Les données génomiques issues d'expériences de puces à ADN ou de séquençage ont deux caractéristiques principales: leur grande dimension (le nombre de marqueurs dépassant de plusieurs ordres de grandeurs le nombre d'observations), et leur forte structuration (notamment via les dépendances entre marqueurs). La prise en compte de cette structuration est un enjeu clé pour le développement de méthodes performantes en grande dimension.Cette thèse est axée sur les données présentant une forte structure le long du génome. C'est le cas des données de nombres de copies d'ADN, mais aussi des données de génotypes. La thèse couvre à la fois le développement de méthodes statistiques, l'implémentation logicielle, et l'application des méthodes développées à des jeux de données réelles. Nous avons, en particulier, étudié des méthodes de segmentation, et de dictionary learning. Toutes les implémentations logiciel de ces méthodes sont librement disponibles sous forme de packages R. / Genomic data from DNA microarray or sequencing technologies have two major characteristics: their high dimension (number of markers larger than the number of observations), and their strong structuration (dependence between markers). Taking into account this structuration, it is a challenging issue for the development of efficient methods.This work is focused on the data with a strong spatial structuration, namely DNA copy number data in tumor samples. We developed statistical models, software implementations and we applied these developments to real data. We explored in particular segmentation models and dictionary learning methods. All the software Implementations of these methods are freely available as R packages.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

Les éléments intégratifs et conjugatifs (ICE) de la famille SXT/R391 sont reconnus pour leur rôle prépondérant dans la propagation de la résistance aux antibiotiques parmi des populations de Gammaproteobactéries, en particulier chez Vibrio cholerae, l’agent pathogène causant le choléra. Ces éléments génétiques autonomes possèdent tous les gènes nécessaires à leur dissémination au sein d’une population bactérienne et s’intègrent normalement dans un site précis du chromosome bactérien. L’activateur SetCD et la machinerie de conjugaison encodée par les ICE permettent non seulement leur transfert conjugatif, mais également la mobilisation d’îlots génomiques, les MGI (mobilizable genomic islands). Lorsque leur transfert est enclenché sans excision au préalable, les MGI et les ICE peuvent mobiliser plusieurs centaines de kb d’ADN chromosomique adjacent à leurs sites d’insertions. Cet ADN mobilisé peut alors recombiner avec le génome de la cellule réceptrice, aboutissant à des remplacements d’allèles. En plus du squelette de gènes conservés de cette famille d’ICE, ces éléments portent une cargaison d’ADN variable qui peut coder pour des fonctions adaptatives potentiellement avantageuses pour l’hôte bactérien. Les ICE SXT/R391 portent également les gènes codant pour un système de recombinaison qui promeut la diversité de la famille en générant des ICE hybrides. Ces éléments mobiles sont extrêmement stables dans les populations bactériennes. Cette stabilité est attribuable à leur intégration au chromosome et à plusieurs composantes qu’ils contiennent, par exemple les systèmes toxine-antitoxine de la cargaison d’ADN variable ou encore le système conservé de partition des éléments excisés. La majorité des gènes portés par les ICE SXT/R391 est contrôlée par leur système de régulation qui se situe au cœur de ce projet doctoral. Ce système de régulation comprend SetR, le répresseur responsable du maintien de l’état quiescent dans lequel l’ICE est intégré au chromosome et est propagé verticalement dans la population bactérienne, c’est-à-dire au rythme de la réplication chromosomique et de la division cellulaire. Lorsque l’ADN bactérien est endommagé, il y a activation de la réponse SOS de réparation de l’ADN par RecA, un facteur de l’hôte, qui induit parallèlement l’autoprotéolyse de SetR, levant ainsi la répression exercée sur les gènes setC et setD. Ces derniers codent pour SetCD, le complexe activateur des ICE SXT/R391 qui active l’expression de la machinerie de conjugaison ainsi que d’autres fonctions codées par ces ICE. Ce projet doctoral a permis l’identification de nouvelles composantes importantes pour la régulation des ICE SXT/R391. Premièrement, nous avons généré par génie génétique plusieurs mutants qui ont permis de caractériser CroS par des essais de transfert conjugatif, de PCR quantitatif en temps réel (qRT-PCR) et d’expression avec le gène rapporteur lacZ. Nous avons déterminé que CroS est un régulateur transcriptionnel qui, avec SetR, constitue un interrupteur génétique permettant l’induction du transfert conjugatif dépendante de RecA. Nous avons également validé par gel à retardement la liaison par SetR et CroS d’un site opérateur additionnel. Des essais β galactosidase ont montré que ce site contribue à la répression des gènes croS, setC et setD. De plus, les résultats de ce projet doctoral ont clarifié certains points concernant la régulation par SetCD. Des essais d’immunoprécipitation de la chromatine couplée à la digestion avec une exonucléase (ChIP-exo) combinés avec le séquençage de l’ARN (RNA-seq) et la détermination des sites +1 d’initiation de la transcription (5’-RACE et extension d’amorces) ont permis d’établir le régulon de SetCD chez les ICE SXT/R391 et chez les MGI qu’ils mobilisent. La nécessité de SetCD dans la cellule réceptrice pour qu’il y ait intégration de l’ICE de manière site-spécifique dans l’extrémité 5’ du gène prfC a été mise en évidence à l’aide de la construction de mutants, d’essais de transfert conjugatif, de buvardage de type Southern, d’électrophorèse en champs pulsés et de PCR en temps réel. Nous avons également observé, grâce à des essais de PCR quantitatif et d’activité β galactosidase, une boucle de rétroaction positive médiée par l’activation de l’excision et de la réplication de l’ICE par SetCD. En somme, ce projet doctoral a mené à une meilleure compréhension des composantes et des mécanismes en scène pour la gouvernance de cette famille d’ICE qui sont, entres autres, d’importants vecteurs de la dissémination des résistances aux antibiotiques.

