Detecting positive selection in genomic regions is a recurrent topic in human population genetics studies. Over the years, many positive selection tests have been implemented to highlight specific genomic patterns left by a selective event when compared to neutral expectations. However, there is little consistency among the regions detected in several genome-wide scans using different tests and/or populations: population-specific demographic dynamics, local genomic features or different types of selection acting along the genome at different times and selective coefficients might explain such discrepancies. The present doctoral thesis is focused in the study of this problem and the development of a innovative solution: a machine-learning classification framework that exploits the combined ability of some selection tests to uncover the different features expected under the hard sweep model, such as sweep completeness and age of onset. The method was calibrated and applied to three reference populations from The 1000 Genome Project to generate a genome-wide classification map of hard selective sweeps. This study improves the way a selective sweep is detected by overcoming the classical selection vs. no-selection classification strategy, and offers an explanation to the lack of consistency observed among selection tests when applied to real data. / La detecció de selecció positiva en regions genòmiques ha estat un tema recurrent en molts estudis de genètica de poblacions humanes. En conseqüència, durant els últims anys s'han publicat molts mètodes estadístics per detectar els senyals genòmics creats per un procés de selecció molecular. No obstant això, en general hi ha poca consistència entre les regions detectades pels diferents mètodes: dinàmiques demogràfiques especifiques de població, propietats locals de les regions analitzades o diferents tipus de selecció actuant a diferents marcs temporals i intensitats podrien explicar aquestes discrepàncies. Aquesta tesi doctoral està centrada en l'estudi d'aquest problema i en el desenvolupament d'una solució: un mètode de classificació de selecció positiva basat en algoritmes d'aprenentatge automàtic. El mètode combina diferents tests per detectar selecció positiva per obtenir informació sobre el tipus i mode de selecció que afecta una regió genòmica determinada. Aquest nou mètode presenta una alta sensitivitat cap a senyals de selecció positiva i és capaç de proveir informació sobre l'edat del esdeveniment selectiu, així com del seu estat final. Aquest treball millora la forma en què la selecció positiva és detectada avui en dia i proporciona una explicació a la falta de consistència observada entre els mètodes de detecció de selecció positiva quan s'apliquen en dades reals.

Se ha predicho teóreticamente que la epistasis, es decir, las interacciones genéticas entre diferentes mutaciones, cumple un rol sustancial en procesos evolutivos, tales como la emergencia de la reproducción sexual, la recombinación, la especiación y la evolución adaptativa. Sin embargo, existe poca evidencia experimental o estadística de la ubicuidad de las interacciones epistáticas en la naturaleza. Aquí, estudiamos la evolución de las proteínas a largo plazo, y demostramos que el modelo constante de selección independiente, no es capaz de describir las tasas y patrones de divergencia encontrados en las proteínas: las proteínas divergen mas allá de los límites teóricos y la tasa de divergencia es mucho mas lenta que la esperada. A su vez, demostramos que la evolución de las proteínas se explica mejor bajo la suposición de un intercambio rápido entre los valores de eficacia biológica asociados con aminoácidos individuales. Mas aún, extendemos nuestro estudio computacional y construimos un modelo teórico que captura el efecto de la selección inconstante sobre la evolución molecular. / Epistasis, or genetic interactions between different mutations, is theoretically predicted to play a substantial role in such evolutionary processes as emergence of sexual reproduction and recombination, speciation, adaptive evolution. However, there is little experimental or statistical evidence of the ubiquity of epistatic interactions in nature. Here, we study long-term protein evolution and show that the constant independent selection model cannot describe rates and patterns of protein divergence: protein sequences diverge beyond theoretical limits and the rate of divergence is much slower than predicted. We show that protein evolution is best explained under the assumption of rapid turnover of fitness values associated with individual amino acids. We further extend this computational study and build a theoretical model to capture the effect of non-constant selection on molecular evolution.

The maintenance of genome stability is crucial for homeostasis, development and suppression of diverse pathologies that include developmental disorders, premature aging and cancer. The DNA damage response coordinates the appropriate cellular responses following the detection of lesions to prevent genomic instability. The MRE11 complex is a sensor of DNA double strand breaks and plays key roles in multiple aspects of the DNA damage signaling, including the initiation of DNA end resection that is critical for the accurate break repair and the replication fork maintenance. Many studies have implicated the exonuclease EXO1 in DNA resection and shown that the MRE11 complex functions upstream, but the exact influence of EXO1 on double strand break responses remain unclear. In this thesis we examine the genetic relationship between the MRE11 complex and EXO1 during mammalian development and the cellular responses to DNA damage. Our work shows that the deletion of Exo1 in mice expressing a hypomorphic allele of Nbs1, a member of the MRE11 complex, leads to severe developmental defects, embryonic death and chromosomal instability. While EXO1 deficiency does not strongly affect DNA replication, DNA repair or checkpoint signaling in normal cells, our results reveal a crucial role for EXO1 in these functions when the MRE11 complex is compromised. / El mantenimiento de la estabilidad del genoma es esencial para la homeostasis y para la supresión de diversas patologías que incluyen trastornos del desarrollo, el envejecimiento prematuro y el cáncer. La adecuada respuesta al daño del ADN coordina las funciones celulares originadas por la detección de lesiones, para prevenir la acumulación de inestabilidad en el genoma. El complejo MRE11 es un sensor de roturas en el ADN de doble cadena y juega un papel clave en múltiples aspectos de la señalización del daño en el ADN; incluido el inicio de la resección del ADN terminal, que es a su vez fundamental para la reparación precisa de escisiones y el mantenimiento de la horquilla de replicación. La función del complejo MRE11 precede a las funciones de la exonucleasa EXO1, la cual está implicada en la resección del ADN y en las respuestas a los daños del ADN. En esta tesis examinamos la relación genética entre el complejo MRE11 y la proteína EXO1 durante el desarrollo de células de mamífero y las respuestas celulares al daño en el ADN. Nuestro trabajo muestra que la eliminación del gen Exo1 en ratones que expresan un alelo hipomórfico de Nbs1, un miembro del complejo MRE11, conduce a un defecto severo del desarrollo embrionario, la muerte del embrión y la inestabilidad cromosómica. Aún cuando la eliminación de EXO1 no afecta significativamente la replicación o reparación del ADN ni el control de la señalización, en conjunto, nuestros resultados revelan un papel crucial de EXO1 en estas funciones cuando el complejo MRE11 está comprometido.

