Le macrosatellite RNU2 est constitué de répétitions en tandem d'une unité de 6,1 kb. Largement étudié pendant les années 1980 et 1990, il est maintenant oublié des études pan-génomiques du fait de son absence du génome de référence. J'ai dans un premier temps finement caractérisé ce macrosatellite, en réalisant un assemblage in silico de la région génomique, en développant un code-barres pour la technique de peignage moléculaire et en analysant les données du projet 1000 Génomes. J'ai ainsi validé la localisation du locus RNU2 124 kb en amont de BRCA1, et affiné les données de polymorphisme en montrant que le nombre allélique de copies pouvait varier entre 5 et 82 chez 42 individus. J'ai tiré profit de sa localisation au sein d'un large bloc de déséquilibre de liaison pour définir le taux de mutation de ce macrosatellite à l'origine du nombre important d'allèles identifiables au sein de la population générale. Compte tenu de sa proximité avec BRCA1 et de son fort taux de polymorphisme, j'ai étudié le nombre global de copies du CNV dans 2 cohortes de cas de cancer du sein et témoins associés. J'ai montré que le nombre global de copies est significativement plus élevé chez les cas que chez les témoins. Ce travail suggère que le nombre de copies du macrosatellite RNU2 pourrait être impliqué dans la prédisposition génétique au cancer du sein, impliquant ainsi pour la première fois un CNV dans un mécanisme d'inactivation d'un gène de prédisposition au cancer / The RNU2 macrosatellite is composed by tandem repeats of a 6.1 kb-long unit. Extensively studied during the 1980’s and the 1990’s, this locus is now omitted from genome-wide analysis as a result of its absence from the human reference genome. Firstly, I finely characterized this macrosatellite by performing an in silico assembly of this genomic region, by designing a barcode for the molecular combing technique and by analyzing the 1,000 Genomes data. I thus validated the localization of the RNU2 locus 124 kb upstream of BRCA1, and refined the polymorphism data by showing that the allelic copy number ranged from 5 to 82 in 42 individuals. I took advantage of its localization in a large disequilibrium block to determine the mutation rate of this macrosatellite, responsible for the high number of alleles found in the general population. Considering its close proximity to BRCA1 and its high level of polymorphism, I studied the global copy number in 2 cohorts of breast cancer cases and controls. I thus showed that the RNU2 global copy number is significantly higher in breast cancer cases than in controls. My work suggests that the RNU2 macrosatellite copy number could be involved in breast cancer genetic predisposition. This would provide the first example of one inactivating mechanism of a cancer predisposing gene by a macrosatellite

Over half the human genome consists of repetitive sequences. One major class is the tandem repeats (TRs), which are defined by their location in the genome, repeat unit, and copy number. TRs loci that exhibit variant copy numbers are called Variable Number Tandem Repeats (VNTRs). High VNTR mutation rates of approximately 0.0001 per generation make them suitable for forensic studies, and of interest for potential roles in gene regulation and disease. TRs are generally divided into three classes: 1) microsatellites or short tandem repeats (STRs) with patterns <7 bp; 2) minisatellites with patterns of seven to hundreds of base pairs; and 3) macrosatellites with patterns of >100 bp. To date, mini- and macrosatellites have been poorly characterized, mainly due to a lack of computational tools. In this thesis, I utilize a tool, VNTRseek, to identify human minisatellite VNTRs using short-read sequencing data from nearly 2,800 individuals and developed a new computational tool, MaSUD, to identify human macrosatellite VNTRs using data from 2,504 individuals. MaSUD is the first high-throughput tool to genotype macrosatellites using short reads. I identified over 35,000 minisatellite VNTRs and over 4,000 macrosatellite VNTRs, most previously unknown. A small subset in each VNTR class was validated experimentally and in silico. The detected VNTRs were further studied for their effects on gene expression, ability to distinguish human populations, and functional enrichment. Unlike STRs, mini- and macrosatellite VNTRs are enriched in regions with functional importance, e.g., introns, promoters, and transcription factor binding sites. A study of VNTRs across 26 populations shows that minisatellite VNTR genotypes can be used to predict super-populations with >90% accuracy. In addition, genotypes for 195 minisatellite VNTRs and 22 macrosatellite VNTRs were shown to be associated with differential expression in nearby genes (eQTLs). Finally, I developed a computational tool, mlZ, to infer undetected VNTR alleles and to detect false positive predictions. mlZ is applicable to other tools that use read support for predicting short variants. Overall, these studies provide the most comprehensive analysis of mini- and macrosatellites in human populations and will facilitate the application of VNTRs for clinical purposes.

