Dissertations / Theses on the topic 'Séquençage NGS'

Les nouvelles technologies de séquençage (NTS) offrent de nouvelles opportunités d'explorer les génomes et transcriptomes d'espèces polyploïdes. L'assemblage de transcriptomes et l'identification des copies de gènes dupliqués par allopolyploïdisation (homéologues) constituent cependant un véritable défi C ‘est plus particulièrement le cas dans un contexte de superposition de plusieurs évènements de polyploïdie et en l'absence de génome de référence diploïde. Les Spartines (Poaceae, Chloridoideae) représentent un excellent système pour étudier les conséquences à court terme des évènements d'hybridation et de polyploïdisation. En effet, S. maritima (hexaploïde) s'est hybridée à deux reprises avec S. alterniflora (hexaploïde) suite à son introduction récente en Europe, formant deux hybrides homoploïdes (S. x townsendii et S. x neyrautii). La duplication du génome de S. x townsendii a formé une nouvelle espèce allododécaploïde S. anglica (à la fin du XIXème siècle) qui a depuis envahi les marais salés de plusieurs continents. L'identification des gènes dupliqués au sein de S. anglica et de ses parents est importante pour la compréhension de son succès évolutif. Cependant, leurs niveaux de ploïdie, et l'absence d'espèce diploïde de référence chez les spartines nécessitent le développement d'outils adaptés. Dans ce contexte, nous avons développé et validé différents outils bioinformatiques permettant de détecter des polymorphismes afin d'identifier les différents haplotypes au sein de jeux de données NTS. Ces approches nous ont permis d'étudier l'hétérogénéité des domaines de l'ADN ribosomique 45S de S. maritima. Nous avons mis en évidence la perte de copies homéologues en conséquence de la diploïdisation en cours. Afin de développer les ressources transcriptomiques de ces espèces, cinq nouveaux transcriptomes de référence (110 423 contigs annotés pour les 5 espèces dont 37 867 contigs non-redondants) ont été assemblés et annotés. Les co-alignements des haplotypes parentaux et hybrides/allopolyploïdes nous ont permis d'identifier les homéo-SNPs discriminant les séquences homéologues. De plus, nous avons évalué la divergence entre les copies de gènes, identifié et confirmé les évènements de duplications récents au sein des Spartines. Au cours de cette thèse, nous avons également initié des approches de phylogénomique des spartines, qui permettront de préciser l'origine évolutive des copies dupliquées
Next generation sequencing (NGS) technologies offer new opportunities to explore polyploid genomes and their corresponding transcriptomes. However, transcriptome assemblies and identification of homoeologous gene copies (duplicated by polyploidy) remain challenging, particularly in the context of recurrent polyploidy and the absence of diploid reference parents. Spartina species (Poaceae, Chloridoideae) represent an excellent system to study the short term consequences of hybridization and polyploidization in natural populations. The European S. maritima (hexaploid) hybridized twice with the American S. alterniflora (hexaploid) following its recent introduction to Europe, which resulted in the formation of two homoploid hybrids (S. x townsendii and S. x neyrautii). Whole genome duplication of S. x townsendii resulted in the fertile new allododecaploid S. anglica species (during the 19th century) that has now invaded saltmarshes on several continents. Identification of duplicated genes in S. anglica and its parental species is critical to understand its evolutionary success but their high ploidy levels require the development of adapted tools. In this context, we developed and validated different bioinformatics tools to detect polymorphisms and identify the different haplotypes from NGS datasets. These approaches enabled the study of the heterogeneity of the highly repeated 45S rDNA in S. maritima. In order to develop transcriptomic resources for these species, 5 new reference transcriptomes (110 423 annotated contigs for the 5 species with 37 867 non-redundant contigs) were assembled and annotated. Co-alignments of parental and hybrid/allopolyploid haplotypes allowed the identification of homoeoSNPs discriminating homoelogs. The divergence between duplicated genes was used to identify and confirm the recent duplication events in Spartina. Phylogenomic approaches on Spartina were also initiated in this thesis in the perspective of exploring the evolutionary history of the duplicated copies

Dans les syndromes polymalformatifs, les causes génétiques sont fréquentes, avec un risque éventuel de récidive, à l’origine d’une très forte demande de conseil génétique. La stratégie diagnostique actuelle (examen foetopathologique, cytogénétique et examens ciblés de biologie moléculaire) ne permet un diagnostic étiologique que dans environ un tiers des familles concernées. Depuis la mise en place du séquençage haut débit d’exome (ES), les bases moléculaires de nombreux nouveaux syndromes ont pu être identifiées.Notre objectif a été d’étudier l’apport du ES en solo dans l’identification de nouveaux gènes impliqués dans le développement embryonnaire chez des fœtus atteints de syndromes polymalformatifs non étiquetés après la stratégie diagnostique classique grâce à une stratégie d’analyse de l’ES multiétapes originale.Nous avons réalisé un ES solo chez 95 fœtus polymalformés provenant de 10 centres de diagnostic prénatal en France. L’analyse reposait dans un premier temps sur l’étude des gènes OMIM morbides grâce à des scores bioinformatiques et la présence des variations dans des bases de données, indépendamment du phénotype foetal, puis sur une étape de corrélations génotype-phénotype. Enfin, une analyse recherche basée sur les scores bioinformatiques étendue à l’ensemble de l’ES. La confirmation des variations et leur ségrégation parentale ont été réalisées par séquençage Sanger.L’ES a permis d’identifier une/des variation(s) causale(s) chez 23 fœtus (24%), des variations de signification inconnue (VUS) chez 6 fœtus (6%) et des variations dans des gènes candidats chez 6 fœtus (6%). Parmi les variations causales, la majorité était de transmission autosomique récessive (50%), 42% étaient de survenue sporadique et 4% de transmission autosomique dominante.En conclusion, l’efficacité du ES en solo (stratégie classique et additionnelle) pour identifier de nouveaux gènes du développement est faible, mais il permet d’étendre les spectres phénotypiques de pathologie pédiatrique connues. Une analyse des cas négatif en trio voire en génome est maintenant une piste à explorer
Multiple congenital anomalies (MCA) are often genetic conditions, with a risk of recurrence. The etiologic diagnosis of these conditions in fetuses is mandatory to allow genetic counseling for the future pregnancies. Regarding current diagnostic tests (fetal autopsy, cytogenetic test and targeted molecular tets), the diagnostic rate in MCA fetuses is about 30%, allowing genetic counselling in only one third of families. Exome sequencing (ES) has allowed to identify the molecular basis of many new syndromes.We aimed to assess the contribution of ES solo-based strategy to identify new developmental genes in fetuses presenting with MCA without etiological diagnosis after standard investigations with an original multistep strategy.We performed solo ES in 95 MCA fetuses from 10 prenatal diagnostic centers in France. First, we focused on OMIM related disease genes, with a first step using bioinformatic scores and public databases independently of phenotype, a second step using genotype-phenotype correlation and a third step of research analysis extended to the whole exome. Variant confirmation and parental segregation were done by Sanger sequencing. ES allowed the identification of a causative variants in 23 fetuses (24%), variants of unknown significance (VUS) in 7 fetuses (7%) and variants in new candidate genes in 6 fetuses (6%). Among causative variants, most were from autosomal recessive inheritance (50%), 42% were sporadic and 4% were from autosomal dominant inheritance. The additionnal strategy identified 17/23 causative variants, including 2 new causative variants not identified by the classical approach because of atypical or extreme fetal phenotype, and 2 new VUS. No new candidate gene was identified by this strategy.To conclude, solo ES with classical and additionnal strategy presents a low efficiency to identify new genes implicated in embryonary development but allows the extension of the clinical spectrum of well-known pediatric pathologies to the prenatal period. Trio ES or genome sequencing would be now insteresting strategies to be explored

Le cancer résulte de la prolifération excessive de cellules qui dérivent toutes de la même cellule initiatrice et suivent un processus Darwinien de diversification et de sélection. Ce processus est défini par l'accumulation d'altérations génétiques et épigénétiques dont la caractérisation est un élément majeur pour pouvoir proposer une thérapie ciblant spécifiquement les cellules tumorales. L'avènement des nouvelles technologies de séquençage haut débit permet cette caractérisation à un niveau moléculaire. Cette révolution technologique a entraîné le développement de nombreuses méthodes bioinformatiques. Dans cette thèse, nous nous intéressons particulièrement au développement de nouvelles méthodes computationnelles d'analyse de données de séquençage d'échantillons tumoraux permettant une identification précise d'altérations spécifiques aux tumeurs et une description fine des sous populations tumorales. Dans le premier chapitre, il s'agît d'étudier des méthodes d'identification d'altérations ponctuelles dans le cadre de séquençage ciblé, appliquées à une cohorte de patientes atteintes du cancer du sein. Nous décrivons deux nouvelles méthodes d'analyse, chacune adaptée à une technologie de séquençage, spécifiquement Roche 454 et Pacifique Biosciences.Dans le premier cas, nous avons adapté des approches existantes au cas particulier de séquences de transcrits. Dans le second cas, nous avons été confronté à un bruit de fond élevé entraînant un fort taux de faux positifs lors de l'utilisation d'approches classiques. Nous avons développé une nouvelle méthode, MICADo, basée sur les graphes de De Bruijn et permettant une distinction efficace entre les altérations spécifiques aux patients et les altérations communes à la cohorte, ce qui rend les résultats exploitables dans un contexte clinique. Le second chapitre aborde l'identification d'altérations de nombre de copies. Nous décrivons l'approche mise en place pour leur identification efficace à partir de données de très faible couverture. L'apport principal de ce travail consiste en l'élaboration d'une stratégie d'analyse statistique afin de mettre en évidence des changements locaux et globaux au niveau du génome survenus durant le traitement administré à des patientes atteintes de cancer du sein. Notre méthode repose sur la construction d'un modèle linéaire permettant d'établir des scores de différences entre les échantillons avant et après traitement. Dans le troisième chapitre, nous nous intéressons au problème de reconstruction clonale. Cette problématique récente est actuellement en plein essor, mais manque cependant d'un cadre formel bien établi. Nous proposons d'abord une formalisation du problème de reconstruction clonale. Ensuite nous utilisons ce formalisme afin de mettre en place une méthode basée sur les modèles de mélanges Gaussiens. Cette méthode utilise les altérations ponctuelles et de nombre de copies - comme celles abordées dans les deux chapitres précédents - afin de caractériser et quantifier les différentes populations clonales présentes dans un échantillon tumoral
Cancer results from the excessive proliferation of cells decending from the same founder cell and following a Darwinian process of diversification and selection. This process is defined by the accumulation of genetic and epigenetic alterations whose characterization is a key element for establishing a therapy that would specifically target tumor cells. The advent of new high-throughput sequencing technologies enables this characterization at the molecular level. This technological revolution has led to the development of numerous bioinformatics methods. In this thesis, we are particularly interested in the development of new computational methods for the analysis of sequencing data of tumor samples allowing precise identification of tumor-specific alterations and an accurate description of tumor subpopulations. In the first chapter, we explore methods for identifying single nucleotide alterations in targeted sequencing data and apply them to a cohort of breast cancer patients. We introduce two new methods of analysis, each tailored to a particular sequencing technology, namely Roche 454 and Pacific Biosciences. In the first case, we adapted existing approaches to the particular case of transcript sequencing. In the second case, when using conventional approaches, we were confronted with a high background noise resulting in a high rate of false positives. We have developed a new method, MICADo, based on the De Bruijn graphs and making possible an effective distinction between patient-specific alterations and alterations common to the cohort, which makes the results usable in a clinical context. Second chapter deals with the identification of copy number alterations. We describe the approach put in place for their efficient identification from very low coverage data. The main contribution of this work is the development of a strategy for statistical analysis in order to emphasise local and global changes in the genome that occurred during the treatment administered to patients with breast cancer. Our method is based on the construction of a linear model to establish scores of differences between samples before and after treatment. In the third chapter, we focus on the problem of clonal reconstruction. This problem has recently gathered a lot of interest, but it still lacks a well-established formal framework. We first propose a formalization of the clonal reconstruction problem. Then we use this formalism to put in place a method based on Gaussian mixture models. Our method uses single nucleotide and copy number alterations - such as those discussed in the previous two chapters - to characterize and quantify different clonal populations present in a tumor sample