En els darrers anys, la caracterització del transcriptoma s'ha convertit en un tema candent a la recerca genòmica, ja sigui en humans o en animals. En aquests últims, els avanços en transcriptòmica tenen com a principal objectiu entendre millor els caràcters amb major impacte econòmic. Una de les espècies més importants en la producció ramadera és la porcina. Els caràcters reproductius com la prolificitat poden afectar directament la seva rendibilitat, però la gran variabilitat genètica existent entre races porcines i la baixa heretabilitat d'aquest caràcter han fet de la seva selecció tot un repte. Això posa de manifest la importància d'estudiar les interaccions gèniques i els mecanismes de regulació que afecten el tamany final de la camada en aquesta espècie. En aquesta tesi, oferim una visió global del transcriptoma de l'endometri de dues races porcines que difereixen significativament en els seus nivells de prolificitat, donant una llista de més d'un centenar de gens diferencialment expressats la funció dels quals està associada amb etapes crítiques per a la supervivència embrionària durant la gestació. Aquestes diferències d'expressió han estat validades per 12 gens que constitueixen una llista de nous candidats a exercir un paper clau en l'arquitectura genètica de caràcters relacionats amb l'eficiència reproductiva en el porc. Donat que les microRNAs (miRNAs) són coneguts reguladors post-transcripcionals de l’expressió génica, vam pensar que les diferències observades en el nivell d'expressió d'aquests gens podia respondre a un patró d'expressió de microRNAs diferent. Per validar aquesta hipòtesi, es va analitzar el perfil d'expressió de miRNAs en l'endometri de truges gestants amb nivells de prolificidad divergents, identificant 10 miRNAs madurs diferencialment expressats. Tot i que després de la seva quantificació relativa els nivells d'aquests microRNAs van resultar ser similars, es van trobar correlacions significatives entre l'expressió dels miRNAs ssc-miR-92a i ssc-miR-133a i els gens candidats MMP8, PTGS2, PTHLH i SCNN1G. A més, es va dur a terme la caracterització funcional de nou miRNAs altament implicats en reproducció identificant un total de 13 polimorfismes (SNPs) a les seves seqüències precursores. Per determinar l'efecte d'aquestes variants en l'eficiència reproductiva de les truges, es va realitzar un estudi d'associació que va revelar que el genotip per a les variants identificades a la seqüència de ssc-mir-27a, ssc-mir-29b-2 i ssc-mir-106 era determinant tant per als nivells d'expressió del miRNA madur com per als valors d’EBV. Aquests resultats suggerien que les variants genètiques a la seqüència de miRNAs precursors juguen un paper clau en els caràcteres relacionades amb la reproducció porcina. Finalment, es va dur a terme la validació funcional de la regulació dels gens ADM, HTRA3, PTHLH i VEGFA per part dels seus microRNAs diana ssc-miR-181d-5p, ssc-miR-101-3p, ssc-miR-144 i ssc-miR-195-5p respectivament, que ens va permetre establir una relació directa entre aquestes interaccions i una disminució en els seus nivells d'expressió. / In recent years, transcriptome characterization has seen a remarkable rise, becoming a hot topic in genomic research either in human or animal genetics. In this last, advances in transcriptomics have addressed the goal to better understand those traits with higher economic impact. One of the most important species in livestock production are pigs. Reproductive traits such as prolificacy can directly impact porcine profitability, but large genetic variation and low heritability have been found regarding litter size among porcine breeds. This highlights the importance to perform expression profiling experiments in porcine breeds with extreme prolificacy phenotypes, to better understand those gene interactions and regulatory mechanisms affecting litter size in pigs. In this thesis, we provide a global view of the endometrial transcriptome of two porcine breeds that differ significantly in their prolificacy levels, giving a list of more than one hundred differentially expressed genes associated with critical steps of embryonic survival during sow’s gestation. These expression differences have been validated for 12 genes providing a list of new candidate genes that may play key role on the genetic architecture of prolificacy-related traits in pigs. We hypothesized that the observed differences in the expression level of these genes between Iberian x Meishan F2 sows with divergent prolificacy phenotypes might respond to a different expression pattern of microRNAs (miRNAs), known to function as post-transcriptional down-regulators of gene expression. To validate this hypothesis, we explored the endometrial miRNA expression profile by RNA-seq identifying 10 differentially expressed miRNAs. Expression levels appear to be similar after relative quantification, despite significant correlations were found between the expression of ssc-miR-92a and ssc-miR-133a and candidate genes MMP8, PTGS2, PTHLH and SCNN1G. We functionally characterized nine reproduction-related miRNAs identifying a total of 13 SNPs in their precursor sequences. To determine the effect of these variants in the reproductive efficiency of the pregnant sows, we performed an association study that revealed that the genotype for the variants in ssc-mir-27a, ssc-mir-29b-2 and ssc-mir-106a was determinant for the mature miRNA expression levels and the EBVs. Finally, a functional validation of the miRNA-mediated regulation of ADM, HTRA3, PTHLH and VEGFA upon they target miRNAs ssc-miR-181d-5p, ssc-miR-101-3p, ssc-miR-144 and ssc-miR-195-5p respectively, allowed us to find a direct relationship between these interactions and decreased levels of gene expression.

