Search

Triatominae are haematophagous bugs that can transmit Trypanosoma cruzi, the causative agent of Chagas disease, endemic to Latin America. In the wild, species belonging to the genus Rhodnius mainly infest palm trees, feeding on a wide range of vertebrate hosts that find refuge in this habitat. However, some Rhodnius species are domiciliary, i.e. they have left their natural habitat (sylvatic environment) and have come into close contact with human populations by colonising their dwellings, and can then transmit T. cruzi to humans. The evolutionary history of species belonging to Rhodnius genus was assessed using a phylogenomic strategy based on whole mitogenome sequences and a set of 51 nuclear genes, characterized for 36 samples representing 16 species out of the 24 described in the genus. This approach allowed us to determine the evolutionary relationship between the 3 major groups of species (pallescens, pictipes and prolixus), to integrate species from Psammolestes genus inside the genus one, and to describe multiple introgression events between species. A comparative genomic approach was conducted between species living in different habitats. The genome size was estimated using flow cytometry and analysis of high throughput sequencing data. Genomes from 11 Rhodnius species (including 4 domiciliary species) were assembled and used to build a calibrated phylogeny including sequences from published genomes and fossil records. The divergence times inferred from this phylogeny allowed us to study genome dynamics. It revealed that the rate of gains and losses per gene per million years is 7.5 times faster in domiciliary species compared to sylvatic ones. This study has made it possible to propose candidate genes including chemosensory receptors involved in the domiciliation of species of the genus Rhodnius. Chemosensory genes belong to multigene families with rapid evolutionary dynamics that cause changes in sensory sensitivity. Their study is especially relevant when searching for genes involved in the recognition of a new environment. The chemosensory receptors were annotated (from 49 to 135 ORs and from 21 to 32 GRs depending on the species studied) and analyzed to detect evidence of selection pressure: 4 candidate genes (OR1, OR38, OR102 and ORco) were identified that could be involved in the domiciliation process. A better understanding of the mechanisms of adaptation of these bugs to their environment could be a key factor in vector control efforts.; Les Triatominae sont des punaises hématophages vectrices de Trypanosoma cruzi, agent responsable de la maladie de Chagas, endémique en Amérique Latine. En milieu naturel, les punaises hématophages du genre Rhodnius infestent principalement les palmiers et se nourrissent sur une large gamme d'hôtes vertébrés qui trouvent refuge dans cet habitat. Cependant, certaines espèces de Rhodnius sont domiciliaires, c'est-à-dire qu'elles ont quitté leur habitat naturel (milieu sylvatique) et sont venues en contact étroit avec les populations humaines en colonisant leurs habitations. Les liens de parenté entre les différentes espèces du genre Rhodnius ont été retracés par une approche phylogénomique reposant sur l'étude des mitogénomes et d'un set de 51 gènes nucléaires et incluant 16 espèces sur les 24 espèces décrites via l'étude de 36 échantillons. Cette approche phylogénomique a permis de statuer sur les affinités évolutives des 3 groupes d'espèces décrits (pallescens, pictipes et prolixus), de classer les espèces du genre Psammolestes au sein du genre Rhodnius et de montrer des événements d'introgression multiples entre espèces. Cette étude phylogénétique a été complétée par une approche de génomique comparative entre espèces adaptées à différents habitats. La taille des génomes a été estimée par deux méthodes, la cytométrie de flux et l'analyse des données moléculaires à haut débit. Pour étudier la dynamique des génomes une phylogénie calibrée à l'aide de données fossiles a été réalisée. Onze génomes de Rhodnius (dont 4 domiciliaires) ont été assemblés puis annotés. L'estimation de la vitesse de gains et pertes de gènes par million d'années montre que ces événements se produisent 7.5 fois plus rapidement chez les espèces domiciliaires en comparaison des espèces sylvatiques. Cette étude a permis de proposer des gènes candidats dont des récepteurs chimiosensoriels impliqués dans la domiciliation des espèces du genre Rhodnius. Les gènes chimiosensoriels appartiennent à des familles multigéniques dont la dynamique évolutive est rapide et à l'origine de changements dans la sensibilité sensorielle. Ils sont donc des objets d'étude de choix dans la recherche de gènes impliqués dans la reconnaissance d'un nouvel environnement. L'annotation spécifique de ces récepteurs chimiosensoriels (de 49 à 135 ORs, de 21 à 32 GRs, selon les espèces) suivie de la recherche de gènes sous sélection a permis de mettre en évidence 4 gènes candidats en lien avec la domiciliation (OR1, OR38, OR102 et ORco). Une meilleure compréhension des mécanismes d'adaptation des punaises hématophages à leur environnement pourrait être un facteur clé dans l'effort de lutte antivectorielle.

A new badnavirus was sequenced from fragrant pandan grass (Pandanus amaryllifolius) displaying mosaic and chlorosis on the leaves. The complete genome sequence was determined by high-throughput sequencing. The new badnavirus was tentatively named "pandanus mosaic associated virus" (PMaV). Similar to those of other members of the genus Badnavirus, the genome of PMaV consists of a circular DNA molecule of 7,481 bp with three open reading frames (ORF) potentially coding for three proteins. ORF3 encodes a polyprotein with conserved protein domains including zinc finger, trimeric dUTPase, aspartic protease, reverse transcriptase (RT), and RNase H domains. Pairwise comparisons of the highly conserved RT + RNase H region revealed the highest nucleotide (nt) sequence identity (70.71%) to taro bacilliform CH virus-Et17 (MG017324). In addition to PMaV, viral sequences corresponding to orchid fleck dichorhavirus (OFV) were detected in the same plant sample. The complete sequence of the OFV coding region shared >98% nt sequence identity with other isolates of OFV available in the GenBank database. Disease symptoms could not be attributed exclusively to PMaV or OFV, as both viruses were present in the pandan grass exhibiting mosaic and chlorosis.

Le cancer du pancréas est une maladie agressive associée à un mauvais pronostic clinique, à des options thérapeutiques peu efficaces et à un manque de méthodes de détection précoce. Les raisons de son mauvais pronostic sont principalement liées au diagnostic tardif de ce cancer. Les patients ne présentent généralement pas de symptôme spécifique et il n’y a pas d’outils ou de biomarqueurs précoces permettant un dépistage de la population générale. D’autre part, le profilage moléculaire du cancer du pancréas est insuffisant pour développer des thérapies ciblées et personnalisées efficaces. Aujourd'hui, pour essayer de faire face à ces défis, la recherche se tourne vers les biopsies liquides qui sont peu invasives et permettent de suivre en temps réel l’évolution et l'hétérogénéité des tumeurs. Grâce au progrès de la recherche génomique et au développement de nouvelles technologies de séquençage (dPCR et le NGS) plus sensibles et plus spécifiques, les biopsies liquides offrent de nombreuses applications cliniques potentielles. L’analyse de l’ADNtc dans le sang semble être une méthode très prometteuse pour améliorer la prise en charge de ce cancer. L’ADNtc muté KRAS seul ou associé avec d’autres biomarqueurs, la quantité d’ADNlc ou encore les variations de la méthylation de l’ADNlc sont des biomarqueurs présentant une valeur pronostique et prédictive intéressante mais encore insuffisante pour le dépistage. Les résultats des études sur l’application clinique de l'ADNtc pour le dépistage, le diagnostic, le profilage moléculaire, le pronostic et la surveillance de la réponse thérapeutique doit être évaluée par de nouvelles études prospectives sur un plus grand nombre de patients afin de confirmer que les informations fournies contribuent de manière significative à l'amélioration de la prise en charge des patients. D’autre part, pour une application clinique de routine, il est nécessaire de réduire les coûts et de standardiser les protocoles.

Il a été établi que la majorité des plantes vasculaires abritent des micro-organismes endophytes bactériens et fongiques, qui peuvent coloniser les tissus végétaux et former des associations allant du mutualisme à la pathogénèse. Les symbioses végétales mutualistes les plus communes impliquent les champignons endo-mycorhiziens arbusculaires (AMF). Ces champignons s’associent aux racines des plantes et leur permettent d’améliorer leur nutrition minérale, tandis qu’ils bénéficient des composés produits par l'hôte. Toutefois, les plantes de la famille Ericaceae s’engagent plutôt dans des associations mutualistes avec les champignons mycorhiziens éricoïdes (ErMF). Ces derniers sont morphologiquement et taxonomiquement mal définis, en apparence distribués aléatoirement parmi les espèces issues des grandes divisions taxonomiques des Ascomycota et Basidiomycota. En raison de cette incohérence taxonomique et de l'absence d'une histoire évolutive explicative, la diversité réelle de ces champignons est mal caractérisée. De ce fait, ce projet vise à étudier le microbiote associé à la plante Ericaceae Vaccinium macrocarpon Aït (canneberge), axant la recherche sur les angles morphologiques, génomiques et transcriptomiques des champignons de type ErMF et autres endophytes capables de contrôler la croissance des agents phytopathogènes et de stimuler la croissance des plantes. Notre première démarche présentée dans le chapitre 2 s’est focalisée sur la caractérisation du microbiote endophyte bactérien et fongique de la canneberge, une plante vivace principalement produite en Amérique du Nord, notamment au Québec. Nous avons isolé et identifié 180 micro-organismes à partir de plantes de cultivars variés, collectées de champs différents, et avons démontré l'existence d'une variabilité dans le microbiote selon les tissus, les cultivars, et même entre les champs d'une même ferme. Parmi les endophytes d’intérêt identifiés, l’isolat fongique Lachnum sp. EC5 a stimulé la croissance des cultivars de canneberge Stevens et Mullica Queen et a formé des structures intracellulaires similaires à celles des ErMF à l’intérieur des cellules racinaires de la canneberge. De plus, l’isolat EB37 identifié Bacillus velezensis s’est révélé être un puissant agent antifongique, montrant cependant une tolérance particulière au champignon Lachnum sp. EC5, lors des tests de confrontation. Ce volet sera détaillé avec plus de précision dans le chapitre 4. Le chapitre 3 a porté sur l’analyse génomique comparative de l’isolat fongique Lachnum sp. EC5 avec plusieurs espèces de champignons Leotiomycetes ErMF, saprophytes et pathogènes. Nous avons analysé le sécrétome protéique prédit de ces champignons et mis en évidence que les gènes codant pour les enzymes de dégradation des parois végétales ne sont pas corrélés au mode de vie fongique (mycorhizien, pathogène ou saprophyte). A l’inverse, 10 protéines effectrices de Lachnum sp. EC5 prédites pour cibler spécifiquement un compartiment intracellulaire chez les cellules végétales ont des similarités avec celles d’espèces mutualistes comme Meliniomyces variabilis et Oidiodendron maius. Aussi, la protéine effectrice putative Zn-MP, prédite pour cibler, potentiellement, les chloroplastes végétaux nous permet de proposer un rôle dans le renforcement de l’immunité végétale. Le chapitre 4 s’est intéressé aux mécanismes de régulation d'expression de gènes induits lors de l’interaction entre le champignon Lachnum sp. EC5 et la bactérie B. velezensis EB37. Ces mécanismes ont été comparés à ceux activés chez la bactérie en présence de champignons pathogènes. Nous avons démontré une physiologique cellulaire bactérienne distincte en présence de Lachnum sp. EC5, dénotée par une faible expression des gènes induits lors du stress nutritif associé aux processus de sporulation, de formation du biofilm, de secretion de CAZymes et de lipopeptides. Nous avons suggéré que la sous-régulation de ces mécanismes serait essentiellement explicable par une disponibilité plus importante en glucose ou en d’autres sources de carbone préférentielles pour la bactérie. En réponse, le champignon Lachnum sp. EC5 a vécu différents changements morphologiques. Il aurait détoxifié ses environnements intra et extra-cellulaires et surexprimé sa voie de production de carbone dépendante du cycle du glyoxylate, générant ainsi des conditions favorisant un contact physique entre les deux micro-organismes. En conclusion, nous avons argumenté et documenté que la définition des ErMF basée uniquement sur des critères morphologiques est mal adaptée à catégoriser ces champignons. Notre approche multidisciplinaire a mis en évidence la diversité du microbiote de la canneberge, a étendu la notion d’ErMF à d'autres champignons jusqu'ici exclus de ce groupe, et a souligné l'importance des associations interspécifiques sur l’interaction ErMF-plantes. Ces avancées permettront d’améliorer nos connaissances sur le microbiote des plantes éricacées contribuant, au développement de solutions environnementales éco-responsables pour l’industrie de la canneberge., It has been established that the majority of vascular plants harbour bacterial and fungal endophytes that colonize plant tissues, and thus form associations that range from mutualism to pathogenesis. Mycorrhizal fungi are a particular class of endophytes that associate with plant roots and enhance plant mineral uptake. The most common type of mutualistic plant symbiosis involves arbuscular mycorrhizal fungi (AMF), whereas plants of the Ericaceae family instead engage in mutualistic associations with ericoid mycorrhizal fungi (ErMF). The ErMF group, in its current definition, includes both ascomycete and basidiomycete species, yet is morphologically, taxonomically and evolutionarily poorly defined, which implies that the group’s true diversity is not well understood. The objective of this project is to complement morphological information with genomic and transcriptomic data to better understand the role of ErMF in 1) controlling the negative effects of pathogenic infections, and 2) the potential plant growth stimulation for the Ericaceous plant Vaccinium macrocarpon Ait. Our first approach presented in Chapter 2 focused on the characterization of the bacterial and fungal endo-symbiotic microbiota of the Ericaceous plant, Vaccinium macrocarpon Ait (cranberry), a perennial plant mainly in North America, particularly in Quebec. We isolated ~180 distinct bacterial and fungal endophytes collected from roots, stems, and leaves of cranberry plants cultivated in Quebec, Canada. We show that the cranberry microbiome varies substantially between tissues, cultivars, and across fields of the same farm. Among the isolated endophytes, the fungus Lachnum sp. EC5 was found to promote the growth of cranberry cultivars Stevens and Mullica Queen, and to form intracellular structures resembling those other ErMF inside the cortical root cells. In addition, the bacterium Bacillus velezensis (EB37) has been found to be a potent antifungal agent. Interestingly, a confrontation test between EB37 and the fungus Lachnum sp. EC5 revealed a mutual tolerance, which we will describe later in chapter 4. In chapter 3, our project focused on the comparative genomic analysis of the fungus Lachnum sp. EC5 with several Leotiomycete ErMF, saprophytes and pathogens. We analyzed fungal secretomes and demonstrated that genes encoding plant cell wall degradation enzymes are conserved between the tested fungi which suggests that such proteins are not indicative of a particular fungal lifestyle. On the other hand, 10 effector proteins identified in Lachnum sp. EC5 were also only found in mutualistic fungi, such as Meliniomyces variabilis, Oidiodendron maius and have been reported to target the plant intracellular compartments. Also, the identification of the putative effector protein Zn-MP, specific to Lachnum sp. EC5 and predicted to target plant chloroplasts, suggest a role in the reinforcement of plant immunity. Chapter 4 focuses on the patterns of gene expression regulation induced in the biocontrol bacterium B. velezensis EB37 in interaction with the potentially mutualistic fungus Lachnum sp. EC5. These mechanisms were then compared to those activated when the bacterium is in the presence of pathogenic/saprophytic fungi. We demonstrated that in co-culture with Lachnum sp. EC5, EB37expresses fewer genes related to stress, and fewer related to the stationary phase which often involves production of bacterial biofilms and lipopeptides, such as mycosubtilin. We suggest that the lessened response to stress is related to an increased availability of glucose or other preferential sources of carbons for the bacterium. Conversely, Lachnum sp. EC5 in the presence of EB37 underwent morphological changes by a higher lateral branching., detoxified its external and internal environment by expressing both a catalase activity and efflux pumps, and overexpressed its glyoxylate cycle-dependent carbon production pathway, and thus promoting favourable conditions for close physical contact with the bacterium. In conclusion, we demonstrated that the morphological-based definitions are poorly adapted to the categorization of ErMF fungi. Our multidisciplinary approach highlighted the diversity of the cranberry microbiota, extended the notion of ErMF to other fungi hitherto excluded from this fungal group and underlined the importance of interspecific associations on the ErMF-plant interaction. These advances enhance our understanding of the Ericaceous plant microbiota and contributes to the development of sustainable solutions for the cranberry industry.

