Search

Genome evolution is the source of much of the transmissible phenotypic variability we observe within and between species. Over the past ten years, the advancements of sequencing technologies have made it possible to explore and compare the genomes of multiple species to understand how evolution acts on vertebrate genomes, but also how the genomes of these diverse species relate to our own. Evidence shows that vertebrate genomes evolve at multiple scales, from base pair substitutions to large- scale rearrangements of chromosomal structure, and these modifications can all result in functional changes in gene products and expression programs. During my scientific career, I have studied vertebrate genome evolution across multiple clades, timescales and levels of resolution in order to better understand how genomic changes can result in evolutionary novelty. This habilitation thesis summarizes my work on the evolution of genome organisation in paleopolyploid fishes and vertebrates, and on the evolution of gene expression in mammals and fishes. Since September 2021, I lead the Comparative Functional Genomics group at Institut Pasteur. In the final section of the manuscript, I discuss how my lab is heading forward to uncover the functional mechanisms of evolutionary innovations in primates and other mammalian groups.; L’évolution du génome est la source de la majorité de la variabilité phénotypique transmissible observéeentre individus et entre espèces. Au cours des dernières années, l’avancée des technologies deséquençage a rendu possible l’exploration et la comparaison des génomes de nombreuses espècespour éclairer les mécanismes par lesquels l’évolution façonne les génomes de vertébrés, mais aussi àquel degré ces génomes sont similaires au nôtre. L’observation montre que les génomes de vertébrésévoluent à de multiples échelles, de la substitution de base aux réarrangements à large échelle de lastructure des chromosomes, et toutes ces changements sont susceptibles de modifierfonctionnellement les gènes ou leurs programmes d’expression. Au cours de ma carrière scientifique,j’ai étudié l’évolution des génomes de vertébrés à travers différents clades, échelles de temps et niveauxde résolution pour mieux comprendre comment ces changements génomiques permettent l’apparitiond’innovations évolutives. Cette these d’habilitation résume mes travaux sur l’évolution de l’organisationdu génome chez les poisons paleopolyploïdes et chez les vertébrés, ainsi que sur l’évolution del’expression des gènes chez les mammifères et les poissons. Depuis septembre 2021, je dirige legroupe Génomique Fonctionnelle Comparative à l’Institut Pasteur. Dans la dernière section dumanuscrit, je discute des directions futures de mon laboratoire pour illuminer les mécanismesfonctionnels d’innovations évolutives chez les primates et d’autres groupes de mammifères.

Pathogenic micro-organisms are responsible, every year, for diseases causing serious health and economic consequences, despite the significant efforts made to control them. Among these, the bacterium Acinetobacter baumannii, a nosocomial pathogen highly resistant to antibiotics, sometimes leading to a therapeutic impasse, and causing severe infections ranging from pneumonia to serious blood infections, and the fungus Fusarium graminearum, responsible for the Fusarium head blight (FHB), a devastating disease of cereals and soft wheat in particular, causing severe losses of, each year, in particular through the in planta production of mycotoxins harmful to human and animal health. Epidemics caused by these two pathogens are a major concern in the world today. Despite their importance, the questions on the extent of the intraspecific variability of the genomes of these two microorganisms and the relationship between structure/function still remained poorly documented. As part of this Thesis, we have developed an intra-species comparative genomics approach, based on the sequencing and bioinformatics analysis of the complete genomes of European strains of F. graminearum, presenting different levels of aggressiveness and Moroccan multidrug-resistant A. baumannii of clinical origin (isolated from patients) and environmental (hospital environment).This strategy allowed us to construct the first “open” pangenome of the species F. graminearum, expanding (by 47%) the repertoire of known genes in the reference genome. By comparing the genetic and phenotypic diversity of the strains, we found that more than two-thirds of the total genes coding for secreted proteins, potentially contributing to pathogenicity, were consistently present in a core secretome, unrelated to the different levels of strain aggressiveness. The overrepresentation of chloroplast and plant cell nucleus targeting motifs identified in fungal effectors, together with their preferential localization in the rapidly evolving genomic regions of this pathogen, strongly suggest that these two organelles are key plant targets of the parasitic manipulation process.In parallel, in A. baumannii, our analysis revealed the presence of multiple clones coexisting in Moroccan hospitals, with the predominance of a lineage corresponding to the international clone II. Comparative analysis of whole genomes revealed no selective gene repertoire expansion between environmental and clinical strains. All strains share up to more than 80% virulence genes. Moreover, the phenotypic diversity of the strains' antibiotic resistance was consistent with the diversity of their resistomes reconstituted in silico, including that of the colistin-resistant strain « last resort antibiotic ».The results obtained during this thesis work shed new and original light (1) on the relationship between intraspecific genomic variability and genetic determinism of virulence, and (2) on the evolutionary and adaptive potential of these two pathogenic microorganisms.; Les micro-organismes pathogènes, sont responsables, chaque année, de maladies entrainant de graves conséquences sanitaires et économiques, et ce, en dépit des efforts importants déployés pour les contrôler. Parmi ceux-ci, la bactérie Acinetobacter baumannii, un pathogène nosocomial hautement résistant aux antibiotiques, conduisant parfois à une impasse thérapeutique, et provoquant des infections sévères allant de la pneumonie à de graves infections du sang, et le champignon Fusarium graminearum, responsable de la fusariose de l'épi (FHB), une maladie dévastatrice des céréales et en particulier du blé tendre, provoquant chaque année des pertes sévères de , en particulier via la production in planta de mycotoxines nocives pour la santé humaine et animale. Les épidémies causées par ces deux agents pathogènes sont aujourd’hui une préoccupation majeure dans le monde. En dépit de leur importance les questions sur l’ampleur de la variabilité intraspécifique des génomes de ces deux microorganismes, et la relation entre structure/fonction restaient encore peu documentées. Dans le cadre de cette Thèse, nous avons développé une approche de génomique comparative intra-espèce, basée sur le séquençage et l’analyse bioinformatique des génomes complets de souches européennes de F. graminearum, présentant différents niveaux d’agressivité et de souches marocaines d'A. baumannii multi-résistantes d’origine clinique (isolées de patients) et environnementale (milieu hospitalier). Cette stratégie nous a permis de construire le premier pangénome « ouvert » de l'espèce F. graminearum, élargissant (de 47 %) le répertoire de gènes connus dans le génome de référence. En comparant la diversité génétique et phénotypique des souches, nous avons trouvé que plus des deux tiers du total des gènes codant pour des protéines sécrétées, contribuant potentiellement à la pathogénicité, étaient systématiquement présents dans un core sécrétome, sans relation avec les différents niveaux d'agressivités des souches. La surreprésentation des motifs d'adressage au chloroplaste et au noyau des cellules végétales, identifiés dans les effecteurs fongiques, associée à leur localisation préférentielle dans les régions génomiques en évolution rapide de ce pathogène, suggèrent fortement que ces deux organites sont des cibles végétales clefs du processus de manipulation parasitaire. En parallèle, chez A. baumannii, nos analyses ont révélé la présence de multiples clones coexistant en milieu hospitalier marocain, avec la prédominance d’une lignée correspondant au clone international II. L'analyse comparative des génomes complets n'a révélé aucune expansion sélective du répertoire de gènes entre les souches environnementales et les souches cliniques. Toutes les souches partagent jusqu'à plus de 80 % de gènes de virulence. En outre, la diversité phénotypique de résistance aux antibiotiques des souches était cohérente avec la diversité de leurs résistomes reconstitués in silico, dont celui de la souche résistante à la colistine « antibiotique de dernier recours ».Les résultats obtenus au cours de ce travail de Thèse donnent un éclairage nouveau et original (1) sur la relation entre variabilité génomique intraspécifique et déterminisme génétique de la pathogénicité, et (2) sur le potentiel évolutif et adaptatif de ces deux micro-organismes pathogènes.