Les bactéries du genre Streptomyces produisent de nombreux métabolites secondaires, dont certains possèdent des propriétés intéressantes en agriculture et en pharmaceutique. Avec le développement de la génomique, de nombreux outils bioinformatiques de recherche de groupes de gènes du métabolisme secondaire ont été développés au cours de la dernière décennie pour explorer les génomes. Ces outils sont basés sur la recherche de similarité de séquences et de ce fait, les clusters atypiques, constitués de gènes non caractérisés, ne peuvent être détectés par ces approches. L'isolement de tels clusters nécessite donc la mise en œuvre de nouvelles stratégies. La comparaison d’espèces d'Actinomycetes proches a révélé que les îlots génomiques, régions présentes dans un seul génome, sont très souvent enrichis en gènes du métabolisme secondaire. Nous avons participé (en collaboration avec les équipes d’Olivier Lespinet et de Pierre Leblond et Bertrand Aigle) au développement d’un outil, Break Viewer, permettant de localiser les îlots génomiques en comparant des génomes proches de Streptomyces. Cet outil a permis l'identification d'un îlot non détecté par les approches classiques, îlot dont l'étude a montré qu'il contenait un groupe de gènes du métabolisme secondaire. L’étude de ce groupe de gènes a montré qu'il dirige la synthèse de trois composés, le produit majoritaire étant le sphydrofurane. Une analyse fonctionnelle du cluster sphydrofurane a permis de déterminer les gènes impliqués dans la biosynthèse et la régulation de la biosynthèse du sphydrofurane et de proposer un modèle préliminaire pour la biosynthèse de ce métabolite. / Streptomyces are soil-dwelling bacteria that produce numerous secondary metabolites, some of which have interesting properties in agriculture and pharmaceuticals. With the development of genomics, many bioinformatics tools to search genomes for secondary metabolism gene clusters have been developed over the last decade. These tools are based on sequence similarity searches and therefore atypical clusters, consisting of uncharacterized genes, cannot be detected by these approaches. The isolation of such atypical clusters therefore requires the implementation of new strategies.Comparing closely related Actinomycetes species revealed that genomic islands (regions that are present in one genome only), are often enriched in secondary metabolite genes. We participated (in collaboration with the team of Olivier Lespinet and the team of Pierre Leblond and Bertrand Aigle) to the development of a new tool, Break Viewer, to locate genomic islands by comparing the genomes of closely related Streptomyces. This tool allowed the identification of an island, undetected by conventional approaches, island whose study showed that it contained a secondary metabolism gene cluster. The study of this cluster has shown that it directs the synthesis of three compounds, the major product being sphydrofuran. A functional analysis of the sphydrofuran gene cluster allowed us to identify the genes involved in the biosynthesis and regulation of sphydrofuran and to propose a preliminary model for the biosynthesis of this metabolite.

