Le présent travail porte sur la caractérisation de séquences simples, composées des tri nucléotides (GGC). Elles ont d'abord été identifiées dans le génome de poulet avec une sonde d'ADN complémentaire cloné de 1'histone H5 de poulet lors du criblage d'une librairie d'ADN génomique. Plusieurs clones donnant un signal indiquant une homologie partielle avec cette sonde ont été étudiés. Par la séquence de deux d'entre eux, il a été établi que de courtes séquences contenant des répétitions consécutives d'un petit nombre de (GGC) (5 ou 6) en étaient responsables. L'organisation de ces séquences simples dans le génome a été étudiée par des hybridations sur de 1'ADN génomique. Il s'avère que ce type de séquences simples forment une famille de séquences faiblement répétées chez le poulet (cent cinquante fois) et également chez toutes les autres espèces eucaryotiques étudiées à savoir le saumon, le canard, le pigeon, la souris et l'humain. Un polymorphisme dans le nombre de (GGC) consécutifs a été rencontré dans le gêne de 11 histone H5 de poulet par rapport à 1 ‘ADN complémentaire cloné utilisé comme sonde. Ce polymorphisme ainsi que la génération proprement dite de ces séquences pourraient être expliqués par un mécanisme de glissement et de mauvais appariements des répétitions ("slipped mispairing"), lors de la réplication de 1'ADN. Une étude de la transcription de ce type de séquences a été réalisée chez l'embryon de six jours et les globules rouges immatures de poulet. Dans ces cas, ces séquences simples seraient surtout présentes dans les ARN nucléaires. Finalement, une recherche par ordinateur dans des banques de séquences d'ADN a permis l'identification de plusieurs gènes porteurs de (GGC) , pouvant suggérer une variété de rôles biologiques pour ces séquences. / Montréal Trigonix inc. 2018

Les UDP-glucuronosyltransférases (UGT), enzymes catalysant la réaction de glucuronidation, sont impliquées dans le métabolisme de nombreux substrats endogènes (p. ex. bilirubine et hormones stéroïdiennes) et exogènes (p. ex. agents anticancéreux et médicaments d’autres classes) grâce à leur expression, entre autres, dans les tissus du métabolisme des médicaments tels que le foie, les reins et le tractus gastro-intestinal. Ainsi, une vue d’ensemble et détaillée du transcriptome des UGT humaines apparait comme une condition importante à l’établissement de la signature métabolique d’un individu. Dans le cadre de mon projet de recherche de doctorat, nous avons mis à jour le transcriptome des dix gènes UGT humains dans des tissus normaux et tumoraux du métabolisme par séquençage de nouvelle génération d’ARN ciblés (Capture-Seq). Pour cela, des tissus de foie, de rein, d’intestin et de côlon ainsi que des tissus d’endomètre, de sein et de prostate ont été analysés. Après alignement sur le génome de référence humain (hg19), 234 nouveaux évènements d’épissage ont été identifiés. Tous les transcrits codants pour les enzymes UGT1 et UGT2 déjà connues ont été observés, ainsi que plus de 130 nouveaux transcrits présentant des structures variables et des fonctions biologiques potentiellement diverses. Ainsi, nos travaux révèlent que l’ensemble des gènes UGT est sujet à l’épissage alternatif. Ces résultats ont permis de proposer une structure génomique révisée des locus UGT ainsi que d’établir le vaste répertoire des transcrits pour chaque gène UGT dans les tissus étudiés. Enfin, l’ensemble du transcriptome des gènes UGT a été quantifié dans les principaux tissus du métabolisme des médicaments. Les résultats indiquent que les transcrits alternatifs représentent une part non négligeable et très variable du transcriptome UGT, c’est-à-dire de 6 à 100 % de l’expression génique, et qu’ils sont exprimés de façon tissu spécifique. De plus, ces données suggèrent un remodelage du transcriptome UGT en présence de néoplasie pouvant affecter la capacité de glucuronidation tumorale comparativement au tissu sain. Le programme complexe d’épissage alternatif régulant l’expression et la fonction des protéines alternatives UGT jouerait un rôle important dans la détermination de la capacité de détoxification d’un organe, affectant potentiellement la réponse aux médicaments et à d’autres composés éliminés par cette voie métabolique. La connaissance approfondie du transcriptome des UGT est cruciale afin de mieux comprendre les éléments fonctionnels des locus UGT et d’établir leur rôle dans le métabolisme des médicaments et dans la réponse à divers composés endogènes. / UDP-glucuronosyltransferases (UGT) catalyze the reaction of glucuronidation. These enzymes are involved in the metabolism of many endogenous (e.g. bilirubin and steroid hormones) and exogenous substrates (e.g. many anticancer agents and drugs of other classes). They are expressed, among others, in the tissues of drug metabolism of such as the liver, kidneys and gastrointestinal tract tissues. A comprehensive and detailed view of the human UGT transcriptome emerges as a key condition for the establishment of the metabolic signature of an individual. As part of my PhD research project, we