Depuis quelques années, l'évolution moléculaire cherche à caractériser les variations et l'intensité de la sélection grâce au rapport entre taux de substitution synonyme et taux de substitution non-synonyme (dN/dS). Cette mesure, dN/dS, a permis d'étudier l'histoire de la variation de l'intensité de la sélection au cours du temps ou de détecter des épisodes de la sélection positive. Les liens entre sélection et variation de taille efficace interfèrent cependant dans ces mesures. Les méthodes comparatives, quant a elle, permettent de mesurer les corrélations entre caractères quantitatifs le long d'une phylogénie. Elles sont également utilisées pour tester des hypothèses sur l'évolution corrélée des traits d'histoire de vie, mais pour être employées pour étudier les corrélations entre traits d'histoire de vie, masse, taux de substitution ou dN/dS. Nous proposons ici une approche combinant une méthode comparative basée sur le principe des contrastes indépendants et un modèle d'évolution moléculaire, dans un cadre probabiliste Bayésien. Intégrant, le long d'une phylogénie, sur les reconstructions ancestrales des traits et et de dN/dS nous estimons les covariances entre traits ainsi qu'entre traits et paramètres du modèle d'évolution moléculaire. Un modèle hiérarchique, a été implémenté dans le cadre du logiciel coevol, publié au cours de cette maitrise. Ce modèle permet l'analyse simultané de plusieurs gènes sans perdre la puissance donnée par l'ensemble de séquences. Un travail deparallélisation des calculs donne la liberté d'augmenter la taille du modèle jusqu'à l'échelle du génome. Nous étudions ici les placentaires, pour lesquels beaucoup de génomes complets et de mesures phénotypiques sont disponibles. À la lumière des théories sur les traits d'histoire de vie, notre méthode devrait permettre de caractériser l'implication de groupes de gènes dans les processus biologique liés aux phénotypes étudiés. / In recent years, molecular evolution seeks to characterize the variation and intensity of selection through the ratio between non-synonymous and synonymous substitution rates (dN/dS). The dN/dS measure was either used to study the history of the variation of the intensity of selection over time or to detect episodes of positive selection. Correlations between selection and variations of the effective population size interfere in these measurements. The Comparative method can measure correlations between quantitative traits along a phylogeny. They are also be used to test hypotheses of correlated evolution of life history traits, like the body mass, and the substitution rate. We propose an approach combining the comparative method based on the principle of independent contrasts and a model of molecular evolution in a Bayesian probabilistic framework. By integrating along a phylogeny both ancestral reconstructions of lines and of dN/dS we estimate the covariance among traits and between traits and parameters of the model of molecular evolution. A hierarchical model was implemented in the software coevol published during this master. This model allows the simultaneous analysis of multiple genes within a single model. Parallel calculations allow increasing the size of the model to the genome scale. We studied placental mammals, where many complete genomes and phenotypic measurements are available. Based on theories of life history traits, our method is expected to characterize the association of groups of genes in biological processes related to the studied phenotypes.