Bacterial comparative genomics consists in comparing the gene contents of different strains: their pangenome.With the increasing number of strains sequenced, the tools available when I started this PhD were reachingtheir limits in terms of computation time and space. The aim was to develop a method able to handle thousandsof genomes, accurately and in a reasonable amount of time. Besides, to our knowledge, no tool wasable to do all key steps of any comparative genomics study. This spurred the development of PanACoTA, atool to standardize and automatize the process to build the key collections of data needed for these studies.This includes all steps from downloading genomes with a quality control until the inference of a phylogenetictree based on the core genome (genes shared by all strains). In order to be able to adapt to specific needs(exploration of parameters, additional steps), we implemented it in a modular way. For the “pangenome”module, we developed a new method, based on recent tools of genome comparison and clustering. Robust tochanges in sampling size, this method can infer a pangenome of 4000 strains in 30 minutes. During its development,we applied PanACoTA to different kinds of studies. We showed its usefulness for short-term studies(find specificity of a pathogenic strain of E. anophelis), long-term (genomic diversity of E. coli species), orto identify different species in an little-known genus (Morganella).; La génomique comparative bactérienne consiste à comparer les contenus en gène des différentes souches : leurpangenome. Avec le nombre croissant de séquençages, les logiciels existants au début de cette thèse arrivaientà leurs limites en termes de temps de calcul et de mémoire. L’enjeu était de passer à l’échelle de milliers degénomes dans un temps raisonnable, en gardant une précision correcte. De plus, à notre connaissance, aucunlogiciel ne permettait d’effectuer toutes les étapes clés d’une étude de génomique comparative. C’est dansce contexte que nous avons développé PanACoTA, un outil ayant pour but de standardiser et automatiserla préparation de données pour ces études, depuis le téléchargement des génomes et leur contrôle qualitéjusqu’à l’inférence de l’arbre phylogénétique du core génome (gènes communs à tous les génomes). Son implémentationsous forme de modules a été pensée pour permettre de s’adapter aux besoins spécifiques decertaines études (exploration de paramètres, étapes supplémentaires). Concernant le module « pangenome »,nous avons développé une nouvelle méthode, s’appuyant sur des outils récents de comparaison et clusteringde séquences. Robuste aux changements d’échelle, elle permet de calculer un pangénome de 4000 souchesen 30 minutes. Au cours de son développement, nous avons appliqué PanACoTA dans différents contextes.Nous avons montré l’utilité de l’outil sur des études à court terme (recherche de la particularité d’une soucheépidémique d’E. anophelis), sur du long terme (étude de la diversité génomique de l’espèce E. coli), ou encorepour différencier différentes espèces d’un genre peu connu (Morganella).

Living organisms are capable of expressing several alternative transcripts (or RNAs) from a single gene. These transcripts are responsible for the regulatory mechanisms of the organism, some of them are translated into protein. Today, detecting the set of transcripts that can be expressed by a gene is an open problem to which many computational methods such as RNA sequencing, spliced sequence alignment methods or comparative genomics methods try to address. This thesis proposes a comparative genomics method to compare the sequence of genes shared by several species. The result is a method for predicting transcripts on a multi-species scale, based on a graph structure. This method was applied to three species (human, mouse, and dog). It allowed to predict a relevant number of transcripts as well as to identify a set of genes that are conserved between the three species and that share both the same exonic structures and the same CDS.; Les organismes vivants sont capables d'exprimer plusieurs transcrits (ou ARN) alternatifs à partir d'un même gène. Ces transcrits sont responsables des mécanismes de régulation de l'organisme, certains sont traduits en protéine. Détecter l'ensemble des transcrits pouvant être exprimés par un gène est aujourd'hui un problème ouvert auquel de nombreuses méthodes informatiques telles que le séquençage des données de l'ARN, les méthodes d'alignements de séquences épissées ou encore les méthodes de génomiques comparative tentent de répondre. Cette thèse propose une méthode de génomique comparative permettant de comparer la séquence de gènes partagés par plusieurs espèces. Il en résulte une méthode de prédiction de transcrits à une échelle multi-espèces, en s'appuyant sur une structure de graphes. Cette méthode a été appliquée à trois espèces (humain, souris, chien). Elle a permis de prédire un nombre important de transcrits et d'identifier un ensemble de gènes conservés entre les trois espèces et partageant les mêmes structures exoniques et les mêmes CDS.