Le diabète et l’obésité ont atteint de telles proportions dans le monde qu’on parle de pandémie. Les enjeux médicaux et financiers font de ces deux maladies un problème majeur de santé publique. Deux groupes de facteurs contribuent à ces deux maladies : l’environnement, et la génétique sur laquelle cette thèse s’appuie. Ce travail s’est focalisé sur les formes rares et monogéniques qui constituent les formes extrêmes de diabète de type 2 et d’obésité.Ces formes sont loin d’être totalement élucidées. Mon projet s’est concentré sur l’utilisation du séquençage de nouvelle génération (NGS) pour identifier de manière plus optimale, par rapport au séquençage classique de type Sanger, des mutations dans des gènes déjà connus chez de nouveaux patients introduits dans notre cohorte dans une optique de diagnostic. Le deuxième objectif était d’utiliser les techniques de NGS pour découvrir de nouveaux loci, liés à de nouvelles voies de signalisation impliquées dans la physiopathologie du diabète et de l’obésité.La première approche utilise une technique d’enrichissement par hybridation en phase liquide et se focalise sur 34 gènes associés à des formes monogéniques et polygéniques d’obésité. Le criblage a été réalisé sur 201 individus dans 13 familles dont la cause d’obésité est inconnue. Cette approche a mené à l’identification d’une mutation dans un gène connu de l’obésité : PCSK1. Cette mutation est causale, car elle conduit à un codon-stop au début de la protéine et n’est présente que chez des individus obèses. De plus, l’étude fonctionnelle a démontré une inhibition partielle de PC1/3 par la protéine tronquée et un possible impact sur la maturation et la sécrétion de l’enzyme.La deuxième approche se base sur une technique d’amplification par PCR dans des microgouttelettes lipidiques développée par la société Raindance, dont le premier test vise à réidentifier les mutations causales du diabète et/ou de l’obésité chez 40 patients. Cette approche a donné des résultats satisfaisants, car pour une large majorité de patients, les mutations causales ont pu être à nouveau identifiées. Seul un patient n’a pu être reconfirmé à cause des outils bioinformatiques actuels qui restent limités dans la détection des indels complexes. Parmi les 39 patients identifiés, 3 d’entre eux sont potentiellement porteurs de plusieurs mutations causales. Cette technique pourrait être envisagée dans le domaine clinique, car elle permet une approche multigénique en fournissant un diagnostic rapide, moins couteux et qualitativement aussi bon que le séquençage Sanger.La troisième approche met en jeu le séquençage de l’exome entier (WES) chez 4 individus où la famille entière s’est précédemment révélée négative pour tous les gènes connus du diabète. Cette approche a permis la découverte d’un 13e gène du MODY, KCNJ11, et confirme le large spectre phénotypique qui va du diabète néonatal au MODY selon les mutations. La difficulté majeure de cette technique est le filtrage des variants en vue d’aboutir à une seule mutation causale (ou éventuellement plusieurs sur un même gène) pour identifier de nouveaux gènes du MODY. La stratégie utilisée combinait à la fois un filtrage bioinformatique, avec par exemple des filtres sur la coségrégation familiale et sur des bases de SNPs référencés, et un filtrage biologique, avec l’utilisation d’une technique de génotypage haut débit. En conclusion, ce travail a permis de tirer parti des avancées technologiques comme la capture, le séquençage ciblé de masse et le NGS pour élucider et améliorer le criblage des formes monogéniques de diabète et d’obésité. Cette amélioration de la compréhension des mécanismes moléculaires conduira peut-être au développement de meilleurs traitements comme la médecine personnalisée. On espère voir des améliorations directes pour le patient dans un futur proche, par exemple un diagnostic moléculaire plus rapide, plus sûr et plus exhaustif
Diabetes and obesity have reached such proportions worldwide we are talking about pandemic. Both diseases are a major cause of mortality and multiple complications. Medical and financial issues are for both diseases a major public health problem. Two groups of factors contribute to these two diseases: environment, and genetics on which this thesis is based. This work focused on rare and monogenic forms which are extreme forms of type 2 diabetes and obesity.These forms are far from being fully understood. My project focused on the use of next generation sequencing (NGS) to identify more optimally, compared to conventional Sanger sequencing, mutations in already known genes among new patients in our cohort for diagnostic purposes. The second objective was to use NGS to discover new loci associated with new signaling pathways involved in the pathophysiology of diabetes and obesity.The first approach uses a liquid-phase hybridization technique and focuses on 34 genes associated with monogenic and/or polygenic obesity. The screening was carried out on 201 people in 13 families for which the cause of obesity is unknown. This approach led to the identification of a mutation in a known gene of obesity: PCSK1. This mutation is causal because it leads to a stop codon at the beginning of the protein and is present only in obese individuals. Additionally, functional studies have demonstrated partial inhibition of PC1/3 by the truncated protein and the possible impact on the processing and secretion of this enzyme. This study has been published published in the "International Journal of Obesity" newspaper.The second approach is based on a PCR amplification technique in lipid microdroplets developed by Raindance. The first test is to re-identify the causal mutations of diabetes and/or obesity in 40 patients. This approach has yielded satisfactory results because for a large majority of patients, the causative mutations have been identified again. Only one patient was unable to be reconfirmed because current bioinformatics tools are limited in the detection of complex indels. Of the 39 patients identified, 3 of them are potential carriers of several causative mutations. This technique could be considered in the clinical field because it allows a multigene approach by providing a rapid diagnosis, cheaper and with a quality similar to the gold standard Sanger sequencing. For us, the purpose of this technique is a fast and optimal clinical diagnosis in order to identify unsolved cases, which are candidates for exome sequencing. This second study was published in "Diabetes Care" journal.The third approach involves whole exome sequencing (WES) in 4 individuals where the whole family was previously tested negative for all known genes of diabetes. This approach led to the discovery of a thirteen MODY gene, KCNJ11, and confirms the broad phenotypic spectrum that goes from neonatal diabetes to MODY depending on the mutations. The major difficulty with this technique is filtering variants in order to get a single causal mutation (or possibly several on the same gene) to identify new MODY genes. The strategy we used combined both a bioinformatics filter for example with filters on family cosegregation and on SNP databases and a biological filter, with the use of a technique for high-throughput genotyping. This pioneering study in the use of NGS to identify new genes of MODY has been published in "PLoS ONE".In conclusion, this work took advantage of technological advances such as capture, targeted sequencing and NGS to elucidate and to improve the screening of monogenic forms of diabetes and obesity. This improved understanding of the molecular mechanisms may lead to the development of better treatments like personalized medicine. We hope to see direct improvements for patients in the near future, such as a more accurate, faster and more comprehensive molecular

La diffusion du séquençage haut débit (ou NGS pour Next Generation Sequencing) représente un tel changement d’échelle par rapport aux méthodes classiques de séquençage que les indications et l’organisation du diagnostic moléculaire s’en trouvent profondément modifiées. Le NGS permet à la fois de raccourcir le temps d’analyse et de rendu de résultat et d'élargir considérablement le nombre de gènes testés. Il promet donc d’augmenter la proportion de diagnostics posés et de faciliter l'identification de nouveaux variants et de nouveaux gènes impliqués en pathologie. Cependant dans tous les cas, il génère une quantité de données importante, données qui doivent être analysées et interprétées à l’aide d’outils bioinformatiques spécifiques.Dans la première partie de ce travail, les stratégies existantes ainsi que les difficultés et les enjeux du séquençage haut débit pour le diagnostic moléculaire des maladies génétiques sont discutés. Dans la deuxième partie, la mise en place et la validation technique de cette approche diagnostique sont décrites au sein du laboratoire de Génétique Moléculaire de la Timone à Marseille et illustrées par trois exemples concrets de diagnostics moléculaires posés grâce à la technique de séquençage à haut débit. Dans le domaine spécifique des maladies rares, ces nouvelles technologies sont porteuses d’un réel espoir pour les patients atteints de maladie génétique, permettant d'améliorer globalement leur prise en charge et d'accélérer les progrès dans le domaine de la recherche
The diffusion of Next Generation Sequencing (NGS) technologies induces an important change that modifies molecular diagnostics indications and prompts laboratories to re-think their diagnostic strategies, up-to-now based on Sanger sequencing routine. Several high throughput approaches are available from the sequencing of a gene panel, to a whole exome, or even a whole genome. In all cases, a tremendous amount of data are generated, that have to be filtered, interpreted and analyzed by the use of powerful bioinformatics tools.In part 1, existing strategies and the difficulties and challenges of high-throughput sequencing for molecular diagnosis in genetic diseases are discussed. In part 2, the set up and the technical validation of this diagnostic approach in the Molecular Genetics’ Laboratory of the Timone Hospital in Marseille is presented and illustrated by 3 examples of complex diagnostics solved thanks to NGS. NGS promises to shorten significantly the time of analysis and results reporting, and to expand the number of tested genes. It also promises to increase the proportion of positive diagnoses. Finally, the NGS can identify new variants and new genes involved in human pathology, thus will globally improve patient clinical care

5 à 10% des cancers du sein sont héréditaires mais parmi ceux-ci seulement la moitié est expliquée par une altération constitutionnelle d’un gène de prédisposition connu tels que les gènes BRCA1 et BRCA2. L’importante hétérogénéité génétique qui caractérise les famillesBRCAx rend difficile la réalisation d’études familiales groupées et ne permet pas l’identification de nouveaux gènes de prédisposition au cancer du sein selon les méthodes classiques de liaison génétique ou d’association. Les techniques de séquençage de nouvelle génération (NGS) à l’échelle de l’exome ou du génome entier, autorisent en revanche l’étude de familles individuelles à la recherche de mutations constitutionnelles privées mais le nombre considérable de variants génétiques identifiés impose leur tri sur des critères de pathogénicité ou de récurrence. Un autre critère de tri peut être représenté par l’identification de régions candidates définies en fonction de réarrangements génomiques tumoraux communs à plusieurs tumeurs au sein d’une même famille. Le génotypage tumoral par puces SNP (pour single nucleotide polymorphism) permet en effet la détection d’haplotypes conservés dans des régions récurrentes de LOH (pour loss of heterozygosity) communes à plusieurs tumeurs familiales et donc l’identification de régions candidates suspectes d’abriter des mutations germinales dans des gènes de prédisposition au cancer. La combinaison de ces deux approches, génotypage tumoral puis NGS, a été appliquée à une série de 17 familles avec agrégation de cancers du sein pour lesquelles au moins deux échantillons tumoraux étaient disponibles. Aucun nouveau gène de prédisposition au cancer du sein n’a été identifié mais une mutation délétère constitutionnelle du gène ATM a ainsi été retrouvée, associée à une perte de l’allèle sauvage dans les 2 tumeurs d’une famille BRCAx. L’analyse de 17 tumeurs du sein supplémentaires provenant de 10 familles avec agrégation de cancers du sein et mutation constitutionnelle du gène ATM identifiée chez le cas index, a révélé que l’allèle sauvage d’ATM était fréquemment perdu dans ces tumeurs (>80% contre 20% attendu en situation sporadique ; p<0.001). Ce résultat plaide fortement en faveur de l’implication d’ATM dans la carcinogénèse de ces cancers du sein tel un gène suppresseur de tumeur et suggère que les mutations constitutionnelles d’ATM sont impliquées dans des formes familiales de cancer du sein
Hereditary breast cancers (BCs) account for 5-10% of all diagnosed BCs, yet only 50% of such tumors arise in the context of a germline mutation in known tumor suppressor genes such as BRCA1 or BRCA2. The vast genetic heterogeneity which characterizes BRCAx families makes grouped studies impossible to perform. Next generation sequencing (NGS) techniques, however, allow individual families to be studied in order to identify private mutations. Single nucleotide polymorphism (SNP) arrays allow the detection of conserved haplotypes within recurrent regions of loss of heterozygosity, common to several familial tumors, therefore identifying genomic loci likely to harbor a germline mutation in cancer predisposition genes. The combination of both exome sequencing and SNP arrays for a series of 17 familial BC did not allow the identification of a novel BC predisposition gene, but revealed a germline ATM mutation associated with a loss of the wild-type allele in a BRCAx family. The analysis of 17 additional breast tumors from ten BC families in which a germline ATM mutation had been identified revealed a high frequency of wild-type allele loss in these tumors (>80% compared to the 20% expected in sporadic BC; p <0.001). This result argues strongly in favor of the involvement of ATM in the carcinogenesis of these tumors as a tumor suppressor gene and suggests that germline ATM mutations are involved in a subset of familial BC

La capacité de détection des agents pathogènes est un enjeu croissant tant les maladies infectieuses représentent un risque pour la santé animale et humaine. La globalisation des échanges commerciaux et des voyages, l’évolution des pratiques agricoles, les changements climatiques ou encore les migrations de masse sont autant de facteurs bouleversant la biologie des micro-organismes et de fait, leurs capacités d’émergence. Ce manuscrit décrit trois approches complémentaires, basées sur trois techniques innovantes de biologie moléculaire pour la détection d’agents pathogènes et appliquées à trois contextes différents : (i) la recherche d’une liste précise de micro-organismes par PCR quantitative en temps réel en format microfluidique, (ii) la détection sans a priori d’agents infectieux dans un milieu complexe par métagénomique et séquençage Illumina (Miseq) et (iii) le génotypage d’un agent infectieux sans amplification préalable des génomes par NGS (Nouvelles Générations de séquençage) de troisième génération, le MinION d’Oxford Nanopore Technologies. Ces trois études ont permis de montrer l’apport de ces techniques, qui présentent toutes des caractéristiques distinctes, adaptées à différentes applications. Au-delà de l’application de ces techniques au domaine du diagnostic microbiologique, leur utilisation dans le cadre du contrôle des médicaments immunologiques vétérinaires est une perspective prioritaire de ce travail. En effet, les préparations vaccinales vétérinaires sont soumises à l’obligation de recherche d’une liste d’agents pathogènes à exclure mais également à la vérification de l’identité génétique des souches vaccinales. L’accessibilité et les performances exponentielles des nouvelles technologies de PCR et de séquençage ouvrent ainsi des perspectives révolutionnaires dans le domaine du diagnostic et du contrôle microbiologique
Detection of pathogens becomes an increasing challenge, since infectious diseases represent major risks for both human and animal health. Globalization of trade and travels, evolution of farming practices and global climatic changes, as well as mass migrations are impacting the biology of pathogens and their emerging potential. This manuscript describes three approaches, based on three innovative technologies of molecular biology applied to the detection of pathogens in three different settings : (i) detection of a list of pathogens using real-time quantitative PCR on a microfluidic platform, (ii) unbiased detection of pathogens in complex matrix, using metagenomics and Illumina (Miseq) sequencing and (iii) genotyping of pathogens without isolation of PCR-enrichment using a 3rd generation NGS (Next Generation Sequencing) platform MinION from Oxford Nanopore Technologies. The three studies shown the contribution of these techniques, each representing distinctive features, suitable for the respective applications. Beyond application of these techniques to the field of microbial diagnostics, their use for the control of veterinary immunological drugs is a priority of this project. Veterinary vaccines are not only submitted to mandatory detection of listed pathogens to be excluded, but also to validation of the genetic identity of vaccine strains. The exponential availability and performances of new PCR or sequencing technologies open cutting-edge perspectives in the field of microbial diagnostic and control

Les papillomavirus humains (HPV) constituent une famille de petits virus à double brin d’ADN qui ont un tropisme pour les cellules épithéliales de la peau et des muqueuses. Plus de 200 types d’HPV ont été découverts, et classifiés en plusieurs genres taxonomiques en fonction de la constitution de leur séquence ADN. De part le rôle de certains HPV dans les maladies affectant les humains, allant de l’apparition de verrues anogénitales bénignes jusqu’au développement d’un cancer, il est nécessaire de développer des méthodes de détection et de caractérisation de la population d’HPV dans un échantillon d’ADN. Elles sont nécessaires à la clarification du rôle de l’HPV dans les différentes étapes de la progression de la maladie. Cette détection d’HPV lors d’approches ciblées en laboratoire a principalement reposé sur des méthodes de PCR couplées avec du séquençage Sanger. Avec l’introduction des nouvelles technologies de séquençage haut débit (NGS), ces approches peuvent être revisitées afin d’intégrer la puissance de séquençage de ces technologies. Alors que des outils d’analyse in-silico ont été développés pour la recherche de virus, connus ou nouveaux, à partir de données de NGS, aucun outil approprié n’est disponible pour la classification et l’identification de nouvelles séquences virales à partir de données produites par des méthodes de séquençage d’amplicons. Dans cette thèse, la première partie présente cinq nouveaux génomes d’HPV isolés via l’utilisation d’amorces d’amplification dégénérées ciblant le gène L1 à partir d’échantillons de peau humaine. Puis, dans une seconde partie, nous présentons PVAmpliconFinder, un outil d’analyse de données conçu pour identifier et classifier rapidement des séquences connues et potentiellement nouvelles de la famille Papillomaviridae, à partir de données de NGS d’amplicons générées par PCR via l’utilisation d’oligonucleotides dégénérés ciblants les HPV. Enfin, les caractéristiques de PVAmpliconFinder sont présentées, ainsi que plusieurs applications sur des données biologiques obtenues lors du séquençage d’amplicons de spécimens humains. Ces applications ont permis la découverte de nouveaux types d’HPV
Human Papillomaviruses (HPV) are a family of small double-stranded DNA viruses that have a tropism for the mucosal and cutaneous epithelia. More than 200 types of HPV have been discovered so far and are classified into several genera based on their DNA sequence. Due to the role of some HPV types in human disease, ranging from benign anogenital warts to cancer, methods to detect and characterize HPV population in DNA sample have been developed. These detection methods are needed to clarify the implications of HPV at the various stages of the disease. The detection of HPV from targeted wet-lab approaches has traditionally used PCR- based methods coupled with cloning and Sanger sequencing. With the introduction of next generation sequencing (NGS) these approaches can be improved by integrating the sequencing power of NGS. While computational tools have been developed for metagenomic approaches to search for known or novel viruses in NGS data, no appropriate bioinformatic tool has been available for the classification and identification of novel viral sequences from data produced by amplicon-based methods. In this thesis, we initially describe five fully reconstructed novel HPV genomes detected from skin samples after amplification using degenerate L1 primers. Then, is the second part, we present PVAmpliconFinder, a data analysis workflow designed to rapidly identify and classify known and potentially new Papillomaviridae sequences from NGS amplicon sequencing with degenerate PV primers. This thesis describes the features of PVAmpliconFinder and presents several applications using biological data obtained from amplicon sequencing of human specimens, leading to the identification of new HPV types