Los SÍNDROMES MIELODISPLÁSICOS (SMD) son una enfermedad heterogénea clonal de células madre hematopoyéticas. Se caracteriza por una medula ósea ineficaz que produce citopenias en sangre periférica. La severidad de estas citopenias y el riesgo incrementado a progresar a una leucemia mieloide aguda determinarán la evolución de la enfermedad y del paciente. Actualmente estos pacientes se clasifican de acuerdo con 7 subcategorías que establece la revisión del 2008 de la clasificación de la WHO Classification of Tumours of Haematopoietic and Lymphoid Tissues. La alta heterogeneidad de cada subcategoría ha hecho necesarios sistemas de puntuación, el más utilizado es el IPSS-R (International Prognostic Scoring System) e incluye 3 variables, las citopenias en sangre periférica, el porcentaje de blastos en médula ósea y el cariotipo. Nos permite evaluar la supervivencia global (SG) y la probabilidad de progresión a leucemia mieloide aguda. La hipótesis global del trabajo es que alteraciones detectadas mediante técnicas moleculares permiten mejorar la definición del pronóstico de pacientes con SMD. Para dilucidar la hipótesis general, se han estudiado tres grupos de pacientes con cariotipos distintos: pacientes con SMD y cariotipo monosómico y/o complejo, pacientes con el cromosoma 7 alterado mediante FISH y pacientes con deleción 5q [del(5q)]. Pacientes con cariotipo monosómico y con alteraciones en el cromosoma 7 se incluyen en el grupo de SMD de alto riesgo. En cambio, pacientes con del(5q), cuando esta se detecta de manera aislada, se incluyen en el grupo de SMD de bajo riesgo. La del(5q) en un cariotipo complejo pasa a ser de pronóstico desfavorable. Primero analizamos el efecto del cariotipo monosómico (MK). Estudiamos 1.054 pacientes con SMD y cariotipo alterado con el objetivo de describir la incidencia, características y pronóstico del MK, y su relación con la SG y el riesgo de progresión a LMA. Este estudio ha permitido determinar que el mal pronóstico asociado a los pacientes con MK, en el contexto de un cariotipo complejo, se debe a la complejidad en el cariotipo lo que les confiere un peor pronóstico, es decir peor SG y mayor riesgo de progresión a LMA. Segundo, estudiamos 820 pacientes por FISH con SMD, su cariotipo no mostró la monosomía 7 o la deleción 7q. El objetivo del estudio era determinar si la detección mediante FISH de estas alteraciones afectaba a su clasificación. El 5,2% de los casos fueron positivos, esto es de importante relevancia ya que la -7 o la del(7q) se relacionan con un impacto pronóstico negativo. Este estudio nos permitió detectar diferencias significativas en la SG de pacientes con riesgo morfológico intermedio (WHO 2008) FISH positivos y negativos. Debido a la relación de estas alteraciones del cromosoma 7 y un peor pronóstico, sería altamente recomendable analizar mediante FISH las alteraciones que no cumplan criterios de clonalidad.a El último grupo de pacientes que estudiamos presentaban la del(5q). Estudiamos un total de 228 pacientes con neoplasias mieloides (SMD y LMA) y del(5q). Mediante el estudio por secuenciación masiva del exoma pudimos determinar los 6 genes más mutados en nuestra serie: TP53, DNMT3A, CSNK1A1, SF3B1, PRPF8 y ASXL1. TP53 y DNMT3A presentaron un efecto negativo en la SG de los pacientes, pero sólo DNMT3A, retuvo la influencia independiente en la SG, en el análisis multivariado. El perfil mutacional de pacientes con del(5q) no se ha podido determinar. Estudios iniciales en pacientes con CSNK1A1 mutado, por su relación con una buena respuesta a la lenalidomida. Los pacientes con TP53 deberían ser controlados de manera frecuente, por el impacto negativo en la SG de mutaciones en este gen. Y, por último, mutaciones en DNMT3A deberían estudiarse en más pacientes con del(5q) para esclarecer su relación. / MYELODYSPLASTIC SYNDROMES are clonal hematopoietic stem cell disorders highly heterogeneous. This disease is characterized by bone marrow failure that led to peripheral blood citopenias. The outcome of these patients is closely related to cytopenias and to an increased risk to acute myeloid leukemia (AML) progression. Nowadays, these patients are classified according to the revised version (2008) of the WHO Classification of Tumours of Haematopoietic and Lymphoid Tissues, which includes 7 subcategories. Due to high heterogeneity, the well-known scoring system IPSS-R (International Prognostic Scoring System) have been developed to better assess the overall survival (OS) their risk to progress. IPSS-R includes 3 variables, cytopenias at peripheral blood, bone marrow blast percentage and karyotype. The last one has shown a high influence in the IPSS-R. We hypothesize that alterations detected by molecular techniques could help us to better define patients with MDS. To elucidate this hypothesis, we studied three groups of MDS patients with different karyotypic alterations, patients with MDS and monosomal karyotype (MK), patients with alterations