En bio-informatique, comprendre comment les molécules d’ADN ont évolué au cours du temps reste un problème ouvert etcomplexe. Des algorithmes ont été proposés pour résoudre ce problème, mais ils se limitent soit à l’évolution d’un caractèredonné (par exemple, un nucléotide précis), ou se focalisent a contrario sur de gros génomes nucléaires (plusieurs milliardsde paires de base), ces derniers ayant connus de multiples événements de recombinaison – le problème étant NP completquand on considère l’ensemble de toutes les opérations possibles sur ces séquences, aucune solution n’existe à l’heureactuelle. Dans cette thèse, nous nous attaquons au problème de reconstruction des séquences ADN ancestrales en nousfocalisant sur des chaînes nucléotidiques de taille intermédiaire, et ayant connu assez peu de recombinaison au coursdu temps : les génomes de chloroplastes. Nous montrons qu’à cette échelle le problème de la reconstruction d’ancêtrespeut être résolu, même quand on considère l’ensemble de tous les génomes chloroplastiques complets actuellementdisponibles. Nous nous concentrons plus précisément sur l’ordre et le contenu ancestral en gènes, ainsi que sur lesproblèmes techniques que cette reconstruction soulève dans le cas des chloroplastes. Nous montrons comment obtenirune prédiction des séquences codantes d’une qualité telle qu’elle permette ladite reconstruction, puis comment obtenir unarbre phylogénétique en accord avec le plus grand nombre possible de gènes, sur lesquels nous pouvons ensuite appuyernotre remontée dans le temps – cette dernière étant en cours de finalisation. Ces méthodes, combinant l’utilisation d’outilsdéjà disponibles (dont la qualité a été évaluée) à du calcul haute performance, de l’intelligence artificielle et de la biostatistique,ont été appliquées à une collection de plus de 450 génomes chloroplastiques. / In Bioinformatics, understanding how DNA molecules have evolved over time remains an open and complex problem.Algorithms have been proposed to solve this problem, but they are limited either to the evolution of a given character (forexample, a specific nucleotide), or conversely focus on large nuclear genomes (several billion base pairs ), the latter havingknown multiple recombination events - the problem is NP complete when you consider the set of all possible operationson these sequences, no solution exists at present. In this thesis, we tackle the problem of reconstruction of ancestral DNAsequences by focusing on the nucleotide chains of intermediate size, and have experienced relatively little recombinationover time: chloroplast genomes. We show that at this level the problem of the reconstruction of ancestors can be resolved,even when you consider the set of all complete chloroplast genomes currently available. We focus specifically on the orderand ancestral gene content, as well as the technical problems this raises reconstruction in the case of chloroplasts. Weshow how to obtain a prediction of the coding sequences of a quality such as to allow said reconstruction and how toobtain a phylogenetic tree in agreement with the largest number of genes, on which we can then support our back in time- the latter being finalized. These methods, combining the use of tools already available (the quality of which has beenassessed) in high performance computing, artificial intelligence and bio-statistics were applied to a collection of more than450 chloroplast genomes.

Vaincre efficacement l’infection par le VIH nécessite non seulement de raffiner davantage les traitements antirétroviraux, mais aussi de déployer des moyens de prévention à large échelle afin de stopper la propagation de la maladie. Il s’agit en effet de pouvoir développer un vaccin préventif ou thérapeutique à large spectre. L’atteindre de cet objectif requiert une meilleure compréhension des événements précoces médiés par les glycoprotéines d'enveloppe des virus transmis/fondateurs du VIH développés durant la primo-infection. Pendant que les efforts de la communauté scientifique se concentrent à trouver ce vaccin, il est également nécessaire de limiter le taux des nouvelles infections dans la population. Les résultats de nos travaux présentés dans cette thèse s’inscrivent dans cette optique de prévention des infections à VIH par l’étude de la dynamique de transmission de la maladie. Le premier volet de nos travaux dont les résultats sont consignés dans ce document et publiés dans le journal « PLOS ONE » (Chapitre III. Article 1) porte le titre : « Identification des nouvelles infections par le VIH-1 en utilisant des mesures de la diversité génétique des séquences de l’enveloppe ». L’objectif de cette étude était d’évaluer et de déterminer quelle méthode moléculaire parmi les mesures de diversité génétique de la séquence de l'enveloppe est capable de définir l’infection par le VIH-1 temporellement (récente versus chronique). Quatre mesures de diversité génétique des séquences virales de courts segments de l’enveloppe du VIH-1 ont été évaluées pour définir l’infection par le VIH-1 temporellement à savoir: le pourcentage de complexité, le pourcentage de diversité, le nombre d’haplotypes et l’entropie de Shannon. Nous avons identifié l'entropie de Shannon comme l'une des meilleures de ces quatre mesures de diversité qui associée à trois courts segments (≤100 paires de bases) de la séquence de l'enveloppe du VIH-1 est capable de prédire efficacement la période récente de l’infection par le VIH-1. L’indice de performance de l’entropie de Shannon (Aire sous la courbe (AUC) des trois segments de l’enveloppe du VIH-1 que sont : (1) région constante C2 segment 1 (C2_1), (2) région constante C2 segment 3 (C2_3) et (3) boucle V3 de la gp120 est respectivement de 0.806, 0.805 et 0.812. La capacité de différencier une infection récente d'une infection ancienne est importante en santé publique. En effet, les personnes nouvellement infectées sont les plus infectieuses et capables de propager rapidement la maladie dans la population. Puisque ces personnes ignorent leur statut sérologique, elles peuvent avoir plus de comportements à risque alors qu’elles ont une charge virale sanguine élevée d’un virus avec une capacité réplicative assez importante (fitness). Pouvoir identifier le plus tôt possible ces individus permettrait de limiter et de prévenir les nouvelles transmissions. Le deuxième volet de nos travaux consignés dans cette thèse (Chapitre III, Article 2) a été publié dans le journal « AIDS Research and Human Retroviruses » avec pour titre : « Analyses phylogénétiques des séquences du gène de l’enveloppe du VIH-1 pour l’évaluation et la construction à court terme des réseaux naissants de la transmission de l’infection par le VIH-1 ». Cette étude a consisté à identifier les liens phylogénétiques ou clusters qui existent entre les séquences virales de l’enveloppe du VIH-1 de patients nouvellement diagnostiqués au Québec. La formation de clusters entre les séquences virales de plusieurs individus pourrait refléter l'appartenance de ces personnes à un même réseau ou chaine de transmission. Ces personnes pourraient aussi partager des caractéristiques ou facteurs de risques communs au groupe. Les résultats de cette étude ont permis d’identifier 15 chaines ou réseaux de transmission mineurs (2-5 individus par réseau) de l’infection par le VIH-1 entre ces individus. Nous avons également évalué et comparé la capacité d’un fragment d’une séquence nucléotidique plus large de l’enveloppe du VIH-1 à celui de la boucle V3 beaucoup plus courte à pouvoir prédire et identifier de façon indépendante les individus qui pourraient être inclus dans un réseau ou grappe de transmission. Les résultats de nos analyses ont démontré une concordance modérée en se basant sur le coefficient kappa (k=0.59) entre les deux fragments de