Les milliers d’espèces de microorganismes présentes dans les océans sont essentiellement connus pour être planctoniques ou benthiques. Moins décrits, de nombreux micro-organismes colonisent également la surface et le tube digestif des macro-organismes marins, formant des communautés appelées microbiomes. Ces microbiomes ont des conséquences cruciales sur la fitness de leur hôte. Les récents progrès en biologie moléculaire ont ouvert la voie à une caractérisation des différentes facettes de sa biodiversité, à la fois taxonomique, phylogénétique, et fonctionnelle. L’objectif de cette thèse est donc de caractériser la biodiversité des microbiomes cutanés des organismes marins, d’identifier ses échelles de variabilité, ses déterminants, et son importance à l’échelle de l’écosystème. Dans un premier temps j’ai mesuré l’efficacité d’indices de biodiversité à détecter des signaux écologiques dans le cas spécifique de communautés microbiennes. Puis, j’ai décrit le microbiome cutané des principaux grands clades d’animaux marins (poissons téléostéens, cétacés et invertébrés de plusieurs classes). J’ai démontré que le microbiome cutané était très différent des communautés présentes dans l’eau environnante. J’ai aussi montré qu’il était variable, à la fois entre individus et entre espèces, mais ne présentait pas de patron de phylosymbiose. Enfin, j’ai évalué la contribution de la diversité des microbiomes cutanés à la diversité de la communauté microbienne globale d’un écosystème corallien. J’ai ainsi démontré que les animaux marins hébergent collectivement une richesse microbienne presque vingt fois supérieure à celle de l’eau les environnant, et 75% de la richesse phylogénétique à l’échelle de l’écosystème. Dans un contexte d’érosion massive de la diversité des macro-organismes marins, ces résultats soulignent la nécessité d’évaluer plus exhaustivement la biodiversité microbienne marine et sa vulnérabilité face aux pressions anthropiques
Oceans contain thousands of microbial species playing crucial roles for the functioning of the marine ecosystem. These microorganisms are present everywhere in the water column. Some microorganisms also colonize the surface and the digestive tract of marine macro-organisms, forming communities called microbiomes. These microbiomes have positive effects for their host’s fitness. The diversity of these marine animal surface microbiome is still largely understudied, despite recent progress in molecular biology that now permits to fully assess its different facets of biodiversity, i.e. taxonomic, phylogenetic and functional. The goal of this thesis is therefore to describe the diversity of the surface microbiome of marine animals, to assess its variability at different levels, as well as its determinants, and the significance of such diversity at the ecosystem’s scale. Firstly, I have assessed the efficiency of various diversity indices to detect ecological signals in the specific case of microbial communities. Secondly, I have described the surface microbiome of major marine animal clades (teleostean fishes, cetaceans and several classes of invertebrates). I found that these microbiomes are highly distinct from the surrounding planktonic communities. I demonstrated that these microbiomes are variable both between individuals from the same species and between species, but do not show a phylosymbiosis pattern. Last, I assessed the contribution of surface microbiomes to the global microbial community at the scale of a coral reef ecosystem. I demonstrated that marine animal surfaces host almost twenty times more microbial species than the water column, and 75% of the phylogenetic richness present in the ecosystem. In a context of massive erosion of marine macroscopic organisms, it is therefore urgent to exhaustively assess marine microbial biodiversity and its vulnerability facing anthropic pressures

Les cultivars de bananiers sont dérivés d'hybridations entre sous-espèces de Musa acuminata (génome A) et pour certains avec l'espèce M. balbisiana (génome B). Ces hybrides présentent une fertilité réduite, des méioses perturbées et de fortes distorsions de ségrégation. Ces caractéristiques attribuées à des réarrangements chromosomiques entre espèces et sous-espèces compliquent les analyses génétiques et les programmes d'amélioration variétale. Au cours de cette thèse, nous avons mis en place et testé de nouvelles approches, basées sur la récente disponibilité d'une séquence de référence du bananier et des technologies de séquençage haut-débit, pour caractériser ces différences de structures chromosomiques et comprendre leur impact sur les ségrégations chromosomiques. Ces approches ont nécessité l'amélioration de la séquence de référence du bananier. Pour cela, des outils ont été développés. Ils sont applicables à d'autres génomes et modulables en fonction des données disponibles. Le nombre de scaffolds a été divisé par 5 et 90% de la séquence est maintenant ancré aux chromosomes. Les scaffolds correspondant au génome mitochondrial ont été identifiés et le génome chloroplastique a été assemblé et annoté. Des données de re-séquençage de l'accession ‘Pahang' et de génotypage dense de sa descendance ont été utilisées pour explorer l'origine des distorsions de ségrégation impliquant les chromosomes 1 et 4. L'ensemble des données (profils de distorsion et de recombinaison, appariements à la méiose, re-séquençage), nous orientent vers l'hypothèse d'une translocation réciproque en orientation inversée, entre régions distales des chromosomes 1 et 4. Le test de nos outils de recherche de variations structurales pour comparer les génomes A et B du bananier, dont les différences de structure sont connues, montre que nos outils détectent directement les signatures de certaines variations structurales mais que pour d'autres il ne détecte que des signatures partielles. Ces dernières peuvent néanmoins être informatives en complément d'autres types d'informations provenant de cartographie génétique et d'analyses cytogénétiques
Banana cultivars are derived from hybridization between Musa acuminata subspecies (A genome) and, for some of them, with the species M. balbisiana (B genome). These hybrids have reduced fertility, disturbed meiosis and strong segregation distortions. These characteristics attributed to chromosomal rearrangements between species and subspecies complicate genetic analyses and breeding programs. In this thesis, we have developed and tested new approaches based on the recent availability of a banana reference genome sequence and high-throughput sequencing technologies, to characterize these differences in chromosomal structures and understand their impact on chromosomal segregation. These approaches needed improvement of the banana reference genome sequence. New bioinformatics tools were developed for this purpose. They are applicable to other genomes and are flexible according to available data. The scaffolds number was divided by 5 and 90% of the assembly is now anchored to the chromosomes. Scaffolds corresponding to the mitochondrial genome were identified and the chloroplast genome was assembled and annotated. Re-sequencing data from the 'Pahang' accession and dense genotyping of its progeny were used to explore the origin of segregation distortion involving chromosomes 1 and 4. Distortion and recombination profiles, chromosomal pairing at meiosis and re-sequencing data direct us to the hypothesis of a reciprocal translocation in inverted orientation between distal portions of chromosomes 1 and 4. We tested our structural variation research tools to compare the A and B genomes of banana, for which structural differences are known. The results showed that our tools detected complete signatures of some structural changes but for others, they only detected partial signatures. The latter can still be informative in addition to other informations derived from genetic mapping and cytogenetic studies

Les entérovirus (EV) sont des Picornavirus (virus nus à génome ARN positif), caractérisés par une grande diversité génétique et antigénique (116 types classés en 4 espèces taxonomiques EV-A à D) et une évolution rapide. Les infections humaines sont très fréquentes, hautement contagieuses à partir des selles et épidémiques. La plupart des infections sont asymptomatiques ou bénignes ; elles peuvent être graves voire mortelles, en particulier chez les jeunes enfants. La poliomyélite, modèle d’infection à EV, est en voie d’éradication grâce aux programmes de vaccination et de surveillance sous l’égide de l’OMS. La détection de poliovirus sauvages dans des pays déclarés exempts de polio depuis plusieurs années et l’émergence récente de plusieurs EV non poliomyélitiques (EV-A71, EV-D68) associés à des manifestations cliniques sévères dans plusieurs régions du monde montrent l’importance de surveiller la circulation des EV dans la population humaine. Le but de la thèse était de rechercher et caractériser les EV dans les eaux usées de l’agglomération de Clermont-Ferrand et de comparer les données à celles de la surveillance clinique pour avoir une image plus complète de la circulation virale dans la population générale. Une méthode de concentration virale à partir des eaux usées prélevées en entrée (eaux usées brutes) et sortie (eaux usées traitées) de station d’épuration a été mise au point, permettant la détection moléculaire des EV et de 6 autres virus entériques humains. La présence de génomes viraux a été détectée dans tous les échantillons d’octobre 2014 à octobre 2015, avec une médiane de 6 virus différents en entrée de station et de 4 virus en sortie. L’analyse phylogénétique des séquences d’EV et des virus des hépatites A et E présents dans les eaux usées et les prélèvements cliniques des patients hospitalisés au CHU de Clermont-Ferrand pendant la même période, a validé l’approche mise en place pour surveiller la circulation communautaire d’un virus entérique. La diversité des EV présents dans les eaux usées brutes a été analysée par séquençage d’amplicons avec une technique haut débit Illumina (metabarcoding). Les résultats montrent la présence d’une grande diversité d’EV et la circulation silencieuse de 25 types (notamment 9 EV-C, dont des séquences de poliovirus 1 vaccinal) dans la population générale. L’analyse phylogénétique des variants intra-typiques a mis en évidence plusieurs profils épidémiques parmi les principaux types ayant circulé pendant la période d’étude. Les données obtenues montrent la faisabilité et la sensibilité de la stratégie développée pour détecter et caractériser les EV présents dans les eaux usées. Ils permettent de discuter la place de la surveillance environnementale dans la surveillance des infections à EV non polio (études épidémiologiques, prévention des épidémies, alertes sanitaires). Surveiller conjointement les virus entériques dans l’environnement et chez les patients permet une meilleure compréhension de leur prévalence. Cette approche globale de la circulation virale et de l’écologie de la santé représente un engagement important de la part des laboratoires et nécessitera une intégration dans des réseaux structurés de collaboration nationales et internationales dépassant la seule surveillance des EV
Enterovirus (EV) are Picornaviruses (non-enveloped, positive-sense RNA viruses), characterized by a large genetic and antigenic diversity (116 types classified within 4 taxonomic species EV-A to D) and rapid evolution. Human infections are frequent, highly contagious from stools and occur as outbreaks. The infections are mainly asymptomatic or benign but severe or fatal cases can be reported in young children. Poliomyelitis is the model EV infection. Combined with clinical and virological surveillance, mass vaccination is closer than ever to achieve the WHO program of the Global Polio Eradication Initiative. However, the detection of wild type polioviruses in polio-free countries and the recent worldwide emergence of non-polio enteroviruses (EV-A71, EV-D68) associated with severe clinical manifestations underscore the importance of surveilling EV circulation in the general population. The aim of the PhD thesis was the detection and identification of EV strains in wastewater treated in the sewage treatment plant at Clermont-Ferrand (France). The viral data were compared with those reported through clinical surveillance to obtain a comprehensive picture of the viral circulation in the local population. A method was developed to concentrate viruses from raw and treated wastewater and molecular assays were used to detect EVs and 6 other human enteric viruses. The viral genomes were detected in all samples from October 2014 to October 2015, with a median of 6 and 4 different viruses in raw and treated wastewater respectively. Phylogenetic analysis of viral sequences (EV, hepatitis A and E viruses) determined in wastewater and reported in patients during the sampling period, showed the efficiency of the method for surveilling enteric viruses in the community. The EV diversity in raw wastewater was analyzed by sequencing of amplicons with the Illumina high throughput technology (metabarcoding). The analysis revealed a large viral diversity and the silent circulation of 25 types not detected from hospital data (in particular 9 EV-C, of which sequences of vaccine poliovirus 1). The phylogenetic analyses of intra-typic variants showed different epidemic patterns in the predominant EV types circulating over the study period. The data demonstrate the feasibility and sensitivity of the strategy developed for the detection and characterization of EV in wastewater and provide a future prospect for the implementation of environmental surveillance of non-polio EV infections in epidemiological studies, epidemic prevention, and for health alert. Combining the surveillance of enteric viruses in the environment and in the clinical setting allows a better understanding of their prevalence. This global approach of virus circulation and ecological health represents an important investment for laboratories, which will require integration in national and international collaboration networks beyond the scope of enterovirus surveillance

Cette étude a pour objet la mise en évidence de traces d'ADN bactérien pathogène dans des échantillons animaux et humains anciens, et ainsi améliorer les connaissances sur l'évolution des maladies au cours du temps. En parallèle, nous avons étudié les phénomènes de dégradation de l'ADN dans le sol sur des cadavres de souris enterrées après avoir été contaminées par des bactéries non pathogènes. Cette étude des processus taphonomiques s'est étalée sur trois ans et a permis de montrer une disparition rapide des bactéries simulantes, remplacé par l'ADN des bactéries du sol, qui colonisent rapidement la dépouille et dégradent tant l'ADN endogène (murin) qu'exogène (bactérien). Cette disparition rapide explique la grande difficulté à mettre en évidence des pathogènes dans des échantillons anciens, à de rares exceptions près. Notre étude n'a pas permis de détecter d'agents pathogènes particuliers dans les échantillons que nous avons étudié, mais nous avons mis en évidence l'intérêt d'analyser certains types de restes pour accéder à une information génétique préservée. Le tartre dentaire indique est un bon indicateur de la flore buccale de l'hôte et les kystes calcifiés assurent une bonne préservation de l'ADN endogène, moins soumis à contamination et digestion par les bactéries de l'environnement. Les kystes présentent en règle générale une teneur en ADN endogène supérieure à tous les autres tissus étudiés
The aim of this study was the identification of pathogenic bacterial DNA traces in ancient animal and human samples, and thus improve knowledge of past diseases that affect humankind over time. In parallel, we studied the DNA degradation phenomena in the soil on the buried corpses of mice after being contaminated by non-pathogenic bacteria. This study of taphonomic processes was spread over three years and has shown a rapid disappearance of simulant bacteria, replaced with the DNA of soil bacteria that colonize the body quickly after burial and degrade both the endogenous DNA (murine) that exogenous (bacteria). This quick degradation can explain the high difficulty to detect and identify bacterial pathogens in old samples, with very few exceptions. Despite the fact in our study we were not able to detect specific pathogens in the samples we have studied, we have shown the interest to analyze certain types of remnants to access preserved and informative genetic data. Dental calculus is a good indicator of the oral flora of the host and calcified cysts ensure good preservation of the endogenous DNA, less subject to contamination and digestion by bacteria from the environment. Cysts generally have an endogenous DNA content higher than all other tissues examined