uncover the transcriptome landscape of the 10 human UGT gene loci in normal and tumoral metabolic tissues by targeted RNA next-generation sequencing (Capture-Seq). For this, liver tissues, kidney, small intestine and colon as well as endometrial tissues, breast and prostate were analyzed. Alignment on the human hg19 reference genome identifies 234 novel exon-exon junctions. We recover all previously known UGT1 and UGT2 enzyme-coding transcripts and identify over 130 structurally and functionally diverse novel UGT variants. Our work establish for the first time that all UGT genes are subject to alternative splicing. We further expose a revised genomic structure of UGT loci and provide a comprehensive repertoire of transcripts for each UGT gene. Finally, the entire transcriptome of UGT genes was quantified in the major drugs metabolism tissues (liver, kidney and intestine). The results indicate that alternative transcripts represent a significant part of the UGT transcriptome varying from 6-100% of UGT gene expression. Data also uncover a remodelling of the UGT transcriptome occurring in a tissue- and tumor-specific manner. The complex alternative splicing program regulating UGT expression and protein functions is likely critical in determining detoxification capacity of an organ and stress-related responses, with significant impact on drug responses and diseases.

Les cartes génétiques dérivées de l’étude d’une seule population de cartographie souffrent typiquement de plusieurs lacunes dont une couverture incomplète du génome et une résolution limitée. Une carte génétique consensus est une carte issue de la fusion de multiples cartes génétiques individuelles et permet de remédier à ces lacunes. Cette étude avait pour objectif de construire une carte génétique consensus à haute densité pour le soja (Glycine max (L.) Merr.) canadien au moyen de marqueurs obtenus par génotypage par séquençage (GBS). Six populations biparentales, dont l’effectif variait entre 278 et 365 lignées, ont été génotypées par GBS. Dans un premier temps, nous avons généré une carte génétique pour chaque population. Les tailles de ces cartes variaient entre 1869,3 cM et 2286,7 cM. Au total, quatre-vingt-trois (83) intervalles non-couverts ayant une taille > 10 cM (le maximum étant de 34,8 cM) ont été recensés. Ensuite, les six (6) cartes génétiques individuelles ont été fusionnées pour produire une carte consensus couvrant 99,5 % du génome, totalisant 16 311 SNP, s’étendant sur 2075,2 cM et comptant seulement deux intervalles dépourvus de marqueurs dont la taille excédait 10 cM. Cette carte consensus a ainsi pu remédier aux carences des cartes individuelles. Elle est considérée de meilleure qualité comparée aux cartes consensus précédentes, y compris la plus récente issue de 40 populations NAM (Nested Association Mapping ). En effet, cette dernière recèle encore 36 intervalles non couverts de > 10 cM et couvre une moins grande portion du génome. Finalement, la carte consensus GBS présente une meilleure cohérence entre la position physique et la position génétique des marqueurs. Grâce à cette carte consensus, nous avons pour chaque marqueur SNP dérivé du GBS une position à la fois sur la carte physique et sur la carte génétique, une information utile pour de nombreuses analyses génétiques et génomiques. / Genetic linkage maps using only one mapping population are described as maps with low resolution. These maps typically retain gaps, i.e. regions that are not covered by any markers. Consensus genetic maps were developed to overcome such limitations. They are generated by merging individual maps and using the common markers as reference points. The aim of this study was to generate a high-density consensus map for Canadian soybean using markers generated by genotyping by sequencing (GBS). Six mapping populations of varying size (n = 278 to 365) were genotyped using GBS. In a first step, we generated individual genetic maps. The size of the resulting maps varied between 1869.3 cM and 2286.7 cM and a total of 83 gaps with a size > 10 cM (the largest gap size was 34.8 cM) were observed across the six maps. In a second stage, we merged the six individual genetic maps to generate a single consensus map. On this map, 16,311 SNPs were assigned a position and these markers covered 99.5% of the genome. The map extends over 2075.2 cM and the number of gaps > 10 cM was reduced to only two. This map therefore overcame the limitations of the individual genetic maps and is superior to the previous consensus genetic maps such as the consensus genetic map generated from 40 nested association mapping (NAM) populations. The NAM map contains 36 gaps with a size > 10 cM and covers a smaller portion of the genome. In addition, the order of markers was much more concordant in the GBS map, when comparing the genetic and the physical positions. Thanks to this consensus map, we were able to assign both a physical and a genetic position for every SNP generated using GBS. These two types of information are important for many genetic and genomic studies.

