La bioinformatique constitue un outil de choix dans l'étude des plantes. Lorsqu'utilisées efficacement, la gestion ainsi que l'analyse informatique des données biologiques permettent de réduire considérablement la durée des expériences ainsi que les coûts liés à la recherche tout en élargissant le spectre d'analyses pouvant être effectuées. L'objectif de cette recherche est de définir un protocole efficace utilisant les outils actuels et mettant en oeuvre de nouvelles approches, dans le but de faire le prétraitement, le clustering et l'assemblage d'un ensemble d'EST. Ce mémoire traite des algorithmes et des techniques informatiques utilisés dans l'étude de l'expression différentielle à partir des EST. Les particularités du projet de FGAS sont présentées et une attention particulière est portée sur la manière dont les résultats ont été analysés. À travers la classification en sous-groupes fonctionnels et de l'analyse différentielle digitale, l'identification des gènes potentiellement impliqués dans le phénomène d'acclimatation du blé au froid est effectuée. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Bioinformatique, Clustering, Assemblage, Expressed Sequence Tags, Tolérance au froid.

Les microARNs sont de petits ARNs qui participent à la régulation de l'expression génique dans les organismes vivants. Depuis l'apparition des nouvelles techniques de séquençage à haut débit, leur identification et caractérisation dans les espèces animales et végétales font partie des défis actuels de la bioinformatique. Dans ce mémoire nous abordons ce problème en recherchant les microARNs exprimés chez le blé sous une dizaine de conditions environnementales différentes. Contrairement aux études antérieures similaires dans d'autres organismes, des difficultés additionnelles se sont ajoutées, associées à la partialité du génome du blé disponible, la multitude de conditions expérimentales et le peu de microARNs connus retrouvés par prédiction. Une nouvelle approche, employant une double validation par deux algorithmes de prédiction, a permis d'identifier plus de 3862 microARNs potentiels chez le blé ainsi que leurs gènes cibles. Parmi eux, 206 sont différentiellement exprimés entre les conditions expérimentales. Ces microARNs ont été répartis en 1222 familles en fonction des paramètres de leur similarité intra et intergroupe déduite des microARNs connus de mirBase. Pour minimiser le nombre de faux positifs, nous avons développé une méthode d'apprentissage machine (miRdup) pour valider la position des microARNs séquencés sur son pré-microARN en estimant plusieurs caractéristiques associées à ces petits ARNs. Ce dernier nous a permis d'établir 1016 microARNs avec un haut score de prédiction (502 familles). Pour chacun des microARNs prédits, en exploitant les données de leurs niveaux d'expression et l'identification des gènes ciblés, nous avons décrypté leurs rôles dans les différentes conditions expérimentales imposées au blé. Plusieurs microARNs sont en cours de validation expérimentale. Par ailleurs, pour faciliter l'implémentation de cette plateforme, nous avons intégré le pipeline de recherche conçu au cours de ce mémoire dans le logiciel Armadillo. Ce dernier permettra à l'avenir de faciliter la reproduction d'une telle étude chez d'autres plantes. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : microARNS, prédiction, séquençage haut débit, blé, apprentissage machine.