La maladie à virus Ébola (EBOV) est un enjeu de santé publique majeur puisqu’aucune molécule antivirale ni candidat vaccin n’a reçu d’autorisation de commercialisation. L’ampleur des récentes a montré l’importance de trouver des traitements efficaces. La première partie de cette thèse porte sur le développement d’un modèle d’infection à EBOV chez des primates non-humains. Après l’administration de différentes doses d’EBOV, les paramètres vitaux ainsi que l’évolution du génome viral au cours de l’infection ont été étudiés. Les résultats montrent que l’évolution de la maladie, dans ce modèle, est plus proche de ce qui est observé chez l’homme que les modèles précédemment proposés (les signes cliniques, la détérioration des paramètres biologiques et la mort surviennent plus tardivement). La létalité est de 100%. La variabilité virale est assez faible et la dose d’infection a une influence limitée sur l’évolution de la maladie. La seconde partie porte sur l’utilisation dans ce modèle d’une molécule antivirale, le favipiravir (T-705), administrée à différentes doses (100, 150, 180mg/kg). Les paramètres cliniques, biologiques et la variabilité virale ont été suivis au cours de l’infection. L’administration de la plus forte dose de favipiravir (180 mg/kg) a été associée à la survie de 60% des singes.Les sous populations ayant une fréquence supérieure à 1% étaient significativement plus nombreuses dans le groupe traité que dans le groupe témoin et fournissent des indications sur le mécanisme d’action du favipiravir. Il s’agit d’un analogue du GTP inhibiteur de la polymérase virale qui engendre des mutations conduisant à un mécanisme inhibiteur de type « error catastrophe »
Ebola virus disease (EVD) is a major public health issue due to the lack of antiviral treatment or candidate vaccine receiving market authorisation. The scope of the recent outbreaks (2014-2016 and 2018) has highlighted the urgent need to develop efficient treatments.The first scope of this thesis concerns the implementation of a non-human model (Mauritian Cynomolgus Macaques) of Ebola virus (EBOV-Gabon 2001 strain) infection. Following intramuscular administration of EBOV, vital parameters and viral genomic evolution (consensus mutations and viral quasi species) over the disease course were observed. Results demonstrated that evolution of EVD, in this model, is closer from human than previously described models (clinical, biological parameters deteriorate later, and death occurs later). Lethality is 100%. Viral variability is low and infectious dose has a limited impact on disease course.The second scope would highlight the antiviral efficacy of different favipiravir (T-705) doses (100, 150, 180mg/kg) administrated intravenously in this model. Clinical, biological parameters and viral variability were evaluated during disease course. The highest favipiravir dose administration (180 mg/kg) was associated with 60% of monkeys’ survival.Next generation sequencing of viral quasi species over disease course has given some insights into the Proposed mechanism of action of favipiravir. Viral quasi specie number was increased by five between treated monkeys and negative controls. Favipiravir is a GTP analogue inhibiting viral polymerase which induces C to T and G to A mutations leading to error catastrophe mechanism

Les études préexistantes identifient quatre taxons de base (C. reticulata les mandariniers, C. maxima les pamplemoussiers, C. medica les cédratiers et C. micrantha) à l'origine de l'ensemble des formes cultivées suite à des événements de réticulations. Il en résulte des structures génotypiques complexes, généralement fixées par l'apomixie, fortement hétérozygotes et formées d'une mosaïque de grands fragments chromosomiques d'origines phylogénétiques différentes. La structuration de la variabilité phénotypique suggère que la différenciation initiale des taxons ancestraux est à l'origine d'une part importante de la variabilité utile des agrumes. La connaissance de l'origine des formes cultivées et de leurs structures phylogénomiques est donc indispensable à la bonne gestion des collections et à l'optimisation des programmes d'amélioration génétique. A cette fin, cette thèse explore différentes approches d'analyse de la diversité des génomes. Elle a bénéficié de l'évolution rapide des NGS et propose une utilisation raisonnée des outils disponibles en fonction des questions de recherches. Une analyse plus poussée a été conduite sur les limettiers et citronniers. Le pyroséquençage 454 (Roche) d'amplicons a été utilisé pour décrypter la structure en mosaïque interspécifique du chromosome 2 de 50 variétés à partir d'une information haplotypique multiloci et pour identifier des marqueurs diagnostiques des taxons ancestraux. Ces marqueurs ont permis, en association avec des SSR et indels, d'apporter un nouvel éclairage sur l'origine des limettiers et citronniers, par un génotypage exhaustif des collections Inra/Cirad et Ivia. Enfin, les données de re-séquençage complet Illumina de sept variétés de limettiers et de citronniers comparées à celles de représentants des taxons ancestraux nous ont permis de reconstituer la structure interspécifique de leurs génomes et de schématiser leurs caryotypes phylogénomiques. Les différentes approches ont conduit à des conclusions convergentes. Nos résultats confirment les hypothèses concernant la séquence évolutive à l'origine des bigaradiers (C. aurantium), des orangers (C. sinensis) et des pomelos (C. paradisi) à partir des pools géniques de C. maxima et C. reticulata. Ils mettent en évidence de fréquentes introgressions de C. maxima dans le génome de mandariniers considérées comme représentatifs de C. reticulata. Les contributions relatives de ces deux taxons ancestraux aux génomes de nombreuses variétés de petits agrumes (mandariniers, tangors et tangelos) ont pu être estimées. Les limettiers et citronniers résultent de multiples évènements de réticulation et C. medica est identifié comme parent mâle de la majorité des variétés diploïdes. Deux grands groupes de citronniers, sont différenciés, ceux issus d'hybridations directes C. reticulata × C. medica et ceux impliquant trois taxons ancestraux (C. maxima, C. reticulata et C. medica). Le bigaradier serait le parent femelle à l'origine des citronniers type Lisbonne (C. limon). Les limettiers de type Mexicain (C. aurantifolia) seraient issus d'une hybridation directe C. micrantha × C. medica. Enfin, les limes à gros fruits, triploïdes, ont deux origines. Les types Tahiti résulteraient probablement de la fécondation d'un ovule de citronnier type Lisbonne par un gamète diploïde de limettier type Mexicain. L'autre grand type serait issu d'un backcross entre C. aurantifolia (gamète diploïde) et C. medica. Ces connaissances sur la structure génomique des espèces secondaires permettent d'envisager une reconstruction d'idéotypes à partir du germplasm des taxons ancestraux. Elles ouvrent également la voie à des études de génétique d'association s'appuyant sur la phylogénomique des gènes impliqués dans l'élaboration des caractères de qualité, de résistance et d'adaptation. Enfin, les marqueurs diagnostiques d'espèces développés trouveront de nombreuses applications pour la caractérisation des collections et diverses études de génétiques
Citrus fruit, the most important fruit crop in the world, show a wide phenotypic diversity. Previous studies (molecular markers) identified four ancestral taxa (Citrus reticulata Blanco, mandarins; C. maxima (Burm.) Merr., pummelos; C. medica L., citrons; C. micrantha Wester, papedas) as the ancestors of all cultivated Citrus after reticulate evolutions. As a result, modern citrus varieties have complex and highly heterozygous genotypic structures, generally fixed by apomixis, and formed by a mosaic of large chromosomal fragments of different phylogenetic origins. Furthermore, the structuration of the phenotypic variability suggests that the initial differentiation of the basic taxa is the main source of most of the variability of the useful citrus phenotypic diversity. A thorough knowledge of the origin of cultivated citrus and their phylogenomic structure are essential for the management of biological resources and breeding program optimization. This thesis explores different approaches for analyzing genome diversity in order to identify the phylogenetic origins of the various horticultural citrus groups and to decipher their phylogenomic genome's structures. We focused on limes and lemons. This thesis takes advantage of the rapid evolution of NGS and proposes a rational use of available tools, based on research questions. Roche 454 parallel sequencing of amplicons provides multi-loci haplotype information on 500 base fragments. It was used to decipher the interspecific mosaic structure of chromosome 2 for fifty varieties and to identify ancestral taxa diagnostic SNP markers. The genotyping of all limes and lemons of the Inra/Cirad and Ivia germplasms with these markers, in association with SSR and indel markers, allowed to propose new hypothesis on the origins of limes and lemons. Data from Illumina whole genome re-sequencing of 7 varieties of limes and lemons, compared to those of representatives of the ancestral taxa, allowed to infer the interspecific structure of their genomes and to map out, for the first time, their phylogenomic karyotypes. The different approaches led to similar conclusions. Our results confirm previous hypothesis about the evolutionary steps at the origin of sour orange (C. aurantium), sweet orange (C. sinensis) and grapefruit (C. paradisi) involving C. maxima and C. reticulata gene pools. They highlight frequent introgressions of C. maxima in the genome of mandarin varieties despite the fact they were considered as representative of C. reticulata. We were also able to quantify the relative proportions of these two ancestral taxa in the genome of many varieties of small citrus fruit (mandarin hybrids, tangors and tangelos). Our work on limes and lemons demonstrate that C. medica is the male parent of this varietal group at the diploid level. Two groups of lemons are clearly differentiated: one from direct hybridizations between C. reticulata and C. medica, and one from crosses between hybrids (C. maxima × C. reticulata) and C. medica. Sour orange seems to be the female parent of ‘Eureka' type lemons (C. limon). The ‘Mexican' limes (C. aurantifolia) seems to come from a direct hybridization C. micrantha × C. medica. Finally, triploid big fruit limes have two major origins. The ‘Tahiti' type probably results from an ‘Eureka' type lemon (C. limon) ovule fecundated by a diploid gamete of a ‘Mexican' type lime (C. aurantifolia), while the other type would come from a back-cross between C. aurantifolia (diploid gamete) and C. medica. This new insights in genomic structure of secondary species makes to consider possible a reconstruction of these ideotypes from ancestral taxa germplasm. They also open new ways for association genetic studies based on phylogenomics of genes involved in the development of quality, resistance and adaptation traits. Finally, developed specific taxa diagnostic markers will find many applications for the characterization of collections and further genetic studies

Le développement embryonnaire des membres est un processus complexe dont le mécanisme reste à ce jour imparfaitement connu. Ses anomalies sont des entités très hétérogènes et individuellement rares, mais touchent plus de 1/500 nouveau-nés et une proportion plus élevée de foetus. Elles représentent donc un véritable problème de santé publique, d’où l’importance d’un diagnostic précis. Il peut s’agir d’anomalies uniques ou multiples, isolées ou syndromiques, sporadiques ou familiales. L’étude de larges cohortes de patients porteurs de malformations des membres est un excellent outil qui permet d’identifier des gènes ou éléments régulateurs impliqués dans leur pathologie et par conséquent dans le développement du membre. Dans la majorité des cas, l’événement génétique responsable est une mutation ponctuelle située dans des gènes codant des facteurs de transcription ou dans des régulateurs transcriptionnels. Cependant, des variations du nombre de copies peuvent être également impliquées. Actuellement, de nouvelles technologies d’étude du génome, allant du séquençage haut débit d’un panel de gènes cibles, au séquençage de l’exome complet voire du génome, peuvent permettre d’identifier ces nouvelles cibles. C’est donc grâce à l’apport de ces avancées technologiques que nous avons souhaité étudier le déterminisme moléculaire du développement des membres. Pour ce faire nous avons analysé une très large cohorte de 684 patients, tous porteurs d’une malformation des extrémités, via différents panels de gènes, plus ou moins larges, voire via l’analyse d’exome complet ou d’une CGH pangénomique enrichie. Les résultats de ce travail nous ont permis, d’une part, d’établir un panel de gènes, adapté au laboratoire d’analyse moléculaire, dont l’analyse bioinformatique et le coût sont optimisés, permettant d’identifier les SNVs mais également les CNVs en une seule technique. D’autre part, d’identifier 5 gènes peu ou non décrits en pathologie humaine mais dont le rôle dans le développement des membres semble plus que probable et dont des analyses fonctionnelles, prometteuses, ont débuté pour l’un d’entre eux
Limbs development is a complex process of which mecanism is today only partially known. Embryological development abnormalities of genetic origins are rare entities. Such abnormalities can be unique or multiple, single or syndromic, sporadic or of family origins.The study of large cohorts of patients carrier of limb extremities malformations is an excellent tool that allows an identification of the genes or regulatory elements involved in their pathology and consenquently, in the development of the limb. In most of the cases, the genetic event involved is a point mutation in the genes coding transcriptionnal factor or regulatory sequence. However, variations in the number of copies are also involved.Today, new technologies of genome study, from high through put sequencing of a target genes panel to a whole exome or genome sequencing, can allow an identification of these new targets. It is thank to these technological advances that we decided to study the moleculary determinism of limbs development. To do so, we analyzed a very large cohort of 684 patients, all carriers of a limb malformation, through different genes panels, of different sizes, but also through a whole exome analysis and a pangenomic CGH array.The results of this work allowed us, in the first part, to establish a genes panel, suitable to a molecular analysis laboratory, to the bioinformatic analysis with an optimized cost, and that can identify the SNVs but also the CNVs in only one analysis.On a second part, we managed to identify 5 genes, not yet described in human pathology, which seemed to have a role in limb development. For one of these genes a promising functional analysis has started

La grippe est une infection respiratoire responsable de complications respiratoires ou neurologiques nécessitant une prise en charge rapide et adaptée. L’émergence des technologies de séquençage à haut débit (NGS) permet l’étude des communautés microbiennes résidentes ainsi qu’une étude approfondie du génome des pathogènes impliqués. Cette thèse a pour objectif de caractériser le microbiome respiratoire et la diversité génomique virale des patients infectés par les virus grippaux, en corrélant les données clinicobiologiques recueillies. Après recueil des prélèvements respiratoires d’enfants hospitalisés entre 2010 et 2014, le séquençage de leur microbiome respiratoire a mis en évidence une augmentation de la diversité microbienne ainsi qu’une signature microbienne différentielle entre formes cliniques. Une répartition différentielle de taxons (OTU) permet la prédiction de complications chez les enfants infectés. L’étude d’échantillons respiratoires de patients adultes permettra de compléter la signature prédictive. Après validation des processus analytiques et bioinformatiques par reconstitution artificielles de quasi espèces et recueil de 125 prélèvements cliniques respiratoires, le séquençage du génome entier par NGS des virus grippaux permet de différencier les diversités initiales en fonction de la nature du virus infectant et de la complication. En comparaison du prélèvement initial précoce les échantillons prélevés successivement mettent en évidence une diversification différentielle entre les différents segments des virus grippaux infectant les patients, que ce soit chez les patients immunocompétents ou chez un patient immunodéprimé à l’excrétion prolongé
Influenza is a respiratory infection responsible for respiratory or neurological complications and require rapid and adapted management. The emergence of next-generation sequencing (NGS) allows the study of resident microbial communities as well as an in-depth study of the genome of the pathogens. This thesis aimed to characterize the respiratory microbiome and the viral genomic diversity of influenza virus infected patients, correlating these data to the collected clinical data. After sampling of respiratory specimens from hospitalized children between 2010 and 2014, the sequencing of their respiratory microbiome revealed an increase in microbial diversity and a differential microbial signature between clinical forms. A differential taxon distribution (OTU) allows the prediction of complications in infected children. The study of adult respiratory samples will complete the predictive signature.After validation of the analytical and bioinformatic processes by artificial reconstitution of quasi-species and collection of 125 respiratory clinical specimens, the sequencing of the whole genome by NGS of the influenza viruses allow to differentiate the initial diversities according to the nature of the infecting virus and the complication. Compared to early samples, specimen sampled successively show a differential diversification between the different segments of influenza viruses, whether in immunocompetent patients or in an immunocompromised patient with prolonged excretion