Gossypium, the cotton genus, includes ∼50 species distributed in tropical and sub-tropical regions of all continents except Europe. Here we provide a synopsis of the evolutionary history of Gossypium and domestication of the American allopolyploid species, integrating data from fundamental taxonomic investigations, biogeography, molecular genetics, phylogenetic analysis, and archaeology. These diverse sources of information provide a temporal and phylogenetic perspective on diversification among the diploids and on polyploid formation, uncover multiple previously cryptic interspecific hybridizations, clarify and contribute to the taxonomy of the genus, and offer a firm foundation for understanding parallel domestications in Mesoamerica and South America, which led to the globally important cotton crop species G. barbadense and G. hirsutum. Gossypium thus offers a testimonial example of the importance and utility of fundamental botanical discovery combined with modern technological capabilities to generate genomic insights into evolutionary history. We also review the current state of our knowledge regarding the archaeological history of cotton domestication and diffusion in the Americas, a seemingly unlikely story entailing parallel domestication origins and parallel directional selection tracing to 8,000 (G. barbadense) and 5,500 (G. hirsutum) years ago, transforming two geographically isolated wild short-day perennial shrubs having small capsules and seeds covered by short, tan-colored epidermal trichomes into modern daylength-neutral annuals bearing abundant, fine, strong white fibers. This dual domestication was followed several millennia later by unintentional and more recently intentional interspecific introgression, as the two species came into contact following their initial domestication in different hemispheres. Thus, the cycle of species divergence and biological reunion was reiterated, this time at the allopolyploid level. Understanding this evolutionary history is vitally important to our understanding of the genomic architecture of the world's most important fiber plant and contributes substantially to our understanding of general biological principles.

Introduction et objectif. Depuis 2019, le séquençage du génome entier est réalisé en routine pour toutes les entérobactéries productrices de bêtalactamases à spectre élargi (EBLSE) isolées chez les patients hospitalisés en réanimation au centre hospitalier universitaire de Caen. Cette étude évalue un algorithme d’alerte simple afin de détecter les transmissions croisées et les épidémies. Matériel et méthodes. L’alerte de transmission croisée est basée sur l’identification de deux EBLSE de même espèce en réanimation adulte sur une période d’un mois glissant. Les performances de ces alertes étaient calculées pour trois espèces d’EBLSE (Klebsiella pneumoniae, Escherichia coli et Enterobacter cloacae complexe) en les comparant aux données issues du séquençage des souches isolées en 2019 et 2020 puis en prospectif en 2021. Résultats. L’algorithme a été créé à partir des 320 souches d’EBLSE identifiées et séquencées : 138 E. coli, 91 K. pneumoniae et 91 E. cloacae. Le taux global de transmission croisée était de 22% en 2019-2020 (respectivement 1,5%, 42% et 33% pour chaque espèce) et de 21,2% en 2021 (0%, 16,7% et 54,0%). La valeur prédictive positive de notre algorithme est de 14,3% pour E. coli, 92,7% pour K. pneumoniae et 51,8% pour E. cloacae. Conclusion. Par une approche génomique, nous pouvons détecter et alerter toute transmission croisée afin d’adapter les mesures de prévention ainsi que les enquêtes environnementales en cas d’épidémie. L’algorithme donne une orientation précoce des alertes mais peut et doit s’adapter selon les dynamiques de diffusion, qui semblent être différentes entre espèces.

Background Somatic embryogenesis (SE) is one of the most promising processes for large-scale dissemination of elite varieties. However, for many plant species, optimizing SE protocols still relies on a trial and error approach. We report the first global scale transcriptome profiling performed at all developmental stages of SE in coffee to unravel the mechanisms that regulate cell fate and totipotency. Results RNA-seq of 48 samples (12 developmental stages × 4 biological replicates) generated 90 million high quality reads per sample, approximately 74% of which were uniquely mapped to the Arabica genome. First, the statistical analysis of transcript data clearly grouped SE developmental stages into seven important phases (Leaf, Dedifferentiation, Primary callus, Embryogenic callus, Embryogenic cell clusters, Redifferentiation and Embryo) enabling the identification of six key developmental phase switches, which are strategic for the overall biological efficiency of embryo regeneration. Differential gene expression and functional analysis showed that genes encoding transcription factors, stress-related genes, metabolism-related genes and hormone signaling-related genes were significantly enriched. Second, the standard environmental drivers used to control SE, i.e. light, growth regulators and cell density, were clearly perceived at the molecular level at different developmental stages. Third, expression profiles of auxin-related genes, transcription factor-related genes and secondary metabolism-related genes were analyzed during SE. Gene co-expression networks were also inferred. Auxin-related genes were upregulated during dedifferentiation and redifferentiation while transcription factor-related genes were switched on from the embryogenic callus and onward. Secondary metabolism-related genes were switched off during dedifferentiation and switched back on at the onset of redifferentiation. Secondary metabolites and endogenous IAA content were tightly linked with their respective gene expression. Lastly, comparing Arabica embryogenic and non-embryogenic cell transcriptomes enabled the identification of biological processes involved in the acquisition of embryogenic capacity. Conclusions The present analysis showed that transcript fingerprints are discriminating signatures of cell fate and are under the direct influence of environmental drivers. A total of 23 molecular candidates were successfully identified overall the 12 developmental stages and can be tested in many plant species to optimize SE protocols in a rational way.

Over the last decade, viral metagenomic studies have resulted in the discovery of thousands of previously unknown viruses. These studies are likely to play a pivotal role in obtaining an accurate and robust understanding of how viruses affect the stability and productivity of ecosystems. Among the metagenomics-based approaches that have been developed since the beginning of the 21st century, shotgun metagenomics applied specifically to virion-associated nucleic acids (VANA) has been used to disentangle the diversity of the viral world. We summarize herein the results of 24 VANA-based studies, focusing on plant and insect samples conducted over the last decade (2010 to 2020). Collectively, viruses from 85 different families were reliably detected in these studies, including capsidless RNA viruses that replicate in fungi, oomycetes, and plants. Finally, strengths and weaknesses of the VANA approach are summarized and perspectives of applications in detection, epidemiological surveillance, environmental monitoring, and ecology of plant viruses are provided. [Formula: see text] Copyright © 2022 The Author(s). This is an open access article distributed under the CC BY-NC-ND 4.0 International license.

La pandémie actuelle de COVID-19, causée par le coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2), a entraîné plus de 6 millions de décès et près de 680 millions de cas confirmés dans le monde. Depuis l'émergence du virus en décembre 2019, beaucoup d’efforts de recherche mondiaux ont visé à étudier la relation entre le SRAS-CoV-2 et l'immunité adaptative à médiation cellulaire. La caractérisation des réponses immunitaires à base de lymphocytes T CD4+ et CD8+ contre le SRAS-CoV-2 dans le contexte de mutations virales est d'une pertinence immédiate pour l’approfondissement de nos connaissances concernant l'immunité adaptative envers un virus en évolution, ainsi que l'amélioration de vaccins. Dans cette thèse, je passerai en revue les découvertes actuelles concernant la biologie du SRAS-CoV-2 et sa relation avec le système immunitaire adaptatif humain. Je discuterai ensuite les divers mécanismes par lesquels le SRAS-CoV-2, ainsi que d'autres virus, se sont avérés échapper l’immunité adaptative humoral et cellulaire. Enfin, je présenterai mes contributions à la compréhension du paysage mutationnel global du SRAS-CoV-2 et de sa capacité à échapper à la reconnaissance par les lymphocytes T CD8+. Dans ce travail, j'ai observé que le paysage mutationnel global du SRAS-CoV-2 était régi par des biais de mutation au cours de la première année de la pandémie, le plus répandu d’entre eux conduisant à la suppression de la proline. Il a ensuite été prédit que cette élimination globale de la proline conduirait à la perte d’épitopes reconnues par les cellules T CD8+ d'une manière dépendante sur les super-types HLA, avec la perte d'épitopes survenant préférentiellement dans le contexte du super-type HLA-B7. Le modèle développé dans ce travail propose un lien entre les biais mutationnels globaux du SRAS-CoV-2, les allèles HLA et l'évasion des lymphocytes T. Ce travail crée un cadre pour anticiper l'impact des variantes existantes et émergentes du SRAS-CoV- 2 envers la réponse immunitaire à base de lymphocytes T CD8+., The current COVID-19 pandemic, caused by Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2), has led to upwards of 6 million deaths and nearly 680 million confirmed cases worldwide. Since the emergence of the virus in December 2019, astounding global research efforts have been aimed at investigating the relationship between SARS-CoV-2 and cell-mediated adaptive immunity. Characterizing CD4+ and CD8+ T Lymphocyte responses to SARS-CoV-2 in the context of viral mutations is of immediate relevance to understanding the breadth of a population’s adaptive immunity to an evolving virus and is central to the improving existing vaccines. In this thesis, I will review all present findings pertaining to the biology of SARS-CoV-2 and its relationship with the human adaptive immune system. I will then discuss the various mechanisms by which SARS-CoV-2, along with other viruses, have been found to evade the various arms of the adaptive immune system. Finally, I will present my contributions to the understanding of the global mutational landscape of SARS-CoV-2 and its ability to evade recognition by CD8+ T lymphocytes. By investigating over 300,000 SARS-CoV-2 genomic sequences, I observed that the mutational landscape of SARS-CoV-2 was governed by mutation biases during the first year of the pandemic, with the most prevalent bias leading to the removal of proline. The observed global removal of Proline was predicted to lead to the loss of CD8+ T cell epitopes in an HLA-supertype-dependent manner, with the loss of epitopes occurring preferentially in the context of the HLA-B7 supertype. The model developed proposes a link between SARS-CoV-2 global mutational biases, HLA alleles and T cell evasion. This work creates a framework to anticipate the population-specific impact of existing and emerging SARS-CoV-2 variants on CD8+ T cell-based immunity.

L'imputation est désormais un outil essentiel dans l'analyse des études d'association à l'échelle du génome, permettant l'estimation de génotypes à des positions variables du génome non génotypées, via des inférences statistiques à partir d'haplotypes contenus dans un panel de référence utilisé pour l'imputation, soit une bibliothèque d’haplotype séquencés phasés en haplotypes. Les données génétiques imputés servent aux études d’associations sur les traits et maladies complexes. La population fondatrice canadienne-française est une population très utile dans les études d'association génétique en raison de sa diversité unique d'haplotypes et de l'excès de variantes rares. Ici, nous décrivons les défis qui accompagnent l'imputation de cette population fondatrice, qui n'est pas représentée dans les panels de référence disponibles, ainsi que la stratégie optimale pour imputer des ensembles de données génotypés hétérogènes, provenant de plusieurs plateformes de génotypage. Nous avons caractérisé l'imputation de 29,356 individus génotypés sur plusieurs puces de génotypage de la province du Québec constituant la cohorte CARTaGENE (CaG). Nous avons établi que le panel de référence le plus récent et le plus diversifié Trans-Omics for Precision Medecine (TOPMed) a surpassé le panel de référence Haplotype Reference Consortium (HRC) dans l'ensemble de données canadienne-française de CaG. Nous avons évalué la précision de l'imputation avec le un score de qualité (R2) fréquemment utilisé, ainsi que l’exactitude calculée en fonction des génotypes aux variants observés par séquençage, disponibles dans CARTaGENE pour un sous-groupe d’individus. Nous avons déterminé que la stratégie optimale pour augmenter la qualité d'imputation sur des ensembles de données hétérogènes a été atteinte en fusionnant chaque sous-ensemble de données après les avoir imputés individuellement. Ce résultat ouvre la voie à l’intégration de cohortes génotypées hétérogènes dans les études d’associations. Nos résultats soulignent également les défis que représente une population fondatrice pour l'imputation, en comparant la qualité de l'imputation de CaG avec d'autres sous-cohortes canadiennes du projet CanPath, soit l’Ontario, l’Alberta, la Colombie-Britannique et les provinces atlantiques. Ces résultats mettent en évidence l'impact de l’absence de diversité haplotypique spécifique dans les panels de référence sur l'imputation d'une population européenne fondatrice récente, démontrant l'importance de la représentativité de la population étudiée dans ces panels., Imputation is now an essential tool in the analysis of genome-wide association studies, allowing the estimation of genotypes at variable positions of the ungenotyped genome, via statistical inferences from haplotypes contained in a reference panel used for imputation, (a library of sequenced genotypes phased into haplotype). Imputed genetic data is used for association studies of complex traits and diseases. The French-Canadian founder population is a very useful population in genetic association studies due to its unique haplotype’s diversity and excess of rare variants. Here, we describe the challenges that come with imputing this founder population, which is not represented in available reference panels, as well as the optimal strategy for imputing heterogeneous genotyped datasets, from multiple genotyping platforms. We characterized the imputation of 29,356 individuals genotyped on multiple genotyping arrays from the province of Quebec constituting the CARTaGENE (CaG) cohort. We established that the newer and more diverse Trans-Omics for Precision Medicine (TOPMed) reference panel outperformed the Haplotype Reference Consortium (HRC) reference panel in the CaG French-Canadian dataset. We evaluated the precision of the imputation with the frequently used quality score (R2), as well as the accuracy calculated according to the genotypes observed by sequencing, available in CARTaGENE for a subgroup of individuals. We determined that the optimal strategy for increasing imputation quality on heterogeneous datasets was achieved by merging each subset of data after imputing them individually. This result opens the way to the integration of heterogeneous genotyped cohorts in association studies. Our results also highlight the challenges of a founder population for imputation, comparing the quality of CaG imputation with other Canadian sub-cohorts of the CanPath project, namely Ontario, Alberta, British-Columbia, and the Atlantic provinces. These results highlight the impact of the absence of specific haplotypic diversity in the reference panels on the imputation of a recent European founder population, demonstrating the importance of the representativeness of the population studied in these panels.