in chromosome 7 by FISH and patients with MDS or AML and del(5q). MK and alterations of chromosome 7 are included in high risk MDS, whether patients with isolated del(5q) are included in low risk MDS. However, when the alteration is detected in a complex karyotype, the outcome is significantly worse. These three group of patients were studied separately. First we studied the effect of MK. We studied a total of 1,054 adult patients with MDS and altered karyotype. Our main objective was to describe the incidence, characteristics and prognosis of patients with MK and its relation with OS and the progression risk to AML. This study helped us to determine that the worse prognosis related to MK (included in a complex karyotype) is karyotype complexity. This is the one that have a negative impact on patient’s prognosis with lower OS and higher risk to AML progression. Second, we studied by FISH a total of 820 patients with MDS without monosomy 7 or 7q deletion by conventional cytogenetics. Our objective was to define the impact of FISH detection (7- or 7q-) in the outcome of MDS patients. A total of 5.2% of cases were positive by FISH. This is of note because -7 and 7q- are related with worse outcome and more aggressive treatments. Moreover patients with an intermediate morphologic risk (WHO 2008) would benefit from a FISH study in order to better classify their prognosis. Due to chromosome 7 alterations worse prognosis, it would be highly recommended to apply FISH 7q in patients with chromosome 7 alterations by conventional cytogenetics who doesn’t fulfill clonally criteria. Last group studied were del(5q) patients, this alteration is one of the most common in MDS. We collected 228 patients with del(5q) with myeloid neoplasms (MDS and AML) by applying next-generation sequencing techniques. We were able to determine the 6 genes most commonly mutated: TP53, DNMT3A, CSNK1A1, SF3B1, PRPF8 and ASXL1. Both TP53 and DNMT3A were related to worse prognosis. TP53 and DNMT3A had a negative impact on the OS, but only DNMT3A retained its prognostic impact on the multivariate analysis. Although we couldn’t define a mutational profile for patients with del(5q), it would be important to perform initial studies to define patients with a better outcome. Especially when CSNK1A1 is mutated for its correlation with a good lenalidomide’s treatment response. In contrast, patients with mutations in TP53 should be closely followed for its well-known negative impact on OS and lenalidomide response. Moreover, due to the high negative impact of DNMT3A mutations in our series. Further studies are needed to clarify its impact on del(5q) patients.

L'objectiu dels programes de millora genètica del préssec és generar varietats adaptats a les condicions agronòmiques locals i satisfer els requeriments del consumidor. Això últim implica millorar la qualitat del fruit. L'estratègia seguida per molts milloradors es basa en la selección de descendents de creuaments on s’espera segregació per a caràcters fenotípics. Es tracta d’un mètode costós tant en temps com en diners a causa del período de juvenilitad del presseguer (2-3 anys) i també als recursos que suposa el mantener les plàntules en el camp durant el procés d’avaluació i selecció. L'objectiu d'aquesta tesi va ser el desenvolupament de marcadors moleculars per a la seva aplicació en la selecció assistida per marcadors (SAM) de tres caràcters del fruit: baixa acidesa, fruit pla i pell glabra. En els dos primers capítols estudiem el locus del carácter subàcido (D) i el fruit pla (S) i hem realitzat l’anàlisis d’associació en les seves respectives regions genòmiques. Per a ambdós caràcters s'han generat i validat marcadors moleculars (SSRs i SNPs) que poden ser directament aplicats a SAM. L'estudi de l’haplotipus subàcid ens va permetre identificar diversos gens candidats. Aquestes resultats ens suggereix l'existència d'un únic origen de l’al·lel subàcido. L'anàlisi del locus S ens va permetre identificar dues INDELs altament associats amb el fruit pla. Aquests polimorfismes es van observar en regió codificant del gen ppa025511m, concretament en el segon exò del gen. Aquesta associació va ser avaluada en un ampli panell de varietats i en una població obtinguda a partir del creuament de dues parentals de fruits plans. L'anàlisi de la seqüència completa d'aquest gen va permetre la identificació de la supressió d'un fragment de 9Kb que afecta la regió 5’UTR del gen així com al primer exò, a l’intró i a una petita part del segon exò. La funció d'aquest gen va ser validada en un mutant tipus “sport” generat espontàneament en un arbre de la varietat plana ‘UFO4’. Es tracta d'un mutante quimèric mb una mutació que només afecta a les cèl·lules de la segona capa meristemàtica (LII), que genera la polpa del fruit. L'amplificació per PCR de l’INDEL d'aquest gen en la polpa del mutant rodó va revelar un canvi a l’al·lel pla. Malgrat que l‘alelo pla és dominant, els fruits plans han de presentar-lo