La caractérisation exaustive des variations de l'ADN peut aider à progresser dans de nombreux champs liés à la génomique du cancer. Le séquençage nouvelle génération (NGS en anglais pour Next Generation Sequencing) est actuellement la technique la plus efficace pour déterminer une séquence ADN, du aux faibles coûts et durées des expériences comparé à la méthode de séquençage traditionnelle de Sanger. Cependant, la détection de mutations à partir de données NGS reste encore un problème difficile, en particulier pour les mutations somatiques présentes en très faible abondance comme lorsque l'on essaye d'identifier des mutations sous-clonales d'une tumeur, des mutations dérivées de la tumeur dans l'ADN circulant libre, ou des mutations somatiques dans des tissus normaux. La difficulté principale est de précisement distinguer les vraies mutations des artefacts de séquençage du au fait qu'ils atteignent des niveaux similaires. Dans cette thèse nous avons étudié la nature systématique des erreurs dans les données NGS afin de proposer des méthodologies efficaces capables d'identifier des mutations potentiellement en faible abondance. Dans un premier chapitre, nous decrivons needlestack, un nouvel outil d'appel de variants basé sur la modélisation des erreurs systématiques sur plusieurs échantillons pour extraire des mutations candidates. Dans un deuxième chapitre, nous proposons deux méthodes de filtrage des variants basées sur des résumés statistiques et sur de l'apprentissage automatique, dans le but de d'améliorer la précision de la détection des mutations par l'identification des erreurs non-systématiques. Finalement, dans un dernier chapitre nous appliquons ces approches pour développer des biomarqueurs de détection précoce du cancer en utilisant l'ADN circulant tumoral
Comprehensive characterization of DNA variations can help to progress in multiple cancer genomics fields. Next Generation Sequencing (NGS) is currently the most efficient technique to determine a DNA sequence, due to low experiment cost and time compared to the traditional Sanger sequencing. Nevertheless, detection of mutations from NGS data is still a difficult problem, in particular for somatic mutations present in very low abundance like when trying to identify tumor subclonal mutations, tumor-derived mutations in cell free DNA, or somatic mutations from histological normal tissue. The main difficulty is to precisely distinguish between true mutations from sequencing artifacts as they reach similar levels. In this thesis we have studied the systematic nature of errors in NGS data to propose efficient methodologies in order to accurately identify mutations potentially in low proportion. In a first chapter, we describe needlestack, a new variant caller based on the modelling of systematic errors across multiple samples to extract candidate mutations. In a second chapter, we propose two post-calling variant filtering methods based on new summary statistics and on machine learning, with the aim of boosting the precision of mutation detection through the identification of non-systematic errors. Finally, in a last chapter we apply these approaches to develop cancer early detection biomarkers using circulating tumor DNA

Les cellules cancéreuses sont caractérisées par des altérations de l'ADN causées par des facteurs exogènes, comme l'exposition à des agents environnementaux tels que le tabac ou les UV, ou par des mécanismes endogènes tels que les erreurs de polymérase lors de la réplication de l'ADN. L'analyse des causes et des conséquences de ces altérations permet de mieux comprendre les facteurs et mécanismes à l'origine du développement d'un cancer. Les technologies de séquençages à haut débit offrent l'opportunité d'étudier la nature précise de ces altérations à l'échelle du génome et permettent de révéler des signatures mutationnelles distinctes et spécifiques de cancérigènes, fournissant ainsi des hypothèses sur l'étiologie des cancers.L'objectif de ma thèse a consisté à développer des méthodes et des outils bioinformatiques accessibles et conviviaux permettant de faciliter l'analyse et l'interprétation des signatures mutationnelles à partir de données de séquençage à haut débit. L'application de ces outils et méthodes à des séries originales de tumeurs humaines et de systèmes expérimentaux de mutagénèse et carcinogénèse a permis de mieux caractériser la signature mutationnelle de l'acide aristolochique (AA) ainsi que d'autres cancérigènes d'intérêt
Cellular genomes accumulate alterations following exposures to exogenous factors, like environmental agents such as tobacco smoking or UV, or to endogenous mechanisms such as DNA replication errors. Analysing the causes and consequences of these changes allows a better understanding of the mechanisms underlying cancer development and progression. Next-generation sequencing (NGS) technologies provide the opportunity tostudy the nature of the resulting alterations on a genome-wide scale and started to reveal distinct mutational signatures specific to past carcinogenic exposures providing clues on cancer aetiology.The aim of my thesis was to develop user-friendly bioinformatic tools and methods for facilitating the analysis and interpretation of carcinogen-specific mutational signatures from NGS data. Applying these tools and methods to human tumours and experimental models of mutagenesis led to a better characterisation the mutational signature of aristolochic acid (AA), as well as other carcinogens of interest

Le canard est une espèce d'importance agronomique en France, principalement à travers l'industrie de foie gras, qui représente plus de 75% de la production mondiale. De plus, c'est aussi un modèle important pour l'étude de l'infection par le virus influenza, pour lequel les oiseaux aquatiques sont un réservoir naturel, car porteurs asymptomatiques. Les travaux réalisés lors de la thèse se situent dans le contexte international de l'étude du génome du canard, comportant la séquence du génome, le séquençage d'EST et l'identification et la cartographie de SNP. Le but à terme pour l'INRA étant de disposer des connaissances sur le génome nécessaires pour la cartographie fine de QTL et l'identification de gènes impliqués dans l'expression de caractères agronomiques. Un panel de 90 d'hybrides irradiés (panel RH) a été réalisé par fusion de cellules donneuses de canard irradiées avec des cellules receveuses de hamster. Afin d'éviter la culture à grande échelle des clones cellulaires, des méthodes de génotypage par PCR utilisant l'amplification complète du génome (WGA) et/ou la réduction des volumes réactionnels ont été testées et deux premières cartes de chromosomes ont ainsi été réalisées. Nous avons également utilisé le génotypage par PCR pour vérifier la qualité de l'assemblage des scaffolds du génome du canard, réalisés par séquençage nouvelle génération Illumina au Beijing Genome Institute (BGI, Chine). Finalement, afin de couvrir le génome complet, nous avons entrepris un séquençage léger (0,1X de profondeur) d'hybrides, permettant une réalisation de cartes plus rapides que par PCR. Ces cartes permettent la détection des réarrangements chromosomiques existant entre les génomes de la poule et du canard, qui sont distants de 80 millions d'années
Duck is a very important agronomic species in France, especially for fatty liver industry which presents 75% worldwide production. Moreover, duck is also a scientific model for avian influenza research as it is a natural reservoir for avian influenza viruses. The work presented here is part of the international collaboration on duck genome sequencing, including SNP detection and mapping, EST sequencing. Our goal is to provide a genome map allowing for fine mapping QTL and identifying candidate genes involved in expression of agronomic traits. A panel composed of 90 radiation hybrids was produced by fusing irradiated duck donor cells with hamster cells. To avoid large-scale culture of the clones, PCR genotyping involving Whole Genome Amplification (WGA) and/or reduction of reaction volumes were tested and two first maps for duck chromosomes were made. We also used the PCR genotyping method to test for the quality of duck sequence scaffold assemblies, which had been produced by the Beijing Genome Institute (BGI, China). Finally, to cover the whole genome, we performed a low-pass sequencing (0. 1X depth) of hybrids, allowing for rapid map development. These maps allow the detection of chromosomal rearrangements that have taken place between the duck and chicken genomes, which have diverged 80 million years ago

De par leur originalité, certains organismes de la faune hydrothermale ont été classés dans des nouveaux groupes taxonomiques de haut rang. De précédentes études moléculaires ont permis d’en réassigner certains dans des lignées connues, occasionnant parfois d’importantes réductions de rangs taxonomiques. Par ailleurs, en phylogénie moléculaire, il est difficile d’optimiser à la fois l’échantillonnage taxonomique et le nombre de marqueurs. Cette thèse illustre cette limitation, mais fournit des avancées sur la compréhension de l’origine et l’évolution de trois groupes hydrothermaux. Chez les vers Polynoidae, l’approche multigène appliquée sur un grand nombre d’espèces suggère au moins deux événements de colonisation de ce milieu. Toutefois, le manque de résolution des marqueurs pour les nœuds profonds entrave la compréhension de l’histoire de ces colonisations. Une limitation similaire avait empêché de replacer les familles de crevettes Alvinocarididae et de crabes Bythograeidae dans leur infra-ordre respectifs (Caridea et Brachyura). Deux approches de recherche et d’identification de marqueurs sont donc testées pour ces groupes. La première, basée sur le séquençage de génome mitochondrial (facilement généralisable), résout les relations profondes des Brachyura et place les espèces de Bythograeidae disponibles proches des Xanthidae. La seconde, basée sur le séquençage de transcriptomes permet d’identifier des marqueurs suffisamment conservés pour résoudre les relations inter-familles chez les Caridea. Cette approche est moins généralisable, mais les marqueurs identifiés pourront a posteriori être recherchés dans un échantillonnage large par capture à l’aide de sonde
The originality of the hydrothermal vents fauna led to the classification of some organisms under new high taxonomic ranks. However, previous molecular studies reassigned them to known lineages, leading to major reductions in such ranking. Classically in phylogenetic studies, optimizing both taxonomic sampling and molecular markers is challenging. This Ph.D project illustrates this limitation, but still provides breakthroughs in the understanding of the origin and evolution of three hydrothermal taxa. In Polynoidae worms, the multigenic approach, led on a large taxonomic and ecological sampling, indicates at least two colonization events of hydrothermal vents. However, the limited resolution of these markers for deep nodes prevented the clear understanding of such events. A similar limitation was previously encountered for Alvinocarididae shrimp and Bythograeidae crabs families in their respective infra-orders (Caridea and Brachyura). Here, two approaches aiming to search and identify markers were tested on these groups. The first one, based on the sequencing of the mitochondrial genome (easily generalizable), resolves deep nodes in Brachyura, and places the available Bythograeidae species near the Xanthidae. The second, based on transcriptome sequencing, allows the identification of molecular markers conserved enough to resolve inter-familial relationships in Caridea. Although this approach is less generalizable, the identified markers could be targeted a posteriori on a wide taxonomic scale using marker-specific probes

Mycobacterium tuberculosis, la bactérie causant la tuberculose, est un pathogène d'importance majeure à l'échelle mondiale. Depuis sa découverte en 1882 par Robert Koch, de nombreuses études se sont penchées sur les caractéristiques de cette bactérie et des souches proches, connues sous le nom de complexe Mycobacterium tuberculosis (MTBC). Dans le cadre de ce travail nous avons commencé par nous intéresser à l'espèce proche "Mycobacterium canettii", qui avait été identifiée au milieu du XXème siècle comme étant également capable de causer des cas de tuberculose chez l'Homme, tout en possédant des caractéristiques phénotypiques propres. Par le biais de l'étude de certains marqueurs phylogénétiques, nous avons pu établir que cette bactérie n'appartenait pas au MTBC au sens strict et pouvait donc être utilisée comme point d'ancrage dans le cadre de l'étude de la phylogénie et de l'émergence de ce dernier. C'est pourquoi nous avons choisi d'étudier la diversité de la collection de souches de "Mycobacterium canettii", qui proviennent toutes d'une même région du globe, la Corne de l'Afrique. L'étude de cette collection, construite au fil des ans par le Service de Santé des Armées (SSA), a permis de mettre en évidence l'émergence d'un groupe particulier de souches au sein de cette espèce, ainsi que d'obtenir des éléments permettant de préciser le positionnement du dernier ancêtre commun (MRCA) du MTBC. Du fait de l'origine géographique exclusive de ce taxon, nous avons ensuite décidé d'évaluer la diversité génétique des souches de Mycobacterium tuberculosis provenant de cette même région du globe. Cette seconde partie de l'étude, menée sur une collection à nouveau constituée par le SSA, a conduit à l'identification d'une nouvelle lignée au sein du MTBC, jusqu'alors inconnue. Cette découverte a un impact important sur la compréhension de l'émergence de Mycobacterium tuberculosis, car elle permet d'envisager un nouveau modèle d'apparition en interprétant cette lignée comme le descendant contemporain de l'écotype fondateur du MTBC. L'évolution de Mycobacterium tuberculosis peut ainsi être comprise suivant une progression liant "Mycobacterium canettii", pathogène occasionnel supposé environnemental, et cette nouvelle lignée. Une fois ce nouveau modèle proposé, nous avons tenté de le dater en extrapolant le taux de mutations observé lors d'évènements épidémiques contemporains, ce qui nous a permis de dater le MRCA du MTBC à environ 10 000 ans. Enfin nous avons mis en parallèle ces éléments concrets avec les connaissances paléo-ethnographiques actuelles concernant la Corne de l'Afrique pour proposer un modèle historiquement argumenté permettant d'expliquer la structuration phylogénétique actuelle du MTBC
Mycobacterium tuberculosis, the causative agent of tuberculosis, is a pathogen of world-wide impact. Since its discovery in 1882 by Robert Koch many studies have been focusing on the characteristics of this bacterium and of the most closely related strains known as the Mycobacterium tuberculosis complex (MTBC). In this work we started by studying the closest neighbor to the MTBC, the "Mycobacterium canettii" taxon, which is only found in one particular region of the world, the Horn of Africa. It t has been first identified in the middle of the XXth century as being able to cause tuberculosis in humans, but having at the same time peculiar phenotypic characteristics. Through the study of some phylogenetic markers we have been able to establish that this bacterium does not belong to the MTBC sensu stricto and can therefore be used as an outgroup in order to root the phylogeny to study the emergence of the MTBC. The next step was to study the genetic diversity of a collection of strains of "M. canettii",using the “next generation sequencing” (NGS) approach.. The analysis of this collection, built along the years by the French Army Health Service (SSA), has permitted to show the rapid emergence of a particular clone, as well as to get information enabling to precise the position of the most recent common ancestor (MRCA) of the MTBC. Because of the restricted geographic location of this species, it was also decided to assess the genetic diversity of strains of M. tuberculosis coming from the same part of the globe. This second part of the study, performed on a collection of strains also gathered by the SSA, has lead to the identification of a new, previously unknown, lineage of the MTBC. This discovery has a profound impact on the comprehension of the emergence of M. tuberculosis, as it permits to develop a new model of appearance by interpreting this lineage as the founder ecotype of the MTBC. The evolution of M. tuberculosis can therefore by understood along a path linking "M. canettii", opportunistic pathogen supposedly environmental, and this new lineage. After this proposal of a new model, we tried to date it by extrapolating

Certaines maladies héréditaires monogéniques sont caractérisées par une grande hétérogénéité génétique. Chez des individus présentant un phénotype clinique similaire, les mutations causales peuvent être retrouvées dans un des gènes parmi un sous-ensemble décrits comme impliqués dans la maladie. Cette hétérogénéité génétique limite considérablement les offres diagnostiques pour les patients, et une majorité reste sans diagnostic moléculaire. Nous avons développé une approche diagnostique alternative par séquençage à haut débit ciblé (ciblant spécifiquement les régions codantes des gènes d’intérêt par capture d’exons), au travers de trois pathologies génétiquement hétérogènes : le syndrome de Bardet-Biedl (19 gènes décrits), les leucodystrophies (50 gènes), et la déficience intellectuelle (>400 gènes). Au vu de son efficacité dans le syndrome de Bardet-Biedl et la déficience intellectuelle (80% et 25% de mutations détectées respectivement, soit des taux nettement supérieurs à ceux des méthodes précédentes), elle est depuis appliquée en routine diagnostique. Au-delà du diagnostic, cette approche permet de manière non biaisée de revoir la contribution de chacun des gènes dans la pathologie et donc d’identifier les gènes récurrents, et d’établir de nouvelles corrélations génotype/phénotype
Some monogenic disorders are characterized by a vast genetic heterogeneity. In individuals with similar clinical phenotype, causative mutations can be found in one gene from a subset described as implicated in the disease. Such genetic heterogeneity limits considerably the diagnostic offer for the patients, and a majority is left without molecular diagnosis. We developed an alternative diagnostic approach by targeted high throughput sequencing (specific to the coding regions of genes of interest by a technique of exon capture) through three genetically heterogeneous disorders: Bardet-Biedl syndrome (19 genes reported), leukodystrophies (50 genes), and intellectual disability (>400 genes). In light of its efficiency, this approach has since been implemented in diagnostic routine for Bardet-Biedl syndrome and intellectual disability (80% and 25% of diagnostic yields respectively, significantly higher than those of previous methods). Beyond diagnosis, this approach allows unbiased means to assess the contribution of each gene in the disease and highlight recurrent genes, and establish new correlations genotype to phenotype, overall providing much insight in the genetics of a particular disease