l'enveloppe virale utilisés. L’utilisation des séquences de la boucle V3 a en effet permis de confirmer 66.70% (10/15) des clusters identifiés avec un fragment plus long de la séquence de l’enveloppe du VIH-1. Le nombre de personnes infectées ayant accès aux tests de génotypage qui utilisent les séquences de la V3 pour déterminer le tropisme viral en pratique clinique courante est limité à l’échelle mondiale. Cependant, les séquences de l’enveloppe virale et particulièrement celles de la boucle V3 pourraient facilement être intégrées dans un programme de santé publique là où elles sont disponibles en complément de celles du gène pol (disponibles dans les laboratoires cliniques dans le cadre des tests de résistance aux traitements antirétroviraux) pour l’identification et la surveillance des réseaux de transmission du VIH-1 dans la population. Nous avons inclus les caractéristiques des sujets (données sociodémographiques, cliniques et facteurs de risque) dans un modèle d’analyse de régression logistique avec comme variable réponse (outcome) la formation de clusters de transmission. Les résultats de l'analyse démontrent que dans la population étudiée, l'âge moyen (<38.8 versus ≥38.8 ans) et le sous-type viral (sous type B versus non-B) sont deux facteurs significativement associés à la formation des clusters ou réseaux. L’identification des chaines de transmission du VIH-1 dans un échantillon de la population infectée par le VIH-1 au Québec et les facteurs de risques communs à ces personnes devraient permettre de mieux implanter les stratégies de prévention dans les groupes cibles. Les résultats de la troisième et dernière partie de nos travaux présentée dans cette thèse (Chapitre III, Article 3) ont été publiés dans le Journal « VIRUSES » sous le titre : « Identification de signatures génétiques au niveau de la glycoprotéine de l’enveloppe du VIH-1 associées aux virus transmis/fondateurs et récents de sous-types B ». Cette étude a consisté à identifier des signatures génétiques au niveau des séquences virales de l’enveloppe des premiers variants du VIH-1 appelés virus transmis/fondateurs ou « Transmitted/Founder viruses ». Ces variants constituent ceux qui sont capables d’établir une infection productive au moment de l'infection. Ils sont en effet sélectionnés parmi une multitude de quasi-espèces virales exposées au cours de la transmission du virus. Ils détiennent ainsi toutes les propriétés phénotypiques et ou fonctionnelles nécessaires à l’établissement de l’infection. L’identification de signatures génétiques observées précocement au niveau de la glycoprotéine de l’enveloppe du VIH-1 au cours de l’infection pourrait informer la conception de nouveaux inhibiteurs d’entrée immunologiques ou chimiques, mais aussi servir de repère pour le design d’un vaccin anti-VIH-1. Nos travaux ont permis d’identifier quelques signatures génétiques, mais une consistant en une mutation/substitution de l'Arginine (R) par une Isoleucine (I) associée au virus TF semble être particulièrement prononcée. Cette mutation est localisée à la position 841 (R841I) spécifiquement dans le domaine cytoplasmique de la GP41 notamment dans le segment 1 des peptides lytiques de lentivirus (LLP-1). L’isoleucine est sélectionnée (I) à plus de 33% par les virus TF comparativement aux virus d’infections chroniques (9%) et la différence est statistiquement significative, OR=0.2, 95% IC [0.09, 0.44], P= 0.00001. Le domaine cytoplasmique de la GP41 et spécifiquement le LLP-1 est fortement impliqué dans la réplication virale en intervenant dans le trafic intracellulaire et l’incorporation des glycoprotéines de l'enveloppe dans les virions. Une mutation dans ce domaine pourrait être un mécanisme moléculaire (polymorphisme) nécessaire à l’établissement de la transmission et d’échappement à la réponse immunitaire. / Overcoming HIV infection effectively requires further refinement of antiretroviral therapy as well as intensifying prevention strategies to stop the spread of the disease. It involves the capacity to develop a preventive or therapeutic broad-spectrum vaccine. Reaching this goal requires a better understanding of the acute and early events mediated by HIV founder viruses’ envelope glycoproteins during primary infection. While efforts of the scientific community are focused on finding a preventive vaccine, it is also necessary to limit the rate of new infections in the population. This thesis contributes to the efforts focusing on HIV prevention by studying the transmission dynamics of disease transmission and progression. The first part of my work is detailed in Chapter III and presented in a manuscript published in the journal “PLOS ONE” bears the title: « HIV-1 envelope sequence-based measures for identifying recent infections » (Article 1). The objective of this study was to evaluate and determine which molecular method, among envelope genetic diversity measures, can qualify the current status of HIV-1 infection. Four genetic diversity measures of short segments of HIV-1 envelope sequences were evaluated for their efficacy to characterize infection recency. They included i) the percent complexity, ii) the percent of diversity, iii) the number of haplotypes and iv), the Shannon entropy. We have identified Shannon entropy as the best diversity measure which can effectively predict the recency of HIV-1 infection when associated to three short segments (less than 100 base pairs) of the HIV-1 envelope gp120 C2 segments 1 and 3 and the V3 loop as envelopes sequenced based diversity measure (s) and segments. The performance index of Shannon entropy for these 3 segments: gp120 C2 segment 1; C2 segment 3; V3 loop was 0,806, 0, 0805, and 0,812 respectively. It could serve as a molecular biomarker for identifying new infections in newly diagnosed HIV-1-positive patients. The ability to differentiate recent infections from established (chronic) infections is important for public health. In fact, newly infected people are the most infectious and able to spread the disease quickly in the population. Since these people are usually unaware of their HIV status, they may engage in risky behaviours. This population generally has a high viral load with a relatively high-replicating capacity (fitness) that accelerates HIV-1 forward transmission. Being able to identify these individuals as soon as possible could limit and prevent new transmissions. Our work demonstrated that Shannon entropy measuring of these nucleic sequences can identify new infections. The second part of my work is reported in Chapter III and published in the journal « AIDS Research and Human Retroviruses » entitled: « A short-term assessment of HIV-1 transmission dynamics among newly diagnosed individuals using envelope sequence-based phylogenetic clustering » (Article 2). This study consists of identifying the phylogenetic links or clusters that exist between the viral sequences of the HIV-1 envelope of newly diagnosed patients in Québec. The formation of clusters between the viral sequences of several individuals could reflect the relationship of transmitted viruses between individuals who might share characteristics or commons risk factors. The results of this study identified 15 minor transmission clusters (2-5 individuals per cluster) between study participants. We also assessed and compared the ability of a fragment of a larger nucleotide sequence of the HIV-1 envelope to that of the much shorter V3 loop to independently predict and identify individuals that might be included in a transmission cluster. They demonstrated a moderate agreement based on the kappa coefficient (k= 0.59) between the two fragments of the viral envelope used. The use of the V3 loop sequences indeed confirmed 66.70% (10/15) of the identified clusters with a longer fragment of the HIV-1 