Deep learning (DL) methods have recently been shown to be powerful strategies for predicting the regulatory activity of a genomic sequence and thus for ultimately assessing the impact of regulatory mutations on gene expression. The Basenji tool proposes a DL approach using convolutional neural networks to predict the expression level of human genes. We adapted this program to train a dog-specific gene expression model and showed that this model achieved similar performance to that observed in humans, with high correlations between real and predicted expression levels (r=0.66). To predict the ex- pression level of canine genes, we show that the canine prediction model (within-species approach) leads to better performances than the human model (cross-species approach), particularly due to some specific features of canine sequences (GC content, transposable elements and evolutionary conservation). As the dog is a spontaneous model for human cancers, we used these models to predict the impact of non-coding mutations on the expression of genes involved in cancers. We identified 1301 common mutations to both humans and dogs, suggesting a functional role in the regulation of the expression of genes involved in cancer. Finally, models and tools to exploit them are available on GitHub: https://github.com/ckergal/BLIMP.; Les méthodes d’apprentissage profond (DL) se sont récemment révélées être de puissantes stratégies pour prédire l’activité régulatrice d’une séquence génomique et donc pour, in fine, évaluer l’impact des mutations régulatrices sur l’expression des gènes. L’outil Basenji propose une approche DL utilisant des réseaux de neurones convolutifs pour prédire le niveau d’expression de gènes humains. Nous avons adapté ce programme pour entraîner un modèle d’expression génique spécifique au chien et montré que ce modèle de prédiction atteignait des performances similaires à celles observées chez l’homme, avec des corrélations élevées entre les niveaux d’expression réels et ceux pré- dits (r=0,66). Pour prédire le niveau d’expression de gènes canins, nous démontrons également que l’utilisation du modèle de prédiction canin (approche intra-espèce) aboutit à de meilleures performances que le modèle humain (approche inter-espèce), notamment en lien avec certaines caractéristiques spécifiques aux séquences canines (niveau de GC, d’éléments transposable et conservation évolutive). Le chien étant un modèle naturel pour l’étude des cancers humains, nous avons également exploité ces modèles pour prédire l’impact de mutations non-codantes sur l’expression de gènes impliqués dans les cancers. Nous avons ainsi localisé 1301 mutations communes entre l’homme et le chien, suggérant un rôle fonctionnel dans la régulation de l’expression de gènes impliqués dans les cancers. Finalement, nos modèles et les outils pour les exploiter sont disponibles sur GitHub : https://github.com/ckergal/BLIMP.

Long-read technologies hold the promise to obtain more complete genome assemblies and to make them easier. Coupled with long-range technologies, they can reveal the architecture of complex regions, like centromeres or rDNA clusters. These technologies also make it possible to know the complete organization of chromosomes, which remained complicated before even when using genetic maps. However, generating a gapless and telomere-to-telomere assembly is still not trivial, and requires a combination of several technologies and the choice of suitable software. Here, we report a chromosome-scale assembly of a banana genome (Musa acuminata) generated using Oxford Nanopore long-reads. We generated a genome coverage of 177X from a single PromethION flowcell with near 17X with reads longer than 75 kbp. From the 11 chromosomes, 5 were entirely reconstructed in a single contig from telomere to telomere, revealing for the first time the content of complex regions like centromeres or clusters of paralogous genes., Belser, Baurens et al. report a chromosome-scale assembly of a banana genome (Musa acuminata) with five out of eleven chromosomes entirely reconstructed in a single contig from telomere to telomere. This work sheds light on the content of complex regions like centromeres or clusters of paralogous genes in the banana genome.

Intestinal and gastric bacterial infections caused by Campylobacter and Helicobacter bacteria are frequent: Campylobacter species can lead to severe gastroenteritis cases through the consumption of contaminated products such as meat and Helicobacter bacteria may be responsible of ulcers or gastric cancers. More than 200,000 campylobacteriosis cases are reported in the European Union each year. It has also been shown that about 50% of the world population is infected with Helicobacter pylori. A large number of Campylobacter strains and gastric biopsies from clinical cases are received daily at the French National Reference Center for Campylobacters and Helicobacter (NRCCH) where analyses such as species identification and antimicrobial resistance determination are performed. Several methods are used to study these pathogens: bacterial cultures, antibiograms, MALDI-TOF mass spectrometry and DNA extraction for real-time PCR. Despite the fact these analyses are cheap and quick, it may also introduce some disadvantages: for example species identification using MALDI-TOF is sometimes non-significant and the determination of molecular resistance mecanisms among resistant isolates can also be challenging. Today, next-gen sequencing is a crucial tool to generate a large amount of data and, combined with bioinformatics, can solve numerous clinical problems encountered in the laboratory. In order to modernize the analysis of French clinical cases performed at the NRCCH, various bioinformatic tools and scripts were set up and developped during this PhD. The main objective was to enrich our knowledge on these bacterial infections by highlighting DNA and protein sequences variations involved in various problematics. Over these three years, we have then identify: SNPs (Single Nucleotide Polymorphisms) within the genome of Campylobacter coli that are able to discriminate three different sources of contamination (chickens, cattle and pigs), new antimicrobial resistance genes that have emerged in France in the past few years but also new Campylobacter and Helicobacter species. These differents data and tools are now routinely used in the NRCCH laboratory. All these analyses were made possible by the use of Linux environment and Bash or Python programming languages allowing the study of thousands of DNA sequences from a variety of clinical isolates that have been sequenced throughout many projects. This «genomic exploration» was here the key to answer the different clinical issues., Les infections bactériennes intestinales et gastriques par les bactéries du genre Campylobacter et Helicobacter sont très fréquentes: l’une pouvant provoquer des gastro-entérites sévères des suites d’une contamination alimentaire (principalement la viande) et l’autre étant liée au développement d’ulcères ou bien de cancers gastriques. Plus de 200 000 cas de campylobacterioses sont recensés dans l’Union Européenne chaque année, avec comme principale espèce Campylobacter jejuni. De plus, environ 50% de la population mondiale est infectée par Helicobacter pylori. De très nombreuses souches de Campylobacter et de biopsies gastriques sont reçues quotidiennement au CNR des Campylobacters et des Hélicobacters (CNRCH) où y sont menées des analyses telles l’identification de l’espèce et de la résistance aux antibiotiques. Plusieurs méthodes sont mises en place pour étudier ces pathogènes : cultures bactériennes, antibiogrammes, spectromètre de masse MALDI-TOF et extraction d’ADN pour des PCR en temps réel. Malgré la rapidité et le moindre coût de ces méthodes, les utiliser en routine présente des désavantages notamment des identifications d’espèces parfois non concluantes avec le MALDI-TOF ou la difficulté de déterminer les mécanismes moléculaires de résistance. Aujourd’hui, le séquençage haut débit couplé à la bio-informatique permet de générer des données cruciales pour résoudre ces nombreuses problématiques rencontrées en laboratoire. C’est en vue de moderniser les analyses de cas cliniques français effectuées au CNRCH que différents outils et scripts bio-informatiques ont été mis en place mais aussi développés durant ce doctorat. Le principal objectif étant d’enrichir nos connaissances sur ces infections bactériennes : de mettre en évidence des variations dans les séquences d’ADN (gène et mutations) mais aussi protéiques impliquées dans diverses problématiques. Ainsi, il a pu être identifié durant ces trois années : des SNPs (Single Nucleotide Polymorphisms) dans le génome de Campylobacter coli spécifiques à trois différentes sources de contamination (la volaille, les bovins et les porcs), des nouveaux gènes de résistance aux antibiotiques qui émergent sur le territoire métropolitain mais aussi des nouvelles espèces du genre Helicobacter ou Campylobacter. Ces outils et données sont d’ores et déjà utilisés en routine au sein du CNRCH. Toutes ces analyses ont pu être possibles via l’utilisation de l’environnement Linux (progammation Bash et Python) permettant d’étudier des milliers de séquences d’ADN provenant d’une variété de souches séquencées au cours des différents projets. Cette «exploration génomique» fût ici la clé pour répondre aux différentes problématiques cliniques.

Cette étude pilote vise à développer une méthode d'analyse intégrative qui permet d'augmenter le taux de réussite du diagnostic clinique des mutations génétiques rares. De plus, l'identification de nouveaux gènes associés à l'ataxie épisodique (EA) et l'évaluation de nouveaux algorithmes de prédiction, pour un examen de variants plus robuste, découleront de l'enquête. Caractérisé par une perte sporadique de la coordination des mouvements volontaires, l'EA se manifeste généralement tardivement, avec une hétérogénéité clinique et génétique élevée, compliquant largement l’obtention d’un diagnostic précis. Alors que quatre gènes ont été liés aux huit sous-types d'EA, de nombreux patients demeurent sans diagnostic moléculaire dû aux limites des méthodes de séquençage d’ADN. Ces lacunes accentuent l’intérêt d’implanter le séquençage de l’ARN en milieu clinique, afin d’obtenir l’information fonctionnelle offerte par l’approche. Des patients atteints d’EA, sans diagnostic moléculaire malgré un examen approfondi, ont été recrutés à Montréal. Le séquençage du génome entier (WGS) et de l'ARN a été effectué sur des échantillons de sang pour identifier les variants nucléotidiques, l'expression différentielle, les événements d'épissage ainsi que les expansions de microsatellites. Plusieurs algorithmes de prédiction de la pathogénicité récents ont été choisis pour être testés parallèlement aux algorithmes standard. Des données WGS provenant d’un trio familial atteint de pathologies neurologiques ont également été soumises au pipeline génomique développé pour la cohorte EA. Des variants candidats ont été identifiés pour chaque patient en fonction des scores de pathogénicité, de la rareté des événements génétiques et des informations fonctionnelles et cliniques connues pour un gène altéré donné. Parmi les découvertes figurent des mutations non-sens, des faux-sens, de l'épissage alternatif ainsi que des expansions nucléotidiques dans des gènes associés aux ataxies spinocérébelleuses ou aux paraplégies spastiques. En plus d'être présents dans les ensembles de données de séquençage disponibles pour chaque patient, les événements génomiques ont été vérifiés par séquençage Sanger de l'ADN et de l'ARN lorsque possible. Les effets fonctionnels potentiels, prédits principalement à partir du RNA-seq et suggérant une expression anormale de l'ARNm, ont également été évalués par amplification PCR et qPCR traditionnelle. À ce jour, quatre des dix patients ont reçu ou sont en voie de recevoir un diagnostic clinique, et quatre autres présentent d’excellents candidats moléculaires pour expliquer une pathologie ataxique. Ce projet devrait permettre un diagnostic mieux défini, conduisant à une meilleure qualité de vie, une meilleure évaluation du pronostic et une meilleure prise en charge des patients. L’identification de modulateurs génétiques chez certains d’entre eux devrait également permettre une meilleure caractérisation clinique des conditions rapportées, bénéficiant les évaluations symptomatiques futures. De plus, la méta-analyse des données RNA-seq offre le potentiel de découvrir des régulateurs de pathogenèse communs à l’EA. Il favorisera également l'approche intégrative pour un plus large éventail de troubles et pourrait éventuellement conduire à de nouvelles stratégies thérapeutiques., This pilot study aims to develop an integrative analysis method that allows for an increased diagnosis success rate of rare genetic mutations. Moreover, identification of novel genes associated with Episodic Ataxia (EA) and evaluation of new AI-generated prediction algorithms, for a more robust variant examination, will ensue from the investigation. Characterized by sporadic loss of voluntary movement coordination, EA typically manifest with a late onset as well as high-clinical and genetic heterogeneity, setting additional hurdles to diagnosis. While four genes have been linked to the eight subtypes of EA, many patients are left without molecular diagnosis due to the limitations of individual DNA-sequencing methods, which can be mitigated by the functional overview that RNA sequencing (RNA-seq) offers. EA patients, lacking molecular diagnosis despite in-depth examination, were recruited in Montreal. Whole-Genome sequencing (WGS) and RNA-seq were performed on blood samples to identify single nucleotide variants, differential expression, splicing events, structural variants and repeat expansions. Multiple recent pathogenicity prediction algorithms were chosen for testing concurrently to standard ones, in order to evaluate their performance and potential for clinical pipelines integration. WGS data of a family trio from France, in which the father and the daughter present neurologic pathologies, were also processed through the genomic pipeline that was developed for the EA cohort in order to identify the cause of their disorder. Candidate variants were identified for each patient according to pathogenicity scores, rarity of genetic events, and known functional as well as clinical information for a given altered gene. Among the findings are truncations, missenses, alternative splicing, and repeat expansions in genes already associated to either spinocerebellar ataxia or spastic paraplegia. In addition to being present in both datasets when available, validation of these interesting genomic events has been performed through Sanger Sequencing of both DNA and RNA when feasible. For strong candidates where the available functional information from RNA-seq suggests abnormal mRNA expression, validation includes PCR amplification as well as a traditional qPCR to support effects on transcripts. To this day, four out of ten patients have received or are on the verge of receiving a diagnosis, and four others are carrying excellent molecular candidates requiring further validation to explain their ataxic pathologies. This project should provide more defined diagnosis, leading to better quality of life, better evaluation of prognosis and better management of care for patients. Identification of genetic modifier in some of them should also allow for a better clinical characterization of the reported conditions, benefiting future patient examinations. A meta-analysis of our patients’ transcriptomic profiles could also uncover commonly affected pathways in EA development. It will also promote the integrative approach for a larger spectrum of disorders and might eventually lead to new therapeutic strategies.

International audience; Fresh berries are a popular and important component of the human diet. The demand for high-quality berries and sustainable production methods is increasing globally, challenging breeders to develop modern berry cultivars that fulfill all desired characteristics. Since 1994, research projects have characterized genetic resources, developed modern tools for high-throughput screening, and published data in publicly available repositories. However, the key findings of different disciplines are rarely linked together and only a limited range of traits and genotypes has been investigated. The Horizon2020 project BreedingValue will address these challenges by studying a broader panel of strawberry, raspberry and blueberry genotypes in detail, in order to recover the lost genetic diversity that has limited the aroma and flavor intensity of recent cultivars. We will combine metabolic analysis with sensory panel tests and surveys to identify the key components of taste, flavor and aroma in berries across Europe, leading to a high-resolution map of quality requirements for future berry cultivars. Traits linked to berry yields and the effect of environmental stress will be investigated using modern image analysis methods and modeling. We will also use genetic analysis to determine the genetic basis of complex traits for the development and optimization of modern breeding technologies such as molecular marker arrays, genomic selection and genome wide association studies. Finally, the results, raw data and metadata will be made publicly available on the open platform Germinate in order to meet FAIR data principles and provide the basis for sustainable research in the future.

This thesis aims at presenting a set of concepts and inferential tools adapted to the analysis of neutral genetic polymorphism in a specific class of stochastic population genetics models : spatialized demographic models of populations where the dispersal of individuals between generations is limited in space (isolation by distance models). Such analysis is based on the combination of stochastic models of population evolution (generation by generation coalescence) and statistical inference method by simulation (“the summary-likelihood method”). In a first step various tools were developed and tested independently before being integrated together to create an inferential framework adapted to our models. In a second step, we used this framework to study the performances and benefits of these new inference methods and the influence of considering linkage disequilibrium patterns on parameter inference under distance isolation models.; Cette thèse a pour but de développer un ensemble de concepts et d’outils inférentiels adaptés à l’analyse du polymorphisme génétique neutre dans une classe bien spécifique de modèles stochastiques de génétique des populations : les modèles démographiques spatialisés de populations où la dispersion des individus entre générations est limitée dans l’espace (modèles d’isolement par la distance). Cette analyse repose sur la combinaison de modèles stochastiques de l’évolution des populations (la coalescence en génération par génération) et d’une méthode d’inférence statistique par simulation (“the summary-likelihood method”). Dans un premier temps, les divers outils furent mis au point et testés indépendamment avant d’être intégré ensemble afin de créer un canevas d’inférence reliant des outils adaptés à nos modèles. Dans un second temps nous avons utilisé ce canevas afin d’étudier les performances et les bénéfices de ces nouvelles méthodes d’inférences par simulation dans ce contexte d’isolement par la distance, notamment l’influence de la prise en compte des patrons de déséquilibre de liaison sur l’inférence des paramètres de densité et de dispersion.