Les maladies infectieuses sont souvent étudiées à l'aide d'approches réductionnistes alors qu'elles sont fortement influencées par de nombreux facteurs hôtes et environnementaux en interaction. Ainsi, de nombreuses maladies d’étiologie complexe restent difficiles à caractériser. En développant une approche holistique pour aborder la complexité de l'interaction, (i) nous avons déchiffré les interactions complexes sous-jacentes au syndrome de mortalité des huîtres du Pacifique chez les juvéniles d’huîtres Crassostrea gigas, la principale espèce d'huître exploitée dans le monde et (ii) nous avons validé le mécanisme de pathogénèse quel que soit l’environnement infectieux et le génotype de l’huître. En utilisant une expérience d’infection écologiquement réaliste combinée à des analyses moléculaires (métabarcoding, transcriptomique, et suivi des agents pathogènes) et histologiques sur des familles d'huîtres aux susceptibilités contrastées à la maladie, nous avons démontré que la maladie est causée par une infection multiple avec comme première étape nécessaire l’infection des cellules immunocompétentes de l’huître (les hémocytes) par OsHV-1µvar. La réplication du virus induit un état immunodéprimé de l’huître qui conduit à une septicémie par des bactéries pathogènes opportunistes entraînant la mort des huîtres. En identifiant les interactions intra-hôtes entre les microorganismes et l'immunité de l'hôte, cette étude déchiffre le code du syndrome de mortalité des huîtres du Pacifique et fournit d'importantes données pour la conception de mesures prophylactiques et de programmes de sélection d'huîtres résistantes au syndrome de mortalité. Nous pensons qu'une telle approche de la biologie des systèmes pourrait être appliquée pour déchiffrer d'autres maladies multifactorielles qui affectent des espèces d'invertébrés non modèles dans le monde entier
Infectious diseases are very often explored using reductionist approaches, despite repeated evidence showing them to be strongly influenced by numerous interacting host and environmental factors. Many diseases with complex etiology therefore remain misunderstood. In this thesis, by developing a holistic approach to tackle the complexity of the interaction, (i) we deciphered the complex intra-host interactions underlying the Pacific oyster mortality syndrome affecting juveniles of Crassostrea gigas, the main oyster species exploited worldwide and (ii) we validated this mechanism in different infectious environments and oyster genotypes. Using ecologically realistic experimental infections combined with thorough molecular (metabarcoding, transcriptomics, pathogen monitoring) and histological analyses on oyster families with contrasting susceptibilities, we demonstrated that the disease is caused by a multiple infection whose initial and necessary step is the infection of oyster haemocytes by a herpesvirus. Viral replication leads to an immune-compromised state of the host, evolving toward subsequent bacteremia by opportunistic bacteria. By identifying critical intra-host interactions between microorganisms and host immunity, this study cracks the code of the Pacific oyster mortality syndrome and provides important molecular data for the design of prophylactic measures and breeding programs dedicated to the production of oysters resistant to the mortality syndrome. We believe that such a systems biology approach could be applied to decipher other multi-factorial diseases that affect non-model invertebrate species worldwide

Chez un individu infecté, le VHC circule sous la forme d’une population de variants viraux appelés quasi-espèce. Lors d’un évènement de transmission, certains variants viraux sont préférentiellement transmis et un effondrement de la diversité virale chez l’individu nouvellement infecté est souvent observé. Les propriétés électives de ces variants ainsi que leur rôle dans l’évolution clinique sont méconnus. L’objectif de cette étude est d’identifier si des déterminants moléculaires situés au niveau des glycoprotéines d’enveloppe du VHC sont associés à une plus grande capacité de transmission. Les propriétés fonctionnelles des variants transmis et non transmis seront étudiées, en particulier la sensibilité à la neutralisation autologue. Les échantillons étudiés proviennent de couples mère-enfant infectés chroniquement par le VHC issus de d’un essai clinique réalisé en Thaïlande. La composition des populations virales au sein de 3 paires a été étudiée à l’aide d’une technique d’amplification après dilution limite (SGA) suivie d’un séquençage profond (Illumina). Le variant majoritaire chez la mère était retrouvé majoritaire chez l’enfant pour les paires 1 et 3. Pour 2 paires (2 et 3), une moindre diversité génétique a été observée chez l’enfant par rapport à la mère témoignant d’un goulot d’étranglement génétique lors de la transmission. Après clonage des gènes E1E2, des tests d’infectivité sur cellules hépatocytaires ainsi que des tests de neutralisation par le sérum maternel sont réalisés avec le modèle de rétrovirus pseudotypés (VHCpp). Pour la 1ère paire, le variant majoritaire chez la mère (variant transmis à l’enfant) est infectieux et résistant au sérum autologue. Pour la deuxième paire, le variant minoritaire (transmis) est légèrement résistant à la neutralisation autologue. Un variant majoritaire non transmis apparait sensible à la neutralisation autologue. Des études complémentaires en système de virus réplicatifs issus de la culture cellulaire (VHCcc) sont en cours. Au final, les résultats de cette étude contribuent à comprendre les étapes précoces de l’infection par le VHC, afin de mieux appréhender de futures approches immunoprophylactiques ou vaccinales
In infected individuals, HCV circulates as a complex mixture of genetically different, but closely related viral variants named quasispecies. In a transmission event, some viral variants are preferentially transmitted. The genetic and functional properties of these variants are still unknown. The aim of our work was to identify molecular determinants of E1E2 associates with a greater capacity of transmission. We also intend to study the functional properties of transmitted and no transmitted variants, as for example sensibility to autologous neutralization. Studied sera samples were obtained from three women and their child infected by the HCV, who were participating in HIV prevention clinical trial for the prevention of perinatal transmission of HIV in Thailand. Quasispecies were studied with single genome amplification (SGA) followed by deep sequencing (Illumina). A decrease in intra-host diversity (genetic bottleneck) was observed in the viral population of child near birth (week 6) compared with that observed in the mother (just before delivery). For 2 pairs, the major variant observed in the mother was the same as the major one identified in the child. Retroviral pseudotypes (HCVpp), bearing each transmitted and non-transmitted envelope glycoproteins were produced. For each one, the level of infectivity on HuH7 cells was measured as well as the neutralizing activity of the autologous sera. For the first pair, the major variant (transmitted) appears resistant to autologous neutralization. For the second pair, the transmitted minor variant appears slightly resistant to autologous neutralization. A non-transmitted major variant is sensitive to autologous neutralization. Complementary studies with HCV derived from cell culture (HCVcc) are in progress We hope that the results of this study may be helpful to better understand early steps of HCV infection, which is of great interest for the development of immunoprophylaxis and vaccine strategies

Les neuropathies périphériques héréditaires (NP) sont caractérisées par des phénotypes très divers et une hétérogénéité génétique importante. La maladie de Charcot-Marie-Tooth (CMT) représente la majeure partie des neuropathies périphériques sensitivo-motrices. D’autres symptômes peuvent être associés, telle que la surdité. A l’heure actuelle, aucune estimation précise de la surdité n’existe dans cette population et la pathogénicité est incertaine. L’objectif de cette thèse était de mieux comprendre la physiopathologie de la surdité chez les patients atteints de neuropathies périphériques. Pour cela plusieurs approches complémentaires ont été mises en œuvre : 1) Approche clinique sur une cohorte française de patients atteints à la fois de neuropathie périphérique et de surdité et tests de génétique moléculaire avec séquençage NGS (Panels NP, surdités et/ou exomes) ; 2) Approche biochimique sur des prélèvements de nerfs cochléaires murins et humains ; 3) Approche bioinformatique afin d’identifier des réseaux de protéines impliquées dans l’apparition de surdité liée à une neuropathie périphérique. Grâce à ce travail, nous avons pu caractériser les phénotypes variés des patients atteints de NP génétique et surdité, et ainsi constater que la surdité peut être endo, rétro ou endo et rétrocochléaire. Trente-six gènes ont été rapportés comme associées à NP et surdité. Le génotype de nos patients NP+Surdité a pu être établi dans 60% des cas, avec la découverte de sept nouveaux variants pathogènes dans cinq gènes différents. Nos travaux suggèrent également que PMP22, le gène le plus retrouvé dans les CMT, n’est probablement pas ou peu impliqué dans l’apparition de la surdité des patients NP. Chez deux de nos patients présentant un variant pathogène de PMP22, un deuxième gène impliqué a été trouvé avec respectivement COCH et MYH14. Des corrélations génotypes-phénotypes ont pu être mises en évidence avec les gènes ABHD12, SH3TC2, NEFL et PRPS1. Deuxièmement, l’étude préliminaire immunohistochimique sur des nerfs auditifs de rats sauvages a permis de mettre en évidence l’expression de pmp22, mpz, nefl et trpv4 au niveau du nerf cochléaire et de pister une différence d’expression chez les rats CMTpmp22/+. L’étude chez l’humain n’a pas été concluante. Dernièrement, la recherche in silico de voies communes aux différents gènes décrits comme impliqués dans NP+surdité a permis de confirmer le lien direct entre PMP22 et MPZ. Des liens indirects entre plusieurs autres protéines ont été pistés. Cette thèse montre également que la surdité est très certainement sous-diagnostiquée dans cette population de NP génétique. Nous proposons donc un suivi audiométrique systématique des patients atteints de NP héréditaire, et une évaluation neurologique pour les enfants diagnostiqués pour surdité
Hereditary Peripheral Neuropathies (PN) are characterized by various phenotypes and great genetic heterogeneity. Charcot-Marie-Tooth disease (CMT) accounts for most sensori-motor peripheral neuropathies. Besides, other symptoms can be associated, such as deafness. No precise estimation of deafness within this population exist and its pathogenicity is uncertain. The aim of this PhD was to better understand the physiopathology of deafness in patients suffering from PN. Various complementary approaches were used; 1) a clinical approach on a French cohort of patients suffering from both PN and hearing loss and molecular genetic tests with NGS sequencing (PN, deafness panels, and/or exomes), 2) a biochemical approach on murine and human cochlear nerve samples and 3) a bioinformatic approach to identify protein hubs implicated in the onset of PN-associated deafness.This has enabled us to characterize the various phenotypes of patients suffering from both hereditary PN and deafness, and then notice that deafness can be endo-, retro- or endo- and retrocochlear. Thirty-six genes were reported to be associated with both PN and hearing impairment. Sixty percent of our patients were genotyped, highlighting seven novel pathogenic variants in five different genes. Our research also suggests that PMP22, the most frequent gene in CMT, is probably not or poorly implicated in deafness onset in PN patients. In two of our patients with PMP22 pathogenic variants, a second involved gene was found with COCH and MYH14 respectively. Genotype-phenotype correlations were found out with the ABHD12, SH3TC2, NEFL and PRPS1 genes. Secondly, the preliminary immunohistochemical study on wild-type rats auditory nerves highlighted the expression of pmp22, mpz, nefl and trpv4 on the cochlear nerve and tracked a different expression in CMTpmp22/+ rats. However, the study on humans was not conclusive. Recently, in silico research of pathways common to the different genes described to be involved in both PN and deafness, has found the direct link between PMP22 and MPZ. Indirect links between several other proteins have been tracked.This thesis also shows that hearing impairment is most probably under-diagnosed in this population of genetic PN sufferers. We suggest regular audiologic follow-up for PN patients and neurological assessment for deaf children

L'objectif principal de cette thèse est le développement, l'amélioration et l'évaluation de méthodes de traitement de données massives de séquençage, principalement des lectures de séquençage d'ARN courtes et longues, pour éventuellement aider la communauté à répondre à certaines questions biologiques, en particulier dans les contextes de transcriptomique et d'épissage alternatif. Notre objectif initial était de développer des méthodes pour traiter les données d'ARN-seq de deuxième génération à l'aide de graphes de De Bruijn afin de contribuer à la littérature sur l'épissage alternatif, qui a été exploré dans les trois premiers travaux. Le premier article (Chapitre 3, article [77]) a exploré le problème que les répétitions apportent aux assembleurs de transcriptome si elles ne sont pas correctement traitées. Nous avons montré que la sensibilité et la précision de notre assembleur local d'épissage alternatif augmentaient considérablement lorsque les répétitions étaient formellement modélisées. Le second (Chapitre 4, article [11]) montre que l'annotation d'événements d'épissage alternatifs avec une seule approche conduit à rater un grand nombre de candidats, dont beaucoup sont importants. Ainsi, afin d'explorer de manière exhaustive les événements d'épissage alternatifs dans un échantillon, nous préconisons l'utilisation combinée des approches mapping-first et assembly-first. Étant donné que nous avons une énorme quantité de bulles dans les graphes de De Bruijn construits à partir de données réelles d'ARN-seq, qui est impossible à analyser dans la pratique, dans le troisième travail (Chapitre 5, articles [1, 2]), nous avons exploré théoriquement la manière de représenter efficacement et de manière compacte l'espace des bulles via un générateur des bulles. L'exploration et l'analyse des bulles dans le générateur sont réalisables dans la pratique et peuvent être complémentaires aux algorithmes de l'état de l'art qui analysent un sous-ensemble de l'espace des bulles. Les collaborations et les avancées sur la technologie de séquençage nous ont incités à travailler dans d'autres sous-domaines de la bioinformatique, tels que: études d'association à l'échelle des génomes, correction d'erreur et assemblage hybride. Notre quatrième travail (Chapitre 6, article [48]) décrit une méthode efficace pour trouver et interpréter des unitigs fortement associées à un phénotype, en particulier la résistance aux antibiotiques, ce qui rend les études d'association à l'échelle des génomes plus accessibles aux panels bactériens, surtout ceux qui contiennent des bactéries plastiques. Dans notre cinquième travail (Chapitre 7, article [76]), nous évaluons dans quelle mesure les méthodes existantes de correction d'erreur ADN à lecture longue sont capables de corriger les lectures longues d'ARN-seq à taux d'erreur élevé. Nous concluons qu'aucun outil ne surpasse tous les autres pour tous les indicateurs et est le mieux adapté à toutes les situations, et que le choix devrait être guidé par l'analyse en aval. Les lectures longues d'ARN-seq fournissent une nouvelle perspective sur la manière d'analyser les données transcriptomiques, puisqu'elles sont capables de décrire les séquences complètes des ARN messagers, ce qui n'était pas possible avec des lectures courtes dans plusieurs cas, même en utilisant des assembleurs de transcriptome de l'état de l'art. En tant que tel, dans notre dernier travail (Chapitre 8, article [75]), nous explorons une méthode hybride d'assemblage d'épissages alternatifs qui utilise des lectures à la fois courtes et longues afin de répertorier les événements d'épissage alternatifs de manière complète, grâce aux lectures courtes, guidé par le contexte intégral fourni par les lectures longues
The main goal of this thesis is the development, improvement and evaluation of methods to process massively sequenced data, mainly short and long RNA-sequencing reads, to eventually help the community to answer some biological questions, especially in the transcriptomic and alternative splicing contexts. Our initial objective was to develop methods to process second-generation RNA-seq data through de Bruijn graphs to contribute to the literature of alternative splicing, which was explored in the first three works. The first paper (Chapter 3, paper [77]) explored the issue that repeats bring to transcriptome assemblers if not addressed properly. We showed that the sensitivity and the precision of our local alternative splicing assembler increased significantly when repeats were formally modeled. The second (Chapter 4, paper [11]), shows that annotating alternative splicing events with a single approach leads to missing out a large number of candidates, many of which are significant. Thus, to comprehensively explore the alternative splicing events in a sample, we advocate for the combined use of both mapping-first and assembly-first approaches. Given that we have a huge amount of bubbles in de Bruijn graphs built from real RNA-seq data, which are unfeasible to be analysed in practice, in the third work (Chapter 5, papers [1, 2]), we explored theoretically how to efficiently and compactly represent the bubble space through a bubble generator. Exploring and analysing the bubbles in the generator is feasible in practice and can be complementary to state-of-the-art algorithms that analyse a subset of the bubble space. Collaborations and advances on the sequencing technology encouraged us to work in other subareas of bioinformatics, such as: genome-wide association studies, error correction, and hybrid assembly. Our fourth work (Chapter 6, paper [48]) describes an efficient method to find and interpret unitigs highly associated to a phenotype, especially antibiotic resistance, making genome-wide association studies more amenable to bacterial panels, especially plastic ones. In our fifth work (Chapter 7, paper [76]), we evaluate the extent to which existing long-read DNA error correction methods are capable of correcting high-error-rate RNA-seq long reads. We conclude that no tool outperforms all the others across all metrics and is the most suited in all situations, and that the choice should be guided by the downstream analysis. RNA-seq long reads provide a new perspective on how to analyse transcriptomic data, since they are able to describe the full-length sequences of mRNAs, which was not possible with short reads in several cases, even by using state-of-the-art transcriptome assemblers. As such, in our last work (Chapter 8, paper [75]) we explore a hybrid alternative splicing assembly method, which makes use of both short and long reads, in order to list alternative splicing events in a comprehensive manner, thanks to short reads, guided by the full-length context provided by the long reads