Living organisms are capable of expressing several alternative transcripts (or RNAs) from a single gene. These transcripts are responsible for the regulatory mechanisms of the organism, some of them are translated into protein. Today, detecting the set of transcripts that can be expressed by a gene is an open problem to which many computational methods such as RNA sequencing, spliced sequence alignment methods or comparative genomics methods try to address. This thesis proposes a comparative genomics method to compare the sequence of genes shared by several species. The result is a method for predicting transcripts on a multi-species scale, based on a graph structure. This method was applied to three species (human, mouse, and dog). It allowed to predict a relevant number of transcripts as well as to identify a set of genes that are conserved between the three species and that share both the same exonic structures and the same CDS.; Les organismes vivants sont capables d’exprimer plusieurs transcrits (ou ARN) alternatifs à partir d’un même gène. Ces transcrits sont responsables des mécanismes de régulation de l’organisme, certains sont traduits en protéine. Détecter l’ensemble des transcrits pouvant être exprimés par un gène est aujourd’hui un problème ouvert auquel de nombreuses méthodes informatiques telles que le séquençage des données de l’ARN, les méthodes d’alignements de séquences épissées ou encore les méthodes de génomiques comparative tentent de répondre. Cette thèse propose une méthode de génomique comparative permettant de comparer la séquence de gènes partagés par plusieurs espèces. Il en résulte une méthode de prédiction de transcrits à une échelle multi-espèces, en s’appuyant sur une structure de graphes. Cette méthode a été appliquée à trois espèces (humain, souris, chien). Elle a permis de prédire un nombre important de transcrits et d’identifier un ensemble de gènes conservés entre les trois espèces et partageant les mêmes structures exoniques et les mêmes CDS.

National audience; Dans un précédent article, nous avions découvert la suite EMBOSS et mis en évidence des régions d’intérêt de la séquence nucléique de référence du virus SARS-CoV-2. Nous allons donc continuer le chemin en exploitant de nouveaux outils, certains issus de la bioinformatique et d’autres issus de la communauté linuxienne.

Apicomplexan are unicellular eukaryotic microorganisms that have evolved towards strict parasitic lifestyle. Some apicomplexan groups include species that cause serious pathologies such as malaria (Plasmodium ssp.), toxoplasmosis (Toxoplasma gondii) and cryptosporidiosis (Cryptosporidium spp.). While the genomes of these highly pathogenic agents are now well documented, this is not the case for other apicomplexan lineages such as gregarines, which are considered basal within the Apicomplexa, have low pathogenicity and above all are non-cultivable. Their molecular study currently represents a major bottleneck, whereas a precise knowledge of their genomes would be essential to better understand the evolutionary history of apicomplexan parasites and the diversity of their adaptive paths to parasitic lifestyle. During this thesis the genome caracterisation of 2 marine gregarines, Porospora gigantea, parasite of the European lobster Homarus gammarus and Diplauxis hatti, parasite of the Polychaeta marine worm Perinereis cultrifera; and 1 terrestrial gregarine, Gregarina acridiorum, parasite of the locust Locusta migratoria have been carried out. The discovery of two coexisting genomes matching the morphologically described species P. gigantea, along with another example involving G. acridiorum illustrates the magnitude of the upcoming taxonomic revisions, and the need to turn to molecular markers, likely on a genomic scale, to properly assess the diversity of gregarines. Furthermore, the first comparative genomics analyses including gregarines reveal their unsuspected genetic diversity across Apicomplexa. An apicomplexan scale analyses of the glideosome proteins was also performed. This model refers to a complex molecular structure at the origin of gliding, a signature movement of Apicomplexa that is essential for the manifestation of their pathogenicity. A detailed comparative analysis highlights its differential conservation at the apicomplexan scale, suggesting a diversity of adaptations to motility and host cell invasion issues. This study illustrates the importance of considering non-model, non-pathogenic, non-cultivatable apicomplexan to provide novel clues to the adaptive capabilities displayed by this ecologically and medically major group of parasites., Les apicomplexes sont des micro-organismes eucaryotes unicellulaires ayant évolué vers un mode de vie parasitaire strict. Certains groupes d’apicomplexes comprennent des espèces à l’origine de pathologies graves telles que le paludisme (Plasmodium spp.), la toxoplasmose (Toxoplasma gondii) et la cryptosporidiose (Cryptosporidium spp.). Si les génomes de ces agents hautement pathogènes sont maintenant bien documentés, ce n’est pas le cas pour d’autres lignées d’apicomplexes comme les grégarines, considérées comme basales au sein des Apicomplexa, ont un faible pouvoir pathogène et surtout ne sont pas cultivables. Leur étude moléculaire représente actuellement un goulot d’étranglement majeur, alors qu’une connaissance précise de leurs génomes serait essentielle pour mieux comprendre l’histoire évolutive des parasites apicomplexes et la diversité de leurs adaptations au mode de vie parasitaire. Au cours de cette thèse, la caractérisation du génome de 2 grégarines marines, Porospora gigantea, parasite du homard européen Homarus gammarus et Diplauxis hatti, parasite du ver marin Polychaeta Perinereis cultrifera ; et d’une grégarine terrestre, Gregarina acridiorum, parasite du criquet Locusta migratoria a été réalisée. La découverte de deux génomes coexistants correspondant à l’espèce morphologiquement décrite P. gigantea, tout comme un second exemple impliquant G. acridiorum, illustrent l’ampleur des révisions taxonomiques à venir, et la nécessité de se tourner vers des marqueurs moléculaires, probablement à l’échelle génomique, pour évaluer correctement la diversité des grégarines. Par ailleurs, les premières analyses de génomique comparative incluant des grégarines révèlent une diversité génétique insoupçonnée chez ces organismes. Une analyse des protéines du glidéosome à l’échelle des apicomplexes a également été réalisée. Ce modèle fait référence à une structure moléculaire complexe à l’origine du gliding, un mouvement caractéristique des Apicomplexa et essentiel à la manifestation de leur pathogénicité. Une étude comparative détaillée met en évidence sa conservation différentielle à l’échelle des apicomplexes, suggérant une diversité d’adaptations aux problèmes de motilité et d’invasion des cellules hôtes. Ce travail illustre l’importance de prendre en compte les apicomplexes non-modèles, non pathogènes et non cultivables pour fournir des indices nouveaux sur les capacités d’adaptation déployées par ce groupe de parasite à l’importance écologique et médicale majeure.