La cryptographie ADN est un domaine nouveau et prometteur pour la sécurité de l'information. C'est une combinaison des solutions classiques de cryptographie avec les avantages du matériel génétique. En effet, il est possible de bénéficier des avantages des systèmes cryptographiques classiques et de les rendre plus efficaces sur certaines méthodes grâce à l’utilisation de l'ADN. Il y a différentes façons d'utiliser l'ADN pour sécuriser le contenu de l'information. Cette thèse propose deux solutions différentes pour utiliser l'ADN dans la cryptographie : sous sa forme biologique ou alors sous forme numérique. D ‘une part, l'ADN biologique peut être utilisé pour le stockage et pour cacher des données à l'intérieur de celui-ci. L'information secrète est placée dans une molécule de l'ADN et caché parmi d'autres molécules d'ADN. D’autre part, les nombres aléatoires peuvent être générés à partir de séquences numériques d'ADN. Ils représentent une solution pour la génération et la transmission des clés OTP (One-Time-Pad) symétriques. La transmission d'une très longue clé de cryptage n'est pas nécessaire, car chaque séquence possède un numéro d'identification unique dans la base de données. Ce numéro, ou une combinaison de ces numéros, peut alors être transmis. Enfin, la sécurité et la compression sont très importantes lors de la transmission et du stockage des données informatiques. Cependant, la plupart des systèmes de cryptage peuvent augmenter la taille des données, ou encore augmenter la complexité calcul. Ces inconvénients peuvent être résolus en combinant la compression de données avec le cryptage dans un seul processus ou en effectuant le cryptage sélectif des données. / DNA cryptography is a new and promising field in information security. It combines classical solutions in cryptography with the strength of the genetic material. By introducing DNA into the common symmetric key cryptography, it is possible to benefit from the advantages of the classical cryptosystems and solve some of its limitations. There are different ways how DNA can be used to secure information content. It is about using the biological medium of DNA for storing and hiding data. Secret information can be placed in microscopic size of DNA and hidden among a great amount of other DNA structures. Biomolecular computation is possible with specially designed DNA structures. Random numbers can be generated from DNA sequences which can be found in genetic databases in digital form. Genetic databases represent a feasible solution to the One-Time-Pad (OTP) symmetric key generation and transmission problem. The one-time use is ensured due to the great variety of the publicly available, very long (thousands of bases) sequences. Transmission of a very long key is not required because each sequence has a unique identification number in the database and this number can be sent instead. Compression along with information security have always been topics of interest because, as technology advances, the amount of data that is desired to be transmitted, stored, or used in real time applications is becoming greater. Some of the encryption schemes can increase the size of the data, or bring unwanted additional computations. These drawbacks can be solved by several techniques to combine compression with encryption in one process or by performing a selective encryption of the data.

Les génomes des cellules cancéreuses subissent de profonds changements tant au niveau de leur structure, qu'au niveau épigénétique. Les tumeurs de sein présentent en particulier des profils d'anomalies génétiques et épigénétiques complexes et hétérogènes. Alors qu'une meilleure compréhension de la dynamique d'apparition des anomalies permettrait de mieux appréhender la complexité des tumeurs, peu d'informations sont disponibles à ce sujet. En effet la plupart des données, ont été, et sont produites à partir de tumeurs primitives ou de lignées cancéreuses établies et ne renseignent pas sur la séquence d'événements qui accompagnent le passage de l'état normal à cancéreux. De ce fait, nous nous sommes intéressés aux étapes précoces de la cancérogenèse. Nos travaux se basent sur l'utilisation d'un modèle de transformation progressive in vitro de cellules épithéliales mammaires primaires (HMEC). Les cellules, transduites de façon séquentielle à l'aide de constructions rétrovirales portant des shARN et différentes combinaisons d'oncogènes, ont été caractérisées à chaque étape au niveau cellulaire et moléculaire (CFH, MeDIP, Micro-array) afin de répondre aux questions suivantes : (1) Quelle est la séquence d'apparition des modifications épigénétiques et structurales au cours de la transformation tumorale ? (2) Les profils d'anomalies génétiques et épigénétiques sont-ils modulés en fonction de la voie oncogénique initialement activée dans la tumeur ? Contrairement aux données de la littérature, nous avons obtenu des cellules transformées grâce à l'expression de seulement deux éléments génétiques définis et non trois. Nos résultats indiquent que l'inactivation de p53 provoque la mise en place d'un terrain favorable à l'acquisition de nouvelles anomalies génomiques mais induit surtout d'importantes modifications du méthylome. De plus nous avons montré que les profils de remaniements génétiques et épigénétiques dépendent de l'oncogène initialement activé. Pour finir, nos résultats indiquent que la nature de l'oncogène initialement activé et responsable de la transformation, conditionne la dynamique de production et de sélection des anomalies et supportent l'hypothèse que l'hétérogénéité du cancer du sein peut être à l'origine de l'activation de voies oncogéniques distinctes. / The genome of cancer cells undergoes profound changes at genetic and epigenetic level. Breast tumors exhibit in particular complex and heterogeneous genetic and epigenetic profiles. While a better understanding of the dynamics of these changes could allow a better understanding of tumor complexity, little information is available on this subject. In fact, most data have been, and are produced from primary tumors or established cancer cell lines and do not provide information on the sequence of events that accompany the transition from normal to cancerous state. Therefore, we have been interested in the early stages of carcinogenesis. To this aim, we have developed a stepwise transformation model of HMECs (human mammary epithelial cell) by sequential transduction of oncogenes and/or shRNA. Each cellular variant have been characterized at the cellular and molecular level (CGH, MeDIP, and Micro-array) in order to answer the following questions (1) what is the sequence of structural and epigenetic changes during malignant transformation? (2) The patterns of genetic and epigenetic abnormalities are they modulated according to the oncogenic pathway initially activated in the tumor? Contrary to the literature data, we have obtained transformed cells with the expression of only two defined genetic elements. Our results indicate that p53 inactivation promotes the acquisition of genomic alteration but mainly induces significant changes at the DNA methylation level. In addition, we have shown that the remodeling of genetic and epigenetic profiles depends on the oncogene initially activated. Finally, our results suggest that the nature of the oncogene initially activated and responible for the transformation affects the dynamics of production and selection of anomalies, and supports the hypothesis that the heterogeneity of breast cancer may be due to activation of different oncogenic pathways.