La bio-informatique est essentielle aujourd'hui dans de nombreux domaines comme par exemple la gestion et l'analyse des données, la génomique avec l'assemblage et l'annotation de génomes, la phylogénie, la métagénomique, la recherche de nouvelles espèces bactériennes et la classification taxonomique. Mon premier travail a porté sur l'assemblage et l'analyse d'un génome bactérien à partir de données de métagénomique. Le génome de Akkermansia muciniphila a pu être assemblé par mapping directement à partir de données issues d'échantillons de selle humaine. En 2012, la culturomics a permis de décrire le plus grand génome d'une bactérie isolée chez l'homme ; Microvirga massiliensis (9.3 Mb). Mon deuxième travail a permis d'assembler ce génome. Par la suite, nous avons essayé de comprendre pourquoi cette bactérie a un génome si grand. En effet, on observe qu'elle possède un plasmide, un nombre important d'ORFans et d'ARNr 16S ainsi que des gènes de grande taille. Elle comporte également un nombre important de transposons. Enfin, la troisième et dernière partie de mon travail se base sur les analyses de pan-génome pour la taxonomie bactérienne. La taxonomie est sujette à de nombreux changements selon les données disponibles et les méthodes utilisées, et suit l'évolution des techniques d'identification des bactéries. Nous avons alors redéfinit la notion d'espèce à l'aide du pan-génome pour le genre Klebsiella. En effet, une différence trop importante entraînant une cassure au niveau du ratio core/pan-génome, révèle l'apparition d'une nouvelle espèce. Cette découverte nous amène à utiliser le pan-génome comme outils novateur pour la taxonomie bactérienne. / Since the introduction of DNA sequencing by Sanger and Coulson in 1977, considerable progress has been made. A growing number of data is being generated in several areas and requires more and more advances in computing. Bio-informatics is essential today in many fields such as data management and analysis, genomics with assembly and genome annotation, comparative genomics, phylogeny, metagenomics, research new bacterial species and taxonomic classification. My first work based on assembling and analyzing bacterial genome from metagenomic data. The genome of Akkermansia muciniphila could be assembled by mapping directly from data from human stool sample. In 2012,culturomics allowed to describe the largest genome of a bacterium isolated in human; Microvirga massiliensis (9.3 Mb). My second work allowed to assemble this genome. Subsequently, we tried to understand why this bacterium has such a large genome. Indeed, it is observed that it possesses a plasmid, a large number of ORFans and 16S rRNAs as well as large genes which one is more than 14kb. It also includes a large number of transposasons. Finally, the third and last part of the work concerns pan-genome analyzes for bacterial taxonomy. Taxonomy is a set of many changes based on available data, methods used and evolution of bacterial identification techniques. We have examined the notion of species using the genome at the genus Klebsiella. Indeed, a too large difference leading to a break in the core/pan-genome ratio undoubtedly reveals the appearance of a new species. This discovery leads us to use the pan-genome as an innovative tool for bacterial taxonomy.

Les génomes des espèces aviaires ont des caractéristiques particulières comme la structure des chromosomes et le contenu en séquences répétées. En effet, alors que dans les génomes vertébrés, la proportion de répétitions dans le génome varie de 30 à 55 %, dans les espèces aviaires, cette proportion est plus faible et varie de 8 à 10 %. L’annotation du contenu répété est le plus souvent réalisée avec le programme RepeatMasker qui s’appuie généralement sur la banque de séquences répétées Repbase. Ce genre de méthode repose uniquement sur la séquence des éléments transposables connus. De fait, ce programme n’est pas en mesure de détecter de nouvelles séquences répétées, et la qualité de l’annotation sera donc dépendante de la banque de séquences d’éléments transposables utilisée. De plus en plus d’études montrent que les éléments transposables jouent un rôle dans le fonctionnement du génome et peuvent influer sur l’expression des gènes. Il est donc primordial que l’annotation de ces séquences soit la plus complète possible. Au cours de ma thèse a été mise en place une stratégie d’annotation des séquences répétées que nous avons élaborée et appliquée à un génome de grande taille, celui de la poule rouge de jungle. L’annotation ainsi obtenue m’a permis d’étudier l’organisation du génome de cette espèce au travers de ses séquences répétées et éléments transposables. / The genomes of avian species have special features such as the structure of chromosomes or their content in repeated sequences. Indeed, compared to vertebrate genomes in which the amount of repetitions varies from 30 to 55%, it is lower in avian species and varies from 8 to 10%. The annotation of repeated content is most often done with the RepeatMasker program that is generally use the Repbase database of repeated sequences. This kind of approach is based solely on the sequence of already known transposable elements. In fact, this program is not able to detect new repeats and in consequence produced annotations with a quality that depends on the sequences of transposable elements used. More and more studies show that transposable elements play a role in the functioning of the genome and can influence gene expression. It is therefore essential that the annotation of these sequences is as complete as possible. There are many programs using methods for detecting de novo transposable elements, either by searching for characteristic structures, or by comparing the genome against itself. However, no standard strategy of annotation for repeated sequences have been defined yet. My thesis aims to set-up a standard strategy of annotation for repeated sequences that was applied to a large genome, that of the red jungle fowl. The obtained annotation allowed me studying the genome organization in this species through its repeated sequences and transposable elements.