National audience; Nul n’est besoin de convaincre que les systèmes GNU/Linux sont un atout majeur dans l’évolution des connaissances de nombreuses disciplines. C’est particulièrement le cas dans l’étude et la compréhension du vivant, qui a permis l’essor ces dernières décennies de cette « trans-discipline » qu’est la bioinformatique. Voyons à travers cette série de 3 articles comment les outils existants pour notre OS favoris permettent d’appréhender la découverte d’un nouvel organisme.

Les endophytes sont des microorganismes (généralement des bactéries et des champignons) qui vivent dans les tissus végétaux mais n'activent pas le système immunitaire/défense des plantes, contrairement aux pathogènes végétaux qui activent généralement les réponses immunitaires des plantes. Des recherches récentes ont montré que pratiquement toutes les plantes cultivées en plein champ contiennent un certain nombre d'endophytes, et que certains endophytes stimulent la croissance des plantes et renforcent la résistance contre les agents pathogènes. Les endophytes sécrètent des composés chimiques (métabolites secondaires) qui suppriment la croissance des agents pathogènes, un processus connu sous le nom de biocontrôle. En raison de ces propriétés de biocontrôle, les endophytes sont une alternative potentielle aux pesticides chimiques pour lutter contre les maladies des plantes. En conséquence, le biocontrôle est devenu un domaine de recherche important. Mon projet de recherche comportait les objectifs spécifiques suivants : (i) isoler les endophytes des plants de canneberges acquis auprès de deux producteurs commerciaux de canneberges de la variété Stevens situés au Québec, Canada (Bieler Cranberries Inc, et Gillivert Inc.) ; (ii) tester l'activité de biocontrôle des endophytes contre une collection de champignons pathogènes et ensuite inoculer les endophytes les plus actifs dans des plants de canneberges obtenus par germination de la variété Stevens (Bieler Cranberries Inc. ) et Scarlet Knight (Daniele Landreville) ; et (iii) identifier des groupes de gènes de métabolites secondaires en séquençant, assemblant et annotant le génome d'un endophyte qui présentait de fortes caractéristiques de biocontrôle. Dans le cadre de ce projet de recherche, des tests antagonistes in vitro ont été réalisés avec des endophytes de la canneberge et un champignon pathogène, qui ont montré que Pseudomonas sp. CSWB3, Pseudomonas sp. CLWB12 et la souche fongique Lachnum sp. EFK28 étaient les plus actifs et ces souches ont donc été sélectionnées pour des études plus approfondies. Des expériences de germination de semis in vitro et d'inoculation d'endophytes ont montré que les souches bactériennes Pseudomonas sp. CSWB3 et Pseudomonas sp. CLWB12 amélioraient la croissance des semis de canneberges de la variété Stevens. Comme les Pseudomonas sp. CSWB3 et Pseudomonas sp. CLWB12 ont tous deux un effet antagoniste élevé sur les champignons pathogènes, un seul (Pseudomonas sp. CSWB3) a été soumis à une analyse du génome. Le séquençage, l'assemblage, l'annotation et l'analyse du génome de Pseudomonas sp. CSWB3 a révélé que cette souche possède cinq groupes de gènes biosynthétiques de métabolites secondaires qui codent pour les protéines responsables de la biosynthèse des composés antifongiques/antimicrobiens : pyrrolnitrine, pyoluteorine, putisolvine, 2,4-diacétylephloroglucinol, bicornutine A1 et bicornutine A2. Sur la base des résultats de ces travaux, nous concluons que certains endophytes de la canneberge qui possèdent des groupes de gènes codant pour des métabolites secondaires antifongiques peuvent supprimer les pathogènes fongiques et améliorer la croissance des plantes., Endophytes are microorganisms (typically bacteria and fungi) that live within plant tissue but do not activate the plant defense/immune system, unlike plant pathogens that typically do activate plant immune responses. Recent research has shown that virtually all plants grown under field conditions contain a number of endophytes, and that certain endophytes stimulate plant growth and enhance resistance against pathogens. Endophytes secrete chemical compounds (secondary metabolites) that suppress pathogen growth, a process known as biocontrol. Because of these biocontrol properties, endophytes are a potential alternative to chemical pesticides for combatting plant disease. Accordingly, biocontrol has become an important field of research. My research project was comprised of the following specific aims: (i) isolate endophytes from cranberry plants that were acquired from two commercial producers of cranberries of the Stevens variety located in Quebec, Canada (Bieler Cranberries Inc, and Gillivert Inc.); (ii) test the biocontrol activity of endophytes against a collection of fungal pathogens and then inoculate the most active endophytes into cranberry seedlings that were obtained by germinating Stevens (Bieler Cranberries Inc.) and Scarlet Knight (Daniele Landreville) seeds; and (iii) identify secondary metabolite gene clusters by sequencing, assembling, and annotating the genome of one endophyte that exhibited strong biocontrol characteristics. As part of this research project, in vitro antagonistic tests were conducted with cranberry endophytes and fungal pathogen, which showed that Pseudomonas sp. CSWB3, Pseudomonas sp. CLWB12, and the fungal strain Lachnum sp. EFK28 were the most active and therefore these strains were selected for further studies. In vitro seedling germination and endophyte inoculation experiments showed that the bacterial strains Pseudomonas sp. CSWB3 and Pseudomonas sp. CLWB12 enhanced the growth of cranberry seedlings of the Stevens variety. Since Pseudomonas sp. CSWB3 and Pseudomonas sp. CLWB12 both had a high antagonistic effect on fungal pathogens, only one (Pseudomonas sp. CSWB3) was subjected to genome analysis. Sequencing, assembly, annotation, and analysis of the Pseudomonas sp. CSWB3 genome revealed that this strain possesses five secondary metabolite biosynthetic gene clusters that encode proteins responsible for the biosynthesis of the antifungal/antimicrobial compounds pyrrolnitrin, pyoluteorin, putisolvin, 2,4-diacetylephloroglucinol, bicornutin A1, and bicornutin A2. Based on the results of this work, we conclude that certain cranberry endophytes that possess gene clusters encoding antifungal secondary metabolites can suppress fungal pathogens and enhance plant growth.