Troisième dystrophie musculaire en terme d’incidence, la dystrophie facio-scapulo-humérale est une maladie qui reste encore énigmatique. Bien qu’elle a été montrée comme associée à la contraction d’un macrosatellite, D4Z4, au niveau du subtélomère 4q35 au début des années 1990, l’origine des modifications observées chez les patients est encore mal connue. C’est pourquoi nous nous sommes intéressés à différents aspects de la pathologie. Tout d’abord, nous avons étudié l’expression des gènes de la région 4q35 ainsi que de gènes impliqués dans la physiologie musculaire chez des fœtus et des adultes porteurs ou non d’une contraction du nombre de D4Z4 et avons ainsi pu mettre en évidence que les dérégulations géniques étaient déjà observable chez les fœtus, faisant de ceux-ci un modèle relevant d’étude de la pathogénèse précoce de la FSHD. Nous nous sommes ensuite intéressés à la régulation épigénétique de deux gènes situés au niveau du locus 4q35 et avons pu observer que des modifications épigénétiques globales pouvaient, ou non, moduler l’expression de ces gènes et ce dépendamment du nombre de répétitions du macrosatellite. Enfin, nous avons analysé la régulation de la région par l’effet de position télomérique et avons remarqué que seuls certains gènes de la région, distants, étaient régulés par ce mécanisme épigénétique. Ces résultats nous ont permis d’avancer un peu plus dans la connaissance de la dystrophie facio-scapulo-humérale et de valider un nouveau modèle d’étude de la pathologie. / Hird more frequently myopathy, the facioscapulohumeral dystrophy is an enigmatic disease. It is associated with the macrosatellite D4Z4 contraction since 90’s but the origin of the modifications observable in patients remains unclear. That’s why, we have focused our work in different aspects of this disease. First of all, we have studied expression of 4q35 and muscular genes in fetuses and adults carrying a contraction of the D4Z4 macrosatellite and shown that the molecular deregulations can be observed since the fetal stage. So, we have validated this model as an interesting model to study the early FSHD pathogenesis. Secondly, we have been interested in epigenetic regulation of two genes located in the 4q35 region and have observed a modulation of their expression in a global epigenetic modulation contest. Those deregulations depend on the number of D4Z4 repeats. Finally, we have analyzed the region regulation by telomere position effect and have noted only some genes are deregulated by this epigenetic mechanism. With those results, we have progressed in the FSHD pathogenesis knowledge and we have validated a new model to study this pathology.

Le macrosatellite RNU2 est constitué de répétitions en tandem d'une unité de 6,1 kb. Largement étudié pendant les années 1980 et 1990, il est maintenant oublié des études pan-génomiques du fait de son absence du génome de référence. J'ai dans un premier temps finement caractérisé ce macrosatellite, en réalisant un assemblage in silico de la région génomique, en développant un code-barres pour la technique de peignage moléculaire et en analysant les données du projet 1000 Génomes. J'ai ainsi validé la localisation du locus RNU2 124 kb en amont de BRCA1, et affiné les données de polymorphisme en montrant que le nombre allélique de copies pouvait varier entre 5 et 82 chez 42 individus. J'ai tiré profit de sa localisation au sein d'un large bloc de déséquilibre de liaison pour définir le taux de mutation de ce macrosatellite à l'origine du nombre important d'allèles identifiables au sein de la population générale. Compte tenu de sa proximité avec BRCA1 et de son fort taux de polymorphisme, j'ai étudié le nombre global de copies du CNV dans 2 cohortes de cas de cancer du sein et témoins associés. J'ai montré que le nombre global de copies est significativement plus élevé chez les cas que chez les témoins. Ce travail suggère que le nombre de copies du macrosatellite RNU2 pourrait être impliqué dans la prédisposition génétique au cancer du sein, impliquant ainsi pour la première fois un CNV dans un mécanisme d'inactivation d'un gène de prédisposition au cancer