envelope sequence. The number of infected individuals accessing genotyping tests that use V3 sequence to determine viral tropism in routine clinical practice is globally limited. However, the sequences of the viral envelope and particularly those of the V3 loop could easily be integrated into a public health program where they could be available in addition to those of the pol genes (available in clinical laboratories for antiretroviral resistance testing). We also included the characteristics of the subjects (sociodemographic, clinical and risk factors) in a logistic regression analysis model with cluster formation as an outcome). The results of the analysis demonstrate that in the study population, the average age (<38.8 versus>38.8 years) and the viral subtype (subtype B versus non-B) are two factors significantly associated with HIV transmission clustering among participants. Underlying HIV-1 transmission chains among HIV-1+ individuals in Québec and identifying the common risk factors should help the efforts to implement better prevention strategies in the target groups. The results of the third and last part of this work reported in this thesis (Chapter III, Article 3), were published in « VIRUSES » journal entitled: « HIV-1 Envelope Glycoprotein Amino Acids Signatures Associated with Clade B Transmitted/Founder and Recent Viruses ». It consists in identifying genetic signatures in the viral envelope sequences of the first HIV-1 variants called Transmitted/Founder (TF) viruses selected during the acute stage of infection. These variants can establish a productive infection at the time of infection in the new host. They are indeed selected among a multitude of viral quasi-species exposed during virus transmission. They may possess molecular and phenotypic properties that may govern their functions of the successful establishment of infection. Identifying such early HIV-1 genetic signatures may inform the design of novel immunologic or chemical inhibitors and serve as a benchmark for designing an effective HIV-1 vaccine. This study identified a few genetic signatures among HIV-1 TF viruses’ envelope amino acid sequences. One of these signatures consisting of a mutation/substitution of an arginine (R) by an isoleucine (I) associated with TF virus seems to be particularly important. This mutation is located at position 841 (R841I) specifically in the cytoplasmic domain of gp41 in segment 1 of lentivirus lytic peptides (LLP-1). The isoleucine is selected at more than 33% by TF viruses compared to chronic infection viruses (9%). The difference of selected amino acid between the two types of infectious viruses is statistically significant, OR = 0.2, 95% CI [0.09, 0.44], p = 0.00001. The cytoplasmic domain of GP41 and specifically the LLP-1 is strongly implicated in viral replication by mediating intracellular trafficking and the envelope incorporation into virions. A mutation in this area may suggest a molecular mechanism (polymorphism) contributing to HIV-1 transmission and/or viral escape from immune response.

Les hydrocarbures aromatiques polycycliques (HAP) sont des composés ubiquitaires issus de la combustion incomplète de matières organiques. Ils sont à l'origine de pollutions de l'environnement, surtout liées à l'exploitation des produits pétroliers, car ce sont des composés toxiques pour les êtres vivants et pour l'homme en particulier. De nombreuses bactéries capables de dégrader les HAP ont été isolées et étudiées, mais celles qui les dégradent in situ sont mal connues, car moins de 5% des bactéries du sol sont cultivables en laboratoire. Le premier objectif de cette étude était d'identifier les bactéries qui dégradent les HAP dans le sol par des méthodes moléculaires indépendantes de la culture. A cette fin, une stratégie de marquage isotopique in situ a été mise en œuvre qui repose sur l'utilisation du phénanthrène, un HAP à trois cycles, dans lequel l'isotope naturel du carbone a été remplacé par le 13C. Cette molécule a été introduite comme traceur dans des microcosmes contenant du sol provenant d'un bassin de rétention des eaux de ruissellement d'autoroute. Les bactéries ayant incorporé le 13C ont ensuite été identifiées par séquençage des gènes d'ARNr 16S amplifiés à partir de l'ADN marqué extrait du sol. Les résultats montrent que des Betaprotéobactéries peu étudiées à ce jour, appartenant aux genres Acidovorax, Rhodoferax, Hydrogenophaga et Thiobacillus, ainsi que des Rhodocyclaceae, étaient les principaux acteurs de la dégradation du phénanthrène. La prépondérance des Betaprotéobactéries a été établie par des mesures de PCR quantitative. Une analyse dynamique de la diversité bactérienne a montré que celle-ci changeait en fonction de la biodisponibilité du phénanthrène. En outre, la diversité d'arène-dioxygénases impliquées dans la dégradation des HAP a été explorée sur le plan phylogénétique et fonctionnel. Nous avons ainsi détecté des séquences nouvelles, pour la plupart apparentées à des dioxygénases de Sphingomonadales et de Burkholderiales. Grâce à la construction et l'expression d'enzymes hybrides, il a été possible, pour la première fois, d'associer une activité catalytique d'oxydation des HAP à des séquences partielles de gènes, amplifiées à partir de l'ADN du sol. Les résultats obtenus et les outils mis au point dans cette étude pourront servir à développer des méthodes de diagnostic et de suivi de biodégradation de polluants, par exemple dans le cadre d'opérations de bioremédiation de sites pollués par les HAP. / Polycyclic aromatic hydrocarbons (PAHs) are ubiquitous compounds produced by incomplete combustion of organic matter. They are a source of environmental pollution, especially associated to oil product exploitation, and represent a threat for living organisms including human beings because of their toxicity. Many bacteria capable of degrading PAHs have been isolated and studied. However, since less than 5% of soil bacteria can be cultivated in the laboratory, bacterial species able to degrade PAHs in situ have been poorly studied. The first goal of this study was to identify bacteria that degrade PAHs in soil using culture-independent molecular methods. To this end, a strategy known a stable isotope probing has been implemented based on the use of phenanthrene, a three rings PAH, in which the natural isotope of carbon was replaced by 13C. This molecule has been introduced as a tracer in microcosms containing soil from a constructed wetlands collecting contaminated water from highway runoff. Bacteria having incorporated the 13C were then identified by 16S rRNA gene sequence analysis after PCR amplification from labeled genomic DNA extracted from soil. The results show that so far little studied Betaproteobacteria, belonging to the genera Acidovorax, Rhodoferax, Hydrogenophaga and Thiobacillus, as well as Rhodocyclaceae, were the key players in phenanthrene degradation. Predominance of Betaprotéobactéries was established thanks to quantitative PCR measurements. A dynamic analysis of bacterial diversity also showed that the community structure of degraders depended on phenanthrene bioavailability. In addition, the phylogenetic diversity of ring-hydroxylating dioxygenases, enzymes involved in the first step of PAH degradation, has been explored. We detected new sequences, mostly related to dioxygenases from Sphingomonadales and Burkholderiales. For the first time, we were able to associate a catalytic activity for oxidation of PAHs to partial gene sequences amplified from soil DNA, by constructing hybrid enzymes and assaying their activity The results obtained and the tools implemented in this study may be used to develop methods for the diagnostic and monitoring of pollutant biodegradation in processes such as bioremediation of PAHs contaminated sites.