Les récents progrès en génomique ont conforté la complexité de l’origine des algues; d’un point de vue de la phylogénie des hôtes de l’endosymbiose, les algues forment un groupe évolutif polyphylétique. Les algues vertes forment deux embranchements majeurs : les Streptophyta et les Chlorophyta. Les chlorophytes comprennent la majorité des algues vertes connues et se regroupent en quatre classes. La première, les Prasinophyceae, occupe la position la plus basale, tandis que l’ordre d’embranchement des trois autres classes (Ulvophyceae, Trebouxiophyceae et Chlorophyceae) demeure encore incertain. Pour clarifier les relations évolutives chez les Clorophyceae, huit génomes chloroplastiques appartenant à la lignée des Chlamydomonadales, lignée majeure des Chlorophyceae, ont été séquencés et analysés. Des études phylogénétiques ont confirmé les classifications préétablies et de nouveaux clades se sont vus formés. Les génomes de ces algues chlorophycéennes ont révélé une architecture conservée avec un certain nombre de caractères spécifiques à la classe des Chlamydomonadales. L’analyse de leurs caractères moléculaires a révélé des génomes marqués par la réduction ou le réarrangement de leur répertoire génomique comparativement aux génomes chloroplastiques des algues vertes plus ancestrales. / Recent advances in genome sequencing and analysis have reinforced the complexity of the origin of the green algae. From the point of view of a host endosymbiotic phylogeny, green algae form a polyphyletic evolutionary group. Green algae form two major branches : the Streptophyta and Chlorophyta. Chlorophytes include the majority of green algae known and they are grouped into four classes. The first, that of Prasinophyceae, occupies the most basal position, while the branching order of the other three classes (Ulvophyceae, Trebouxiophycea and Chlorophyceae) remain uncertain. To clarify the evolutionary relationships amongst Chlorophyceae, eight chloroplast genomes belonging to the lineage of Chlamydomonadales, a major clade of Chlorophyceae were sequenced and analyzed. Phylogenetic studies have confirmed the pre-established classifications and new clades were seen to be formed. The genomes of these chlorophyll algae were revealed to be conserved with a number of specific architectural characters of the Chlamydomonadales class. Analysis of their molecular characteristics revealed a genome marked by the reduction or rearrangement of their genomic repertory compared to chloroplast genomes of the ancestral green algae.