International audience; Rootstocks are an important component for citrus adaptation to increasing biotic and abiotic stresses resulting from global climate change. There is a strong complementarity between Citrus species, which adapt to abiotic stresses, and Poncirus trifoliata and its intergeneric hybrids, which exhibit resistances or tolerances to major diseases and pests. Thus, symmetrical somatic hybridization between complementary diploid rootstocks of these two genera appears to be an efficient way to develop new tetraploid rootstocks in order to address the new challenges of the citrus industry. New intergeneric somatic hybrids were obtained by electrofusion between protoplasts of Citrus and P. trifoliata hybrids. Extensive characterization of the nuclear and cytoplasmic genomes was performed by genotyping-by-sequencing (GBS) analysis. This revealed diploid cybrids and nuclear somatic hybrids. Mitochondrial genomes were mostly inherited from the callus parent, but homologous recombination events were observed for one parental combination. Chloroplasts exhibited random uniparental inheritance. GBS revealed local chromosomal instabilities for all nuclear somatic hybrids and whole chromosome eliminations for two hybrids. However, at the whole genome level, symmetrical addition of the nuclear genomes of both parents was predominant and all somatic hybrids displayed at least one trifoliate orange haplotype throughout the genome.

International audience; Most commercial peach [Prunus persica (L.) Batsch] cultivars have leaves with extraf loral nectaries (EFNs). Breeders have selected this character over time, as they observed that the eglandular phenotype resulted in high susceptibility to peach powdery mildew, a major disease of peach trees. EFNs are controlled by a Mendelian locus (E), mapped on chromosome 7. However, the genetic factor underlying E was unknown. In order to address this point, we developed a mapping population of 833 individuals derived from the selfing of "Malo Konare", a Bulgarian peach cultivar, heterozygous for the trait. This progeny was used to investigate the E-locus region, along with additional resources including peach genomic resequencing data, and 271 individuals from various origins used for validation. High-resolution mapping delimited a 40.6 kbp interval including the E-locus and four genes. Moreover, three doublerecombinants allowed identifying Prupe.7G121100, a LMI1-like homeodomain leucine zipper (HD-Zip) transcription factor, as a likely candidate for the trait. By comparing peach genomic resequencing data from individuals with contrasted phenotypes, a MITE-like transposable element of the hAT superfamily (mMoshan) was identified in the third exon of Prupe.7G121100. It was associated with the absence or globose phenotype of EFNs. The insertion of the transposon was positively correlated with enhanced expression of Prupe.7G121100. Furthermore, a PCR marker designed from the sequence-variants, allowed to properly assign the phenotypes of all the individuals studied. These findings provide valuable information on the genetic control of a trait poorly known so far although selected for a long time in peach.

International audience; L’objectif de Plasma (https://plasmabio.org/) est de former des étudiants à l'exploration et à l'analyse de données massives, principalement issues d’expériences de génomique en biologie.Ce projet repose sur l'utilisation de notebooks Jupyter, véritables carnets électroniques interactifs, qui intègrent du code informatique, du texte, des équations mathématiques et la visualisation des résultats d'analyse sous forme de graphiques ou de tableaux. Cette technologie est en train dedevenir un standard pour l'analyse de données.Ces notebooks sont hébergés sur un serveur informatique performant basé sur l’écosytème open source Jupyter. Nous avons développé une évolution de cette technologie qui permet aux enseignants de créer des environnements informatiques adaptés à chaque enseignement.Les étudiants peuvent se connecter à distance quand et d’où ils le souhaitent pour effectuer leurs analyses dans un environnement convivial et performant.Nous avons utilisé une première fois Plasma de septembre 2020 à avril 2021, pour des cours de programmation Python, de programmation R et d’analyses de données génomiques. Malgré des conditions sanitaires difficiles, nos étudiants ont pu poursuivre leurs enseignements pratiques grâceà cette solution, qu’ils ont appréciée et plébiscitée. Nous utilisons depuis lors Plasma pour de nombreux enseignements.Ce projet est réalisé en collaboration avec QuantStack, une société fortement impliquée dans le développement de l'écosystème Jupyter. Plasma est open source, documenté et librement accessible.

Les anomalies génétiques, définies comme des phénotypes plus ou moins délétères et déviant par rapport à une population, résultent de mutations naturelles uniques dans l’ADN, rares et héréditaires. On estime que chaque individu est porteur de 1 à 5 mutations hautement délétères dans son génome. Pour identifier une anomalie génétique, l’approche classique repose sur l’étude des phénotypes délétères et de l’ADN des individus atteints. Les différents outils de génotypage, l’analyse d’association et le séquençage de génomes complets permettent de mettre en évidence les mutations causales associées. Cependant, lorsque la mutation est létale, notamment au stade embryonnaire, les échantillons d’ADN ne sont pas disponibles. Ainsi pour les animaux d’élevage, d’autres approches dites de génétique inverse, permettent de tirer parti des nombreux génotypages obtenus dans le cadre de la sélection génomique. Des analyses statistiques dédiées de ces génotypes permettent de rechercher des régions du génome en déficit d’animaux homozygotes, supposées porter des mutations récessives létales. En effet, le déficit d’homozygotes s’expliquerait par la mort précoce des animaux avant leur génotypage. Le premier objectif de cette thèse a été d’étudier la faisabilité d’une telle approche dans les populations de petits ruminants engagées dans un programme de sélection génomique. Cette méthode a permis de mettre en évidence 13 régions (ou haplotypes) indépendantes uniquement en races ovines Lacaune (LDHH) et Manech Tête Rousse (MTRDHH), mais pas dans les autres races laitières ovines ou caprines. Le deuxième objectif a été d’étudier leurs effets sur les caractères de reproduction et de production. L’analyse des caractères de fertilité et de mortinatalité permet de confirmer que certains des haplotypes détectés sont associés à de la létalité au cours du développement embryonnaire (LDHH1, 2 et 9 ; MTRDHH2), ou autour de la naissance (LDHH3 et 6, et MTRDHH1). Les autres haplotypes sont supposés conduire à de la mortalité plus tardive (MTRDHH3) ou être associés à des défauts morphologiques contre-sélectionnés. Avec des fréquences de porteurs variant de 3% à 16%, certains haplotypes offrent un potentiel avantage sélectif des béliers porteurs hétérozygotes, notamment pour la production laitière augmentée de leurs filles (LDHH, 3, 9 et 11 ; MTRDHH2). Le troisième objectif consistait à identifier les mutations causales sous-jacentes de ces régions en déficit par l’analyse des séquences de génomes entiers des hétérozygotes. Parmi les 13 haplotypes, des mutations candidates "perte de fonction" ont été identifiées dans 9 gènes, ORC5 pour LDHH1, IDI1 pour LDHH2, PREB et GPN1 pour LDHH3, CCDC65 pour LDHH6, EDC3 pour LDHH9, MMUT pour MTRDHH1, SLC33A1 pour MTRDHH2 et FCGR1A pour MTRDHH3. De façon à prouver le caractère récessif létal, des accouplements à risque ont été réalisés entre animaux hétérozygotes pour générer des individus homozygotes. La mortalité chez le jeune agneau homozygote de quelques jours a pu être prouvée pour les mutations dans CCDC65 et MMUT. Quant à la mutation dans SLC33A1, elle entraînerait une perte embryonnaire dans le premier mois de gestation. Par ailleurs, trois haplotypes semblent être associés à des mutations de gènes déjà connus chez les ovins en lien avec la sensibilité aux mammites (SOCS2 dans LDHH11), la couleur de toison noire (ASIP dans MTRDHH5) et l’absence de cornes elle-même liée à de la cryptorchidie (RXFP2 dans MTRDHH4). L’ensemble de ce travail de thèse apporte de nouvelles connaissances sur les anomalies génétiques existantes dans les populations ovines. La gestion de ces anomalies par la connaissance des phénotypes affectés et le génotypage systématique des mutations causales permettra d’améliorer la fertilité globale, de limiter la mortalité des agneaux, et plus généralement d’améliorer la santé et le bien-être des animaux de ces populations.

Understanding vulnerabilities of plant populations to climate change could help preserve their biodiversity and reveal new elite parents for future breeding programmes. To this end, landscape genomics is a useful approach for assessing putative adaptations to future climatic conditions, especially in long-lived species such as trees. We conducted a population genomics study of 207 Coffea canephora trees from seven forests along different climate gradients in Uganda. For this, we sequenced 323 candidate genes involved in key metabolic and defence pathways in coffee. Seventy-one single nucleotide polymorphisms (SNPs) were found to be significantly associated with bioclimatic variables, and were thereby considered as putatively adaptive loci. These SNPs were linked to key candidate genes, including transcription factors, like DREB-like and MYB family genes controlling plant responses to abiotic stresses, as well as other genes of organoleptic interest, such as the DXMT gene involved in caffeine biosynthesis and a putative pest repellent. These climate-associated genetic markers were used to compute genetic offsets, predicting population responses to future climatic conditions based on local climate change forecasts. Using these measures of maladaptation to future conditions, substantial levels of genetic differentiation between present and future diversity were estimated for all populations and scenarios considered. The populations from the forests Zoka and Budongo, in the northernmost zone of Uganda, appeared to have the lowest genetic offsets under all predicted climate change patterns, while populations from Kalangala and Mabira, in the Lake Victoria region, exhibited the highest genetic offsets. The potential of these findings in terms of ex situ conservation strategies are discussed.

Intestinal and gastric bacterial infections caused by Campylobacter and Helicobacter bacteria are frequent: Campylobacter species can lead to severe gastroenteritis cases through the consumption of contaminated products such as meat and Helicobacter bacteria may be responsible of ulcers or gastric cancers. More than 200,000 campylobacteriosis cases are reported in the European Union each year. It has also been shown that about 50% of the world population is infected with Helicobacter pylori. A large number of Campylobacter strains and gastric biopsies from clinical cases are received daily at the French National Reference Center for Campylobacters and Helicobacter (NRCCH) where analyses such as species identification and antimicrobial resistance determination are performed. Several methods are used to study these pathogens: bacterial cultures, antibiograms, MALDI-TOF mass spectrometry and DNA extraction for real-time PCR. Despite the fact these analyses are cheap and quick, it may also introduce some disadvantages: for example species identification using MALDI-TOF is sometimes non-significant and the determination of molecular resistance mecanisms among resistant isolates can also be challenging. Today, next-gen sequencing is a crucial tool to generate a large amount of data and, combined with bioinformatics, can solve numerous clinical problems encountered in the laboratory. In order to modernize the analysis of French clinical cases performed at the NRCCH, various bioinformatic tools and scripts were set up and developped during this PhD. The main objective was to enrich our knowledge on these bacterial infections by highlighting DNA and protein sequences variations involved in various problematics. Over these three years, we have then identify: SNPs (Single Nucleotide Polymorphisms) within the genome of Campylobacter coli that are able to discriminate three different sources of contamination (chickens, cattle and pigs), new antimicrobial resistance genes that have emerged in France in the past few years but also new Campylobacter and Helicobacter species. These differents data and tools are now routinely used in the NRCCH laboratory. All these analyses were made possible by the use of Linux environment and Bash or Python programming languages allowing the study of thousands of DNA sequences from a variety of clinical isolates that have been sequenced throughout many projects. This «genomic exploration» was here the key to answer the different clinical issues., Les infections bactériennes intestinales et gastriques par les bactéries du genre Campylobacter et Helicobacter sont très fréquentes: l’une pouvant provoquer des gastro-entérites sévères des suites d’une contamination alimentaire (principalement la viande) et l’autre étant liée au développement d’ulcères ou bien de cancers gastriques. Plus de 200 000 cas de campylobacterioses sont recensés dans l’Union Européenne chaque année, avec comme principale espèce Campylobacter jejuni. De plus, environ 50% de la population mondiale est infectée par Helicobacter pylori. De très nombreuses souches de Campylobacter et de biopsies gastriques sont reçues quotidiennement au CNR des Campylobacters et des Hélicobacters (CNRCH) où y sont menées des analyses telles l’identification de l’espèce et de la résistance aux antibiotiques. Plusieurs méthodes sont mises en place pour étudier ces pathogènes : cultures bactériennes, antibiogrammes, spectromètre de masse MALDI-TOF et extraction d’ADN pour des PCR en temps réel. Malgré la rapidité et le moindre coût de ces méthodes, les utiliser en routine présente des désavantages notamment des identifications d’espèces parfois non concluantes avec le MALDI-TOF ou la difficulté de déterminer les mécanismes moléculaires de résistance. Aujourd’hui, le séquençage haut débit couplé à la bio-informatique permet de générer des données cruciales pour résoudre ces nombreuses problématiques rencontrées en laboratoire. C’est en vue de moderniser les analyses de cas cliniques français effectuées au CNRCH que différents outils et scripts bio-informatiques ont été mis en place mais aussi développés durant ce doctorat. Le principal objectif étant d’enrichir nos connaissances sur ces infections bactériennes : de mettre en évidence des variations dans les séquences d’ADN (gène et mutations) mais aussi protéiques impliquées dans diverses problématiques. Ainsi, il a pu être identifié durant ces trois années : des SNPs (Single Nucleotide Polymorphisms) dans le génome de Campylobacter coli spécifiques à trois différentes sources de contamination (la volaille, les bovins et les porcs), des nouveaux gènes de résistance aux antibiotiques qui émergent sur le territoire métropolitain mais aussi des nouvelles espèces du genre Helicobacter ou Campylobacter. Ces outils et données sont d’ores et déjà utilisés en routine au sein du CNRCH. Toutes ces analyses ont pu être possibles via l’utilisation de l’environnement Linux (progammation Bash et Python) permettant d’étudier des milliers de séquences d’ADN provenant d’une variété de souches séquencées au cours des différents projets. Cette «exploration génomique» fût ici la clé pour répondre aux différentes problématiques cliniques.

International audience; Dansla recherche de ces dernières annéesdans alimentset les sciences de la nutrition sont passées des méthodes analytiques classiques à des approches omiques très sophistiquées qui créent une quantité impressionnante de données. Les dernières ne peuvent être analysées qu'à l'aide d'outils bioinformatiques. Les travaux publiés jusqu'à présent ont montré la puissance des technologies omiquesdansLe domaine defoodomique. La plupart des études menées jusqu'à présent ont utilisé une ou deux approches telles que la transcriptomique et la métabolomique, et un défi majeur consiste à intégrer et à connecter des ensembles de données de différents niveaux d'expression tels que gène, transcrit, protéine et métabolite. Cependant, des développements restent à faire pour transférer cette approche utilisée principalementdanslaboratoires de recherche au monde industriel. La plupart des techniques utiliséesdans foodomiqueles approches sont complexes, coûteuses et nécessitent des personnes hautement qualifiées pour obtenir des données solides. Des équipes qui travaillentdansce domaine doit être composé de personnes ayant des compétences complémentairesdanschimie, analyse, statistiques, biologie et bioinformatique. Les gouvernements de différents pays ont développé de grands centres « omiques », utilisant parfois des coentreprises avec des industries privées. D'autres entreprises privées ont investi de l'argent et fournissent des services aux laboratoires du secteur public. Des initiatives de partage de bases de données et d'outils bioinformatiques ont également été proposées. Par conséquent, une façon d'innoverdansce domaine passerait par des collaborations plus étroites entre le monde académique etindustrie

Sexual dimorphism of aquaculture traits is common for farmed fish. The Nile tilapia is the second most important farmed species with a production 6 million tons in 2020. Intensive farming relies on the production of all-males due to males' higher growth rate, and as a way to avoid uncontrolled reproductions. Currently the large majority of the all-male productions are obtained through androgen treatments. We aim to use more sustainable procedures to produce all-males such as the use of YY males. Until now, the use of YY males has not been reliable. This is because sex determination in Nile tilapia is complex and controlled by several factors. Although sex determinism follows an XX/XY system, the linkage group (LG) carrying the major sex determinant gene has been assigned to either LG1 or LG23, depending on the domesticated strain. Minor parental factors can also be implicated and in addition, high temperatures can override the genetic determinism. It is not clear to what extent these differences in sex determination are due to natural diversity in the mechanisms of sex determination or due to processes of domestication. It is therefore necessary to better understand the genetic basis of sex determinism in order to use this approach to generate all-males. For this, we decided to work on wild populations in Africa that have not suffered domestic manipulations. We underwent a study of sex determination in several wild populations from West (Lake Volta, Lake Kou) and East Africa (Lake Koka and Lake Hora). We used complementary genomic approaches of ddRAD, whole genome sequencing and long Nanopore reads. We were able to determine that the amh region present on LG23 is the major sex-determining region in most of these populations. Nevertheless, our results also show that there is high polymorphism in this SD region. Furthermore, there are populations that lack the male-specific amh duplication on LG23. Hence, there are no universal Y markers for Nile tilapia. It is necessary to work at the population level to identify and validate sex markers, in order to allow the local production of YY males.