Comprendre l’émergence des maladies dans les agroécosystèmes nécessite d’étudier l’histoire évolutive des populations bactériennes associées aux plantes. L’objectif de ce travail était de déterminer les évènements évolutifsconduisant à l’émergence des lignées pathogènes ou pathovars dans l’espèce Xanthomonas arboricola. Une analyse de génétique des populations a été menée sur un panel de souches phytopathogènes et commensales et complétée par l’inférence des gains et pertes de facteurs de virulence. Cette espèce possède une structure de population épidémique ; les clones épidémiques ont émergé suite à l’acquisition de facteurs de virulence à partir d’un fond recombinant de souches commensales. Une analyse de génomique des populations et la reconstruction de scénarios de divergence entre ces clones et le réseau de souches recombinantes, a montré la persistance d’un flux de gènes asymétrique entre ces deux groupes, dans le sens souches pathogènes vers souches commensales. Enfin, l’histoire évolutive du principal facteur de virulence des Xanthomonas, le système de sécrétion de type 3, a été retracée au sein du genre, et a montré que celui-ci avait été acquis ancestralement puis perdu dans certaines souches commensales. En conclusion, l’ancêtre commun de X. arboricola possédait des facteurs de virulence et au sein des souches commensales, certaines ont perdu ces facteurs, tandis que d’autres ont conservé le répertoire ancestral. Ces dernières diffèrent peu de certains agents pathogènes, et pourraient représenter un risque pour de nouvelles émergences. Des travaux de génomique fonctionnelle permettraient de valider ces hypothèses. / Deciphering the evolutionary history of bacterial populations associated to plants is necessary to understand diseaseemergence in agroecosystems. The aim of this study is to unveil the evolutionary events responsible for pathogeniclineages or pathovar emergences in Xanthomonas arboricola. This species is composed of both plant pathogenic andcommensal strains Population genetics analyses and gain and loss inferences of virulence factors showed that X. arboricola exhibits an epidemic population structure, within which epidemic clones emerged from a recombinogenic background population following virulence factor acquisition. Population genomics and inference of divergence scenarii between epidemic clones and the network of recombinant strains showed persistence of homologous recombination along divergence of these two groups, with an asymmetric gene flux from pathogenic strains to commensal ones. Finally, evolutionary history of the type three secretion system (T3SS), the main virulence factor in Xanthomonas genus, was studied at genus scale and showed that T3SS was ancestrally acquired and lost in commensal strains. Altogether these analyses allowed us to show that the common ancestor of X.arboricola had virulence factors, and that within commensal strains, some lost these virulence factors whereas others kept the ancestral repertoire. These latter strains have a similar repertoire to that of some pathogenic strains, and could represent a risk for new disease emergence. Functional genomics could allow us to validate these hypotheses.