Au Canada, 5 à 10% des cas de cancer du sein sont des cancers héréditaires provenant de familles à risque élevé de développer la maladie. Cependant, la majorité des cas héréditaires ne sont pas encore caractérisés. L’épissage alternatif est reconnu pour être impliqué dans le développement du cancer. L’analyse de la signature transcriptionnelle d’individus atteints et non-atteints de cancer du sein pourrait révéler des transcrits impliqués dans la susceptibilité ou le développement de ce type de cancer. La technique «RNA sequencing» a été utilisée pour établir le profil transcriptionnel de femmes provenant de familles à risque élevé. L’ARN a été extrait des lignées de lymphocytes immortalisés provenant de 117 femmes de familles dites à risque élevé, c’est-à-dire porteuses d’une mutation délétère dans le gène BRCA1, BRCA2 ou sans mutation BRCA1/2. Une analyse Anova suivie d’un test Bonferroni et d’un test de Scheffé ont été utilisés pour identifier les transcrits significativement et différentiellement exprimés entre les différents groupes. Au total, 95 transcrits correspondant à 85 gènes sont significatifs (p-value < 0.01). Selon les signatures transcriptionnelles, il est possible de séparer les groupes BRCA1/2 du groupe BRCAX. Un enrichissement dans les sentiers métaboliques au niveau de la signalisation comme EIF2, IL-3 et mTOR a été obtenu. De plus, 28 transcrits sont différentiellement exprimés entre les femmes BRCAX atteintes et non atteintes. L’identification de transcrits différentiellement exprimés permettrait d’identifier des individus ayant une susceptibilité plus élevée de développer un cancer du sein. / In Canada, 5 to 10% of breast cancer cases are inherited and come from high-risk families. However, the majority of hereditary breast cancer is not yet characterized. Alternative splicing (AS) is a mechanism known to be involved in cancer development. The analysis of transcriptome in high-risk breast cancer individuals affected with breast cancer or not could reveal transcripts implicated in breast cancer susceptibility and development. RNA-seq technology was used to characterize the transcriptome in French Canadian families with high risk of breast and ovarian cancer. RNA extracted from immortalized lymphoblastoid cell lines of 117 women (affected or unaffected) and issued from BRCA1, BRCA2 or non-BRCA1/2 (BRCAX) families was used. Anova and Bonferroni tests followed by Scheffé test were performed to detect significantly and differentially expressed transcripts within these groups. In total, 95 transcripts corresponding to 85 genes were significant (p-value < 0.01). Hierarchical clustering based on transcriptional data allowed distinctive subgrouping of BRCA1/2 subgroups from BRCAX individuals. Enrichment in signaling pathways such as EIF2, IL-3 and mTOR was obtained. Furthermore, 28 transcripts were differentially expressed between BRCAX affected and unaffected women. The identification of differentially expressed transcripts could allow identifying individuals with a high susceptibility for breast cancer.

Le séquençage de nouvelle génération (NGS) a révolutionné la recherche chez les plantes et les animaux de plusieurs façons, y compris via le développement de nouvelles méthodes de génotypage à haut débit pour accélérer considérablement l'étude de la composition des génomes et de leurs fonctions. Dans le cadre du projet SoyaGen, financé par Génome Canada, nous cherchons à mieux comprendre la diversité génétique et l'architecture sous-jacente régissant les principaux caractères agronomiques chez le soja. Le soja est la plus importante culture oléagineuse au monde en termes économiques. Dans cette étude, nous avons cherché à exploiter les technologies NGS afin de contribuer à l'élucidation des caractéristiques génomiques du soja. Pour ce faire, trois axes de recherche ont formé le cœur de cette thèse : 1) le génotypage pan-génomique à faible coût, 2) la caractérisation exhaustive des variants génétiques par reséquençage complet et 3) l’identification de mutations à fort impact fonctionnel sur la base d’une forte sélection au sein des lignées élites. Un premier défi en analyse génétique ou génomique est de rendre possible une caractérisation rapide et peu coûteuse d’un grand nombre de lignées à un très grand nombre de marqueurs répartis sur tout le génome. Le génotypage par séquençage (GBS) permet d'effectuer simultanément l’identification et le génotypage de plusieurs milliers de SNP à l'échelle du génome. Un des grands défis en analyse GBS est d’extraire, d’une montagne de données issues du séquençage, un grand catalogue de SNP de haute qualité et de minimiser l’impact des données manquantes. Dans une première étape, nous avons grandement amélioré le GBS en développant un nouveau pipeline d’analyse bio-informatique, Fast-GBS, conçu pour produire un appel de génotypes plus précis et plus rapide que les outils existants. De plus, nous avons optimisé des outils permettant d’effectuer l'imputation des données manquantes. Ainsi, nous avons pu obtenir un catalogue de 60K marqueurs SNP au sein d’une collection de 301 accessions qui se voulait représentative de la diversité du soja au Canada. Dans un second temps, toutes les données manquantes (~50%) ont été imputées avec un très grand degré d’exactitude (98 %). Cette caractérisation génétique a été réalisée pour un coût modique, soit moins de 15$ par lignée. Deuxièmement, pour caractériser de manière exhaustive les variations nucléotidiques