Dans ce travail de thèse, nous avons étudié la variabilité (ou stochasticité) de l’expression des gènes en considérant que le signal stochastique que produit cette expression est porteur d’information quant au processus d’expression lui-même. Cette stochasticité de l’expression génique peut être caractérisée par la variation observée du nombre de protéines produites soit entre différentes cellules isogéniques (portant le même génome) à un instant donné, soit au sein d’une même cellule au cours du temps. Dans un premier temps, nous avons montré expérimentalement que le niveau de stochas- ticité de l’expression d’un gène change suivant son locus (sa position sur le génome). De plus, nous avons montré que, à locus constant, le niveau de stochasticité peut être influencé par des agents modificateurs globaux de l’état chromatinien. Ensuite, nous avons analysé comment la dynamique chromatinienne peut influencer la stochasticité de l’expression génique d’un gène. Pour ce faire, nous avons utilisé une ap- proche de modélisation et simulation que nous avons ensuite confrontée à des données biologiques. L’utilisation d’un modèle à deux états nous a permis de montrer que l’acti- vité du promoteur est caractérisée par de longues périodes durant lesquelles la chromatine empêche la transcription, entrecoupées par de brèves périodes où la transcription est à nouveau rendue possible sous forme de « bursts » de forte intensité. Pour finir, nous avons identifié, par des approches statistiques et par l’utilisation de bases de données génomiques, des éléments caractéristiques de la séquence génomique qui, lors- qu’ils sont présents dans le voisinage d’un gène, peuvent influer sur la stochasticité de celui-ci. Nous avons en particulier montré que, lorsque le gène rapporteur est inséré à proximité d’un autre gène, sa stochasticité augmente de manière significative. Ce travail nous a permis de mettre en évidence un lien entre la dynamique chromatinienne, l’environnement génomique et la stochasticité de l’expression génique. Ce lien offre à la cellule des perspectives évolutives en lui permettant de réguler cette stochasticité, ouvrant ainsi la porte à la sélection d’un niveau approprié de variabilité. / During my PhD, we have studied the variability (or stochasticity) of gene expression assuming that the stochastic signal it produces carries information about the process of gene expression itself. The stochasticity of gene expression can be characterized by the observed variation in the number of proteins produced either by different isogenic cells (cells that have the same genome) at a given time or within a single cell over time. First, we showed experimentally that the level of stochasticity of a gene changes according to its locus (its position on the genome). We have also shown that, for a given locus, the level of stochasticity could be influenced by global chromatin-state modifier agents. Then, we analyzed how the chromatin dynamics can influence the stochasticity of gene expression. This analysis was conducted by using a modeling and simulation approach, the results of which being in turn compared to biological data. Using a two-states model allowed me to show that the activity of a promoter is characterized by long periods during which the chromatin prevents transcription, interspersed by brief periods when transcription can occur in the form of intense bursts. Finally, we identified characteristic genomic elements that, when in the neighbourhood of a gene, may influence its level of stochasticity. In particular, we have shown that when the reporter gene is integrated close to a neighbour gene, its stochasticity is significantly increased. This work allowed me to unravel a link between the chromatin dynamics, the genomic environment and the stochasticity of gene expression. This link confers evolutionary pers- pectives to the cell by allowing it to regulate stochasticity, which allows for the selection of an appropriate level of stochasticity.

Dans ce travail de thèse, nous avons étudié la variabilité (ou stochasticité) de l'expression des gènes en considérant que le signal stochastique que produit cette expression est porteur d'information quant au processus d'expression lui-même. Cette stochasticité de l'expression génique peut être caractérisée par la variation observée du nombre de protéines produites soit entre différentes cellules isogéniques (portant le même génome) à un instant donné, soit au sein d'une même cellule au cours du temps. Dans un premier temps, nous avons montré expérimentalement que le niveau de stochasticité de l'expression d'un gène change suivant son locus (sa position sur le génome). De plus, nous avons montré que, à locus constant, le niveau de stochasticité peut être influencé par des agents modificateurs globaux de l'état chromatinien. Ensuite, nous avons analysé comment la dynamique chromatinienne peut influencer la stochasticité de l'expression génique d'un gène. Pour ce faire, nous avons utilisé une approche de modélisation et simulation que nous avons ensuite confrontée à des données biologiques. L'utilisation d'un modèle à deux états nous a permis de montrer que l'activité du promoteur est caractérisée par de longues périodes durant lesquelles la chromatine empêche la transcription, entrecoupées par de brèves périodes où la transcription est à nouveau rendue possible sous forme de " bursts " de forte intensité. Pour finir, nous avons identifié, par des approches statistiques et par l'utilisation de bases de données génomiques, des éléments caractéristiques de la séquence génomique qui, lorsqu'ils sont présents dans le voisinage d'un gène, peuvent influer sur la stochasticité de celui-ci. Nous avons en particulier montré que, lorsque le gène rapporteur est inséré à proximité d'un autre gène, sa stochasticité augmente de manière significative. Ce travail nous a permis de mettre en évidence un lien entre la dynamique chromatinienne, l'environnement génomique et la stochasticité de l'expression génique. Ce lien offre à la cellule des perspectives évolutives en lui permettant de réguler cette stochasticité, ouvrant ainsi la porte à la sélection d'un niveau approprié de variabilité.