L’information génétique est rarement appréhendée directement par le droit, bien que certaines catégories du droit de la propriété intellectuelle, telles que le brevet d’invention ou le certificat d’obtention végétale, en soient des réceptacles privilégiés. De plus, si les Etats ont réaffirmé leur souveraineté sur les ressources génétiques dans le cadre de la Convention sur la diversité biologique et du Protocole de Nagoya, il en résulte un principe de partage juste et équitable des avantages entre fournisseurs et utilisateurs, qui a favorisé la reconnaissance d’un nouveau bien : l’information génétique. Effectivement, selon une approche néocapitaliste de la conservation, la maîtrise de l’information génétique constitue un levier pour la conservation de la biodiversité et un rééquilibrage des relations Nord/Sud. Toutefois, la propriété de la ressource physique s’est révélée déterminante dans les échanges afin de contrôler l’accès à l’information génétique à travers les utilités de la chose.Ce principe d’accès et de partage des avantages entérine un lien spécial entre l’information et son support biologique en ce sens que l’information génétique étudiée par le chercheur demeure le fruit d’un territoire, voire d’un travail de conservation ancestrale d’agriculteurs ou de communautés locales. Il s’agit donc d’une forme atypique de dépendance entre l’information génétique et l’origine géographique de la ressource, devant être articulée avec les droits de propriété intellectuelle qui ne peuvent poursuivre la seule logique de l’innovation, au risque de contourner les engagements internationaux en matière d’accès et de partage des avantages. Par ailleurs, un partage juste et équitable des avantages se comprend largement et n’est pas circonscrit aux avantages découlant du dépôt d’un titre de propriété intellectuelle. La révolution numérique connue par les activités de biotechnologie au travers notamment de la bio-informatique permet la création de nouvelles valeurs, souvent non-appropriables mais largement réservées par les pays du Nord, et auquel l’accès se révèle indispensable dans une véritable perspective de développement des capacités de recherche au Sud. En effet, au-delà des avantages monétaires et du transfert de technologie, ces avantages non monétaires sont essentiels afin de perpétuer les objectifs initiaux de la Convention sur la diversité biologique, malmenés par l’évolution des techniques. Pourtant, le règlement de l’Union européenne du 16 avril 2014 relatif aux mesures concernant le respect par les utilisateurs dans l'Union du protocole de Nagoya sur l'accès aux ressources génétiques et le partage juste et équitable des avantages découlant de leur utilisation et de la loi française pour la reconquête de la biodiversité, de la nature et des paysages du 8 août 2016 peinent à lancer une véritable dynamique de partage autour des pratiques de recherche actuelles, dans un contexte où l’accès au message porté par une séquence d’ADN peut être obtenu indépendamment de la ressource biologique, notamment grâce aux bases de données de bio-informatique ou à la biologie de synthèse. Au-delà du constat réalisé dans cette étude, il est temps de réfléchir à la construction d’une nouvelle forme de gouvernance, englobant l’information génétique au format numérique et répondant aux questions nouvelles soulevées par le big data, ainsi que les pratiques de data mining. L’idée d’un commun contractuel équitable, sur le modèle du Traité international sur les ressources phytogénétiques pour l’alimentation et l’agriculture, nous paraît constituer un enjeu du futur pour une certaine survie des principes de la Convention sur la diversité biologique. / Genetic information is rarely dealt with directly by law, although certain categories of intellectual property law, such as a patent or a plant variety certificate, are privileged receptacles. Moreover, if the states reaffirmed their sovereignty over genetic resources under the Convention on Biological Diversity and the Nagoya Protocol, the result is a principle of fair and equitable sharing of benefits between providers and users, which promoted the recognition of a new good: genetic information. Indeed, using a neocapitalist approach to conservation, mastery of genetic information is a lever for the conservation of biodiversity and a rebalancing of North / South relations. However, the property of the material resource has proved to be a determining trading factor in order to gain control access towards genetic information through its utilities.This principle of access and benefit-sharing enshrines a special link between information and its biological support in the sense that the genetic information studied by the researcher remains a local product or even a work of ancestral preservation by the Farmers or local communities. It is therefore an atypical form of dependence between genetic information and the geographical origin of the resource, that needs to be hinged with intellectual property rights. The latter is unable to solely pursue the logic of innovation without running the risk to bypass the commitments made by the international community on benefits access and sharing. Moreover, a Fair and Equitable sharing of benefits has to be taken broadly and is in no way limited to the benefits ensuing the filing of an IP. The digital revolution experienced by biotechnology activities, especially through Bioinformatics, allows the creation of new values which are mainly non-appropriable although reserved to a very large extent