et structurelles (SNV et SV, respectivement) dans le génome du soja, nous avons séquencé le génome entier de 102 accessions de soja au Canada. Nous avons identifié près de 5M de variants nucléotidiques (SNP, MNP et Indels) avec un haut niveau d’exactitude (98,6 %). Ensuite, en utilisant une combinaison de trois approches différentes, nous avons détecté ~92K SV (délétions, insertions, inversions, duplications, CNV et translocations) et estimé que plus de 90 % étaient exacts. C'est la première fois qu'une description complète de la diversité des haplotypes SNP et du SV a été réalisée chez une espèce cultivée. Enfin, nous avons mis au point une approche analytique systématique pour faciliter grandement l’identification de gènes dont des allèles ont fait l’objet d’une très forte sélection au cours de la domestication et de la sélection. Cette approche repose sur deux progrès récents en génomique : 1) le séquençage de génomes entiers et 2) la prédiction des mutations entraînant une perte de fonction (LOF pour « loss of function »). En utilisant cette approche, nous avons identifié 130 gènes candidats liés à la domestication ou à la sélection chez le soja. Ce catalogue contient tous les gènes de domestication précédemment caractérisés chez le soja, ainsi que certains orthologues chez d'autres espèces cultivées. Cette liste de gènes fournit de nombreuses pistes d’investigation pour des études visant à mieux comprendre les gènes qui contribuent fortement à façonner le soja cultivé. Cette thèse permet ultimement une meilleure compréhension des caractéristiques génomiques du soja. En outre, elle fournit plusieurs outils et références génomiques qui pourraient facilement être utilisés dans de futures recherches en génomique chez le soja de même que chez d’autres espèces. / Next-generation sequencing (NGS) has revolutionized plants and animals research in many ways, including the development of new high-throughput genotyping methods to accelerate considerably the composition of genomes and their functions. As part of the SoyaGen project, funded by Genome Canada, we are seeking to better understand the genetic diversity and underlying architecture governing major agronomic traits in soybeans. Soybean is the world's largest oilseed crop in economic terms. In this study, we sought to exploit NGS technologies to help elucidate the genomic characteristics of soybeans. To this end, three main research topics have formed the core of this thesis: 1) low-cost genome-wide genotyping, 2) exhaustive characterization of genetic variants by whole-genome resequencing, and 3) identification of mutations with high functional impact on the basis of a strong selection within the elite lines. A first challenge in genetic or genomic analysis is to make possible a rapid and inexpensive characterization of a large number of lines with a very large number of markers distributed throughout the genome. Genotyping-by-sequencing (GBS) allows simultaneous identification and genotyping of several thousand SNPs on a genome-wide scale. One of the major challenges in GBS analysis is to extract a large catalog of high quality SNP from a mountain of sequencing data and minimize the impact of missing data. As a first step, we have greatly improved the GBS by developing a new bio-informatics analysis pipeline, Fast-GBS, designed to produce a more accurate and faster call of genotypes than existing tools. In addition, we have optimized tools for imputing missing data. For example, we were able to obtain a catalog of 60K SNP markers from a collection of 301 accessions that were representative of soybean diversity in Canada. Second, all missing data (~ 50%) were imputed with a very high degree of accuracy (98%). This genetic characterization was performed at a low cost, less than $ 15 per line. Second, to fully characterize the nucleotide and structural variations (SNV and SV, respectively) in the soybean genome, we sequenced the whole genome of 102 Canadian soybean accessions. We have identified nearly 5M of nucleotide variants (SNP, MNP and Indels) with a high level of accuracy (98.6%). Then, using a combination of three different approaches, we detected ~ 92K SV (deletions, insertions, inversions, duplications, CNVs and translocations) and estimated that more than 90% were accurate. This is the first time that a complete description of the diversity of SNP and SV haplotypes has been carried out in a cultivated species. Finally, we have developed a systematic analytical approach to greatly facilitate the identification of genes whose alleles have undergone a very strong selection during domestication and selection. This approach is based on two recent advances in genomics: (1) whole-genome sequencing and (2) predicting mutations resulting in loss of function (LOF). Using this approach, we identified 130 candidate genes related to domestication or selection in soybean. This catalogue contains all of the previously well-characterized domestication genes in soybean, as well as some orthologues from other domesticated crop species. This list of genes provides many avenues of investigation for studies aimed at better understanding the genes that contribute strongly to shaping cultivated soybeans. This thesis ultimately leads to a better understanding of the genomic characteristics of soybeans. In addition, it provides several tools and genomic resources that could easily be used in future genomic research in soybeans as well as in other species.