The Banana Genome Hub provides centralized access for genome assemblies, annotations, and the extensive related omics resources available for bananas and banana relatives. A series of tools and unique interfaces are implemented to harness the potential of genomics in bananas, leveraging the power of comparative analysis, while recognizing the differences between datasets. Besides effective genomic tools like BLAST and the JBrowse genome browser, additional interfaces enable advanced gene search and gene family analyses including multiple alignments and phylogenies. A synteny viewer enables the comparison of genome structures between chromosome-scale assemblies. Interfaces for differential expression analyses, metabolic pathways and GO enrichment were also added. A catalogue of variants spanning the banana diversity is made available for exploration, filtering, and export to a wide variety of software. Furthermore, we implemented new ways to graphically explore gene presence-absence in pangenomes as well as genome ancestry mosaics for cultivated bananas. Besides, to guide the community in future sequencing efforts, we provide recommendations for nomenclature of locus tags and a curated list of public genomic resources (assemblies, resequencing, high density genotyping) and upcoming resources—planned, ongoing or not yet public. The Banana Genome Hub aims at supporting the banana scientific community for basic, translational, and applied research and can be accessed at https://banana-genome-hub.southgreen.fr.

This volume explores the conceptual framework and the practical issues related to genomic prediction of complex traits in human medicine and in animal and plant breeding. The book is organized into five parts. Part One reminds molecular genetics approaches intending to predict phenotypic variations. Part Two presents the principles of genomic prediction of complex traits, and reviews factors that affect its reliability. Part Three describes genomic prediction methods, including machine-learning approaches, accounting for different degree of biological complexity, and reviews the associated computer-packages. Part Four reports on emerging trends such as phenomic prediction and incorporation into genomic prediction models of “omics” data and crop growth models. Part Five is dedicated to lessons learned from cases studies in the fields of human health and animal and plant breeding, and to methods for analysis of the economic effectiveness of genomic prediction. Written in the highly successful Methods in Molecular Biology series format, the book provides theoretical bases and practical guidelines for an informed decision making of practitioners and identifies pertinent routes for further methodological researches.

With about 35,000 described species, ray-finned fishes, also called actinopterygians, represent almost half of all vertebrate species and more than 95% of all aquatic vertebrates. These animals have colonized a large number of different environments, both in fresh and salt water, in temperatures ranging from zero to 35°C and at depths of up to 8000 meters. These highly heterogeneous ecological niches within a species group makes it particularly interesting to study the evolution of their sensory systems, which are involved in a number of essential functions such as navigation, feeding and reproduction. In this thesis, I undertook comparative genomic studies to better understand the evolution of olfaction across actinopterygians and vision in cave-dwelling actinopterygians. The detection of odorant molecules is ensured by olfactory receptors, proteins expressed on the surface of the membrane of the sensory neurons in the olfactory epithelium. This epithelium can display a more or less complex organization depending on the species, in particular by the presence of different numbers of lamellae, regulating the size of the exchange surface with the external environment. By analyzing the genome of 185 actinopterygians, we observed a great variability in the number of genes encoding olfactory receptors and a strong correlation between the size of this gene repertoire and the number of lamellae, probably because a large surface area of olfactory epithelium is necessary for a large number of receptors to be expressed. Thus, whereas polypterids (Erpetoichthys calabaricus and Polypterus senegalus) possess more than a thousand different receptors with an olfactory organ that consists of hundreds of lamellae, the sunfish (Mola mola) has only a median fold in a reduced olfactory epithelium and possesses only about thirty different receptors. These coherent morphological and molecular data suggest that the olfactory capacities are probably very variable between actinopterygians. In addition, we have studied the evolution of genes involved in photoreception in cave-dwelling fish with more or less degenerate eyes. By looking for the presence of loss-of-function mutations (mutations that makes a gene non-functional, a pseudogene), we have shown the presence of more or less numerous pseudogenes depending on the species, suggesting that photoreception genes are dispensable in these fishes living in the dark. Conversely, most genes involved in the circadian cycle and pigmentation are under purifying selection, probably because of their pleiotropy (genes involved in multiple biological processes). Only a few genes are recurrently pseudogenized in cavefishes, suggesting that they are dispensable in the darkness of caves and could often be involved in depigmentation and loss of circadian clock in caves. Using different methods relying on the analysis of selective shift on photoreception genes at the time of transition from surface to cave, we estimated that the cavefishes we studied are relatively recent, i.e. they colonized caves between the early Pliocene (~5 million years ago) and the late Pleistocene (~10,000 years ago).; Avec environ 35 000 espèces décrites, les poissons à nageoires rayonnées, ou actinoptérygiens, représentent environ la moitié des espèces de vertébrés et plus de 95% des vertébrés aquatiques. Ces animaux ont colonisé un grand nombre de milieux différents, que ce soit en eaux douces ou salées, à des températures de zéro à 35°C et à des profondeurs allant jusqu’à 8000 mètres. Cette grande hétérogénéité écologique au sein d’un groupe d’espèces rend particulièrement intéressant l’étude de l’évolution de leurs systèmes sensoriels qui sont impliqués dans un grand nombre de fonctions essentielles comme le déplacement, l’alimentation et la reproduction. Dans cette thèse, j’ai mené des études de génomique comparative afin de mieux comprendre l’évolution de l’olfaction chez les actinoptérygiens et de la vision chez des actinoptérygiens cavernicoles. La détection de molécules odorantes est assurée par les récepteurs olfactifs, protéines présentes dans la membrane des neurones sensoriels de l’épithélium olfactif. Cet épithélium peut avoir une organisation plus ou moins complexe en fonction de l’espèce, notamment par la présence d’un nombre différent de lamelles, ce qui fait varier la dimension de la surface d’échange avec le milieu extérieur. En analysant le génome de 185 actinoptérygiens, nous avons observé une grande variabilité du nombre de gènes codant les récepteurs olfactifs et une forte corrélation entre la taille de ce répertoire de gènes et le nombre de lamelles, probablement parce qu’une grande surface d’épithélium olfactif est nécessaire pour qu’un grand nombre de récepteurs puisse être exprimés. Ainsi, alors que les polyptères (Erpetoichthys calabaricus et Polypterus senegalus) possèdent plus d’un millier de récepteurs différents et que leur organe olfactif est constitué de centaines de lamelles, le poisson lune (Mola mola) ne présente qu’un repli médian au niveau d’un épithélium olfactif réduit et ne possède qu’une trentaine de récepteurs différents. Ces données, cohérentes au niveau morphologique et moléculaire, suggère que les capacités olfactives sont probablement très différentes entre actinoptérygiens. Par ailleurs, nous avons étudié l’évolution de gènes impliqués dans la photoréception chez des poissons cavernicoles qui ont des yeux plus ou moins dégénérés. En recherchant la présence de mutations perte de fonction (mutations qui rendent un gène non fonctionnel, ou pseudogène), nous avons montré la présence de pseudogènes plus ou moins nombreux en fonction des espèces considérées, et nous en avons déduit que les gènes de photoréception sont dispensables chez ces poissons vivant dans l’obscurité. En revanche, les gènes impliqués dans le cycle circadien et la pigmentation sont pour la plupart sous sélection purificatrice, probablement à cause de leur pléiotropie, c’est-à-dire leur implication dans de multiples processus biologiques. Seuls quelques gènes sont pseudogénisés de façon récurrente chez plusieurs espèces cavernicoles, suggérant qu’ils sont dispensables dans l’obscurité des grottes et seraient souvent impliqués dans la dépigmentation et la perte du cycle circadien dans les grottes. En utilisant différentes méthodes qui reposent sur l’analyse du changement de pression de sélection sur les gènes de la photoréception au moment du passage de la vie épigée à la vie hypogée, nous avons estimé que les poissons cavernicoles étudiés sont relativement récents, c’est-à-dire qu’ils ont colonisé des grottes entre le début du Pliocène (~5 millions d’années) et la fin du Pléistocène (~10 000 ans).

Introduction: The increasing number of cases of isolation of Corynebacterium diphtheriae in New Caledonia, the potential severity of this infection and the consequences in terms of public health actions have prompted us to focus on this bacterial species and its local epidemiology. Material and method: A retrospective clinical study was conducted by consulting patient records for each of the 84 cases included. Among these cases, 58 were retained, for which the antibiograms were retested, the tox gene sought, the biovar determined, the strains sequenced and a phylogenetic tree carried out based on the core genome of our cohort. Results: We note a concentration of cases particularly around Nouméa and Lifou. 84% of samples were taken at skin level. Overall the strains present in the territory are sensitive to the majority of commonly used antibiotics. However, 27.9% of tetracycline-resistant strains were found. 63.7% of our strains belong to only two sublineages, few found elsewhere in the world. The vast majority of strains do not express diphtheria toxin, except for two episodes, one case and five cases, all imported from Vanuatu. Discussion: The evolution of the repositories used for the realization of antibiograms tends to make strains more often resistant without biological reality when the same technique is applied to all strains. Asymptomatic portages and incidental discoveries suggest that there is a significant number of tox - strains in New Caledonia, a potential reservoir in case of introduction of tox+ strains via Vanuatu for example. This should motivate particular attention to population immunization coverage.; Introduction : Le nombre croissant d’isolement de Corynebacterium diphtheriae relevé en Nouvelle-Calédonie, la potentielle gravité de cette infection et la répercussion en termes d’actions de santé publique à mettre en place nous ont incités à nous intéresser plus particulièrement à cette espèce bactérienne et à son épidémiologie locale. Matériel et méthode : Une étude clinique rétrospective a été réalisée par consultation des dossiers patients pour chacun des 84 épisodes inclus. Parmi ces cas, 58 ont été conservés, pour lesquelles les antibiogrammes ont été retestés, le gène tox recherché, le biovar déterminé, les souches séquencées et un arbre phylogénétique a été réalisé en se basant sur le core génome de notre cohorte. Résultats : Nous notons une concentration des cas en particulier autour de Nouméa et Lifou. 84 % des prélèvements ont été réalisés au niveau cutané. Les souches présentes sur le territoire sont globalement sensibles à la majorité des antibiotiques couramment utilisés. On note cependant 27,9 % de souches résistantes à la tétracycline. 63,7 % de nos souches appartiennent à seulement deux sublineages, peu retrouvés ailleurs dans le monde. Les souches dans leur grande majorité n’expriment pas la toxine diphtérique, excepté deux épisodes, de 1 cas et 5 cas, tous importés du Vanuatu. Discussion : L’évolution des référentiels utilisés pour la réalisation des antibiogrammes tend à rendre les souches plus souvent résistantes sans réalité biologique lorsque l’on applique la même technique à toutes les souches. Des portages asymptomatiques et découvertes fortuites font penser qu’il y a un nombre important de souches tox- en Nouvelle-Calédonie, réservoir potentiel en cas d’introduction de souches tox+ via le Vanuatu par exemple. Cela doit susciter une attention particulière en ce qui concerne la couverture vaccinale de la population.

Les cytochromes P450 (CYP450) sont des hémoprotéines intervenant généralement dans la détoxication de l’organisme sous forme de biodégradation de molécules xénobiotiques et participent à la décomposition de certains médicaments. Cependant, les gènes codant pour les protéines CYP450 sont souvent sous-analysés dans les études génomiques à grande échelle en raison de leur difficulté d’analyse due à un haut taux de polymorphisme. Deux sous-familles seront étudiées plus en profondeur: les sous-familles CYP3A et CYP4F. La sous-famille CYP3A métabolise environ 50% des médicaments alors que les enzymes CYP4F, quant à eux, sont impliquées dans le métabolisme de composés endogènes, de nutriments et de médicaments. Les gènes de ces sous-familles sont fortement polymorphes et ce, à travers les populations humaines. Ainsi, la variabilité entre les différentes populations peut affecter la réponse aux médicaments et autres fonctions métaboliques. Dans ce projet, deux grands jeux de données, l’un en génétique des populations (le Projet des 1000 Génomes) et l’autre en transcriptomique (GTEx) seront utilisés afin d’identifier des signatures de sélection naturelle dans les gènes CYP3A et CYP4F, ainsi que leur impact sur l’expression génique de ces gènes. Nous avons détecté différentes forces de sélection (positive et balancée) dans les deux sous-familles. Certains polymorphismes identifiés comme étant sous pression sélective sont associés à une expression différentielle des gènes des deux sous-familles. Ce projet permet de mieux comprendre l’impact des mutations sous pression sélective se situant dans les gènes des sous-familles CYP3A et CYP4F. Cette caractérisation génétique permettra d’obtenir des prédictions plus fiables en pharmacogénomique et en génomique humaine, en raison de l’influence de ces gènes sur la réponse aux médicaments., Cytochromes P450 (CYP450) are hemoproteins generally involved in the detoxification of the body of xenobiotic molecules and participate in the metabolism of many drugs. Genetic polymorphisms have been found to impact drugs responses and metabolic functions. However, genes encoding CYP450 proteins are often under-analyzed in large-scale genomic studies because the difficulty of analysis due to of their high rate of polymorphism. In this study, we investigate the genetic diversity for CYP450 genes. We found that two clusters, CYP3A and CYP4F, are notably differentiated across human populations with evidence for selective pressures acting on both clusters. The CYP3A subfamily metabolizes approximately 50\% of drugs while CYP4F enzymes are involved in the metabolism of endogenous compounds, nutrients and drugs. Indeed, we found signals of recent positive selection in CYP3A and CYP4F genes and signals of balancing selection in CYP4F genes. Futhermore, unusual linkage disequilibrium is detected in both cluster, suggesting co-evolution. eQTLs were also found in both clusters which indicate co-regulation and epistasis.