en hetericigosis per a ser viables. Aquest fet amb la reversió a la forma rodona del mutant d’UFO4 suggereixen que aquest al·lel pot actuar com dominant negatiu. En el tercer capítol seqüenciem el genoma de 5 varietats de préssec i els seus respectius mutantes nectarina. Es van a estimar la variabilitat somática i la mutació causal de la pell glabra. La metodología empleada per al processament de les lectures i la identificació dels petis polimorfismes va generar un excés de falsos polimorfismes, possiblement causats per alineaments erronis de les seqüències repetitives del genoma. Mitjançant l'ús d'un filtrat més restrictiu es va reduir aquest valor. Els valors de diversitat nucleotídica i d’heterozigositat van ser similars als observats per Aranzana et al., (2012) i Verd et al., (2013). L’analisi del locus G va mostrar una menor π i una major Ho. Sota dues possibles hipótesis per a l’estudi l’al·lel causal del caràcter nectarina vam identificar diversos gens candidats amb funcions relacionades amb el desenvolupament de la paret cel·lular. No obstant això cap d'ells va resultar ser PpeMYB25 on recentment s’ha descrit una inserció de 7Kb asssociada al carácter nectarina (Vendramin et al., 2014). La insuficient cobertura de seqüenciació en la regió genómica del locus G pot haver estat la causa de la no identificació d’aquest polimorfisme en les nostres seqüències. / The aim of current breeding programs is to provide new fruit varieties adapted to the local agronomic conditions and to satisfy the requirements of the consumers. This last fact implies to improve the fruit quality. The strategy followed by most breeding programs is based on performing controlled crosses to select those individuals showing the target traits. Although this approach has succeed in the production of most of the varieties available today, it is time consuming and costly due the time required to obtain fruits (2-3 years) and the resources needed to keep the seedlings in the field during the evaluation and selection processes. The objective of this thesis was to develop molecular markers useful in marker assisted selection (MAS) for three important agronomical traits in peach fruits: low acidity, flat shape and glabrous skin (nectarine trait). In the first two chapters of this document we have used region-based association analysis to study the architecture of the locus responsible for either sub-acid (D) and flat fruits (S). In both cases the study has provided markers (SSR and SNPs) ready to be applied for MAS in peach breeding programs. The study of the length of the sub-acid haplotype, which is maintained more than 24Kbp long, allowed to hypothesize about a unique origin of this trait and to identify candidate genes. Similarly, the analysis of the S locus allowed the identification of two linked INDELs in the second exon of the gene ppa025511m highly associated with the flat shape of the fruit. The association was tested in a broad panel of varieties and in the offspring of a crossing population between two flat peaches. The sequencing analysis of the whole gene allowed the identification of a big deletion, of about 9Kbp, affecting its 5’ UTR, its first exon and its intron. The function of the gene was validated in a round sport mutant from a flat peach (UFO-4). This mutant was chimeric; the mutation only affected cells of the second layer (LII) of the meristerm, which generates the flesh of the fruit. A PCR amplification of the gene and the use of specific primers for the INDEL revealed a mutation in the flat allele in the flesh of the chimeric mutant, which produced the reversion to the round shape. The obligated heterozygosis of the flat allele and the reversion to the wild shape suggest a dominant negative (DN) mechanism. In the third chapter we sequenced the whole genome of 5 peach varieties and 6 sport nectarines derived from them. We estimated the overall somatic variability and studied the causal mutation from hairy fruit to glabrous. The reads processing and SNP calling revealed an excess of false variants that was especially evident in the analysis of the sport mutants. One of the main causes for the false variants was the misalignments of repetitive regions. The use of more restrictive SNP calling filters reduced the excess of false variants. The nucleotide diversity and heterozygosity of the varieties was similar to the one reported for peach (Aranzana et al., 2012; Verde et al., 2013). The analysis of the variations in the G locus region showed lower and higher Ho. To look for the causal allele for the nectarine trait we postulated two possible causes for the new mutation. These data provided several candidate genes involved in the cell wall development, however none of them was the gene PpeMYB25, where a big insertion of 7Kb in its second exon has recently been described as linked with the trait (Vendramin et al., 2014). This was probably due to an insufficient sequencing coverage in this genomic region.