L'objectif de mon travail de thèse était de développer des outils bio informatiques permettant d'améliorer la traditionnelle gestion de l'information scientifique au sein d'un grand centre de recherche et en particulier au sein d'une plateforme de génomique. Trois outils ont été développés: un cahier de laboratoire électronique, un système de gestion de l'information de laboratoire pour des applications de génomique dont le séquençage de nouvelle génération, ainsi qu'un système de gestion des échantillons pour de grandes bio-banques. Ce travail a été réalisé en étroite collaboration avec des biologistes, épidémiologistes et informaticiens. Il a également inclus la mise en place d'interactions entre les différents outils pour former un système informatique intégré. Les trois outils ont été rapidement adoptés par l'ensemble des scientifiques du centre de recherche et sont désormais utilisés au quotidien pour le suivi de toutes les activités de laboratoire mais aussi plus globalement pour les autres activités scientifiques du centre de recherche. Ces outils sont transposables dans d'autres instituts de recherche
The aim of my thesis work was to develop bioinformatics tools to improve the traditional scientific information management within a large research centre and especially within a genomics platform. Three tools have been developed: an electronic laboratory notebook, a laboratory information management system for genomics applications including next generation sequencing, as well as a sample management system for large biobanks. This work has been conducted in close collaboration with biologists, epidemiologists and IT specialists. It has also included the setup of interactions between the different tools to make an integrated IT system. The three tools have been rapidly adopted by all the scientists of the research centre and are now daily used for the tracking of all the laboratory’s activities but also more globally for the research centre’s other scientific activities. These tools are transposable in other research institutes

Objectifs: Malgré leur grande hétérogénéité histologique et moléculaire, la prise en charge clinique des carcinomes ovariens de haut-grade (COHG) reste peu variable. Le pronostic sombre de cette pathologie implique un réel besoin des nouvelles thérapies. Au-delà des marqueurs pronostiques histologiques classiques et des enquêtes oncogénétiques, l’objectif de cette étude a consisté à rechercher des cibles moléculaires pharmacologiquement recrutables afin de pouvoir proposer aux patientes un accès à la thérapie innovante et personnalisée. Méthodes: Cette étude a été réalisée chez 53 patientes (pts) (âge moyen 58,9 ans, intervalle 25-87) de COHG histologiquement prouvés dont 45 pts de sous-type séreux. 19 pts ont fait l’objet d’une consultation et d’un test oncogénétique sur la base d’antécédents familiaux / personnel de cancer de sein/ovaire. chez. L’expression de P53 et de PTEN a été évaluée sur des tissus fixés au formol et inclus en paraffine par immunohistochimie. Les mutations somatiques de KRAS, NRAS, BRAF, PIK3CA et MET ont été recherchées par PCR-HRM (Polymerase Chain Reaction High Resolution Melting) puis vérifiées par NGS (Next Generation Sequencing) sur des extraits d'ADN préparés à partir d'échantillons de tumeurs congelés, prélevés au moment du diagnostic. Résultats: Des mutations germinales de BRCA1 / 2 ont été identifiées chez 7 pts, toutes atteintes des carcinomes séreux. Une mutation du gène KRAS (exon 2), 2 mutations du gène NRAS (exon 3), 6 mutations du gène PIK3CA (exon 5, 10 et 21) et 5 mutations du gène MET (exon 14 et 18) ont été identifiées chez les 53 tumeurs par NGS, dont deux mutations du gène NRAS et 2 mutations du gène PIK3CA détectées précédemment par PCR-HRM. Aucun profil mutationnel multiple n’a été retrouvé. La surexpression de P53 et la perte d’expression de PTEN ont été constatées chez 32 sur 53 (60%) et 19 sur 46 (41%) des tumeurs. L’analyse statistique n’a été réalisée que chez le sous-groupe de pts atteintes des carcinomes séreux à cause de l’effectif de l’étude. Avec un suivi médian de 38 mois (intervalle de 6-93), 35 pts ont eu une rechute de la maladie et 25 pts sont décédées. La survie sans progression à 2 ans est 28%, et la survie globale à 5 ans est 37%. La surexpression de P53 a été trouvée associée à une meilleure chimiosensibilité, une meilleure survie sans progression et une meilleure survie globale. Conclusion: Pour des COHG, au-delà des altérations de P53 et PTEN, des anomalies génétiques somatiques concernant les voies de signalisation PI3K et MAPK ne sont pas rares et peuvent être détectées par NGS. L’identification de ces anomalies somatiques pourrait offrir une possibilité des thérapies ciblées innovantes pour les patientes sur la base d’éléments diagnostics moléculaires
Objectives: Despite the great histological and molecular heterogeneity, the clinical management of high-grade ovarian carcinoma remains univo-cal. As a major subgroup of ovarian carcinoma, high-grade ovarian carci-nomas (HGOC) need novel therapy. Additionally to conventional histolog-ical prognostic markers and oncogenetic investigations, molecular diag-nostic was performed using PCR-HRM (Polymerase Chain Reaction High Resolution Melting) and NGS (Next Generation Sequencing) to identify "druggable" targets that could provide access to innovative personalized therapy. Methods: This study was performed in 53 patients (pts) (mean age 58.9 years, range 25-87) with histologically proven HGOC of which 45 pts with serous carcinoma. BRCA1/2 germline mutations had been screened in 19 pts with familial/personal history of breast/ovarian cancer justifying on-cogenetic investigations. P53 and PTEN expression was assessed on for-malin fixed paraffin-embedded tissues using immunohistochemistry. So-matic mutations of KRAS, NRAS, BRAF, PIK3CA and MET were screened using PCR-HRM and then confirmed using NGS on DNA extracts from frozen tumor specimens taken at diagnosis. Results: Seven pts had BRCA1 / 2 germline mutations, all had serous carcinomas. One mutation of KRAS (exon 2), 2 mutations of NRAS (exon 3), 6 mutations of PIK3CA (exon 5, 10 and 21) and 5 mutations of MET (exon 14 and 18) were identified using NGS, of which 2 mutations of NRAS and 2 mutations de PIK3CA detected previously by PCR-HRM, no multiple mutation was detected. P53 overexpression and PTEN loss of expression was detected respectively in 32 of 53 (60%) and 19 of 46 (41%) of all the tumors. Because of the efffective of the study, statistical analyses were restricted to pts with serous carcinoma. With a median follow-up of 38 months (range 6-93), 35 pts had disease progression and 25 pts died during the follow-up. The 2-year progression-free survival (PFS) rate was 28% and 5-year overall survival (OS) rate was 37%. Overexpression of mutant P53 was found to be associated with chemosensitivity and longer PFS and OS. Conclusion: In HGOC, beside P53 and PTEN alterations, somatic genetic abnormalities of PI3K and MAPK signaling pathways can be detected us-ing NGS and provide molecular rationale for targeted therapies, potential-ly offering new therapeutic opportunities to the patients

Les virus font partie des entités les plus abondantes sur Terre, mais la diversité des virus est très peu connue puisque biaisée en faveur d’hôtes animaux d’intérêts sociétal, agronomique et économique. L’apport des nouvelles techniques de séquençage permet actuellement d’obtenir des informations qui étaient tout simplement inaccessibles. Le but de mon travail de thèse a été l’étude de la diversité virale présente au sein d’un grand nombre d’animaux non-modèles. Pour répondre à cette problématique il m’a fallu mettre en place une méthodologie analytique innovante de découverte de nouveaux virus par une approche de méta-transcriptomique. Ce travail i) montre que la méthodologie bioinformatique mise en place est pertinente, ii) permet de découvrir de nouveaux virus ayant des caractéristiques génomiques particulières relevant de nouveaux genres ou familles de virus, iii) révèle de nouveaux hôtes pour des virus appartenant à des familles virales très étudiées et iv) montre que la gamme d’hôte de virus connus peut être plus étendue qu’attendu grâce à un focus sur la diversité des virus d’hyménoptères. D’une manière plus globale, mon travail permet de combler quelques lacunes existantes dans les connaissances liées à l’étude de la diversité virale et met en évidence l’importance de l’étude des animaux non-modèles
Viruses are among the most abundant entities on Earth, but the viral diversity remains mostly unknown as currently biased in favour of animals of social, agronomic and economic interest. Next Generation Sequencing technologies provide access to so far inaccessible information. The aim of my PhD thesis was the study of the viral diversity within a large range of non-model animals. To address this question I set up an innovative analytical framework to discover new viruses based on a meta-transcriptomic approach. This work i) shows that this bioinformatics method is efficient and powerful, ii) allows the discovery of new viruses with particular genomic organisations suggesting they belong to new virus genera of families, iii) uncovered new viruses from new hosts in well-known viral families and iv) shows wider viral host range than previously expected based on a particular focus on hymenopteran viral diversity. Overall, my work allows to fill some gaps in the knowledge of viral diversity and shows the importance of studying non-model animal species in virology

Le succès évolutif de la polyploïdie, notamment de l’allopolyploïdie (où la duplication de génome complet est associée à une hybridation entre génomes différenciés) est en partie lié au fait que cet événement s’accompagne de nombreux changements dans l'organisation du génome et la régulation de l'expression des gènes. On parle du « choc génomique » de l’hybridation interspécifique et de l’allopolyploïdie. Ces sources de diversité génétique, à la fois structurale et fonctionnelle, apparaissent utiles et nécessaires à l'adaptation et l’évolution des espèces. Alors que de nombreuses études portant sur la compréhension des mécanismes moléculaires à l’origine du succès des allopolyploïdes ont concerné les modifications de l’expression des gènes, mes travaux de thèse ont porté sur les agents non codants du génome que sont les éléments transposables et les petits ARN non codants. Le modèle d'étude est le colza (Brassica napus, AACC), espèce allotétraploïde issue de l'hybridation entre les espèces diploïdes navette (B. rapa, AA) et chou (B. oleracea, CC). Nous disposions de colzas néo-synthétisés, étudiés à différentes générations d’autofécondation, permettant de caractériser les changements génomiques accompagnant la formation puis l’évolution du génome néo-allopolyploïde. Une étude a tout d’abord été menée sur un élément transposable (ET) spécifique du génome C, Bot1, en vue d’identifier de nouvelles transpositions survenant chez les colzas néo-synthétisés par rapport aux parents diploïdes, par une approche SSAP. Quelques rares événements de transposition ont été identifiés. Ces résultats, confrontés à ceux obtenus sur deux autres ET, ont permis de mettre en évidence un impact modéré de l’allopolyploïdie sur la transposition de ces différents ET. Par contre, il est apparu que des changements de méthylation auraient accompagné cette allopolyploïdisation, sans doute à l’origine de la réactivation et la transposition de quelques copies de Bot1. Les petits ARN non codants ont été suggérés comme impliqués dans les différents événements génomiques accompagnant la formation d’un génome allopolyploïde. Pour étudier la dynamique d’expression des petits ARN chez des colzas néo-synthétisés pris à deux générations d’autofécondation (S1, S5) en comparaison de leurs parents diploïdes, j’ai exploité des données de séquençage haut débit obtenues pour 11 banques construites à partir des tiges de ces différents génotypes. J’ai ainsi démontré, qu’à une échelle globale, les petits ARN présentaient une réponse immédiate mais transitoire à l’événement d’allopolyploïdie. Les fractions particulièrement affectées par l’allopolyploïdie se sont révélées correspondre (1) à des petits ARN interférents dérivés d’éléments transposables avec une baisse de leur abondance en génération précoce S1, et (2) à des populations de petits ARN de 21 nucléotides exprimées uniquement de manière très précoce, de l’hybride F1 à la génération S1. Nous avons notamment identifié des transcrits de type viral correspondant à ces petits ARN de 21-nt, et présentant les mêmes profils d’expression (de l’hybride F1 à la génération S1), suggérant une réactivation d’éléments viraux endogènes (EVE) en réponse à l’hybridation et l’allopolyploïdie. L’ensemble de mon étude a démontré la mise en place d’une succession des voies de régulation par petits ARN où ET et EVE, réactivés au niveau transcriptionnel, sont immédiatement soumis à une répression post-transcriptionnelle (PTGS), renforcée ensuite par une répression de leur transcription (TGS). L’hypothèse d’une absence de cette régulation par petits ARN lors des phénomènes de nécrose et létalité hybride, amène à envisager ces populations de petits ARN comme les clés de la réussite de la formation d’un génome hybride, où la répression immédiate et efficace des ET et autres endovirus, réactivés suite au choc génomique, se révèle être une nécessité
The evolutionary success of polyploid species is partly due to the dynamic changes in genome organization and gene expression patterns that occur at the onset of the polyploid formation. These changes are promoted by the merging of divergent genomes into a single nucleus (i.e. allopolyploidy) that causes a “genomic shock”; they are thought to provide a rich source of new genetic material upon which selection can act to promote adaptation and evolution. Many studies have thus aimed to uncover molecular mechanisms that are responsible for the evolutionary success of allopolyploid species, most of them focusing on gene expression changes. In the present PhD thesis, my interest has been concentrated on the non-coding components of the genome: transposable elements and small non-coding RNAs. My study involves oilseed rape (Brassica napus, AACC), a relatively young allopolyploid species that originated from hybridizations between B. rapa (AA) and B. oleracea (CC). Specifically, I have used resynthesized B. napus polyploids advanced by self-pollination of single plants for several generations; I have analyzed these plants at different generations for genomic changes accompanying polyploid formation and subsequent evolution. In a first part, sequence-specific amplification polymorphism (SSAP) targeting the C genome-specific transposable element Bot1, was used to evaluate transposition rate of Bot1 in resynthesized B. napus in comparison with the diploid parents. Only a few transposition events were identified. When combined with the results obtained for two other TEs, this work suggests that allopolyploidy has only a moderate impact on TE transposition and restructuring. The changes observed in SSAP profiles led us to hypothesize that some of them resulted from changes in DNA methylation, resulting in rare but highly specific TE activation and transposition. In a second part, I have concentrated on small non-coding RNAs (sRNAs), which are thought to mediate different aspects of the response to the “genomic shock” induced by allopolyploid formation. Comprehensive analyses of sRNA expression in resynthesized B. napus allopolyploids have been carried out by deep sequencing sRNAs from 11 libraries prepared from stems of three allotetraploids (surveyed at the two generations S1 and S5) and the two diploid parents. Characterization of sRNA distributions in these plants indicates that sRNAs show an immediate but transient response to allopolyploidy. The sRNAs derived from transposable elements (down-regulated in the S1) or targeting unknown sequences (no Blast hit against any available public database) were particularly affected. The use of B. napus mRNAseq data revealed that these latest unknown candidates, which are 21-nt long and over-expressed in the earliest generations (F1, S0, S1) were derived from endogenous viral elements (EVE). We confirmed that these EVEs showed the same expression patterns as the 21-nt long sRNAs that specifically target them (over-expression in the F1, S0 and S1). These results suggest that (at least) some EVEs might be reactivated as a response to the merging of divergent genomes (in interspecific hybrids and newly formed allopolyploids). Altogether, our results have demonstrated a succession of sRNA pathways that counteract the reactivation of some specific TEs and/or EVEs at the onset of polyploid formation; reactivated TEs and/or EVEs being immediately repressed at the post-transcriptional level (PTGS), and then fully repressed by transcriptional gene silencing (TGS) in the subsequent generations. Such data lead to hypothesize that sRNAs are essential to overcome interspecific hybrid incompatibilities due to the uncontrolled and deleterious reactivation of TEs / EVEs. Therefore, sRNAs should be considered as the guardians of genome integrity even in newly-formed allopolyploids