The increasing pace of data generation from tumor profiles profiles during the last decade has enable the development of statistical learning algorithms to explore and analyze the landscape of tumor types, subtypes and patient survival from a biomolecular point of view. Tumor data is mainly described by trasncriptomic features and the level of expression of a given gene-transcript in the tumor cell, therefore these features can be used to learn statistical rules that improves the understanding about the state and type of a cancer cell. Nevertheless transcriptomic tumor data is high dimensional and each tumor can be described by thousands of gene features making it difficult to perform a machine learning task and to understand the underlying biological mechanisms. This thesis studies how to reduce dimensionality and to gain interpretability about which genes encode signals of the data distribution by proposing dimension reduction methods based on Feature Selection and Feature Extraction pipelines. The proposed methods are based on Latent Variable Models and Kernel Methods with the idea to explore the connection between pair-wise similarity functions of tumor samples and low dimensional latent spaces that captures the inner structure of the training data. Proposed methods have shown improvements in supervised and unsupervised feature selection tasks when compared with benchmark methods to classify and learn subgroups of tumors respectively.; Le rythme croissant de génération de données à partir de profils tumoraux au cours de la dernière décennie a permis le développement d'algorithmes d'apprentissage statistique pour explorer et analyser le paysage des types et sous-types de tumeurs et la survie des patients d'un point de vue biomoléculaire. Les données tumorales sont principalement décrites par des caractéristiques transcriptomiques et le niveau d'expression d'un transcrit génique donné dans la cellule tumorale. Par conséquent, ces caractéristiques peuvent être utilisées pour apprendre des règles statistiques qui améliorent la compréhension de l'état et du type d'une cellule cancéreuse. Néanmoins, les données tumorales transcriptomiques sont de grande dimension et chaque tumeur peut être décrite par des milliers de caractéristiques génétiques, ce qui rend difficile la réalisation d'une tâche d'apprentissage automatique et la compréhension des mécanismes biologiques sous-jacents. Cette thèse étudie comment réduire la dimensionnalité et gagner en interprétabilité pour savoir quels gènes codent le signal de la distribution des données en proposant des méthodes de réduction de dimension basées sur un modèle qui envisage la structure globale des données à l'aide d'un espace de représentation latente. Les méthodes proposées ont montré des améliorations dans les tâches de sélection de caractéristiques supervisées et non supervisées par rapport aux méthodes de référence pour classer et apprendre des sous-groupes de tumeurs respectivement.

The sequences generated in this study were deposited in GenBank (Accession number: MW021146–MW021160).; International audience; The Asian citrus psyllid, Diaphorina citri, is a major threat to citrus production worldwide, as it transmits 'Candidatus Liberibacter asiaticus', the pathogen associated with the devastating Asian form of huanglongbing. The psyllid has spread widely from its native South Asia during the past 300 years, most recently to Africa. We report the first population genomic analyses of D. citri in Kenya and La Reunion based on next-generation sequencing of their mitochondrial genomes. We analyzed mitochondrial sequences of 264 D. citri individuals to establish genetic relationships among accessions from D. citri populations from Asia, North America and Africa. Haplotype network analysis indicated that the psyllids from Kenya were genetically close to an accession from Cambodia, and distinctly different to those from La Reunion. These findings revealed populations in southern Indochina would be the likely source of the D. citri introduction into East Africa through human-mediated transfer of psyllid-infested plants.

High-throughput genome sequencing projects produce a huge amount of raw biological data on a daily basis. However, the data are difficult to exploit if they are not annotated. Unfortunately, the currently available genome annotation programs are still too prone to prediction errors, making genome annotation one of the major challenges in bioinformatics. In this context, my thesis is organized around three connected topics: i) improving the prediction of eukaryotic protein-coding genes by focusing on splice sites ii) exploiting artificial intelligence algorithms (convolutional neural networks and evolutionary algorithms), iii) training with high quality data from a wide range of eukaryotic organisms (from humans to protists). The strategy developed consists in combining the processed and validated data set (G3PO) with the developed programs (Spliceator and SpliceSLEIA) in order to improve gene prediction by decreasing the error rate so that they no longer propagated in public databases. This work should contribute to a better understanding of organisms and their biological mechanisms.; Les projets de séquençage à haut débit produisent une énorme quantité de données biologiques brutes. Cependant, elles sont difficilement exploitables si elles ne sont pas annotées. Pour traiter ces données, des programmes d’annotation de génomes ont été développés, mais ces derniers sont encore trop sujet aux erreurs de prédiction, faisant de l’annotation des génomes un des défis majeurs en bio-informatique. Dans ce contexte, mes travaux de thèse s’organisent autour d’un trinôme : 1) l’amélioration de la prédiction des gènes eucaryotes codant pour des protéines en se focalisant spécifiquement sur les sites d’épissage 2) en exploitant des algorithmes d’intelligence artificielle (CNN et algorithmes évolutionnaires), 3) entraînés avec des données de haute qualité incluant une forte diversité d’espèces eucaryotes. Notre stratégie consiste à combiner l’ensemble des données validées avec les programmes développés afin d’améliorer la prédiction des gènes en diminuant le taux d’erreurs et éviter qu’elles ne se propagent dans les bases de données. De plus, ces travaux permettront une meilleure compréhension des organismes et de leurs mécanismes biologiques.

High-throughput genome sequencing projects produce a huge amount of raw biological data on a daily basis. However, the data are difficult to exploit if they are not annotated. Unfortunately, the currently available genome annotation programs are still too prone to prediction errors, making genome annotation one of the major challenges in bioinformatics. In this context, my thesis is organized around three connected topics: i) improving the prediction of eukaryotic protein-coding genes by focusing on splice sites ii) exploiting artificial intelligence algorithms (convolutional neural networks and evolutionary algorithms), iii) training with high quality data from a wide range of eukaryotic organisms (from humans to protists). The strategy developed consists in combining the processed and validated data set (G3PO) with the developed programs (Spliceator and SpliceSLEIA) in order to improve gene prediction by decreasing the error rate so that they no longer propagated in public databases. This work should contribute to a better understanding of organisms and their biological mechanisms., Les projets de séquençage à haut débit produisent une énorme quantité de données biologiques brutes. Cependant, elles sont difficilement exploitables si elles ne sont pas annotées. Pour traiter ces données, des programmes d’annotation de génomes ont été développés, mais ces derniers sont encore trop sujet aux erreurs de prédiction, faisant de l’annotation des génomes un des défis majeurs en bio-informatique. Dans ce contexte, mes travaux de thèse s’organisent autour d’un trinôme : 1) l’amélioration de la prédiction des gènes eucaryotes codant pour des protéines en se focalisant spécifiquement sur les sites d’épissage 2) en exploitant des algorithmes d’intelligence artificielle (CNN et algorithmes évolutionnaires), 3) entraînés avec des données de haute qualité incluant une forte diversité d’espèces eucaryotes. Notre stratégie consiste à combiner l’ensemble des données validées avec les programmes développés afin d’améliorer la prédiction des gènes en diminuant le taux d’erreurs et éviter qu’elles ne se propagent dans les bases de données. De plus, ces travaux permettront une meilleure compréhension des organismes et de leurs mécanismes biologiques.

International audience; Le CIRM est un groupement d’intérêt scientifique (GIS) géré par INRAe, associant L’institut Agro et les universités d’AixMarseille, Angers, Montpellier et Tours. Les cinq mCRB qui constituent le CIRM gèrent des collections spécialisées,stratégiques dans les domaines agronomique, agro-alimentaire, biotechnologique et environnemental.Le CIRM préserve, enrichit, caractérise et valorise cette diversité microbienne et propose un ensemble de services et prestations :- Données génomiques, moléculaires, taxonomiques, phénotypiques et écologiques- Développements méthodologiques pour le criblage d’activités et la sélection- Service de dépôt confidentiel pour la conservation de souchesCIRM-Champignons filamenteux (CIRM-CF) : Plus de 2000 souches, représentatives de 500 espèces de champignons ligno-cellulolytiques, Basidiomycètes et Ascomycètes. La biodiversité enzymatique associée nourrit des projets decaractérisation et de valorisation dans les biotechnologies vertes et blanches.CIRM-Bactéries associées aux plantes (CIRM-CFBP) : héberge aujourd’hui plus de 7000 accessions (63 genres). L’ensemble des taxons de bactéries pathogènes de plantes sont représentés et font l’objet de projets de séquençageet de phénotypage à haut-débit.CIRM-Bactéries pathogènes des animaux ou de l’homme (CIRM-BP) : La collection regroupe des souches de 65 genres de bactéries pathogènes de classe 2 et 3 isolées de l’animal, de l’homme ou de l’environnement, qui permettent lamise en place de cribles d’activités antibactériennes.CIRM-Bactéries d’intérêt agro-alimentaires (CIRM-BIA) : Les collections du CIRM-BIA regroupent plus de 4000 souches appartenant à 30 genres et 150 espèces différentes. Le CIRM-BIA caractérise la biodiversité́ à des finsd’innovation dans le domaine agro-alimentaire.CIRM-Levures : Plus de 4000 isolats de levures Saccharomycotina et Basidiomycota, (63 genres) issues de fermentations traditionnelles et d’environnements variés. Son implication dans la génomique place le CIRM-Levuresà la pointe de la recherche en taxonomie et évolution des levures.Certifié ISO 9001 depuis 2008, le CIRM a reçu le label IBISA en tant qu’infrastructure en Biologie Santé et Agronomie.Le CIRM pilote le pilier microbien de l’infrastructure nationale AgroBRC-RARe inscrite sur la feuille de route nationale des infrastructures du MESRI. Le CIRM est également membre fondateur de l’Infrastructure paneuropéenne MIRRIERIC, qui permet l’accès à un large éventail de ressources, de données et de services dans le domaine microbiologique.

Pearl millet (Pennisetum glaucum (L.) R. Br.) is a staple food that is widely cultivated in sub-Saharan Africa. In August 2018, a survey was conducted in the main producing regions of Burkina Faso and leaf samples were analyzed using virion-associated nucleic acid (VANA)-based metagenomic approach and Illumina sequencing. A new virus, tentatively named “pennisetum glaucum marafivirus” (PGMV), was detected and its complete nucleotide sequence of 6364 nucleotides was determined. The sequence contains a large open reading frame (ORF) encoding a polyprotein of 224.2 kDa with five domains (methyltransferase, papain-like protease, helicase, RNA-dependent RNA polymerase and coat proteins), typical of members of the marafiviruses. Additionally, a characteristic conserved marafibox domain was detected in the genome. The nucleotide sequence of the PGMV complete genome shares 68.5% identity with Sorghum bicolor marafivirus and its coat protein shares 58.5% identity with Oat blue dwarf virus. Phylogenetic analyses confirmed that the pearl millet virus is unambiguously grouped with members of the genus Marafivirus in the family Tymoviridae. This is the first report on the occurrence of a marafivirus on pearl millet.

Chaque facteur de transcription se lie à diverses séquences d'ADN ressemblantes, mais pas identiques, entre elles. Cet ensemble de séquences cibles peut être représenté par un motif probabiliste tel qu'une Matrice Poids Position (Position Weight Matrix en anglais -- PWM). Une PWM comporte un nombre de colonnes égal à la longueur des motifs identifiés par des méthodes expérimentales, et un nombre de lignes égal à 4 (pour A, T, G ou C). Chaque colonne stocke la probabilité d'apparition de chacun des 4 nucléotides possibles pour chaque position des séquences cibles. Dans une PWM, les colonnes sont indépendantes les unes des autres : ce modèle ne peut transcrire entre positions voisines. Pour dépasser cette limitation, Kulakovskiy et al. ont proposé les dinucleotidic PWM, où chaque colonne stocke la probabilité de tous les di-nucléotides possibles (AA, AC, AG, etc.). Dans ce travail de Master, nous proposons différents algorithmes génériques pour rechercher les occurrences de di-PWM dans un texte qui représente une longue séquence d'ADN ou d'ARN. En particulier, nous proposons des accélérations pour une stratégie dite de fenêtre glissante, où l'on scanne le texte afin de trouver une fenêtre dont le score selon la matrice est supérieur à un seuil donnée. Ensuite, nous exhibons un algorithme en deux étapes : d'abord, l'énumération des mots valides (mots dont le score et suffisant) avec une approche par séparation et évaluation, puis la recherche simultanée et exacte de ces mots valides dans le texte. Nous comparons nos implémentations de ces algorithmes entre elles et montrons qu'elles sont utilisables en pratique. En particulier, l'algorithme par énumération s'avère rapidement le plus efficace, même en comparaison à un outil existant, puisque sa complexité est proportionnelle aux nombre d'occurrences produit en sortie. Les fonctions de recherche de di-PWM sont implantées dans un module en langage Python, d'installation et d'utilisation faciles, qui sera prochainement mis à disposition de la communauté sous licence libre.

Among crop fruit trees, the apricot (Prunus armeniaca) provides an excellent model to study divergence and adaptation processes. Here, we obtain nearly 600 Armeniaca apricot genomes and four high-quality assemblies anchored on genetic maps. Chinese and European apricots form two differentiated gene pools with high genetic diversity, resulting from independent domestication events from distinct wild Central Asian populations, and with subsequent gene flow. A relatively low proportion of the genome is affected by selection. Different genomic regions show footprints of selection in European and Chinese cultivated apricots, despite convergent phenotypic traits, with predicted functions in both groups involved in the perennial life cycle, fruit quality and disease resistance. Selection footprints appear more abundant in European apricots, with a hotspot on chromosome 4, while admixture is more pervasive in Chinese cultivated apricots. Our study provides clues to the biology of selected traits and targets for fruit tree research and breeding., The evolutionary and domestication history of apricots is poorly understood. Here, the authors provide four apricot high-quality genome assemblies, the genomes of 578 accessions from natural and cultivated populations, and show that Chinese and European apricots constitute two different gene pools, resulting from independent domestication events.

International audience; The advent of high throughput sequencing approaches and ancient DNA techniques have enabled reconstructing the history of human populations at an unprecedented level of resolution. The symposium from the French Academy of Sciences "50,000 ans d'épopée humaine dans notre ADN" has reviewed some of the latest contributions from the fields of genomics, archaeology, and linguistics to our understanding of >300,000 years of human history. DNA has revealed the richness of the human journey, from the deep divergences between human populations in Africa, to the first encounters of Homo Sapiens with other hominins on their way to Eurasia and the peopling of Remote Oceania. The symposium has also emphasized how migrations, cultural practices, and environmental pathogens have contributed to shape the genetic diversity of modern humans, through admixture, genetic drift or genetic adaptation. Finally, special attention was also given to how human behaviours have shaped the genome of other species, through the spreading of microbes and pathogens, as in the case of Yersinia Pestis, or through domestication, as elegantly demonstrated for dogs, horses, and apples. Altogether, this conference illustrated how the complex history of human populations is tightly linked with their contemporary genetic diversity that, in turn, has direct effects on their identity and health.; L’avènement des approches de séquençage à haut débit et des techniques de séquençage de l’ADN ancien ont permis de reconstruire l’histoire des populations humaines à un niveau de résolution sans précédent. Le symposium de l’Académie des sciences « 50 000 ans d’épopée humaine dans notre ADN » a passé en revue certaines des dernières contributions de la génomique, de l’archéologie et de la linguistique à notre compréhension de plus de 300 000 ans d’histoire humaine. L’ADN a révélé la richesse du parcours humain, depuis les premières séparations entre populations humaines en Afrique jusqu’à la rencontre d’Homo sapiens avec d’autres hominidés sur leur chemin vers l’Eurasie et le peuplement de l’Océanie lointaine. Le symposium a également mis l’accent sur la façon dont les migrations, les pratiques culturelles et les agents pathogènes environnementaux ont contribué à façonner la diversité génétique des humains modernes, par le biais du brassage, de la dérive ou de l’adaptation génétique. Enfin, une attention particulière a également été accordée à la manière dont les comportements humains ont façonné le génome d’autres espèces, par la propagation de microbes et d’agents pathogènes, comme dans le cas de Yersinia pestis, ou par la domestication, comme cela a été démontré de manière élégante pour les chiens, les chevaux et les pommes. Dans l’ensemble, cette conférence a illustré comment la diversité génétique contemporaine des populations humaines est étroitement liée à leur histoire complexe et, à son tour, a des effets directs sur leur identité et leur santé.