Certaines lignées de plantes tendent à rester dans le même biome au cours du temps (conservatisme de biome), tandis que d’autres semblent s’adapter plus facilement à de nouveaux biomes (changements de biome). Les ~396 espèces (14 genres) de la sous-famille des Cercidoideae se retrouvent dans plusieurs biomes à travers le monde, en particulier dans les régions tropicales de l’Amérique du Sud, de l’Asie et de l’Afrique. Ces espèces diffèrent aussi au niveau de leur port, pouvant être des arbres, arbustes, lianes ou herbacées. Après avoir établi une liste révisée d’espèces de la sous-famille, incluant tous les synonymes connus et leurs noms acceptés, des données d’occurrence ont été téléchargées depuis le Global Biodiversity Information Facility (GBIF) et d’autres bases de données d’herbiers. Après avoir nettoyé les données d’occurrences, des cartes de répartition des espèces ont été produites. Ces cartes ont été comparées avec des cartes publiées de biomes tropicaux afin d’attribuer chaque espèce à un biome et à un continent. Les biomes de forêt tropicale humide (179 espèces), de savane (117 espèces), succulent (65 espèces) et tempéré (7 espèces et sous-espèces) ont été identifiés comme importants pour décrire la répartition globale des Cercidoideae, avec plusieurs espèces se trouvant dans plus d’un biome. Après avoir reconstruit une phylogénie calibrée dans le temps, nous avons effectué des estimations de caractères ancestraux afin d’évaluer le nombre et la direction des changements de biome, de port et de continent. Les analyses suggèrent que plusieurs changements de biomes ont eu lieu dans l’histoire évolutive de la sous-famille, les changements du biome succulent à la forêt tropicale humide et de la forêt tropicale humide à la savane étant les plus communs, tandis qu’il n’y avait aucun changement depuis la savane. Sept changements de port ont eu lieu, dont trois qui sont associés à des changements de biome (un est caractéristique du genre Tylosema (Schweinf.) Torre & Hillc., un du genre Lysiphyllum (Benth.) de Wit et un de l’espèce Phanera retusa Benth.). Les analyses montrent aussi que les changements de biomes tendent à avoir lieu au sein d’un même continent et que les dispersions vers de nouveaux continents tendent à se produire au sein d’un même biome. Par contraste avec d’autres sous-familles de légumineuses plus conservées au niveau des biomes, les changements fréquents observés au sein des Cercidoideae suggèrent une capacité d’adaptation à des environnements significativement différents à travers le temps. / Some plant lineages remain within the same biome over time (biome conservatism), whereas others seem to adapt more easily to new biomes (biome shifts). The ~396 species (14 genera) in subfamily Cercidoideae of Leguminosae (Fabaceae) are found in many biomes around the world, particularly in the tropical regions of South America, Asia and Africa, and display a variety of habits/growth forms (small trees, shrubs, lianas and herbs). After establishing an updated expert-verified species list, including all known synonyms and their accepted names, we downloaded and cleaned occurrence records from the Global Biodiversity Information Facility (GBIF) and other herbarium databases to produce species distribution maps. These maps were compared with existing biome maps to attribute species to biomes and continents. Rainforest (179 species), savanna (117 species), succulent (65 species) and temperate (7 species and subspecies) biomes were found to be important in describing the global distribution of Cercidoideae, with many species occurring in multiple biomes. After reconstructing a time-calibrated phylogeny, we performed ancestral state reconstructions to evaluate the number and direction of shifts in biome, habit and continents. Analyses suggest multiple biome shifts throughout the phylogeny, shifts from succulent to rainforest and from rainforest to savanna being the most common, while no shifts were observed from the savanna. Seven shifts in habit occurred, of which at least three were associated with biome shifts (one subtends the genus Tylosema (Schweinf.) Torre & Hillc., one subtends the genus Lysiphyllum (Benth.) de Wit and one occurs in Phanera retusa Benth.). Analyses also show that biome shifts tend to occur within the same continent and that dispersals to new continents tend to occur within the same biome. In contrast to other more biome-conserved legume subfamilies, the frequent shifts observed in Cercidoideae suggest ability for adaptation to significantly different environments through time.

Les toits verts sont des écosystèmes d’une grande importance pour les milieux urbains. Cependant, le microbiome du sol est peu considéré dans l’aménagement de ces habitats, alors qu’il est pourtant à la base de nombreux services écosystémique, dont le cyclage des nutriments et la productivité primaire. Il est donc nécessaire de s’intéresser davantage à l’assemblage de ce microbiome, de manière à éventuellement mieux manipuler ces communautés pour favoriser le maintien des services écosystémiques. Nous avons donc échantillonné le sol 19 toits verts en plus de cinq grands parcs urbains afin d’étudier les communautés bactériennes, fongiques et mycorhiziennes de ces habitats. Contrairement à ce que prédisent les théories classiques en écologie, les communautés microbiennes des sols des toits verts sont abondantes et diversifiées même dans les toits les plus jeunes. De plus ces communautés ne sont pas dominées par des microorganismes reconnus comme étant tolérants au stress. Ainsi, les limites à la dispersion ne semblent pas affecter ces communautés microbiennes isolées. Une grande variation dans les structures des communautés est restée non expliquée, montrant peu d’évidences d’assemblages déterministes. Ce phénomène pourrait être dû à une plus grande importance de déterminants ou processus stochastiques. Nous avons aussi observé ce phénomène chez les champignons mycorhiziens avec une plus grande abondance des espèces fréquentes régionalement et globalement. Cela montre l’importance du pool régional d’espèces pour l’assemblage des communautés des toits verts. Les toits échantillonnés ont des microbiomes uniques aux parcs environnants, avec une faible abondance de certains groupes taxonomiques, comme les Thaumarchaeota (procaryotes nitrificateurs), les actinobactéries (saprotrophes), ou les Gigasporaceae (champignons mycorhiziens produisant un important réseau d’hyphes extraracinaires). Ces profils microbiens uniques pourraient induire des conséquences biogéochimiques importantes sur les processus écosystémiques du sol des toits verts. Les recherches futures devraient évaluer les liens entre la structure du microbiome et les fonctions écosystémiques rendus par les toits verts. / Green roofs are novel ecosystems of great importance for urban environments. However, green roof soil microbiome has received little attention, even though it supports numerous ecosystem services. It is therefore necessary to pay more attention to the green roof soil microbiome assembly and eventually better manipulate it to promote the maintenance of ecosystem services, as nutrient cycling and primary productivity. We sampled 19 green roofs in addition to five large urban parks to study the bacterial, fungal and mycorrhizal communities in these habitats. Contrary to what was expected under classic ecological theories, microbial communities were abundant and diverse, even on the youngest roofs. Moreover, green roofs soils were not dominated by microorganisms known to be particularly stress tolerant. Dispersal limitation did not appear to affect the green roof soil communities. High level of variation in community structure remained unexplained, showing little evidence of deterministic assembly. This phenomenom may be a sign of stochastic assembly in these habitats. It was partly observed for mycorrhizal fungi with greater abundance of regionally and globally frequent species. This suggests the importance of regional species pool for community assembly in green roofs. The sampled roofs showed unique microbiomes, with low abundance of some taxonomic groups, such as the Thaumarchaeota (nytrifying prokaryotes), Actinobacteria (sapotrophs), or Gigasporaceae (mycorrhizal fungi producing an important external hyphae network). This could have important biogeochemical consequences on green roofs. Much insight will be gained from future research looking at the links between microbiome composition and the ecosystem services provided by green roofs.