by Northern countries and to which access is essential in a genuine Development of research capacity in the Southern Countries. Indeed, beyond the financial benefits and the technology transfer opportunities, these non-monetary benefits are essentials in order to perpetuate the original goals which are battered by techonological developments. Yet the European Union Regulation of the 16 April 2014 on measures concerning user compliance in the Union with the Nagoya Protocol on access to genetic resources and the fair and equitable sharing of benefits arising from their use and the French Law for the Recovery of Biodiversity, Nature and Landscapes of August 8, 2016 are struggling to trigger and ensure a real dynamic of sharing around modern research practices, in a context where access to the message carried by a DNA sequence can be obtained independently of the biological resource, in particular through bioinformatics databases or synthetic biology.Beyond the findings of this study, it is time to reflect on the construction of a new form of governance, encompassing genetic information in digital format and responding to new questions raised by big data, as well as data mining. The idea of an equitable contractual common good, modeled on the International Treaty on Plant Genetic Resources for Food and Agriculture, seems to us to be a future issue for a certain survival of the principles of the Convention on Biodiversity.

No description available.

No description available.

Les ARN sont des molécules aux propriétés diverses interagissant les uns avec les autres dans le but de médier des fonctions spécifiques. L’évaluation de l’abondance relative des ARN est une étape cruciale à la compréhension de la stoechiométrie nécessaire à ces fonctions. Cependant, plusieurs biais et limitations s’imposent avec l’utilisation de différentes techniques d’évaluation, dont le séquençage d’ARN (RNA-Seq), qui sont problématiques dans l’estimation de l’abondance de différents types d’ARN. De récentes études ont exposé les avantages d’un protocole novateur de RNA-Seq qui utilise une rétrotranscriptase thermostable d’intron de groupe II (TGIRT) d’origine bactérienne afin de réduire ces biais. Ce mémoire fait la comparaison entre différentes techniques de RNA-Seq afin d’élucider si l’utilisation de TGIRT en RNA-Seq offre une représentation plus juste du transcriptome. Les comparaisons avec les valeurs d’abondance de différents types d’ARN décrites dans la littérature ainsi qu’obtenues expérimentalement par notre groupe pointent au fait que TGIRT donne une meilleure estimation de l’abondance relative des ARN, et plus particulièrement des ARN hautement structurés. Cette meilleure estimation de l’ensemble de la composition du transcriptome permet de faire des observations sur les rapports d’abondance entre des ARN codants et non-codants fonctionnellement apparentés. Notamment, des ratios d’expression constants entre les ARN non-codants associés à des RNP et les ARNm codants pour leur facteurs protéiques ont été observés. Ceci suggère la présence d’une régulation transcriptionnelle commune nécessaire à la stoechiométrie de ces complexes. Une forte disparité dans l’expression des snoRNA et de leurs gènes hôtes, dépendant du type de snoRNA et de gène hôte a par ailleurs été constatée, corroborant une régulation distincte de la stabilité de ces transcrits. Dans l’ensemble, nos données suggèrent que la méthode TGIRT-Seq est la plus appropriée dans l’évaluation du transcriptome entier et ouvre donc la voie à des analyses plus holistiques par RNA-Seq en donnant une estimation plus juste de l’abondance relative des transcrits d’ARN. / Abstract : RNA are molecules with a wide range of properties that can interact with one another to mediate specific function. The evaluation of RNA abundance is a crucial step in understanding the stoichiometry needed for these functions. However, many limitations and biases come with the use of different techniques, including RNA sequencing (RNA-Seq), which affects the estimation of the abundance of different RNA types. Recent studies have exposed the advantages of a new RNA-Seq protocol using a thermostable group II intron reverse transcriptase (TGIRT) of bacterial origin to reduce these biases. This thesis makes the comparison between different RNA-Seq techniques to elucidate if the use of TGIRT in RNA-Seq offers a more representative depiction of the transcriptome. The comparisons with the abundance values given in literature and obtained experimentally by our group agree with the fact that TGIRT gives a better estimation of the relative abundance of RNA, especially highly structured RNA. This better estimation of the transcriptomic landscape allows many observations on the abundance relations between coding and non-coding RNA that are functionally related. Namely, constant expression ratios between RNP associated noncoding RNA and the mRNA that codes for their associated proteins have been observed. This suggests the presence of a common transcriptional regulation which is necessary for the stoichiometry of these complexes. A strong disparity in the expression of snoRNA and their host genes depending on snoRNA and host gene types has also been observed and corroborate a distinct regulation of these transcripts’ stability. In summary, our data suggest that the TGIRT-Seq method is the most appropriate to evaluate the transcriptome and thus opens the way to more holistic RNA-Seq analyses by giving a better estimation of RNA transcripts relative abundance.