In teleost fish, sexual reproduction and sexual gene regulatory networks are highly variable. In gonochoristic species, sex is determined either environmentally or genetically and can involve different genes depending on the species investigated. Sexual development and maintenance appear also variable in this clade. To understand the origin of this diversity, I studied the posssible impact of transposable elements on the fast evolution of gene regulatory networks related to sex in fish. Transposable elements are endogenous DNA sequences able to move or copy themselves in genomes. Even if they are often deleterious for their host, transposable elements can also carry regulatory sequences, such as transcription factor binding sites, and spread them in genomes. Their diversity in fish genomes form a source of ready-to-use regulatory sequences potentially involved in the fast evolution of some gene regulatory networks.To test this hypothesis, I used RNA sequencing data from male and female gonads of the Japanese Medaka, Oryzias latipes. First I analysed gene and transposable element expression and discovered regions of the genome enriched in sex-biased genes associated to sex-biased transposable elements. Moreover, genes and transposable elements located close on chromosomes tend to present similar expression bias between testis and ovary. Two hypothesis that are not mutually exclusive can explain this observation : either transposable element influence gene expression of neighbooring genes, or the genomic locus where the transposable element inserts influence its expression. We were not able to definitively discriminate between these two hypotheses, but our work identified several clues for a regulatory role of transposable elements. In the second part and in a complementary way I found transposable element families physically enriched near to sex-biased genes. One family was further investigated and shown to carry transcription factor binding sites involved in sexual function.This work brings new insights on the possible role of transposable elements in the fast evolution of gene regulatory networks and paves the way for future functionnal studies., Chez les poissons téléostéens, les modes de reproduction sexuée et les réseaux de régulation des gènes liés au sexe sont très variables. La détermination du sexe des espèces gonochoriques, par exemple, peut être aussi bien génétique qu'environnementale et peut impliquer des gènes différents selon les espèces. Les régulations du développement et du maintien du sexe apparaissent également variables dans ce groupe. Pour essayer de comprendre l'origine de cette diversité, je me suis intéressé à l'impact possible des éléments transposables sur la régulation de gènes liés au sexe chez ces poissons. Bien que souvent neutres, et parfois délétères pour leur hôte, les éléments transposables peuvent aussi transporter des séquences régulatrices, comme des sites de fixation de facteurs de transcription, et les disséminer à travers les génomes. Pour tester cette hypothèse, j'ai utilisé des données de séquençage d'ARN issues de gonades mâles et femelles d'Oryzias latipes, le médaka japonais. Dans un premier temps, j'ai analysé l'expression des gènes et des éléments transposables et mis en évidence des régions du génome enrichies en gènes et éléments transposables différentiellement exprimés entre les gonades mâles et femelles. De plus, les gènes et les éléments transposables proches le long des chromosomes ont tendance à présenter des biais d'expression similaires. Deux hypothèses, non mutuellement exclusives, peuvent rendre compte de cette observation : d'une part, les éléments transposables pourraient modifier l'expression des gènes voisins, et d'autre part, l'environnement génomique du site d'insertion pourrait influencer l'expression des éléments transposables. Les travaux réalisés ne permettent pas de trancher définitivement entre ces deux hypothèses, mais plusieurs observations sont en faveur d'un rôle régulateur de certains éléments transposables. Dans un deuxième axe et de manière complémentaire, j'ai mis en évidence des familles d'éléments transposables physiquement enrichies dans l'environnement des gènes sexe-biaisés. Une famille candidate a été étudiée plus en détail, et j'ai pu mettre en évidence dans ces éléments des sites de fixation de facteurs de transcription connus pour être impliqués dans la fonction sexuelle. Ces travaux montrent ainsi le rôle potentiel des éléments transposables dans l'évolution rapide de certains réseaux de régulation de gènes et serviront de socle pour de futures études fonctionnelles.

International audience; Next-generation sequencing (NGS), through the implementation of metagenomic protocols, has led to the discovery of thousands of new viruses in the last decade. Nevertheless, these protocols are still laborious and costly to implement, and the technique has not yet become routine for everyday virus characterization. Within the context of CRESS DNA virus studies, we implemented two alternative long-read NGS protocols, one that is agnostic to the sequence (without a priori knowledge of the viral genome) and the other that use specific primers to target a virus (with a priori). Agnostic and specific long read NGS-based assembled genomes of two capulavirus strains were compared to those obtained using the gold standard technique of Sanger sequencing. Both protocols allowed the detection and accurate full genome characterization of both strains. Globally, the assembled genomes were very similar (99.5–99.7% identity) to the Sanger sequences consensus, but differences in the homopolymeric tracks of these sequences indicated a specific lack of accuracy of the long reads NGS approach that has yet to be improved. Nevertheless, the use of the bench-top sequencer has proven to be a credible alternative in the context of CRESS DNA virus study and could offer a new range of applications not previously accessible.

International audience; La diversité biologique chez l’être humain est immense : de notre apparence physique à nos capacités à digérer certains aliments, en passant par nos relations avec les pathogènes ou nos vulnérabilités à certaines maladies. Mais quels sont les origines et les facteurs qui façonnent cette diversité ? Quelle est la contribution de l’environnement et de la génétique à la diversité phénotypique observée chez les humains d’aujourd’hui ? Comment l’histoire démographique de notre espèce et la sélection naturelle façonnent-elles la diversité génétique des populations humaines ? Ma leçon inaugurale a pour objet de montrer comment toutes ces questions sont abordées dans mes recherches sous l’angle de l’évolution et de la génomique humaine.

Halophilic and halotolerant bacteria are usually isolated in natural environments, although they are also present in foods such as cheese rinds and seafood. However, studies on their ecological and technological functions in cheese are still underdeveloped. In order to fill the data gap in the literature on this subject, we have used cultural, genomic and metagenomic approaches to deconstruct these ecosystems in cheese rinds. The cultural approach, assisted by the development of targeted strategies to facilitate the isolation of sub-dominant species, allowed us to isolate representatives of 28 species, including four new species of Halomonas and two of Psychrobacter. Based on a mapping with the genomes of halophilic species available as reference on more than 100 cheese rind metagenomes, we showed that gamma-proteobacteria, mainly from the genera Halomonas, Psychrobacter and Pseudoalteromonas, are abundant in a wide variety of soft and washed-rind cheeses. Since this fact suggests that these microorganisms could play a technological role in foods, we evaluated, in parallel with strains from other environments, their ability to produce aromatic compounds and pigments in a synthetic cheese model. These experiments showed that these Gammaproteobacteria could have a technological impact in addition to their ecological role. The results obtained in this work should stimulate the development of functional studies of this salt-tolerant flora in the cheese ecosystem.; Les bactéries halophiles et halotolérantes sont généralement isolées dans des environnements naturels, bien qu'elles soient également présentes dans les aliments, comme les croûtes de fromage et les fruits de mer. Cependant, les études sur leurs fonctions écologiques et technologiques dans le fromage sont encore peu développées. Afin de combler le manque de données dans la littérature sur ce sujet, nous avons utilisé des approches culturales, génomiques et métagénomiques pour déconstruire ces écosystèmes dans les croûtes de fromages. L’approche culturale, assistée par le développement de stratégies ciblées pour faciliter l’isolement des espèces sous-dominantes, nous a permis d'isoler des représentants de 28 espèces, dont quatre nouvelles espèces d’Halomonas et deux de Psychrobacter. À partir d’un mapping avec les génomes des espèces halophiles disponibles comme références sur plus de 100 métagénomes de croûtes de fromages, nous avons montré que les gamma-protéobactéries, principalement des genres Halomonas, Psychrobacter et Pseudoalteromonas, sont abondantes dans une grande variété de fromages à pâte molle et croûte lavée. Comme ce fait suggère que ces microorganismes pourraient exercer un rôle technologique dans les aliments, nous avons évalué, en parallèle avec des souches issues d’autres environnements, leurs capacités à produire des composés aromatiques et des pigments dans un modèle de fromage synthétique. Ces expériences ont montré que ces gamma-protéobactéries pourraient avoir un impact technologique en plus de leur rôle écologique. Les résultats obtenus dans ce travail devraient stimuler le développement d’études fonctionnelles de cette flore tolérante au sel dans l’écosystème fromager.

Le choléra est une infection diarrhéique aiguë qui représente encore aujourd’hui un grave problème de santé publique dans les pays où l’accès à l’eau potable et un système d’assainissement adéquat ne peut pas être garanti. Vibrio cholerae, le pathogène bactérien responsable de cette maladie, peut provoquer toute une série de symptômes chez les individus infectés, allant d’une diarrhée intense conduisant à une déshydratation sévère, au portage asymptomatique de la bactérie. Bien que notre compréhension du choléra à une échelle macro-épidémiologique a considérablement été améliorée par le développement des techniques de séquençage à haut débit et par les avancées dans le domaine de la génomique bactérienne, aucune étude n’a encore été menée pour caractériser son évolution à l’échelle des individus infectés. De plus, le rôle des porteurs asymptomatiques au sein d’une épidémie et la raison derrière l’absence de symptômes chez ces individus infectés sont encore méconnus. L’objectif principal de cette thèse est donc de (1) caractériser la diversité génomique de V. cholerae au niveau des individus et des cercles familiaux, mais aussi (2) d’évaluer le rôle potentiel du microbiome intestinal dans la susceptibilité de contracter cette maladie entérique aiguë et de présenter des symptômes sévères. Dans un premier temps, nous caractérisons la diversité génomique de colonies isolées à partir de patients symptomatiques. Le séquençage de génomes entiers de souches provenant de patients du Bangladesh et d’Haïti révèle que cette diversité sous la forme de mutations ponctuelles reste limitée, mais détectable au sein des hôtes. Une grande partie de la variation du contenu génétique semble être surtout due au gain et à la perte de phages et de plasmides au sein de la population de V. cholerae, avec des échanges occasionnels entre le pathogène et d’autres membres commensaux du microbiote intestinal. Cela contredit l’hypothèse couramment acceptée que les infections par V. cholerae sont majoritairement clonales, et confirme que le transfert horizontal de gènes est un facteur important dans l’évolution de V. cholerae. De plus, nos résultats montrent que certains de ces variants peuvent avoir un effet phénotypique, impactant par exemple la formation de biofilms, et peuvent être sélectionnés au sein des individus infectés. Par la suite, nous appliquons une association de méthodes de séquençage de génomes entiers et de méthodes métagénomiques afin d’améliorer la détection des variants intra-hôte, à la fois chez des patients symptomatiques, mais aussi chez des porteurs asymptomatiques. Notre étude montre que l’approche métagénomique offre une meilleure résolution dans la détection de la diversité dans la population microbienne, mais reste difficile à appliquer chez des patients asymptomatiques, en raison du faible nombre de cellules de V. cholerae chez ces patients. Dans l’ensemble, nous constatons que le niveau de diversité au sein de la population bactérienne intra-hôte est similaire entre les patients symptomatiques et asymptomatiques. Nous détectons aussi la présence de souches hypermutantes chez certains patients. De plus, alors que les mutations chez les patients porteurs de phénotypes d’hypermutations ne semblent pas sous l’effet de la sélection, des signes d'évolution parallèle sont détectés chez les patients présentant un plus faible nombre de mutations, suggérant des mécanismes d’adaptation au sein de l’hôte. Nos résultats soulignent la puissance de la métagénomique combinée au séquençage de génomes entiers pour caractériser la diversité intra-hôte dans le cas d’une infection aiguë du choléra, mais aussi dans le cas de portage asymptomatique, tout en identifiant pour la première fois le phénotype d’hypermutation chez des patients infectés. Finalement, nous nous intéressons aux facteurs liés à la susceptibilité à la maladie et à la sévérité des symptômes. Basée sur une étude récente utilisant le séquençage 16S pour montrer le lien potentiel entre le microbiome intestinal et la susceptibilité à l’infection par V. cholerae, nos analyses utilisent les méthodes de séquençage métagénomique sur les mêmes échantillons de cette précédente étude afin de caractériser les profils taxonomiques et fonctionnels du microbiome intestinal de contacts familiaux exposés à V. cholerae. Les échantillons sont prélevés avant l’infection de ces contacts familiaux et l’apparition ou non de symptômes, et sont analysés pour identifier des prédicteurs à la maladie symptomatique. Grâce à un algorithme d’apprentissage machine, nous pouvons identifier des espèces, des familles de gènes et des voies métaboliques du microbiome au moment de l'exposition à V. cholerae pour détecter des biomarqueurs potentiels corrélés avec les risques d'infection et la gravité des symptômes. Nos résultats montrent que l’utilisation du séquençage métagénomique améliore la précision et l’exactitude des prévisions par rapport au séquençage 16S. Nos analyses permettent aussi de prédire la gravité de la maladie, bien qu’avec une plus grande incertitude que la prédiction de l’infection. Des taxons bactériens des genres Prevotella et Bifidobacterium ont été identifiées comme des marqueurs potentiels de protection contre l’infection, tout comme gènes impliqués dans le métabolisme du fer. Nos résultats soulignent le pouvoir de la métagénomique pour prédire l’évolution des maladies et identifient des espèces et des gènes spécifiques pouvant être impliqués dans des tests expérimentaux afin d’étudier les mécanismes liés au microbiome intestinal expliquant la potentielle protection contre le choléra., Cholera is an acute diarrhoeal disease that remains a global threat to public health in countries where access to safe water and adequate sanitation cannot be guaranteed. Vibrio cholerae, the bacterial pathogen responsible for this disease, can cause a range of symptoms in infected individuals, from intense diarrhea leading to severe dehydration, to asymptomatic carriage of the bacteria. Although our understanding of cholera on a macro-epidemiological scale has been considerably improved by the development of high-throughput sequencing techniques and by advances in bacterial genomics, no studies have yet been conducted to characterize its evolution at the scale of infected individuals. Furthermore, the role of asymptomatic carriers in an epidemic and the reason behind the absence of symptoms in these infected individuals remains unknown. The main objective of this thesis is therefore to characterize the genomic diversity of V. cholerae at the level of individuals and households, but also to evaluate the potential role of the gut microbiome in the susceptibility to contract this acute enteric disease and to present severe symptoms. First, we characterize the genomic diversity of colonies isolated from symptomatic patients. The whole genome sequencing of strains from patients in Bangladesh and Haiti reveals that this diversity is detectable in the form of point mutations within hosts, but remains limited. Much of the variation detected within patients appears to be due to the gain and loss of phages and plasmids within the V. cholerae population, with occasional exchanges between the pathogen and other commensal members of the gut microbiota. These results challenge the commonly accepted assumption that V. cholerae infections are predominantly clonal, and confirm that horizontal gene transfer is an important factor in the evolution of V. cholerae. In addition, our results show that some of these variants may also have a phenotypic effect, for example by impacting biofilm formation, and can be selected within infected individuals. Next, we apply a combination of whole genome sequencing and metagenomic approaches to improve the detection of intra-host variants, both in symptomatic patients and in asymptomatic carriers. Our study shows that the metagenomic approach offers a better resolution in the detection of the diversity in the microbial population, but remains difficult to apply in asymptomatic patients, due to the low number of V. cholerae cells in these individuals. Overall, we find that the level of diversity within the intra-host bacterial population is similar between symptomatic and asymptomatic patients. We also detect the presence of hypermutator strains in some patients. In addition, while mutations in patients with hypermutator phenotypes did not appear to be driven by selection, signs of parallel evolution are detected in patients with fewer mutations, suggesting adaptive mechanisms within the host. Our results underline the power of metagenomics combined with whole genome sequencing to characterize intra-host diversity in acute cholera infection, but also in asymptomatic carriers, while identifying for the first time an hypermutator phenotype in infected patients. Finally, we are interested in factors related to susceptibility to the disease and related to the severity of symptoms. Based on a recent study using 16S rRNA amplicon sequencing to show the potential link between the intestinal microbiome and susceptibility to V. cholerae infection, our study uses metagenomic sequencing methods on the same samples from this previous study to characterize the taxonomic and functional profiles of the gut microbiome of household contacts exposed to V. cholerae. Samples are collected prior to infection of these household contacts, and used to identify predictors of symptomatic disease. Using a machine learning algorithm, we can identify species, gene families and metabolic pathways in the microbiome at the time of exposure to V. cholerae to detect potential biomarkers correlated with risk of infection and symptom severity. Our results show that the use of metagenomic sequencing improves the precision and accuracy of predictions compared to 16S rRNA amplicon sequencing. Our analyses also predict disease severity, although with greater uncertainty than the prediction of infection. Bacterial taxa from the genera Prevotella and Bifidobacterium have been identified as potential markers of protection against infection, as well as genes involved in iron metabolism. Our results highlight the power of metagenomics to predict disease progression and identify specific species and genes that could be involved in experimental tests to study the mechanisms related to the microbiome explaining potential protection against cholera.