L’objectif de cette thèse est de fournir un cadre théorique pour l’analyse philosophique des pratiques classificatoires en sciences. La classification, définie comme étant un geste épistémique dont l’objectif est de fournir une description du monde par découpage et discrimination, et par mise en relation des catégories ainsi formées, est un point de rencontre naturel entre philosophie et sciences. La tradition des espèces naturelles, considérée en philosophie des sciences comme la principale approche disponible pour l’analyse des pratiques classificatoires, est toutefois lacunaire. Dans le cadre de cette thèse, je démontre les faiblesses de cette approche et le besoin de mobiliser d’autres ressources épistémologiques pour penser la classification. À cet effet, je m’inspire de travaux en philosophie de la mesure s’inscrivant dans un courant de pensée que j’appelle le cohérentisme historique. Ces approches mettent l’accent sur les pratiques inférentielles et sur la charge théorique des observations en plus d’insister sur le dynamisme scientifique et la multitude de facteurs qui l’influencent (principe de respect, impératif de progrès, développements théoriques, nouveaux outils [mathématiques ou matériels], nouvelles données, histoire du champ disciplinaire, structure sociale de la recherche, etc.). Une fois ce cadre d’analyse épistémologique présenté en détail, je le mobilise pour étudier un ensemble de pratiques classificatoires en sciences, soit les pratiques phylogénétiques contemporaines. La phylogénétique est la discipline biologique qui vise à retracer les liens généalogiques qui unissent les êtres vivants. Les gènes et organismes sont ainsi regroupés au sein d’unités taxonomiques qui sont par la suite mises en relation. Ce champ disciplinaire a longtemps été associé de façon intime et exclusive au modèle arborescent, lui-même associé à la théorie de l’évolution par voie de sélection naturelle : les liens phylogénétiques entre organismes sont généralement représentés sous la forme d’un arbre, soit l’Arbre du vivant. Or, les dernières décennies ont vu émerger, au sein de la discipline, un compétiteur : le modèle réticulé. En analysant les différences et similarités qui lient ces deux types de modèles (modèles arborescents et modèles réseaux), je démontre que la transition d’un modèle à l’autre n’influence que superficiellement la pratique puisque la majorité de ses déterminants demeure inchangée. En bref, cette thèse présente un cadre d’analyse philosophique pour appréhender les pratiques classificatoires en sciences. J’importe des principes et des outils issus de travaux de la philosophie de la mesure afin de développer une philosophie de la classification qui comble les lacunes de la tradition des espèces naturelles. En s’ancrant dans ce que j’appelle le cohérentisme historique, cette thèse contribue non seulement à la bonne compréhension des pratiques classificatoires d’un point de vue épistémologique, mais aussi à la bonne compréhension des pratiques phylogénétiques contemporaines et de l’importante transition qui éloigne cette discipline de son modèle classique, soit l’Arbre du vivant. / The main objective of this dissertation is to offer a philosophical framework for the analysis of scientific classificatory practices. Classification, here defined as an epistemic action that describes the world by breaking down phenomena into categories and by establishing relevant relationships between these categories, is a natural bridge between philosophy and science. The tradition of natural kinds, which is currently the main approach in philosophy of science for analysing classificatory practices, has important shortcomings when it comes to epistemologically analyzing scientific classification. In this dissertation, I highlight these weaknesses and the consequent need to develop a novel framework for tackling classificatory practices. To achieve this, I draw on an existing trend in philosophy of measurement, which I coined historical coherentism. This approach is centered on the analysis of inferential practices and stresses the importance of the theoretical charge of observations. It also focuses on the dynamic nature of scientific fields and on the variety of factors that determine scientific progress (principle of respect, imperative of progress, theoretical developments, mathematical and material innovations, new data, the history of a field of research, the social structure of the scientific community, etc.). After the detailed presentation and exploration of this epistemological framework, I use it to tackle a set of scientific classificatory practices, namely contemporary phylogenetic practices. Phylogenetics is the biological discipline that aims to reconstruct the genealogical relationships uniting living beings. Genes and organisms are grouped into operative taxonomic units, and these units are then connected within a system. Since its inception, phylogenetics has been intimately tied to tree-based models, with these tree-based models themselves tied to the theory of evolution by means of natural selection: the phylogenetic system connecting all living organisms takes the form of a tree, the Tree of Life. In the last few decades, however, an alternative type of models has gained more attention and support within the field: network-based models. Using historical coherentism, I analyze the differences and similarities between the two competing types of models (tree-based models and network-based models) and show that the transition from one to the other only superficially changes phylogenetic practices. Indeed, many factors that constrain these practices remain unchanged whether researchers use tree-based or network-based models. In short, this thesis presents a philosophical framework for the analysis of classificatory practices in sciences. I use various principles and tools imported from the philosophy of measurement to develop a philosophy of classification that covers the weaknesses of the tradition of natural kinds. By anchoring my work in historical coherentism, I contribute not only to our understanding of classificatory practices, from an epistemological perspective, but also to a better understanding of contemporary phylogenetic practices and of the significant transition that leads this discipline away from its classical model, the Tree of Life.