Whole-genome duplications are major events in the evolutionary history of species. They produce additional gene copies that can acquire new functions and thus contribute to adaptation and diversification processes. Two rounds of whole genome duplications occurred in the lineage leading to the Vertebrate ancestor, followed by a subsequent one at the stem of the teleost fish clade (dated 320 million years ago). The impressive diversity of the teleost clade, accounting for over half of extant vertebrate species, allows us to address a vast panel of functional and evolutionary questions. As such, the recent and on-going sequencing of many fish species promises to neatly complement the well-established zebrafish model. However, their shared whole genome duplication represents an additional layer of complexity that has to be accounted for when comparing fish genomes. Indeed, many genes still remain in two copies after the duplication, which renders the identification of homologous genes across species extremely complex. To tackle this challenge, I have developed a novel method, named SCORPiOs (Synteny-guided CORrection of Paralogies and Orthologies), which reconstructs more accurate phylogenetic gene trees in the context of whole genome duplications. The major innovation behind SCORPiOs is that it integrates information from the genomic organisation of genes (synteny) to complement classical sequence-based methods. I present how the application of SCORPiOs to various fish genomes datasets enhances our understanding of fish genome structure and evolution. First, I show that SCORPiOs links duplicate gene retention to evolutionary novelties in the teleost clade. Further, the precise identification of orthologous and paralogous genes allowed me to establish the first large-scale cartography of WGD-duplicated regions across fish genomes. This second result represents a novel resource that should facilitate the transfer of functional annotations between model and non-model fish species. Last, I demonstrate how the analysis of discordances between sequence and synteny predictions sheds light on the spatio-temporal pattern of rediploidization following the duplication event. My work provides a framework that facilitates comparative analyses across teleost fish genomes and reveals insights into the evolution of genomes following whole genome duplication., Les duplications complètes de génome sont des événements majeurs dans l’histoire évolutive des espèces. Elles produisent des copies surnuméraires de gènes qui peuvent acquérir de nouvelles fonctions et ainsi contribuer aux processus d’adaptation et de diversification. Deux duplications complètes de génome ont eu lieu dans la lignée précédant l’ancêtre des Vertébrés, suivies d’une troisième à la base des poissons téléostéens (datée à 320 millions d’années). L’impressionnante diversité du clade téléostéen, représentant plus de la moitié des espèces de Vertébrés actuelles, permet d’explorer un large éventail de questions fonctionnelles et évolutives. De fait, le séquençage récent et en cours de nombreuses espèces de poissons promet de complémenter le modèle bien établi du poisson-zèbre. Néanmoins, leur événement partagé de duplication complète représente un défi pour l’analyse et la comparaison des génomes de poissons. En effet, suite à la duplication, de nombreux gènes demeurent en deux copies dans les génomes, ce qui complexifie la caractérisation des relations d’homologies entre gènes de différentes espèces. Afin de résoudre ce problème, j’ai développé une nouvelle méthodologie spécifique à la reconstruction d’arbres de gènes dans le contexte de duplications complètes de génomes, nommée SCORPiOs (Syntenyguided CORrection of Paralogies and Orthologies). L’innovation notable derrière SCORPiOs est l’intégration d’information provenant de l’organisation des gènes dans les génomes (synténie) afin de compléter les méthodes basées sur l’évolution moléculaire des séquences. Je présente comment l’application de cette nouvelle méthode à différents jeux de génomes de poissons améliore notre compréhension de l’évolution et de la structure des génomes de téléostéens. Dans un premier temps, je montre que SCORPiOs met en évidence la contribution des gènes dupliqués aux innovations évolutives des téléostéens. L’identification précise de gènes orthologues et paralogues m’a également permis d’établir la première cartographie à grande échelle des régions dupliquées entre génomes de poissons. Ce second résultat représente une nouvelle ressource qui devrait faciliter l’extrapolation d’annotations fonctionnelles entre espèces modèles et non-modèles. Enfin, je démontre comment l’analyse fine des désaccords de prédictions basées sur la synténie et la séquence permet de préciser les patrons spatio-temporels du retour à l’état diploïde après la duplication complète. Mon travail propose un cadre pour faciliter les analyses comparatives chez les poissons téléostéens et améliore nos connaissances concernant l’évolution des génomes après duplication complète.