Aeromonas salmonicida ssp. salmonicida est un agent pathogène aquatique causant la furonculose chez les salmonidés, particulièrement les poissons d’élevage. L'antibiothérapie est la méthode couramment utilisée pour traiter cette maladie dans le monde entier. Toutefois, son efficacité est menacée par l’apparition de souches résistantes, voire multirésistantes, aux antibiotiques. L’étude de ces souches bactériennes devient donc nécessaire afin d’identifier les éléments génétiques responsables de ces résistances et comprendre comment ils contribuent à la propagation de l’antibiorésistance. C’est dans cette démarche que se positionne la présente étude qui a pour objectif de caractériser de nouveaux éléments génétiques porteurs de résistances aux antibiotiques chez A. salmonicida ssp. salmonicida à l’aide du séquençage à longues lectures. Plus spécifiquement, au centre de ce projet se trouve la souche SHY16-3432 dont l’étude a permis d’identifier trois nouveaux variants de plasmides nommés pAsa9b, pAsa5-3432 et pRAS3-3432, où ces deux derniers confèrent les résistances aux antibiotiques observées. L’analyse des séquences de ces trois variants a révélé qu’ils se distinguent tous de leur contrepartie classique par leur contenu en éléments génétiques mobiles. Le plasmide pAsa5-3432 possède une nouvelle région de multirésistances composée de plusieurs éléments génétiques mobiles. Celle-ci semble avoir été acquise à la suite d’une recombinaison entre deux plasmides. De son côté, pRAS3-3432 porte un nouvel élément inséré qui a uniquement été identifié chez l’agent pathogène porcin Chlamydia suis. Quant à pAsa9b, il se différencie du plasmide de référence par l’absence d’une séquence d’insertion. Ces découvertes soulignent ainsi l’importance des éléments mobiles sur la plasticité génomique d’A. salmonicida ssp. salmonicida ainsi que sa grande capacité d’interactions avec d’autres bactéries incluant des agents pathogènes animaux. En outre, les données obtenues dans ce projet suggèrent qu’il est nécessaire d’utiliser le séquençage à lectures longues pour caractériser complètement le génome de bactéries au plasmidome complexe comme A. salmonicida ssp. salmonicida. / Aeromonas salmonicida subsp. salmonicida is an aquatic pathogen that causes furunculosis to salmonids, especially in fish farms. Antibiotherapy is a common method used to treat this worldwide disease. Unfortunately, its effectiveness is becoming limited due to the presence of drug-resistant strains and even multidrug-resistance strains of the bacterium. The study of these bacterial strains becomes necessary in order to identify the genetic elements responsible for this resistance and to understand how they contribute to the spread of antibiotic resistance. In this study, we focused on the A. salmonicida subsp. salmonicida strain SHY16-3432 to characterize novel genetic elements conferring resistance to antibiotics using long-read sequencing technologies. It allowed us to identify three novel plasmid variants named pAsa9b, pAsa5-3432 and pRAS3-3432, the latter two being responsible for the observed antibiotic resistance. The sequence analysis of these three variants revealed that they all differ from their classical counterparts through the presence or absence of mobile genetic elements. The plasmid pAsa5-3432 carries a new multi-drug resistance region composed of numerous mobile genetics elements that appears to have been acquired through plasmid recombination. As for pRAS3-3432, it contains a new inserted element that has only been reported in the swine pathogen Chlamydia suis. Lastly, the only variation between pAsa9b and the reference plasmid is the absence of an insertion sequence in pAsa9b. Overall, these discoveries highlight the significant implication of mobile genetics elements in the genomic plasticity of A. salmonicida subsp. salmonicida and suggest that this aquatic bacterium has a high capacity to interact with other bacteria, including animal pathogens. Furthermore, the data obtained suggest that the use of long-read sequencing technologies is required to fully decipher the genome of bacteria possessing complex plasmid repertoire, such as A. salmonicida subsp. salmonicida.