International audience; Our understanding of the viral communities associated to animals has not yet reached the level attained on the bacteriome. This situation is due to, among others, technical challenges in adapting metagenomics using high-throughput sequencing to the study of RNA viromes in animals. Although important developments have been achieved in most steps of viral metagenomics, there is yet a key step that has received little attention: the library preparation. This situation differs from bacteriome studies in which developments in library preparation have largely contributed to the democratisation of metagenomics. Here, we present a library preparation optimized for metagenomics of RNA viruses from insect vectors of viral diseases. The library design allows a simple PCR-based preparation, such as those routinely used in bacterial metabarcoding, that is adapted to shotgun sequencing as required in viral metagenomics. We first optimized our library preparation using mock viral communities and then validated a full metagenomic approach incorporating our preparation in two pilot studies with field-caught insect vectors; one including a comparison with a published metagenomic protocol. Our approach provided a fold increase in virus-like sequences compared to other studies, and nearly-full genomes from new virus species. Moreover, our results suggested conserved trends in virome composition within a population of a mosquito species. Finally, the sensitivity of our approach was compared to a commercial diagnostic PCR for the detection of an arbovirus in field-caught insect vectors. Our approach could facilitate studies on viral communities from animals and the democratization of metagenomics in community ecology of viruses.

The phenomenon of evolutionary convergence is a fascinating process in which distantly related species independently acquire similar characteristics in response to similar selective pressures. Ant- and termite-eating mammals are among the most famous examples of morphological convergence. Indeed, this particular lifestyle evolved in five distinct lineages of mammals: the aardvark (Tubulidentata), the aardwolf (Carnivora), the anteaters (Pilosa), the giant armadillo (Cingulata), and the pangolins (Pholidota). To better undestand the evolution of these organisms, several approaches were developed in this thesis. First, I present an original strategy to characterize the precise diet of myrmecophagous mammals taking advantage of metagenomic sequencing data generated from fecal samples and a reference mitogenomic database of termites and ants. Second, with the final objective of detecting molecular convergence at the genomic scale in ant-eating mammals, we generated nine high quality mammlian genomes using Oxford Nanopore technologies. The different strategies developed from the set-up of MinION qesuencing to annotation of the resulting assemblies are presented together with a first case study illustrating the use of two of these new reference genomes for species delineation. Finally, I present comparative transcriptomic analyses of salivary glands and other organs in ant-eating mammals suggesting that historical contingency and molecular evolutionary tinkering of chitinase genes played a major role in the convergent evolution of myrmecophagy.; Le phénomène de convergence évolutive est un processus fascinant dans lequel des espèces phylogénétiquement éloignées acquièrent indépendamment des caractéristiques similaires en réponse à des pressions de sélection similaires. Les mammifères myrmécophages figurent parmi les exemples les plus célèbres de convergence morphologique. En effet, ce mode de vie particulier a évolué chez cinq lignées distinctes de placentaires : l'oryctérope (Tubulidentata), le protèle (Carnivora), les fourmiliers (Xenarthra), le tatou géant (Cingulata) et les pangolins (Pholidota). Pour mieux comprendre l'évolution de ces organismes, plusieurs approches ont été développées dans cette thèse. Tout d'abord, je présente une stratégie originale pour caractériser le régime alimentaire précis des mammifères myrmécophages en tirant parti des données métagénomiques générées à partir d'échantillons fécaux et d'une base de données mitogénomique de référence sur les termites et les fourmis. Ensuite, avec l'objectif final de détecter la convergence moléculaire à l'échelle génomique chez les mammifères myrmécophages, nous avons généré neuf génomes de mammifères de qualité en utilisant la technologie Oxford Nanopore. Les différentes stratégies développées depuis la mise en place du séquençage MinION jusqu'à l'annotation finale des assemblages sont présentées avec une première étude de cas illustrant l'utilisation de deux de ces génomes de référence pour la délimitation des espèces. Enfin, je présente une analyse de transcriptomique comparative des glandes salivaires et d'autres organes chez les mammifères myrmécophages qui suggère que la contingence historique et le bricolage moléculaire des gènes de chitinase ont joué un rôle majeur dans l'évolution convergente de la myrmécophagie.

International audience; Background: Efficiently managing large, heterogeneous data in a structured yet flexible way is a challenge to research laboratories working with genomic data. Specifically regarding both shotgun- and metabarcoding-based metagenomics, while online reference databases and user-friendly tools exist for running various types of analyses (e.g., Qiime, Mothur, Megan, IMG/VR, Anvi'o, Qiita, MetaVir), scientists lack comprehensive software for easily building scalable, searchable, online data repositories on which they can rely during their ongoing research. Results: metaXplor is a scalable, distributable, fully web-interfaced application for managing, sharing, and exploring metagenomic data. Being based on a flexible NoSQL data model, it has few constraints regarding dataset contents and thus proves useful for handling outputs from both shotgun and metabarcoding techniques. By supporting incremental data feeding and providing means to combine filters on all imported fields, it allows for exhaustive content browsing, as well as rapid narrowing to find specific records. The application also features various interactive data visualization tools, ways to query contents by BLASTing external sequences, and an integrated pipeline to enrich assignments with phylogenetic placements. The project home page provides the URL of a live instance allowing users to test the system on public data. Conclusion: metaXplor allows efficient management and exploration of metagenomic data. Its availability as a set of Docker containers, making it easy to deploy on academic servers, on the cloud, or even on personal computers, will facilitate its adoption.

En agronomie et plus spécifiquement en amélioration génétique, le génotypage haut débit a été largement mis à profit, depuis maintenant plus de 20 ans, pour accéder à une information génétique toujours plus riche et abondante. Celle-ci a permis d'identifier les positions le long du génome impliquées dans la variabilité de caractères d'intérêt. Plus récemment, les méthodes de phénotypage haut débit ont fait leur apparition. Elles donnent accès au suivi de l'évolution de plusieurs caractères phénotypiques au cours du temps. Ces données, longitudinales, permettent d'étudier finement la dynamique évolutive de ces caractères tout en identifiant les facteurs environnementaux qui influencent leur variabilité selon les stades de développement. Cependant, l'analyse de telles données soulève plusieurs défis statistiques. Cette thèse propose des développements méthodologiques afin de prendre en compte les dépendances entre observations et entre variables, de sélectionner les variables génétiques ou environnementales pertinentes, ou encore d'estimer des effets qui évoluent au cours du temps. Le cadre bayésien est un formalisme statistique élégant pour répondre à ces différentes problématiques notamment au travers de la construction de lois a priori. Nous étudions et comparons différentes lois a priori pour simultanément inférer et sélectionner les effets fixes et/ou aléatoires quand ceux-ci peuvent être nombreux. Nous considérons différents cadres de modélisation statistique classiquement utilisés pour l'analyse de données longitudinales. En particulier, nous nous focaliserons sur les modèles à coefficients variants, les modèles linéaires mixtes ou encore la régression sur signal. Ce travail a été motivé par différentes applications pratiques portant sur l'évolution temporelle de l'architecture génétique, la détection de QTL ou l'impact des variations climatiques sur la variabilité phénotypique. Trois jeux de données, issus de contextes agronomiques variés, sont utilisés pour illustrer ces nouvelles approches.

Espèce emblématique et néanmoins menacée qui peuple les mers des régions tropicales et subtropicales du monde entier, la raie manta de récif (Mobula alfredi) est bien présente en Nouvelle-Calédonie. La population de l’archipel n’a cependant encore jamais été étudiée et la compréhension de sa biologie, son écologie, sa dynamique des populations et ses mouvements est encore limitée à l’échelle globale. L’acquisition de connaissances de références pourrait jouer un rôle essentiel pour la conservation de l’espèce. Cette thèse tente de décrire la population, sa structure et l’écologie spatiale de raies manta de Nouvelle-Calédonie en utilisant des approches diverses combinant la science participative à la télémétrie satellite et la génomique. Un suivi de cinq ans permettant la collecte de 1741 photo-identifications de raies manta a permis de connaitre les caractéristiques et la distribution de la population, d’estimer son abondance et d’obtenir un premier aperçu de son utilisation de l’espace et des potentielles sources de blessures. L’utilisation de 21 balises satellites a permis d’obtenir des données de déplacements et de comportements de plongées plus. Finalement, le séquençage du génome de 92 échantillons dont 73 provenant de quatre sites en Nouvelle-Calédonie et 19 de deux sites sur la côte Est de l’Australie a permis de révéler l’existence d’une structure génétique à l’échelle régionale et locale. Les résultats présentés dans cette thèse apportent les premières données sur la population de raies manta de récifs en Nouvelle-Calédonie et proposent les mesures et précautions qui devraient être prises pour évaluer et mitiger les possibles perturbations présentes et futures., Emblematic and threatened species distributed in the tropical and subtropical regions throughout the world, the reef manta ray is also represented in New Caledonia. The population of the archipelago has yet never been studied before and the understanding on the biology, ecology, populations dynamics and movements of the species remain globally limited. The acquisition of a knowledge of reference is essential for the conservation of the species. This thesis aims to describe the population, its structure, and the spatial ecology of reef manta rays of New Caledonia using diverse approaches combining citizen science, satellite telemetry, and genomic. A five-year monitoring allowed the collection of 1741 photo-identifications of manta rays from 11 sites distributed around the archipelago revealing the characteristics and the distribution of the population, an estimation of the abondance and a first insight into its habitat use and the potential source of injuries. The deployment of 21 satellite tags at three study sites recorded detailed data on horizontal movements and the vertical behaviour. Finally, the use of genome-wide single nucleotide polymorphisms (SNPs) discovered from of 92 samples, including 73 from four sites around New Caledonia and 19 from two sites on the east coast of Australia, revealed the existence of genetic structure at regional and local scales. The results presented in this thesis provide the first data on the population of reef manta rays of New Caledonia and suggest precautions and measures that should be considered to evaluate and mitigate the potential present and future disturbances.

Transposable elements (TEs) are ubiquitous components of eukaryotic genomes. They are mobile DNA sequences, which have the ability to multiply and move within the chromosomes of most living organisms. They belong to two classes: class I, retrotransposons and class II, transposons. Retrotransposons are predominant in plants.With the advancement of new sequencing technologies in the last decades, it is now possible to study the structural and functional impact of these elements in natural populations. Nevertheless, due to their repeated nature, the detection of polymorphisms associated with the activity of these elements is conceptually and technically challenging.During my PhD, I developed a pipeline (TRACKPOSON) allowing the detection of polymorphic insertions of transposable elements (in particular retrotransposons) in large datasets that I applied to the 3,000 available rice genomes.This study revealed a very dynamic transpositional landscape within the species. Based on these results, an association analysis (GWAS) was conducted to identify possible genetic factors related to transpositional activity. This analysis revealed the presence of a "master" copy of the element itself, a copy necessary for the activation of transposition in the family.The TE insertion polymorphisms for all 3000 genomes also enabled us to elucidate the origin of rice domestication. We were able to identify at least three distinct genetic origins of the cultivated species.In a second step, we studied the impact of insertions of these transposable elements on certain agronomic traits (TE-GWAS). We found that an insertion of the retrotransposon rn215-125 had a significant impact on grain width in Indica rice varieties. Using Nanopore long-read sequencing technology, we were able to characterize the region into which the insertion is located and propose that the allele conferring a wider grain is more likely to result from an introgression event from a donor yet to be identified, although our initial results suggest that it may be the wild relative O. rufipogon.The analyses conducted during my thesis show the strong contribution of transposable elements to genome dynamics in the population of 3000 rice varieties. Moreover, the constant evolution of sequencing technologies and the development of associated bioinformatics tools now open new perspectives for the analysis of structural variations and in particular the impact of transposable elements on the evolution of genomes within populations.Keywords : transposable elements, Oryza sativa, genomics, bioinformatics, big data, next generation sequencing technologies, genome-wide association studies (GWAS), Les éléments transposables (ET) sont des composants ubiquitaires des génomes eucaryotes. Ce sont des séquences d’ADN mobile, qui ont la capacité de se multiplier et de se déplacer au sein des chromosomes de la plupart des organismes vivants. Ils appartiennent à deux classes : la classe I, des rétrotransposons et la classe II, des transposons. Les rétrotransposons sont prédominants chez les plantes.Avec l’avancée des nouvelles technologies de séquençage ces dernières décennies, il est maintenant possible d’étudier l’impact structural et fonctionnel de ces éléments au sein de populations naturelles. Néanmoins par leur nature répétée, la détection des polymorphismes associés à l’activité de ces éléments est un défi conceptuel et technique.Au cours de ma thèse, j’ai développé un pipeline (TRACKPOSON) permettant la détection des insertions polymorphiques d’éléments transposables (en particulier les rétrotransposons) au sein de grand jeux de données que j’ai appliqué aux 3,000 génomes de riz disponibles.Cette étude a permis de mettre en évidence un paysage transpositionnel très dynamique au sein de l’espèce. A partir de ces résultats, afin d’identifier d’éventuels facteurs génétiques liés à l’activité transpositionnelle, une analyse d’association (GWAS) a été conduite. Celle-ci a permis de mettre en évidence la présence d’une copie « maître » de l’élément lui-même, copie nécessaire à l’activation de la transposition de la famille. Les données de polymorphismes d’insertion des ETs pour l’ensemble des 3000 génomes nous ont également permis d’élucider l’origine de la domestication du riz. Nous avons en effet pu mettre en évidence au moins trois origines génétiques distinctes de l’espèce cultivée.Dans un second temps, nous avons étudié l’impact des insertions de ces éléments transposables sur certains caractères agronomiques (TE-GWAS). Nous avons mis en évidence qu’une insertion du rétrotransposon rn215-125 avait un impact significatif sur la largeur des grains des variétés de riz Indica. Grâce à l’utilisation de la technologie de séquençage longues lectures Nanopore, nous avons pu caractériser la région dans laquelle se trouve l’insertion et proposons que l’allèle conférant un grain plus large proviendrait plutot d’un évènement d’introgression à partir d’un donneur qui reste à identifier, bien que nos premiers résultats suggèrent qu’il pourrait s’agir de l’espèce sauvage apparentée O. rufipogon.Les analyses conduites au cours de ma thèse permettent de mettre en évidence la forte contribution des éléments transposables sur la dynamique des génomes au sein de la population de 3000 variétés de riz. De plus, l’évolution constante des technologies de séquençage et le développement des outils bioinformatique associés, ouvrent maintenant de nouvelles perspectives pour l’analyse des variations structurales et en particulier l’impact des éléments transposables sur l’évolution des génomes au sein des populations.Mots-clés : éléments transposables, Oryza sativa, génomique, bio-informatique, grand jeux de données, nouvelles technologie de séquençage, étude génomique d’association (GWAS)