Whole-genome duplications are major events in the evolutionary history of species. They produce additional gene copies that can acquire new functions and thus contribute to adaptation and diversification processes. Two rounds of whole genome duplications occurred in the lineage leading to the Vertebrate ancestor, followed by a subsequent one at the stem of the teleost fish clade (dated 320 million years ago). The impressive diversity of the teleost clade, accounting for over half of extant vertebrate species, allows us to address a vast panel of functional and evolutionary questions. As such, the recent and on-going sequencing of many fish species promises to neatly complement the well-established zebrafish model. However, their shared whole genome duplication represents an additional layer of complexity that has to be accounted for when comparing fish genomes. Indeed, many genes still remain in two copies after the duplication, which renders the identification of homologous genes across species extremely complex. To tackle this challenge, I have developed a novel method, named SCORPiOs (Synteny-guided CORrection of Paralogies and Orthologies), which reconstructs more accurate phylogenetic gene trees in the context of whole genome duplications. The major innovation behind SCORPiOs is that it integrates information from the genomic organisation of genes (synteny) to complement classical sequence-based methods. I present how the application of SCORPiOs to various fish genomes datasets enhances our understanding of fish genome structure and evolution. First, I show that SCORPiOs links duplicate gene retention to evolutionary novelties in the teleost clade. Further, the precise identification of orthologous and paralogous genes allowed me to establish the first large-scale cartography of WGD-duplicated regions across fish genomes. This second result represents a novel resource that should facilitate the transfer of functional annotations between model and non-model fish species. Last, I demonstrate how the analysis of discordances between sequence and synteny predictions sheds light on the spatio-temporal pattern of rediploidization following the duplication event. My work provides a framework that facilitates comparative analyses across teleost fish genomes and reveals insights into the evolution of genomes following whole genome duplication., Les duplications complètes de génome sont des événements majeurs dans l’histoire évolutive des espèces. Elles produisent des copies surnuméraires de gènes qui peuvent acquérir de nouvelles fonctions et ainsi contribuer aux processus d’adaptation et de diversification. Deux duplications complètes de génome ont eu lieu dans la lignée précédant l’ancêtre des Vertébrés, suivies d’une troisième à la base des poissons téléostéens (datée à 320 millions d’années). L’impressionnante diversité du clade téléostéen, représentant plus de la moitié des espèces de Vertébrés actuelles, permet d’explorer un large éventail de questions fonctionnelles et évolutives. De fait, le séquençage récent et en cours de nombreuses espèces de poissons promet de complémenter le modèle bien établi du poisson-zèbre. Néanmoins, leur événement partagé de duplication complète représente un défi pour l’analyse et la comparaison des génomes de poissons. En effet, suite à la duplication, de nombreux gènes demeurent en deux copies dans les génomes, ce qui complexifie la caractérisation des relations d’homologies entre gènes de différentes espèces. Afin de résoudre ce problème, j’ai développé une nouvelle méthodologie spécifique à la reconstruction d’arbres de gènes dans le contexte de duplications complètes de génomes, nommée SCORPiOs (Syntenyguided CORrection of Paralogies and Orthologies). L’innovation notable derrière SCORPiOs est l’intégration d’information provenant de l’organisation des gènes dans les génomes (synténie) afin de compléter les méthodes basées sur l’évolution moléculaire des séquences. Je présente comment l’application de cette nouvelle méthode à différents jeux de génomes de poissons améliore notre compréhension de l’évolution et de la structure des génomes de téléostéens. Dans un premier temps, je montre que SCORPiOs met en évidence la contribution des gènes dupliqués aux innovations évolutives des téléostéens. L’identification précise de gènes orthologues et paralogues m’a également permis d’établir la première cartographie à grande échelle des régions dupliquées entre génomes de poissons. Ce second résultat représente une nouvelle ressource qui devrait faciliter l’extrapolation d’annotations fonctionnelles entre espèces modèles et non-modèles. Enfin, je démontre comment l’analyse fine des désaccords de prédictions basées sur la synténie et la séquence permet de préciser les patrons spatio-temporels du retour à l’état diploïde après la duplication complète. Mon travail propose un cadre pour faciliter les analyses comparatives chez les poissons téléostéens et améliore nos connaissances concernant l’évolution des génomes après duplication complète.

In the era of high-throughput technologies where data flow is abundant, many processes are still poorly characterized. Integrative approaches represent a whole new array of methods particularly well suited to the study of such biological systems by allowing their description through various perspectives. In that context, this thesis focuses on multiciliation, a complex process about which knowledge is still limited, through the integration of both evolutionary and functional data of different levels of granularity. After shedding light on the evolution of known multiciliation genes, this thesis work led to the development of BLUR, a new comparative genomics resource designed to detect atypical sequence divergences within protein families at the whole proteome scale. Its application to multiciliation in the course of an integrative approach combining comparative and functional genomics allowed for the exploitation of the peculiar evolutionary signature of multiciliation to identify new candidate genes linked to that process.; A l’ère des approches à haut-débit où les flux de données sont abondants, bon nombre de processus restent encore largement inexplorés. Les approches intégratives représentent de nouvelles méthodes de choix pour l’étude de tels systèmes biologiques en permettant leur caractérisation selon plusieurs angles. Dans ce contexte, les travaux de cette thèse ont porté sur l’étude de la multiciliation, processus complexe encore méconnu, par l’intégration de données évolutives et fonctionnelles à plusieurs niveaux de granularité. Après avoir établi un bilan évolutif de la multiciliation, ces travaux ont mené à la conception de BLUR, une nouvelle ressource de génomique comparative conçue pour détecter des divergences de séquence atypiques au sein de familles protéiques à l’échelle d’un protéome complet. Son application à la multiciliation au cours d’une approche intégrative couplant génomique comparative et génomique fonctionnelle a permis d’exploiter la signature évolutive particulière de la multiciliation pour identifier de nouveaux gènes candidats multiciliés.

