétique et inverse biochimique et leur influence dans le réseau métabolique sont aussi découverts. Nous avons démontré que tous les cinq mutations individuellement peuvent augmenter le taux de croissance et la production de 1,3 -propanediol. Selon le profil de fermentation de la souche évolué, l’accumulation d'acétate entravé la croissance de la souche et de l'augmentation de 1,3-propanediol titre. Pour optimiser la production de 1,3- propanediol, un nouveau catalyseur a été développé pour la co-production de 1,3-propanediol avec de l'acétone au lieu de l'acétate, parce que l'acétone a une plus grande valeur et est moins toxique que l'acétate. Les deux voies de l'acétate, dépendantes et indépendantes, ont été testées pour la co-production de 1,3-propanediol et l'acétone dans des conditions anaérobies. Pour la voie de l'acétate dépendante, en modifiant le niveau d'expression de l'acétate kinase cette voie était active dans des conditions anaérobies dans E. coli. Pour la voie de l'acétate indépendant, une courte chaîne acyl-CoA thioestérase candidat a été sélectionné et caractérisé, mais son activité doit encore être améliorée en utilisant l'évolution adaptative ou la sélection in vitro. Pour l'évolution adaptative, le réseau métabolique était rationnel conçu pour forcer de flux de carbone à la production d'acétone, ce qui va augmenter la possibilité et l'efficacité de la sélection d'une thioestérase avec une affinité et une activité élevée à l'acétoacétyl -CoA au cours du processus d’évolution adaptative. Pour la sélection in vitro, un système de bio-sensor a été développé afin de simplifier la méthode de sélection d'une thioestérase mutant avec une grande capacité de catalyser l'acétoacétyl -CoA in vitro. / Microorganisms have the ability to adapt rapidly to different environmental or metabolic constraints, but the detailed mechanism and the principles of this adaptive response in microorganism is poorly understood at the genetic, biochemical, and metabolic levels. Here, the glycerol pathway from S. cerevisiae and the B12-independent C. butyricum 1,3-PD pathways were introduced into E. coli and its central metabolic network was restructured to couple the production of 1.3-propanediol to the growth of the microorganism. This strain was grown in conditions favouring adaptive evolution for around 1000 hours. An evolved population was selected under optimal conditions in mineral medium. Comparing with the original strain, it can convert glucose to 1.3-PD at high molar yield (94 %) and its productivity was also significantly increased. Comparative whole genome sequencing technology was used to identify the genetic mutations and five mutating genes lpd, glpR, dhaK, nagD and GPP2 were discovered. All the mutations were further analysed and characterized to disclose their changes after the evolution and to elucidate their influence in the whole metabolic engineering network. To optimize the production of 1.3-PD further, we plan to convert the co-production of acetate to acetone. Indeed, the 1.3 propanediol production was hampered by the acetate inhibition on growth, and acetone is a valuable product which is less toxic thyan acetate. Both the acetate-dependent and independent pathways were tested to produce acetone and some modifications to adapt the global metabolic network were performed. Several strategies were applied to ameliorate the performance of acetone production. Finally, the bottleneck of the acetate-dependent acetone pathway under anaerobic condition was indentify and the acetate-independent acetone pathway still need to be improve with the selection of an evolved or mutant enzyme with high short-chain acyl-CoA thioesterase activity.

La compréhension des pathologies humaines et du mode d'action des médicaments passe par la prise en compte des réseaux d'interactions entre biomolécules. Les recherches récentes sur les systèmes biologiques produisent de plus en plus de données sur ces réseaux qui gouvernent les processus cellulaires. L'hétérogénéité et la multiplicité de ces données rendent difficile leur intégration dans les raisonnements des utilisateurs. Je propose ici des approches intégratives mettant en oeuvre des techniques de gestion de données, de visualisation de graphes et de fouille de données, pour tenter de répondre au problème de l'exploitation insuffisante des données sur les réseaux dans la compréhension des phénotypes associés aux maladies génétiques ou des effets secondaires des médicaments. La gestion des données sur les protéines et leurs propriétés est assurée par un système d'entrepôt de données générique, NetworkDB, personnalisable et actualisable de façon semi-automatique. Des techniques de visualisation de graphes ont été couplées à NetworkDB pour utiliser les données sur les réseaux biologiques dans l'étude de l'étiologie des maladies génétiques entrainant une déficience intellectuelle. Des sous-réseaux de gènes impliqués ont ainsi pu être identifiés et caractérisés. Des profils combinant des effets secondaires partagés par les mêmes médicaments ont été extraits de NetworkDB puis caractérisés en appliquant une méthode de fouille de données relationnelles couplée à Network DB. Les résultats permettent de décrire quelles propriétés des médicaments et de leurs cibles (incluant l'appartenance à des réseaux biologiques) sont associées à tel ou tel profil d'effets secondaires / The understanding of human diseases and drug mechanisms requires today to take into account molecular interaction networks. Recent studies on biological systems are producing increasing amounts of data. However, complexity and heterogeneity of these datasets make it difficult to exploit them for understanding atypical phenotypes or drug side-effects. This thesis presents two knowledge-based integrative approaches that combine data management, graph visualization and data mining techniques in order to improve our understanding of phenotypes associated with genetic diseases or drug side-effects. Data management relies on a generic data warehouse, NetworkDB, that integrates data on proteins and their properties. Customization of the NetworkDB model and regular updates are semi-automatic. Graph visualization techniques have been coupled with NetworkDB. This approach has facilitated access to biological network data in order to study genetic disease etiology, including X-linked intellectual disability (XLID). Meaningful sub-networks of genes have thus been identified and characterized. Drug side-effect profiles have been extracted from NetworkDB and subsequently characterized by a relational learning procedure coupled with NetworkDB. The resulting rules indicate which properties of drugs and their targets (including networks) preferentially associate with a particular side-effect profile

La compréhension des pathologies humaines et du mode d'action des médicaments passe par la prise en compte des réseaux d'interactions entre biomolécules. Les recherches récentes sur les systèmes biologiques produisent de plus en plus de données sur ces réseaux qui gouvernent les processus cellulaires. L'hétérogénéité et la multiplicité de ces données rendent difficile leur intégration dans les raisonnements des utilisateurs. Je propose ici des approches intégratives mettant en œuvre des techniques de gestion de données, de visualisation de graphes et de fouille de données, pour tenter de répondre au problème de l'exploitation insuffisante des données sur les réseaux dans la compréhension des phénotypes associés aux maladies génétiques ou des effets secondaires des médicaments. La gestion des données sur les protéines et leurs propriétés est assurée par un système d'entrepôt de données générique, NetworkDB, personnalisable et actualisable de façon semi-automatique. Des techniques de visualisation de graphes ont été couplées à NetworkDB pour utiliser les données sur les réseaux biologiques dans l'étude de l'étiologie des maladies génétiques entrainant une déficience intellectuelle. Des sous-réseaux de gènes impliqués ont ainsi pu être identifiés et caractérisés. Des profils combinant des effets secondaires partagés par les mêmes médicaments ont été extraits de NetworkDB puis caractérisés en appliquant une méthode de fouille de données relationnelles couplée à Network DB. Les résultats permettent de décrire quelles propriétés des médicaments et de leurs cibles (incluant l'appartenance à des réseaux biologiques) sont associées à tel ou tel profil d'effets secondaires.