Les Amélogenèses imparfaites constituent un groupe d’altération de l’émail dentaire d’origine génétique. Cette pathologie peut exister de manière isolée ou associée à d’autres symptômes dans le cadre de syndromes. Certains gènes impliqués sont déjà connus, cependant de nouvelles mutations et de nouveaux gènes restent à identifier. L’étude de familles informatives dans le cadre de ce projet de recherche sur le massif crânio-facial et bucco-dentaire, associée à des stratégies d’identification génétique telles que la sélection de gènes candidats, les zones d’homozygotie, le séquençage haut débit, ont permis d’obtenir des résultats probants. Des investigations futures passant par l’augmentation des cohortes, le développement des outils de séquençage de nouvelle génération, l’étude des modèles cellulaires et animaux permettront d'améliorer la compréhension de l’amélogenèse. / Amelogenesis imperfecta (AI) represents hereditary conditions affecting the quality and quantity of enamel. This disease can exist in isolation or in association with other symptoms in the form of syndromes. Several genes involved in AI are already known, however mutations in these genes are not sufficient to explain all cases of AI. This suggests that mutations in yet unidentified genes underlie AI. The study of informative families included in this research project on cranio-facial and oro-dental anomalies, by using genetic strategies such as candidate gene mutational analysis,homozygosity mapping and next generation sequencing, allowed the discovery of novel genes and mutations in AI. Future investigations based on the recruitment of new families, the development of new next generation sequencing tools and the establishment of cellular and animal models will improve our understanding of amelogenesis.

Les acides ribonucléiques (ARN) forment des structures tri-dimensionnelles complexes stabilisées par la formation de la structure secondaire (2D), elle-même formée de paires de bases. Plusieurs méthodes computationnelles ont été créées dans les dernières années afin de prédire la structure 2D d’ARNs, en partant de la séquence. Afin de simplifier le calcul, ces méthodes appliquent généralement des restrictions sur le type de paire de bases et la topologie des structures 2D prédites. Ces restrictions font en sorte qu’il est parfois difficile de savoir à quel point la totalité des paires de bases peut être représentée par ces structures 2D restreintes. MC-Unfold fut créé afin de trouver les structures 2D restreintes qui pourraient être associées à une structure secondaire complète, en fonction des restrictions communément utilisées par les méthodes de prédiction de structure secondaire. Un ensemble de 321 monomères d’ARN totalisant plus de 4223 structures fut assemblé afin d’évaluer les méthodes de prédiction de structure 2D. La majorité de ces structures ont été déterminées par résonance magnétique nucléaire et crystallographie aux rayons X. Ces structures ont été dépliés par MC-Unfold et les structures résultantes ont été comparées à celles prédites par les méthodes de prédiction. La performance de MC-Unfold sur un ensemble de structures expérimentales est encourageante. En moins de 5 minutes, 96% des 227 structures ont été complètement dépliées, le reste des structures étant trop complexes pour être déplié rapidement. Pour ce qui est des méthodes de prédiction de structure 2D, les résultats indiquent qu’elles sont capable de prédire avec un certain succès les structures expérimentales, particulièrement les petites molécules. Toutefois, si on considère les structures larges ou contenant des pseudo-noeuds, les résultats sont généralement défavorables. Les résultats obtenus indiquent que les méthodes de prédiction de structure 2D devraient être utilisées avec prudence, particulièrement pour de larges molécules. / Ribonucleic acids (RNA) adopt complex three dimensional structures which are stabilized by the formation of base pairs, also known as the secondary (2D) structure. Predicting where and how many of these interactions occur has been the focus of many computational methods called 2D structure prediction algorithms. These methods disregard some interactions, which makes it difficult to know how well a 2D structure represents an RNA structure, especially when large