Le traitement des données de séquençage pour les rendre utilisables dans une analyse phylogénétique est long et répétitif. De plus, certaines analyses plus complexes peuvent difficilement être entreprises sans l'automatisation de certaines tâches. La création d'outils bioinformatiques permettrait de diminuer le temps consacré à la préparation des données. Le but de cette recherche est de développer des outils informatiques permettant d'automatiser le traitement de données provenant du séquençage d'organites. Pour ce faire, il a été nécessaire de créer: item des bases de données de gènes d'organites; item des outils pour l'extraction des séquences génétiques dans différents formats; item des outils pour l'identification des gènes d'organismes nouvellement séquencés; item des outils de préparation des données pour l'utilisation lors d'analyses phylogénétiques. Finalement, le bon fonctionnement des outils a été vérifié par l'exécution d'une analyse phylogénétique dont les résultats ont déjà été publiés.

L’objectif de ce mémoire est de décrire un environnement de développement capable de supporter les besoins du bioinformaticien dans les différents contextes de développement de logiciels de bioinformatique. Ce mémoire présente un environnement de développement et en démontre l’utilisation soit par une conception logicielle, soit par une réalisation logicielle. Trois contextes de développement d’infrastructure logicielle et de logiciels bioinformatique ont été identifiés : • Développement dans le cadre de projets de recherche. Mise en place d’une base de données pour le projet d’étude du parasite Leishmania par biopuces d’ADN complémentaire (ADNc) et développement d’une application WEB permettant de mettre en évidence de façon graphique la transcription polycistronique chez ce parasite. Transcription de plusieurs gènes (cistrons) contigus en un seul ARN messager (ARNm). • Développement dans le cadre de plates-formes de recherche. Évaluation des aspects communs des plates-formes de recherche existantes dans le centre de recherche et conception d’un modèle générique d’application de gestion d’information de laboratoire (LIMS). Évaluation des aspects spécifiques des plates-formes de recherche et développement de logiciels de supports pour la configuration et la lecture de résultats spécifique à la plate-forme de qRT-PCR. • Développement dans le cadre de la plate-forme de bioinformatique. Le premier exemple est un logiciel pour une chaîne de traitement à haut débit de données issues de la plate-forme de biopuces. Le deuxième exemple est un logiciel effectuant des alignements locaux de séquences d’acides nucléiques. Ce logiciel, basé sur BLAST, présente des informations supplémentaires dans un format plus facilement utilisable par d’autres logiciels. / The aim of this essay is to describe a development environement which is able to support bioinformaticians in several contexts for bioinformatics software development. This essay presents a development environement and substantiate its use in each context identified either by a software design or by a complete software realisation. Three development context of software infrastructure and bioinformatic software are identified : • Research project development. Setting up database for Leishmania parasite research project with cDNA microarray and development of a WEB application shed on light the polycistronic transcription of this parasite in graphical way. • Research plateform development. Evaluation of common facets of research platforms and design of a generic model for a laboratory information management system (LIMS). Evaluation of spécific facets of research platforms and development of support software for the qRT-PCR plateform. • Bioinformatic platform development. The first sample is a utility software for a high troughput data flow coming from the microarray platform. The second sample is a software making local alignments of nucleic acid sequences. This software which is based on BLAST, presents additional information in a more usable format for other software.

"Une très grande quantité de données est présentement générée par le séquençage de génomes et doit être analysée à l'aide d'outils informatiques. Il est donc nécessaire de développer certains programmes permettant de faire les analyses désirées et d'automatiser les tâches informatiques redondantes pour accélérer le processus d'analyse des génomes. Les données de séquençage obtenues se doivent également d'être classées efficacement et d'être facilement accessibles, de même que les outils informatiques nécessaires à leur analyse. Une base de données a donc été développée, ainsi qu'un site Web permettant de la consulter et d'utiliser les divers programmes requis. Finalement, des analyses phylogénétiques sont couramment effectuées sur les génomes séquences. Toutefois, peu d'outils permettent d'utiliser l'ordre de gènes de ces génomes à cette fin. Un programme permettant de déterminer les blocs de gènes conservés entre différents génomes et d'utiliser les paires de gènes communes pour construire des arbres phylogénétiques a donc été développé."