My PhD work applies the molecular clock concept at the scale of the gene tree. A gene tree does not match exactly a species tree, because the number of functional copies in a genome varies, either by duplication to a new locus, or by loss (pseudogenisation or deletion). These events of gain and loss are frequent and crucial to organismal adaptation, by providing genetic plasticity. Hence I worked on the whole set of gene trees of twenty primate species, and aimed at dating duplications. By contrast with alignment concatenation, the use of a single gene family enforces a limit on statistical power. This is what we first quantify in performing a control comparing the speciation dates in gene trees with reference ages of the taxa. With this control we select an accurate dating procedure, which optimizes upstream the quality of the alignment. We determine the distribution of the dating accuracy and then associate it with various measurable characteristics on the gene trees and alignments. Our analysis confirms the impact of the alignment length in the accuracy, but also of the heterogeneity of the substitution rates between branches, which is complicated to accommodate by molecular clock models. In concrete terms, our strategy allows us to predict a level of accuracy on new data, and we apply it to the duplication dates. From this confidence prediction on dating trees with duplications, we select the best quality subset to establish the temporal distribution of duplications along lineages. In addition to the dates we calculate the duplication rates and characterise their variation: indeed it differs substantially between gene trees, with many trees without duplications and a low proportion of trees that duplicate a lot, which can be modeled by a Gamma law. Moreover, the duplication rate varies between organism lineages. We test the phylogenetic correlation between average genomic duplication rate per lineage, and diversification of this lineage. Finally, the loss of genes involved in the lateralization of the embryo is characteristic of certain vertebrate taxa. We therefore determine by correlation new sequences that are potentially functional in humans, by screening for genes and enhancers showing similar losses. Thus, after evaluating the appropriate methods for reliable inference, we have characterised the dynamics of gene turnover. This paves the way to understanding the association between these genomic dynamics and the adaptation and diversification of organisms., Ma thèse applique le concept d’horloge moléculaire à l’échelle de l’arbre de gène. L’arbre de gène ne se décalque pas exactement sur celui des espèces, car le nombre de copies fonctionnelles dans un même génome varie, soit par duplication sur un nouveau locus, soit par perte (pseudogénéisation ou délétion). Ces événements fréquents de duplication et perte sont cruciaux pour l’adaptation des organismes, en leur fournissant une grande plasticité génétique. Pour cette raison, j’ai travaillé sur l’ensemble des arbres de gènes d’une vingtaine d’espèces de primates, avec pour objectif de dater les duplications. Par contraste avec la concaténation de plusieurs alignements, l’utilisation d’une seule famille génique impose une limite sur la puissance statistique. C’est ce que nous quantifions dans un premier temps, en effectuant un contrôle comparant les datations des spéciations dans les arbres de gènes avec les âges de référence des taxons. Avec ce contrôle, nous sélectionnons une procédure de datation précise, qui optimise la qualité de l’alignement en amont. Nous déterminons la distribution de la précision de datation et l’associons ensuite à diverses caractéristiques mesurables sur les arbres de gènes et les alignements. Notre analyse confirme l’impact de la longueur d’alignement dans la précision, mais aussi de l’hétérogénéité des taux de substitution entre branches, qui est compliquée à accomoder par les modèles d’horloge moléculaire. Concrètement, notre stratégie permet de prédire un niveau de précision sur de nouvelles données, et nous l’appliquons aux datations de duplications. À partir de cette prédiction de confiance sur les datations d’arbres avec duplications, nous sélectionnons le sous-jeu de meilleure qualité pour établir la distribution temporelle des duplications le long des lignées. Outre les dates, nous calculons les taux de duplications et caractérisons leur variation : ils sont en effet inégaux entre arbres de gènes, avec de nombreux arbres sans duplication et une faible proportion d’arbres se dupliquant beaucoup, ce qui peut se modéliser par une loi Gamma. De plus, le taux de duplication varie entre lignées d’organismes. Nous testons la corrélation phylogénétique entre taux de duplication génomique moyen par lignée et diversification de cette lignée. Enfin, des pertes de gènes impliqués dans la latéralisation de l’embryon caractérisent certains taxons de vertébrés. Nous établissons donc par corrélation de nouvelles séquences potentiellement fonctionnelles chez l’humain en criblant les gènes et enhancers montrant des pertes similaires. Ainsi, après avoir évalué les méthodes appropriées pour une inférence fiable, nous avons caractérisé les dynamiques de renouvellement des gènes. Cette étape ouvre la voie pour comprendre l’association entre ces dynamiques génomiques et les dynamiques macroévolutives et l’adaptation ou la diversification des organismes.