Une réconciliation entre un arbre de gènes et un arbre d’espèces décrit une histoire d’évolution des gènes homologues en termes de duplications et pertes de gènes. Pour inférer une réconciliation pour un arbre de gènes et un arbre d’espèces, la parcimonie est généralement utilisée selon le nombre de duplications et/ou de pertes. Les modèles de réconciliation sont basés sur des critères probabilistes ou combinatoires. Le premier article définit un modèle combinatoire simple et général où les duplications et les pertes sont clairement identifiées et la réconciliation parcimonieuse n’est pas la seule considérée. Une architecture de toutes les réconciliations est définie et des algorithmes efficaces (soit de dénombrement, de génération aléatoire et d’exploration) sont développés pour étudier les propriétés combinatoires de l’espace de toutes les réconciliations ou seulement les plus parcimonieuses. Basée sur le processus classique nommé naissance-et-mort, un algorithme qui calcule la vraisemblance d’une réconciliation a récemment été proposé. Le deuxième article utilise cet algorithme avec les outils combinatoires décrits ci-haut pour calculer efficacement (soit approximativement ou exactement) les probabilités postérieures des réconciliations localisées dans le sous-espace considéré. Basé sur des taux réalistes (selon un modèle probabiliste) de duplication et de perte et sur des données réelles/simulées de familles de champignons, nos résultats suggèrent que la masse probabiliste de toute l’espace des réconciliations est principalement localisée autour des réconciliations parcimonieuses. Dans un contexte d’approximation de la probabilité d’une réconciliation, notre approche est une alternative intéressante face aux méthodes MCMC et peut être meilleure qu’une approche sophistiquée, efficace et exacte pour calculer la probabilité d’une réconciliation donnée. Le problème nommé Gene Tree Parsimony (GTP) est d’inférer un arbre d’espèces qui minimise le nombre de duplications et/ou de pertes pour un ensemble d’arbres de gènes. Basé sur une approche qui explore tout l’espace des arbres d’espèces pour les génomes considérés et un calcul efficace des coûts de réconciliation, le troisième article décrit un algorithme de Branch-and-Bound pour résoudre de façon exacte le problème GTP. Lorsque le nombre de taxa est trop grand, notre algorithme peut facilement considérer des relations prédéfinies entre ensembles de taxa. Nous avons testé notre algorithme sur des familles de gènes de 29 eucaryotes. / A reconciliation between a gene tree and a species tree depicts an evolutionary scenario of the homologous genes in terms of gene duplications and gene losses. To infer such a reconciliation given a gene tree and a species tree, parsimony is generally used according to the number of gene duplications and/or losses. The combinatorial models of reconciliation are based on probabilistic or combinatorial criteria. The first paper defines a simple and more general combinatorial model of reconciliation which clearly identifies duplication and loss events and does not only induce the most parsimonious reconciliation. An architecture of all possible reconciliations is developed together with efficient algorithms (that is counting, randomization, and exploration) to study combinatorial properties of the space of all reconciliations or only the most parsimonious ones. Based on the classical birth-death process, an algorithm that computes the likelihood of a reconciliation has recently been proposed. The second paper uses this algorithm together with the combinatorial tools described above to compute efficiently, either exactly or approximately, the posterior probability of the reconciliations located in the considered subspace. Based on realistic gene duplication and loss rates and on real/simulated datasets of fungal gene families, our results suggest that the probability mass of the whole space of reconciliations is mostly located around the most parsimonious ones. In the context of posterior probability approximation, our approach is a valuable alternative to a MCMC method and can competes against a sophisticated, efficient, and exact computation of the probability of a given reconciliation. The Gene Tree Parsimony (GTP) problem is to infer a species tree that minimizes the number of duplications and/or losses over a set of gene family trees. Based on a new approch that explores the whole species tree space for the considered taxa and an efficient computation of the reconciliation cost, the third paper describes a Branch-and- Bound algorithm that solves exactly the GTP problem. When the considered number of taxa is too large, our algorithm can naturally take into account predefined relationships between sets of taxa. We test our algorithm on a dataset of eukaryotic gene families spanning 29 taxa.

Les champignons mycorhiziens arbusculaires (CMA) sont très répandus dans le sol où ils forment des associations symbiotiques avec la majorité des plantes appelées mycorhizes arbusculaires. Le développement des CMA dépend fortement de la plante hôte, de telle sorte qu'ils ne peuvent vivre à l'état saprotrophique, par conséquent ils sont considérés comme des biotrophes obligatoires. Les CMA forment une lignée évolutive basale des champignons et ils appartiennent au phylum Glomeromycota. Leurs mycélia sont formés d’un réseau d’hyphes cénocytiques dans lesquelles les noyaux et les organites cellulaires peuvent se déplacer librement d’un compartiment à l’autre. Les CMA permettent à la plante hôte de bénéficier d'une meilleure nutrition minérale, grâce au réseau d'hyphes extraradiculaires, qui s'étend au-delà de la zone du sol explorée par les racines. Ces hyphes possèdent une grande capacité d'absorption d’éléments nutritifs qui vont être transportés par ceux-ci jusqu’aux racines. De ce fait, les CMA améliorent la croissance des plantes tout en les protégeant des stresses biotiques et abiotiques. Malgré l’importance des CMA, leurs génétique et évolution demeurent peu connues. Leurs études sont ardues à cause de leur mode de vie qui empêche leur culture en absence des plantes hôtes. En plus leur diversité génétique intra-isolat des génomes nucléaires, complique d’avantage ces études, en particulier le développement des marqueurs moléculaires pour des études biologiques, écologiques ainsi que les fonctions des CMA. C’est pour ces raisons que les génomes mitochondriaux offrent des opportunités et alternatives intéressantes pour étudier les CMA. En effet, les génomes mitochondriaux (mt) publiés à date, ne montrent pas de polymorphismes génétique intra-isolats. Cependant, des exceptions peuvent exister. Pour aller de l’avant avec la génomique mitochondriale, nous avons besoin de générer beaucoup de données de séquençages de l’ADN mitochondrial (ADNmt) afin d’étudier les méchanismes évolutifs, la génétique des population, l’écologie des communautés et la fonction des CMA. Dans ce contexte, l’objectif de mon projet de doctorat consiste à: 1) étudier l’évolution des génomes mt en utilisant l’approche de la génomique comparative au niveau des espèces proches, des isolats ainsi que