Las nuevas tecnologías de ultrasecuenciación (NGS) han alterado espectacularmente la investigación en la genómica de las especies domesticas, entre ellas la del cerdo. Usando datos de genómica es posible, por ejemplo, comprender mejor la demografía de los jabalíes y su impacto en el proceso de domesticación. Además, el estudio de los cerdos ferales mejoran el conocimiento de las dinámicas de feralización, y sirven de comparación con las razas domesticas actuales. Este trabajo es un estudio sobre la demografía y los procesos de feralización en la especie porcina, a través del uso de polimorfismos genómicos. En la primera parte, se ha generado el primer catálogo de variantes SNPs a nivel genómico y mundial, analizando el genoma de 128 cerdos y 5 "outgroups". Entre las ~48 millones de variantes que encontramos, pudimos inferir el alelo ancestral de ~39 millones. El numero de variantes derivadas exclusiva de razas europeas (~6 millones) es menor que de las asiáticas (>13 millones), tal como se espera por el origen asiático de S. scrofa. También encontramos una fuerte correlación en la frecuencia alelica entre cerdos domestico y jabalíes dentro de Asia y dentro de Europa. Esta correlación no se encontró entre continentes, debido a la gran distancia evolutiva entre cerdos de ambos continentes (~1 millón de años). En la segunda parte de la tesis, intentamos aclarar la historia demográfica de los jabalíes. Analizamos el espectro de frecuencia conjunto de unos 2 millones de SNPs, encontrados en el trabajo anterior, de 9 jabalíes europeos y 8 jabalíes asiáticos usando coalescencia y la inferencia analítica de ∂a∂i. Con coalescencia evaluamos si la separación de las dos poblaciones es suficiente para explicar el espectro observado, pero incluyendo migración en los modelos, el espectro conjunto es coherente con el observado. Con ∂a∂i, comparamos 6 modelos que difieren en el número de cuellos de botellas y eventos migratorios. En las diferentes iteraciones, los parámetros demográficos convergieron en los mismos valores solo con el modelo más sencillo. A pesar de este problema de convergencia con los modelos más complejos, ambos métodos muestran que la migración es necesaria por explicar la historia demográfica de los jabalíes. En la tercera parte de este trabajo estudiamos las dinámicas de la feralización. Analizamos el genoma de los cerdos ferales de la Isla del Coco (Costa Rica), que ha estado aislada desde su fundación en 1793 y es un excelente modelo para estudiar de las dinámicas de la feralización. En este estudio confirmamos que los cerdos domésticos ingleses ya eran híbridos entre razas europeas y asiáticas al final del siglo XVII. Sorprendentemente, a pesar del cuello de botella, la variabilidad promedio de la población de la Isla del Coco es similar a la variabilidad de las actuales razas comerciales, tales como Large White o Duroc. Además, encontramos una región de unas 10-Mb con un marcado descenso de la variabilidad en todas las muestras analizadas, previamente identificada como altamente diferenciada entre jabalíes y razas domesticas. La domesticación y la feralización son eventos simétricos de la historia del cerdo. El análisis de la demografía de los jabalíes sirve como hipótesis nula para el estudio de las dinámicas selectivas previas a la domesticación. Por otro lado, el análisis de los cerdos ferales de la Isla del Coco permite reconstruir los genomas de los cerdos previos a la selección moderna pero posterior a la hibridación con Asia. Además ayudan al estudio de los efectos de la feralización en un animal híbrido. Este trabajo ha sido posible solo gracias a la evolución de las técnicas de secuenciación que permitieron la publicación de un número creciente de secuencias de genomas completos. / The advent of next generation sequencing technologies has revolutionized the study of livestock genomics, such as in pigs. For instance, using genomic data it is possible to better understand wild boars demography and its impact on domestication. Moreover, the analysis of feral pigs improves the knowledge on the dynamics of feralization, and serves as yardstick against which to compare modern breeds. In this thesis we provide insights about the demography and the feralization process in the pig species using genomewide polymorphisms. In the first part of this work, we analyzed 128 complete pig and 5 outgroup genomes, in order to obtain the first genomewide and worldwide catalog of SNPs of the pig. We were able to assess the ancestral allele of ~39M out of the ~48M variants found. The number of unique derived variants in European breeds (>6M) is smaller than in Asian breeds (>13M), in agreement with the Asiatic origin of Sus scrofa. Moreover, we found a marked correlation in allele frequencies between domestics and wild boar within Asia and within Europe. This correlation was absent across continents, due to the large evolutive distance between pigs in both continents (~1 MYA). In the second part of this work, we tried to disentangle the demographic history of wild boars using the polymorphisms found in the previous study. We analyzed the joint site frequency spectrum of ~2M SNPs of 9 European and 8 Asian wild boars using coalescence and the analytical approach of ∂a∂i. Using coalescence we evaluated whether a split between the two populations was enough to explain the observed spectrum, but only when migration was included in the model, we found a joint spectrum coherent with the observed data. Using ∂a∂i, we analyzed 6 models that differed in the number of bottlenecks and migration events. Only the simplest model seemed to converge, whereas this was not clear for more complex scenarios. Despite this convergence issue, both methods pointed to migration events after the split as a demographic factor shaping wild boars variability. Further analyses are needed to improve wild boars' demographic history inference. Finally, in the third part of this thesis, we focused on the analysis of the dynamics of feralization. We analyzed the genome of the feral population of Isla del Coco (Costa Rica), which have been isolated since its foundation in 1793, and is therefore an excellent model to study feralization dynamics. We confirm that English domestic pigs were already hybrids between Asian and European breeds in late 17th century. Interestingly, despite the bottleneck suffered, Cocos pigs average variability is comparable to those of current commercial pig breeds such Large White or Duroc. Yet, we also found a 10-Mb region with a marked decrease in variability across all sampled tested, which was previously identified as highly differentiated between wild boars and domestic breeds. Domestication and feralization are symmetric events of pig history. The analysis of wild boars demography will serve as null model to study the dynamics before domestication. On the other side, the analysis of the feral pigs of Isla del Coco improved the knowledge on the last 200 years of breeding managements on domestic breeds. Moreover it will help to understand the dynamics after domestication when a hybrid animal becomes feral. All these studies are now possible only thanks to the evolution of sequencing techniques, which resulted in an increasing number of public worldwide whole genome sequence data.