Les méthodes de recherche de similarités les plus fréquemment utilisées dans le cadre de la génomique sont heuristiques.<br />Elles se basent sur un principe de filtrage du texte qui permet de localiser les régions potentiellement similaires.<br />Dans cette thèse, nous proposons de nouvelles définitions de filtres pour la recherche de similarités sur les séquences génomiques et des algorithmes associés pour mesurer leurs caractéristiques.<br /> Plus précisément, nous avons étudié le modèle des graines espacées, et proposé un algorithme d'évaluation de l'efficacité des graines sur des similarités d'une classe particulière (similarités dites homogènes). Nous avons également développé un algorithme général pour la mesure de l'efficacité des graines, ainsi qu'un nouveau modèle de graine appelé graine sous-ensemble, extension du modèle des graines espacées. Enfin nous donnons, dans le cadre du filtrage sans perte, une extension à l'aide de graines multiples, que nous analysons et appliquons au problème de la conception d'oligonucléotides.<br /> Nous avons réalisé et donnons accès à des outils pour la conception des filtres, ainsi que pour la recherche de similarités.

L'expression de l'information génétique est régulée par des facteurs de transcription. Parmi ces facteurs, le récepteur de la vitamine D (VDR) appartient à la famille des récepteurs nucléaires, activables par la fixation d'un ligand. La forme active de la vitamine D, le Calcitriol, est le ligand naturel du VDR et est impliqué dans de nombreuses fonctions biologiques telles que l'homéostasie du calcium et du phosphate, l'inflammation, la différenciation et la prolifération cellulaires et l'apoptose. Cependant, ses actions intrinsèques génomiques s'accompagnent d'effets hypercalcémiques non-génomiques qui limitent ses applications thérapeutiques. Dans l'objectif de dissocier les actions anti-tumorales du Calcitriol de ses effets hypercalcémiques pour des applications thérapeutiques, le challenge consiste à différencier précisément les acteurs de la voie non-génomique de ceux de la voie génomique. Précédemment, le résidu Leu337 du VDR de poisson-zèbre a été identifié comme jouant un rôle majeur dans l'adaptabilité du domaine de fixation du ligand. Une étude classique de mutagenèse a mis en évidence un résultat surprenant : le mutant VDR Leu337His abolit l'activité génomique du VDR en présence du Calcitriol mais présente une activité transcriptionnelle identique au récepteur sauvage en présence du ligand synthétique à double chaîne latérale Gemini. Mon travail de thèse a consiste à comprendre les bases structurales de cette sélectivité. Les résultats présentés montrent que tout comme les VDR sauvages humain et du poisson-zèbre, les VDR mutés de ces deux espèces se comportent de manière similaire en présence des ligands Calcitriol et Gemini en termes d'affinités de liaison et de transactivation. L'étude structurale a mis en évidence une interaction cruciale pour la stabilisation du ligand naturel. En revanche, la mutation Leu337His a un effet silencieux en présence du Gemini et de deux analogues du Gemini que nous avons étudiés. De plus, les résultats structuraux révèlent que les ligands à deux chaînes latérales sont moins sensibles aux modifications affectant le réseau de contacts entre les résidus de la poche et le ligand. Mes travaux de thèse ont permis d'établir les bases structurales et moléculaires pour la création d'un modèle animal in vivo original (souris génétiquement modifiée exprimant le VDR muté) qui permettra d'éteindre ou d'allumer le VDR nucléaire selon la présence de Calcitriol ou de Gemini, et ainsi de dissocier la voie génomique de la voie non-génomique induite par le Calcitriol. Ce travail de thèse s'inscrit dans une approche pluridisciplinaire, allant de l'atome à l'organisme et l'intégration de l'ensemble des données in vivo permettra une meilleure compréhension de la signalisation induite par l'hormone Calcitriol et le développement de nouveaux traitements hautement spécifiques.

Les génomes peuvent être vus de manière simplifiée comme des suites de gènes, objets codants pour la production de protéines. De la même manière que les caractères physiques des êtres vivants évoluent au cours du temps, les caractères physiques des génomes évoluent également. Il s'agit alors de comprendre cette évolution à travers l'organisation des gènes sur le génome. Le problème peut être abordé sous un angle dynamique où l'on retrace les événements ayant permis les modifications, ou sous un angle statique en observant la localisation et le regroupement des gènes. D'autres part, les gènes nécessitent pour s'exprimer - se transformer en protéine - d'être d'abord transcrits en ARN. Le mécanisme de contrôle de la transcription fait appel, entre autres, à des protéines qui viennent se fixer en amont du gène, sur l'ADN, en reconnaissant de courts motifs. Une tâche récurrente, précédant toute autre analyse, est de trouver les occurrences de ces motifs qui ont la particularité d'être courts et particulièrement dégénérés. Nous retraçons le travail réalisé autour de ces deux problématiques biologiques : l'évolution de la structure des génomes et la localisation des motifs de fixation. Les méthodes mises en œuvre relèvent de l'algorithmique discrète sur les permutations pour la première partie et sur les mots pour la seconde.