des espèces phylogénétiquement éloignées chez les CMA; 2) étudier l’hérédité génétique des génomes mt au sein des isolats de l’espèce modèle Rhizophagus irregularis par le biais des anastomoses ; 3) étudier l’organisation des ADNmt et les gènes mt pour le développement des marqueurs moléculaires pour des études phylogénétiques. Nous avons utilisé l’approche dite ‘whole genome shotgun’ en pyroséquençage 454 et Illumina HiSeq pour séquencer plusieurs taxons de CMA sélectionnés selon leur importance et leur disponibilité. Les assemblages de novo, le séquençage conventionnel Sanger, l’annotation et la génomique comparative ont été réalisés pour caractériser des ADNmt complets. Nous avons découvert plusieurs mécanismes évolutifs intéressant chez l’espèce Gigaspora rosea dans laquelle le génome mt est complètement remanié en comparaison avec Rhizophagus irregularis isolat DAOM 197198. En plus nous avons mis en évidence que deux gènes cox1 et rns sont fragmentés en deux morceaux. Nous avons démontré que les ARN transcrits les deux fragments de cox1 se relient entre eux par épissage en trans ‘Trans-splicing’ à l’aide de l’ARN du gene nad5 I3 qui met ensemble les deux ARN cox1.1 et cox1.2 en formant un ARN complet et fonctionnel. Nous avons aussi trouvé une organisation de l’ADNmt très particulière chez l’espèce Rhizophagus sp. Isolat DAOM 213198 dont le génome mt est constitué par deux chromosomes circulaires. En plus nous avons trouvé une quantité considérable des séquences apparentées aux plasmides ‘plasmid-related sequences’ chez les Glomeraceae par rapport aux Gigasporaceae, contribuant ainsi à une évolution rapide des ADNmt chez les Glomeromycota. Nous avons aussi séquencé plusieurs isolats de l’espèces R. irregularis et Rhizophagus sp. pour décortiquer leur position phylogénéque et inférer des relations évolutives entre celles-ci. La comparaison génomique mt nous montré l’existence de plusieurs éléments mobiles comme : des cadres de lecture ‘open reading frames (mORFs)’, des séquences courtes inversées ‘short inverted repeats (SIRs)’, et des séquences apparentées aux plasimdes ‘plasmid-related sequences (dpo)’ qui impactent l’ordre des gènes mt et permettent le remaniement chromosomiques des ADNmt. Tous ces divers mécanismes évolutifs observés au niveau des isolats, nous permettent de développer des marqueurs moléculaires spécifiques à chaque isolat ou espèce de CMA. Les données générées dans mon projet de doctorat ont permis d’avancer les connaissances fondamentales des génomes mitochondriaux non seulement chez les Glomeromycètes, mais aussi de chez le règne des Fungi et les eucaryotes en général. Les trousses moléculaires développées dans ce projet peuvent servir à des études de la génétique des populations, des échanges génétiques et l’écologie des CMA ce qui va contribuer à la compréhension du rôle primorial des CMA en agriculture et environnement. / Arbuscular mycorrhizal fungi (AMF) are the most widespread eukaryotic symbionts, forming mutualistic associations known as Arbuscular Mycorrhizae with the majority of plantroots. AMF are obligate biotrophs belonging to an ancient fungal lineage of phylum Glomeromycota. Their mycelia are formed by a complex network made up of coenocytic hyphae, where nuclei and cell organelles can freely move from one compartment to another. AMF are commonly acknowledged to improve plant growth by enhancing mineral nutrient uptake, in particular phosphate and nitrate, and they confer tolerance to abiotic and biotic stressors for plants. Despite their significant roles in ecosystems, their genetics and evolution are not well understood. Studying AMF is challenging due to their obligate biotrophy, their slow growth, and their limited morphological criteria. In addition, intra-isolate genetic polymorphism of nuclear DNA brings another level of complexity to the investigation of the biology, ecology and function of AMF. Genetic polymorphism of nuclear DNA within a single isolate limits the development of efficient molecular markers mainly at lower taxonomic levels (i.e. the inter-isolate level). Instead, mitochondrial (mt) genomics have been used as an attractive alternative to study AMF. In AMF, mt genomes have been shown to be homogeneous, or at least much less polymorphic than nuclear DNA. However, by generating large mt sequence datasets we can investigate the efficiency and usefulness of developing molecular marker toolkits in order to study the dynamic and evolutionary mechanisms of AMF. This approach also elucidates the population genetics, community ecology and functions of Glomeromycota. Therefore, the objectives of my Ph.D. project were: 1) To investigate mitochondrial genome evolution using comparative mitogenomic analyses of closely related species and isolates as well as phylogenetically distant taxa of AMF; 2) To explore mt genome inheritance among compatible isolates of the model AMF Rhizophagus irregularis through anastomosis formation; and 3) To assess mtDNA and mt genes for marker development and phylogenetic analyses. We used whole genome shotgun, 454 pyrosequencing and HiSeq Illimina to sequence AMF taxa selected according to their importance and availability in our lab collections. De novo assemblies, Sanger sequencing, annotation and comparative genomics were then performed to characterize complete mtDNAs. We discovered interesting evolutionary mechanisms in Gigaspora rosea: 1) we found a fully reshuffled mt genome synteny compared to Rhizaphagus irregularis DAOM 197198; and 2) we discovered the presence of fragmented cox1 and rns genes. We demonstrated that two cox1 transcripts are joined by trans-splicing. We also reported an unusual mtDNA organization in Rhizophagus sp. DAOM 213198, whose mt genome consisted of two circular mtDNAs. In addition, we observed a considerably higher number of mt plasmidrelated sequences in Glomeraceae compared with Gigasporaceae, contributing a mechanism for faster evolution of mtDNA in Glomeromycota. We also sequenced other isolates of R. irregularis and Rhizophagus sp. in order to unravel their evolutionary relationships and to develop molecular toolkits for their discrimination. Comparative mitogenomic analyses of these mtDNAs revealed the occurrence of many mobile elements such as mobile open reading frames (mORFs), short inverted repeats (SIRs), and plasmid-related sequences (dpo) that impact mt genome synteny and mtDNA alteration. All together, these evolutionary mechanisms among closely related AMF isolates give us clues for designing reliable and efficient intra- and inter-specific markers to discriminate closely related AMF taxa and isolates. Data generated in my Ph.D. project advances our knowledge of mitochondrial genomes evolution not only in Glomeromycota, but also in the larger framework of the Fungal kingdom and Eukaryotes in general. Molecular toolkits developed in this project will offer new opportunities to study population genetics, genetic exchanges and ecology of AMF. In turn, this work will contribute to understanding the role of these fungi in nature, with potential applications in both agriculture and environmental protection.