Genome-wide analysis of the nucleosome positioning and histone H1 isoform content of the T47D breast cancer cell line has found a number of observations, namely that with a gentle digestion of microccocal nuclease (MNase), a nucleosome is visible just upstream of the transcription start site, in the region known as the “nucleosome-free region” (NFR). H1 isoforms bind to chromatin mainly in a redundant manner, but H1.2 and H1.3 show some specificity while H1.5 increases its binding dramatically after a progesterone stimulus. In the course of these studies, a general-purpose software package was developed for the manipulation and analysis of bigWig files, a data format for storing continuous signal data assigned to genome coordinates / En el meu estudi genòmic sobre el posicionament de nucleosomes i sobre elcontingut de les isoformes de la histona H1 en cèl•lules de càncer de mama T47D he dut a terme una sèrie d'observacions. Específicament he trobat que amb una digestió suau amb nucleasa micrococcal, es pot identificar un nucleosoma just abans del lloc d'inici de transcripció, en la regió coneguda com a "regió lliure de nucleosomes". També he vist que les diferents isoformes somàtiques de la histona H1 (H1.0-H1.5, H1x) s'uneixen a la cromatina de manera redundant, però que la H1.2 i la H1.3 presenten certa especificitat, mentre que la H1.5 mostra un augment de la unió generalitzat després d'estimular les cèl•lules amb progesterona. En el decurs de la meva recerca, he desenvolupat un programari general per la manipulació i l'anàlisi d'arxius amb format bigWig, un format per a l'emmagetzematge de dades de senyals continus al llarg de les coordenades del genoma.

In the last two decades, the volume and variety of biomedical data has dramatically increased. The data is heterogeneous and scattered across many resources. This produces bottlenecks in the analysis and extraction of knowledge from this sea of information. To overcome this hurdle, better catalogs that integrate different data types, offer easy access to users, and support automatic workflows, are needed. With this in mind, we have developed DisGeNET, a discovery platform that contains information on more than 17,000 genes related to over 14,000 diseases. We have used DisGeNET to study the properties of disease genes in the context of protein interaction networks. To produce an accurate analysis of the mesoscale properties of the human interactome, we first compared the network partitions generated by two popular clustering algorithms, to assess how this would impact the follow-up biological analysis. Using the best performing algorithm we then explored the network properties of disease genes. Then we evaluated the relationship between the network properties of different groups of disease genes and their tolerance to likely deleterious germline variants across human populations. Finally, we have developed a new network medicine approach to study disease comorbidities, and applied it to the analysis of COPD comorbidities. / Los avances tecnológicos de las últimas dos décadas han producido un incremento dramático en la cantidad y la diversidad de datos biomédicos disponibles. Este proceso ha ocurrido de manera fragmentada, y en consecuencia los datos se encuentran almacenados en distintos repositorios, lo cual impone barreras a la hora de integrarlos, analizarlos y extraer conocimiento a partir de ellos. Para superar estas barreras, es necesario contar con recursos computacionales que integren esta información, y ofrezcan un fácil acceso a la misma, permitiendo al mismo tiempo su análisis automatizado. En respuesta a esta necesidad hemos desarrollado DisGeNET, una plataforma orientada a la exploración de las causas genéticas de las enfermedades humanas, que contiene actualmente información sobre más de 14.000 enfermedades y 17.000 genes. En esta tesis, describimos el uso de DisGeNET para el estudio de las propiedades de los genes asociados a enfermedades en el contexto de redes de interacción entre proteínas. Para ello, evaluamos previamente cómo la utilización de distintos algoritmos de reconocimiento de comunidades en redes afecta a los resultados de los análisis e influencia su interpretación biológica. A continuación, caracterizamos las propiedades de redes de los genes asociados a enfermedades como conjunto y también en sub-grupos, empleando diferentes criterios de clasificaciones de las enfermedades. Posteriormente, evaluamos cómo estas propiedades están relacionadas con la tolerancia a mutaciones posiblemente deletéreas en distintos grupos de genes, mediante el análisis de datos generados por las nuevas tecnologías de secuenciación. Finalmente, desarrollamos una nueva metodología de medicina de sistemas para explorar los mecanismos moleculares de la comorbilidades, y la aplicamos al estudio de las comorbilidades de la enfermedad pulmonar obstructiva crónica

Capítols 3 a 6 escrits en anglès / In recent decades, much work has gone into collecting and conserving phytogenetic resources, resulting in a considerable increase in the number of entries stored ex situ in germplasm banks. However, these resources have been underexploited because, amongst other reasons, they have yet to be characterized and evaluated. Breeders need this information to obtain more productive and nutritious ideotypes that require less care and fulfill consumers' sensory preferences. The common bean (Phaseolus vulgaris L.) is the legume most consumed by humans. Being one of the most important sources of protein worldwide, it has high nutritional quality and affords some protection against certain diseases. In this species, the need for evaluation is especially evident for sensory and culinary traits. The lack of data about these traits blocks breeding for greater sensory appeal and impedes the consolidation of beans in the diets of the most demanding customers. This doctoral thesis aims to contribute to the rationalization of seed banks of beans collected in Catalonia and to expand the information available about the sensory and culinary traits of these materials as well as of