amounts of base pairs are ignored. MC-Unfold was created to remove interactions violating the assumptions used by prediction methods. This process, named unfolding, extends previous planarization and pseudoknot removal methods. To evaluate how well computational methods can predict experimental structures, a set of 321 RNA monomers corresponding to more than 4223 experimental structures was acquired. These structures were mostly determined using nuclear magnetic resonance and X-ray crystallography. MC-Unfold was used to remove interactions the prediction algorithms were not expected to predict. These structures were then compared with the structured predicted. MC-Unfold performed very well on the test set it was given. In less than five minutes, 96% of the 227 structure could be exhaustively unfolded. The few remaining structures are very large and could not be unfolded in reasonable time. MC-Unfold is therefore a practical alternative to the current methods. As for the evaluation of prediction methods, MC-Unfold demonstrated that the computational methods do find experimental structures, especially for small molecules. However, when considering large or pseudoknotted molecules, the results are not so encouraging. As a consequence, 2D structure prediction methods should be used with caution, especially for large structures.

Les lymphocytes T (LT) sont des acteurs-clés du système immunitaire, un système complexe et dynamique évoluant au cours de la vie de l'organisme. On appelle " répertoire lymphocytaire ", une collection de lymphocytes partageant un même phénotype, une même fonction ou tout autres critères, chacun caractérisé par un récepteur membranaire unique, appelé TCR, lui permettant de reconnaitre de manière spécifique les antigènes. Les TCR sont caractérisés par des régions variables, produites par une série de réarrangements somatiques ayant lieu pendant la différenciation thymique, et qui assurent la diversité de reconnaissance des LT. On parle de répertoire TCR lorsque l'on s'attache à définir les caractéristiques clonales des populations lymphocytaires T sur la base de la diversité des TCR exprimés à l'échelle de la population. Le séquençage à haut débit des chaînes TCR permet désormais de décrire cette diversité avec une précision sans précédent. Cette approche requiert néanmoins des outils adaptés pour permettre une caractérisation pertinente de la structure des répertoires analysés. Un axe de recherche de L'unité I3 est l'analyse du répertoire TR de plusieurs populations lymphocytaires T en situation d'auto-immunité ou d'inflammation. Dans ce contexte, les objectifs de ma thèse ont été de : i) approfondir le concept de diversité du répertoire lymphocytaire, ii) mettre au point une méthodologie adaptée permettant d'exploiter les données de séquençage de manière optimale en prenant en compte les limites de cette technologie, et iii) développer un outil permettant aux immunologistes une caractérisation approfondie et facilement interprétable des répertoires qu'ils étudient. / T lymphocytes (LT) are key players in the immune system, a complex and dynamic system evolving over the organism’s life. The concept of "lymphocyte repertoire" designates a collection of lymphocytes sharing the same phenotype, the same function or any other criteria. Each LT is characterized by a unique membrane receptor, called TCR, allowing it to recognize specifically antigens. TCRs are characterized by variable regions produced by a series of somatic rearrangements that occur during the thymic differentiation; these regions engage LT recognition diversity. The “TCR repertoire” approach focuses the clonal characterisation of LT populations on the diversity of the TCR expressed on the scale of the population. The high-throughput sequencing of TCR chains (RepSeq) describes this diversity with unprecedented precision. However, this approach requires adapted tools to enable a relevant deciphering of the analysed TCR repertoire diversity. My thesis aimed to: i) deepen the concept of diversity of the lymphocyte repertoire, ii) develop an appropriate methodology to exploit optimally RepSeq data while taking into account the limits of this technology, and iii) develop a tool providing immunologists a thorough characterisation of their TCR repertoires of interest.