Les Wolbachia sont des alpha-proteobactéries présentes chez de nombreux arthropodes et nématodes filaires. Ces bactéries héritées maternellement induisent chez leurs hôtes des phénotypes allant du parasitisme au mutualisme, avec le long de ce continuum des phénotypes tels que la féminisation (F), l'incompatibilité cytoplasmique (IC) ou la mort des mâles. Wolbachia est ainsi un modèle particulièrement intéressant pour étudier les différents types de relations symbiotiques.Chez Brugia malayi, comme pour les autres nématodes filaires, Wolbachia vit en symbiose obligatoire avec son hôte. L'élimination de la bactérie par des traitements antibiotiques entraîne une perte de fertilité voire la mort du nématode. Chez l'isopode terrestre Armadillidium vulgare, Wolbachia induit la féminisation des mâles génétiques en femelles fonctionnelles entraînant des biais de sex-ratio vers les femelles dans la descendance.Pour comprendre les mécanismes impliqués dans ces deux symbioses, nous avons mis au point une nouvelle méthode de capture pour isoler l'ADN de Wolbachia et séquencer 8 souches de Wolbachia d'isopodes (F et IC). Une étude de génomique comparative a permis d'établir un premier pan-génome des bactéries du genre Wolbachia et d'identifier 2, 5 et 3 gènes présents seulement chez les souches mutualistes, féminisantes ou induisant la mort des mâles. L'expression des gènes potentiellement impliqués dans la féminisation ou le mutualisme a été étudiée au cours du développement de l'hôte. L'étude de l'interactome protéique bactérie-hôte a ensuite été initiée en utilisant comme appât des protéines bactériennes à domaines eucaryotes en vue d'identifier les cibles de Wolbachia chez l'hôte
Bacteria of the genus Wolbachia are gram-negative alpha-proteobacteria present in many arthropods and filarial nematodes. These obligate intracellular bacteria are maternally inherited and induce a large number of phenotypes across the symbiosis continuum from mutualism to parasitism, including feminization (F), cytoplasmic incompatibility (CI) or male killing. Studying Wolbachia symbioses is therefore of particular interest in the investigation of symbiotic relationships.In Brugia malayi and other filarial nematodes, they are obligate leading to a loss of worm fertility, and eventual death upon their depletion with antibiotic. In arthropods, they rather are parasitic. In the isopod crustacean Armadillidium vulgare they cause feminization when present: genetic males develop as functional female leading to female biased sex-ratio progenies.In order to understand the molecular mechanisms of these two symbioses, we set up a new capture procedure to catch Wolbachia DNA and performed whole-genome sequencing on 8 Wolbachia strains, symbionts of isopods (F & CI). Comparative genomics led to the establishment of the Wolbachia pan-genome as well as the identification of phenotype related gene patterns. We identified 2, 5 and 3 genes that are only found in mutualist, feminizing and male killing strains, respectively. Expression of genes potentially involved in feminization and mutualism were also analyzed throughout host post-embryonic development. Host-symbiont interactome approach was then initiated by protein-protein interaction studies using bacterial proteins with eukaryote like motifs as bait in order to identify Wolbachia host targets involved in symbiosis

Le mélanome (M) primitif muqueux (MM) est une tumeur maligne rare et grave, comprenant les M buccaux et nasopharyngés, vulvovaginaux, conjonctivaux, anorectaux et péniens (MP). Les oncogènes impliqués sont largement inconnus. Les cas non résécables et métastatiques sont peu sensibles aux traitements actuels, thérapies ciblées et immunothérapies. Afin de mieux caractériser ces cancers orphelins, nous avons: (1) étudié, sur la base des cas incidents de Champagne-Ardenne entre 2004 et 2014 (n=39), l'incidence annuelle (0,18/100000) et le ratio d'incidence MM/M cutané (1/50), la fréquence relative des différents sites muqueux, le diagnostic (tardif à 77 %), la survie médiane (24 mois) et la survie spécifique à 5 ans (32 %) ; (2) rapporté le premier cas de réponse à l'imatinib et de survie à long terme d'un patient atteint de MP métastatique muté KIT et discuté les mécanismes possibles de cette réponse et de l’évolution ultérieure chez ce patient ; (3) rapporté un cas de M orbitaire massivement invasif muté GNA11, et discuté son origine conjonctivale ou uvéale ; (4) réalisé une revue systématique de la littérature (n= 88), afin d’établir la fréquence des variants dans KIT (13,5 %), BRAF (12,9 %) et NRAS (12,1 %), et la fréquence des triples négatifs (64,2 %), de discuter les gènes mutés dans plus de 5 % des cas (dont MTOR, TSC1, ATRX, POM121 et DISP3) et, dans moins de 5 % des cas s'il y avait un impact clinique (dont POLE) ; (5) étudié, à l’aide d’un panel de 275 gènes, dans une cohorte de 29 MM, la fréquence des variants des gènes KIT (31 % des patients), BRAF (24%), NRAS (14 %), NF1 (45 %), TP53 (14 %), SF3B1 (10 %) et PIK3CA (10 %) ainsi que par sous-groupes de localisation. Un gène muté potentiellement actionnable a été identifié dans 83% des cas. Ces résultats indiquent l'utilité de développer un panel NGS de gènes spécifiquement dédié aux MM en pratique clinique
Primary mucosal melanoma (M) (MM) is a rare and serious malignant tumor, including oral and nasopharyngeal, vulvovaginal, conjunctival, anorectal and penile (PM) M. The oncogenes involved are largely unknown. Unresectable and metastatic cases are not very sensitive to current treatments, targeted therapies and immunotherapies. In order to better characterize these orphan cancers, we have: (1) studied, on the basis of incident cases in Champagne-Ardenne between 2004 and 2014 (n = 39): the annual incidence (0.18 / 100,000) and the incidence ratio between MM / cutaneous M (1/50), the relative frequency of different mucosal sites, the diagnosis (late at 77%), the median survival (24 months) and the 5-year specific survival (32%); (2) reported the first case of response to imatinib and long-term survival of a patient with KIT-mutated metastatic PM and discussed the possible mechanisms of this exceptional response; (3) reported a case of GNA11 mutated massively invasive orbital M, and discussed its origin, conjunctival or uveal; (4) carried out a systematic review of the literature (n = 88), in order to establish the frequency of the KIT (13.5%), BRAF (12.9%) and NRAS (12.1%) variants, and triple negative (64.2%), to discuss the mutated genes in more than 5% of cases (including MTOR, TSC1, ATRX, POM121 and DISP3), and, in less than 5% of cases if there was an impact clinic (including POLE); (5) studied, using a panel of 275 genes, on 29 PMM, the mutational frequency of KIT (31%), BRAF (24%), NRAS (14%), TP53 (14%), SF3B1 (10%), NF1 (45%), PIK3CA and KRAS (both at 7%). Our studies indicated that a dedicated NGS custom panel should be useful for clinical practice

A la fin des années 80, des anticorps catalytiques ont été découverts dans le sérum de patients, en particulier de patients atteints de maladies auto-immunes. Certains anticorps catalytiques ont un effet bénéfique sur la santé, tandis que d'autres sont délétères. Afin de comprendre le lien existant entre anticorps catalytiques et pathologies auto-immunes, des travaux antérieurs ont mené à la synthèse de quatre banques de fragments d’anticorps (scFv) exposés en surface de phages, représentant différents fonds génétiques et états immunologiques. Les scFv, constitues des régions variables des chaines lourdes (H) et légères (L) des anticorps, sont codes par différents segments de gènes d'immunoglobuline : V-D- J pour la chaine lourde, V et J pour la chaine légère. Dans l'objectif de récolter des informations sur l’immunogénétique des anticorps catalytiques, la distribution des sous-groupes de gènes au sein de chaque répertoire a été étudiée, en se basant sur l’étude de plus de 300 000 séquences. L'analyse des données NGS a montré une expression différentielle des sous-groupes de gènes selon la banque d’origine, suggérant que le fond génétique et / ou l'état immunologique influencent l'expression du sous-groupe de gènes d'immunoglobuline. La présence d'anticorps potentiellement catalytiques à activité β-lactamase a ensuite été étudiée dans les quatre banques par une approche in silico de modélisation tridimensionnelle. Les résultats suggèrent que certaines banques expriment potentiellement plus d'anticorps catalytiques que d'autres. Enfin, dans le but de valider cette approche in silico, une approche in vitro a été initiée. Cinq scFv exposés à la surface des phages ont été sélectionnés lors d'un travail précèdent par un processus itératif sur la base de leur activité catalytique. Chacun possède une structure primaire et tertiaire unique. L’un d’entre eux, le scFv P90C2, a été cloné et exprimé dans des bactéries E. coli BL21 (DE3) sous forme de corps d'inclusion, puis solubilise et enfin renaturé. Bien que le scFv P90C2 soluble conserve son activité de reconnaissance, son pouvoir catalytique est complètement perdu. L’influence de différents paramètres sur la fonctionnalité du scFv a été évaluée : (i) optimisation des conditions du protocole de renaturation, (ii) choix des codons à l’origine de la séquence peptidique du scFv, et enfin (iii) influence de la protéine de fusion pIII
In the late 80s, catalytic antibodies have been discovered in the serum of patients, especially patients with auto-immune diseases. Some of the catalytic antibodies appear to have a beneficial effect on health while others are deleterious. In order to understand the link between catalytic antibodies and immune system pathologies, previous work leaded to 4 single chain Fragment variable (scFv) libraries exposed on phage surface, representing different genetic backgrounds and immunological states. The scFvs, composed with the variable regions of the heavy (H) and light (L) chains, are encoded by immunoglobulin gene subgroups V(H), D(H), J(H), V(L) and J(L). With the objective to decipher the potential origin of catalytic antibodies, a statistical representation of each subgroup within each repertoire has been done, based on more than 300 000 sequences. The NGS data analysis showed a variable expression of some gene subgroups (comprising “rare” ones) between the 4 libraries showing that the genetic background and/or the immunological state influence immunoglobulin gene subgroup expression. Then, we investigated the presence of antibodies with potent active sites in the libraries by molecular modelling. Libraries express more putative catalytic antibodies than others depending on the genetic background and the immunological state profile. Finally, in the objective to validate this in silico approach, an in vitro approach was considered. 5 scFvs exposed on phage surface have thus been selected during a previous work by iterative process on the basis of their catalytic activity: β-lactamase like activity. Each of them displays a unique primary and tertiary structure. The scFvs exposed on the phage surface must be catalytically active while expressed in soluble form too. One of the selected scFvs, P90C2, was optimized and expressed in E. coli BL21 (DE3) bacteria in the form of inclusion bodies and then solubilized and refolded. Although soluble P90C2 fully retained its binding activity, its catalytic potency was completely lost. Further experiments aimed to i) optimize refolding protocol, ii) study the impact of scFv codon-optimization, and iii) show the influence of the pIII fusion protein on the scFv catalytic activity

Les éléments transposables (ETs) sont des composants ubiquitaires des génomes eucaryotes, parfois prépondérants chez les plantes. Ce sont des séquences mobiles, potentiellement mutagènes, reconnues comme des acteurs de l’évolution des génomes. Cependant, la plupart des ETs sont aujourd’hui inactifs car réprimés par des mécanismes épigénétiques très efficaces. Néanmoins, ces derniers peuvent être relâchés par des stress, conduisant à la réactivation d’ETs. De tels stress sont-ils suffisants pour activer la transposition dans les populations naturelles? L’application répétée d’un stress peut-elle expliquer les pics d’activité transpositionnelle qui ont eu lieu en conditions naturelles? De récents travaux chez un mutant d’Arabidopsis thaliana, affecté dans une voie de répression d’ETs, le RdDM (RNA-directed DNA Methylation), ont démontré qu’un stress thermique conduisait à la réactivation transpositionnelle d’un ET. Mes travaux de thèse portent sur l’étude de riz sauvage et d’un mutant non décrit, affecté dans le RdDM, cultivés en conditions normales ou de stress thermique sur plusieurs générations. Les objectifs de mes travaux ont été de déterminer (1) l’impact de la mutation sur les différentes étapes d’activation rétrotranspositionnelle et (2) l’activation rétrotranspositionnelle en réponse à un stress thermique. Une part importante de ce travail a été consacrée au développement et à la comparaison de méthodes d’identification des mouvements d’ETs et différentes approches « omiques » ont été utilisées. La réactivation de 5 ETs dans les plantes mutantes, dont la mobilité n’avait pas encore été observée, suggère que la voie RdDM est impliquée dans le contrôle de leur répression. De plus, nos résultats confirment que les ETs ne sont pas tous réprimés par les mêmes voies de régulation
Transposable elements (TEs) are ubiquitous among eukaryotic genomes sometimes overriding in plants. Due to their ability to replicate and transpose, they are potentially mutagenic and recognized as actors of genome evolution. However, the analysis of the transpositional activity of TEs in different plant species have shown that most of them are maintained in a transcriptionally inactive state through powerful and specific epigenetic mechanisms. These silencing processes can nevertheless be allievated under stress conditions, leading to TE reactivation. Are these stress sufficient to activate transposition in natural populations? Are repeated heat stress able to trigger transposition and therefore lead to bursts of transposition? In recent reports, reactivation of retrotransposons has been shown in Arabidopsis thaliana mutants impaired in the RdDM pathway (RNA-directed DNA Methylation) and submitted to heat stress. My PhD works reports the study of of a wild rice and a new rice mutant, affected in the RdDM, cultivated under optimal or heat stress conditions over generations. Here, we propose to determine (1) the impact of the mutation at the different levels leading to the retrotranspositional activation and (2) the retrotranspositional activity in response to heat stress. An important part of this work has been devoted to the development and the comparison of different methods to identify TE movements, and different -omics approaches have been used. The reactivation of 5 new TEs in mutants, suggests that the RdDM pathway is involved in the control of the repression of these TEs. Furthermore, our result confirm that all TEs are not regulated through the same pathways but are under the control of different lock