those in the core collection of Spanish beans. Greater knowledge of the variability in this large group of entries will enable us to learn more about the genetic control of the degree of curvature in the Ganxet landrace and to orient a breeding program for another traditional landrace of interest, Tavella Brisa. The work done for this thesis has enabled the entries collected in Catalonia to be classified into 20 representative groups on the basis of morphological and molecular markers. It has also led to a rational ordering within the landrace with the greatest number of entries collected, Ganxet, in which 24 inbreds representing the variability within the landrace have been selected. Both in the core collection of Spanish beans and in the entries collected in Catalonia, the estimated variability for internal sensory traits and culinary traits is high, whereas the variability for the external sensory traits is somewhat lower. Analyzing this information in function of the area where the materials were originally domesticated has shown that Andean varieties have more perceptible seed coats, are mealier, and have stronger flavor than Mesoamerican varieties. An analysis of these traits in function of the color of the seeds has shown that white seeds have rougher seed coats, are less mealy, have milder flavor, and tend to break more during cooking. The data also show that the extreme curvature of seeds in the Ganxet landrace is genetically correlated with high protein content and low mealiness. Seed curvature is an easy-to-measure trait with relatively simple genetic control, involving at most 3 loci, and environmental factors have little influence on its expression. Thus, Ganxet could be used to increase protein content and decrease mealiness in other varieties of beans through backcrossing. In the Tavella Brisa landrace, a breeding program has enabled the obtainment of a new variety, Croscat, that conserves the morphologic and sensory traits of the historic landrace while eliminating agronomic defects such as lodging, facilitating mechanical harvesting and avoiding losses due to disease. These gains underline the high potential of ex situ conservation of entries once resources have been invested in characterizing, evaluating, and improving these materials. / En las últimas décadas se ha realizado una gran labor en la recolección y conservación de recursos fitogenéticos, lo que ha incrementado considerablemente el número de entradas almacenadas ex situ en los bancos de germoplasma. Sin embargo, estos materiales están infrautilizados, debido entre otras causas, a la falta de caracterización y evaluación de los mismos. Esta situación contradice las aparentes necesidades de los fitomejoradores que buscan alcanzar nuevos ideotipos más productivos y nutritivos que consuman menos insumos y satisfagan las preferencias sensoriales de los consumidores. La judía grano (Phaseolus vulgaris L.) tiene una elevada calidad nutricional y cierta capacidad de protección frente a algunas enfermedades, es la leguminosa más importante para el consumo humano y constituye una de las principales fuentes de proteína a nivel mundial. En esta especie, la falta de evaluación es especialmente patente en los caracteres sensoriales y culinarios, lo cual bloquea la mejora genética para estos aspectos y dificulta la consolidación de las judías en las dietas de los consumidores más exigentes. Esta tesis doctoral pretende contribuir a la racionalización de las colecciones de judía procedentes de Cataluña y, a su vez, abordar la caracterización sensorial y culinaria tanto de dichas entradas, como del conjunto de entradas de la colección nuclear de judías española. Un mayor conocimiento de la variabilidad en este numeroso grupo de materiales nos va a permitir profundizar en el control genético del grado de curvatura de la variedad Ganxet y abordar un programa de mejora en otra variedad tradicional de interés, Tavella Brisa. El trabajo realizado ha permitido clasificar las entradas colectadas en Cataluña en 20 grupos representativos, empleando descriptores morfológicos y moleculares. Dentro de la variedad con mayor número de entradas colectadas, Ganxet, también se ha efectuado un proceso de racionalización, en el que se han seleccionado 24 líneas puras que representan la variabilidad intravarietal. Tanto en la colección nuclear de judías española como en la colección procedente de Cataluña se ha estimado una elevada variabilidad para los caracteres sensoriales internos y culinarios y algo menor para los caracteres sensoriales externos. El análisis de esta información en función del origen de domesticación ha permitido establecer que las variedades de origen Andino tienen la piel más perceptible, son más harinosas y tienen mayor flavor que las variedades Mesoamericanas. El mismo análisis realizado en función del color de la semilla ha mostrado que las semillas de color blanco tienen la piel más rugosa, son menos harinosas, tienen menor flavor y presentan menor número de judías enteras tras la cocción. Se ha establecido también que el grado de curvatura extremo de la variedad Ganxet está genéticamente correlacionado con un elevado contenido de proteína y con la cremosidad. Este carácter ha mostrado un control genético sencillo (máximo 3 loci), baja influencia ambiental en su expresión y además resulta fácil de medir, lo que sugiere que Ganxet podría emplearse para incrementar el contenido de proteína y la textura cremosa en otras variedades de judía, mediante procesos de retrocruce. Finalmente, como resultado del programa de mejora de la variedad Tavella Brisa, se ha obtenido una nueva variedad denominada Croscat, que conserva las características morfológicas y sensoriales de la variedad histórica y corrige defectos agronómicos como el encamado. Lo que facilita la mecanización de la cosecha y evita las mermas por patologías. Todo esto contribuye a demostrar que las colecciones conservadas ex situ tienen un extraordinario potencial, pero para que este se ponga de manifiesto es necesario invertir grandes esfuerzos en su caracterización, evaluación y mejora.