Une taxonomie révisée et une connaissance des limites d’espèces demeurent toujours importantes dans les points chauds en biodiversité comme les Antilles où de nombreuses espèces endémiques sont retrouvées. Des limites d’espèces divergentes impliquent un différent nombre d’espèces retrouvées dans un écosystème, ce qui peut exercer une influence sur les décisions prises face aux enjeux de conservation. Les genres Gesneria et Rhytidophyllum qui forment les principaux représentants de la famille des Gesneriaceae dans les Antilles comprennent plusieurs taxons aux limites d’espèces ambigües et quelques espèces qui ont des sous-espèces reconnues. C’est le cas de Gesneria viridiflora (Decne.) Kuntze qui comprend quatre sous-espèces géographiquement isolées et qui présentent des caractères végétatifs et reproducteurs similaires et variables. Une délimitation d’espèces approfondie de ce complexe d’espèce est effectuée ici à partir d’une approche de taxonomie intégrative considérant des données morphologiques, génétiques et bioclimatiques. Les données morphologiques quantitatives et qualitatives obtenues à partir de spécimens d’herbier sont utilisées pour délimiter des groupes morphologiques à l’aide d’une analyse en coordonnées principales. Ces groupes sont ensuite testés à l’aide de séquences d’ADN de quatre régions nucléaires en utilisant une méthode bayesienne basée sur la théorie de la coalescence. Finalement, les occurrences et les valeurs de variables de température et de précipitation qui y prévalent sont utilisées dans une analyse en composantes principales bioclimatique pour comparer les groupes délimités morphologiquement et génétiquement. Les résultats de l’analyse morphologique multivariée supportent la distinction entre les groupes formés par les sous-espèces actuellement reconnues de G. viridiflora. Les résultats, incluant des données génétiques, suggèrent une distinction jusqu’ici insoupçonnée des populations du Massif de la Hotte au sud-ouest d’Haïti qui sont génétiquement plus rapprochées des populations de Cuba que de celles d’Hispaniola. Bioclimatiquement, les groupes délimités par les analyses morphologiques et génétiques sont distincts. L’approche de taxonomie intégrative a permis de distinguer cinq espèces distinctes plutôt que les quatre sous-espèces acceptées jusqu’à aujourd’hui. Ces espèces sont : G. acrochordonanthe, G. quisqueyana, G. sintenisii, G. sylvicola et G. viridiflora. Une carte de distribution géographique, un tableau de la nouvelle taxonomie applicable et une clé d’identification des espèces sont présentés. La nouvelle taxonomie déterminée dans cette étude démontre un endémisme insoupçonné dans plusieurs régions du point chaud en biodiversité des Antilles et souligne l’importance d’investiguer les limites d’espèces dans les groupes diversifiés comprenant des taxons aux limites d’espèces incomprises. / An accurate taxonomy and knowledge of species limits is of great importance in endemic species-rich biodiversity hotspots like the Caribbean. Indeed, conflicting species limits can alter biodiversity estimates and influence the decisions taken on conservation issues. The genera Gesneria and Rhytidophyllum constitute the main representatives of the Caribbean Gesneriaceae and comprise a few species with unclear boundaries as well as species having several recognized subspecies. Gesneria viridiflora (Decne.) Kuntze is a good example of the latter and consists of four geographically isolated subspecies that possess similar but variable vegetative and reproductive characters. We conducted a thorough investigation of species delimitation in this species complex using an integrative taxonomic approach that includes morphology, genetics and bioclimatic data. Qualitative and quantitative morphological data obtained from herbarium specimens were used to circumscribe morphologically distinct groups using a principal coordinates analysis. These groups were then tested at the genetic level using a Bayesian Phylogenetics and Phylogeography (BPP) species delimitation approach based on four nuclear regions. Bioclimatic multivariate analyses of temperature and precipitation variables obtained from occurrence data were used to compare the groups delimited by morphological and genetic data. The results suggest the presence of five distinct species in this complex. Four of these broadly correspond to the actually defined subspecies: G. quisqueyana, G. sintenisii, G. sylvicola and G. viridiflora. An additional highly endemic species was recognized, G. acrochordonanthe, that consists of the populations found at the Massif de la Hotte in Southwestern Haiti. A distribution map, a table of the new taxonomy and an identification key to the species are provided. The new taxonomy proposed in this study shows an unsuspected species endemism in some regions of the Caribbean biodiversity hotspot and underlines the importance of investigating species boundaries in diversified groups containing taxa with poorly understood boundaries.

Une réconciliation entre un arbre de gènes et un arbre d’espèces décrit une histoire d’évolution des gènes homologues en termes de duplications et pertes de gènes. Pour inférer une réconciliation pour un arbre de gènes et un arbre d’espèces, la parcimonie est généralement utilisée selon le nombre de duplications et/ou de pertes. Les modèles de réconciliation sont basés sur des critères probabilistes ou combinatoires. Le premier article définit un modèle combinatoire simple et général où les duplications et les pertes sont clairement identifiées et la réconciliation parcimonieuse n’est pas la seule considérée. Une architecture de toutes les réconciliations est définie et des algorithmes efficaces (soit de dénombrement, de génération aléatoire et d’exploration) sont développés pour étudier les propriétés combinatoires de l’espace de toutes les réconciliations ou seulement les plus parcimonieuses. Basée sur le processus classique nommé naissance-et-mort, un algorithme qui calcule la vraisemblance d’une réconciliation a récemment été proposé. Le deuxième article utilise cet algorithme avec les outils combinatoires décrits ci-haut pour calculer efficacement (soit approximativement ou exactement) les probabilités postérieures des réconciliations localisées dans le sous-espace considéré. Basé sur des taux réalistes (selon un modèle probabiliste) de duplication et de perte et sur des données réelles/simulées de familles de champignons, nos résultats suggèrent que la masse probabiliste de toute l’espace des réconciliations est principalement localisée autour des réconciliations parcimonieuses. Dans un contexte d’approximation de la probabilité d’une réconciliation, notre approche est une alternative intéressante face aux méthodes MCMC et peut être meilleure qu’une approche sophistiquée, efficace et exacte pour calculer la probabilité d’une réconciliation donnée. Le problème nommé Gene Tree Parsimony (GTP) est d’inférer un arbre d’espèces qui minimise le nombre de duplications et/ou de pertes pour un ensemble d’arbres de gènes. Basé sur une approche qui explore tout l’espace des arbres d’espèces pour les génomes considérés et un calcul efficace des coûts de réconciliation, le troisième article décrit un algorithme de Branch-and-Bound pour résoudre de façon exacte le problème GTP. Lorsque le nombre de taxa est trop grand, notre algorithme peut facilement considérer des relations prédéfinies entre ensembles de taxa. Nous avons testé notre algorithme sur des familles de gènes de 29 eucaryotes. / A reconciliation between a gene tree and a species tree depicts an evolutionary scenario of the homologous genes in terms of gene duplications and gene losses. To infer such a reconciliation given a gene tree and a species tree, parsimony is generally used according to the number of gene duplications and/or losses. The combinatorial models of reconciliation are based on probabilistic or combinatorial criteria. The first paper defines a simple and more general combinatorial model of reconciliation which clearly identifies duplication and loss events and does not only induce the most parsimonious reconciliation. An architecture of all possible reconciliations is developed together with efficient algorithms (that is counting, randomization, and exploration) to study combinatorial properties of the space of all reconciliations or only the most parsimonious ones. Based on the classical birth-death process, an algorithm that computes the likelihood of a reconciliation has recently been proposed. The second paper uses this algorithm together with the combinatorial tools described above to compute efficiently, either exactly or approximately, the posterior probability of the reconciliations located in the considered subspace. Based on realistic gene duplication and loss rates and on real/simulated datasets of fungal gene families, our results suggest that the probability mass of the whole space of reconciliations is mostly located around the most parsimonious ones. In the context of posterior probability approximation, our approach is a valuable alternative to a MCMC method and can competes against a sophisticated, efficient, and exact computation of the probability of a given reconciliation. The Gene Tree Parsimony (GTP) problem is to infer a species tree that minimizes the number of duplications and/or losses over a set of gene family trees. Based on a new approch that explores the whole species tree space for the considered taxa and an efficient computation of the reconciliation cost, the third paper describes a Branch-and- Bound algorithm that solves exactly the GTP problem. When the considered number of taxa is too large, our algorithm can naturally take into account predefined relationships between sets of taxa. We test our algorithm on a dataset of eukaryotic gene families spanning 29 taxa.