My PhD work applies the molecular clock concept at the scale of the gene tree. A gene tree does not match exactly a species tree, because the number of functional copies in a genome varies, either by duplication to a new locus, or by loss (pseudogenisation or deletion). These events of gain and loss are frequent and crucial to organismal adaptation, by providing genetic plasticity. Hence I worked on the whole set of gene trees of twenty primate species, and aimed at dating duplications. By contrast with alignment concatenation, the use of a single gene family enforces a limit on statistical power. This is what we first quantify in performing a control comparing the speciation dates in gene trees with reference ages of the taxa. With this control we select an accurate dating procedure, which optimizes upstream the quality of the alignment. We determine the distribution of the dating accuracy and then associate it with various measurable characteristics on the gene trees and alignments. Our analysis confirms the impact of the alignment length in the accuracy, but also of the heterogeneity of the substitution rates between branches, which is complicated to accommodate by molecular clock models. In concrete terms, our strategy allows us to predict a level of accuracy on new data, and we apply it to the duplication dates. From this confidence prediction on dating trees with duplications, we select the best quality subset to establish the temporal distribution of duplications along lineages. In addition to the dates we calculate the duplication rates and characterise their variation: indeed it differs substantially between gene trees, with many trees without duplications and a low proportion of trees that duplicate a lot, which can be modeled by a Gamma law. Moreover, the duplication rate varies between organism lineages. We test the phylogenetic correlation between average genomic duplication rate per lineage, and diversification of this lineage. Finally, the loss of genes involved in the lateralization of the embryo is characteristic of certain vertebrate taxa. We therefore determine by correlation new sequences that are potentially functional in humans, by screening for genes and enhancers showing similar losses. Thus, after evaluating the appropriate methods for reliable inference, we have characterised the dynamics of gene turnover. This paves the way to understanding the association between these genomic dynamics and the adaptation and diversification of organisms., Ma thèse applique le concept d’horloge moléculaire à l’échelle de l’arbre de gène. L’arbre de gène ne se décalque pas exactement sur celui des espèces, car le nombre de copies fonctionnelles dans un même génome varie, soit par duplication sur un nouveau locus, soit par perte (pseudogénéisation ou délétion). Ces événements fréquents de duplication et perte sont cruciaux pour l’adaptation des organismes, en leur fournissant une grande plasticité génétique. Pour cette raison, j’ai travaillé sur l’ensemble des arbres de gènes d’une vingtaine d’espèces de primates, avec pour objectif de dater les duplications. Par contraste avec la concaténation de plusieurs alignements, l’utilisation d’une seule famille génique impose une limite sur la puissance statistique. C’est ce que nous quantifions dans un premier temps, en effectuant un contrôle comparant les datations des spéciations dans les arbres de gènes avec les âges de référence des taxons. Avec ce contrôle, nous sélectionnons une procédure de datation précise, qui optimise la qualité de l’alignement en amont. Nous déterminons la distribution de la précision de datation et l’associons ensuite à diverses caractéristiques mesurables sur les arbres de gènes et les alignements. Notre analyse confirme l’impact de la longueur d’alignement dans la précision, mais aussi de l’hétérogénéité des taux de substitution entre branches, qui est compliquée à accomoder par les modèles d’horloge moléculaire. Concrètement, notre stratégie permet de prédire un niveau de précision sur de nouvelles données, et nous l’appliquons aux datations de duplications. À partir de cette prédiction de confiance sur les datations d’arbres avec duplications, nous sélectionnons le sous-jeu de meilleure qualité pour établir la distribution temporelle des duplications le long des lignées. Outre les dates, nous calculons les taux de duplications et caractérisons leur variation : ils sont en effet inégaux entre arbres de gènes, avec de nombreux arbres sans duplication et une faible proportion d’arbres se dupliquant beaucoup, ce qui peut se modéliser par une loi Gamma. De plus, le taux de duplication varie entre lignées d’organismes. Nous testons la corrélation phylogénétique entre taux de duplication génomique moyen par lignée et diversification de cette lignée. Enfin, des pertes de gènes impliqués dans la latéralisation de l’embryon caractérisent certains taxons de vertébrés. Nous établissons donc par corrélation de nouvelles séquences potentiellement fonctionnelles chez l’humain en criblant les gènes et enhancers montrant des pertes similaires. Ainsi, après avoir évalué les méthodes appropriées pour une inférence fiable, nous avons caractérisé les dynamiques de renouvellement des gènes. Cette étape ouvre la voie pour comprendre l’association entre ces dynamiques génomiques et les dynamiques macroévolutives et l’adaptation ou la diversification des organismes.

In sexual organisms, recombination suppression can evolve in specific genomic regions to protect beneficial allelic combinations, resulting in the transmission of multiple genes as a single locus, which is called a supergene. Supergenes determine complex phenotypes, such as gender in organisms with sex chromosomes. Some sex chromosomes display successive steps of recombination suppression known as “evolutionary strata”, which are commonly thought to result from the successive linkage of sexually antagonistic genes (i.e. alleles beneficial to one sex but detrimental to the other) to the sex-determining region. There has however been little empirical evidence supporting this hypothesis. Fungi constitute interesting models for studying the evolutionary causes of recombination suppression in sex-related chromosomes, as they can display non-recombining mating-type chromosomes not associated with male/female functions. Here, we studied the evolution of recombination suppression on mating-type chromosomes in the Microbotryum plant-castrating fungi using comparative genomic approaches. In Microbotryum fungi, mating occurs between gametes with distinct alleles at the two mating-type loci, as is typical of basidiomycete fungi. We showed that recombination suppression evolved multiple times independently to link the two mating-type loci from an ancestral state with mating-type loci on two distinct chromosomes. Recombination suppression either linked the mating-type genes to their respective centromere or linked mating-type loci after they were brought onto the same chromosome through genomic rearrangements that differed between species. Both types of linkage are beneficial under the intra-tetrad mating system of Microbotryum fungi as they increase the odds of gamete compatibility. Recombination suppression thus evolved multiple times through distinct evolutionary pathways and distinct genomic changes, which give insights about the repeatability and predictability of evolution. We also reported the existence of independent evolutionary strata on the mating-type chromosomes of several Microbotryum species, which questions the role of sexual antagonism in the stepwise extension of non-recombining regions because mating-types are not associated with male/female functions. Previous studies reported little phenotypic differences associated to mating-types, rending unlikely any antagonistic selection between mating types (i.e. “mating-type antagonism”, with genes having alleles beneficial to one mating-type but detrimental to the other). The genes located in non-recombining regions on the mating-type chromosomes can be differentially expressed between mating types, but our analyses indicated that such differential expression was more likely to result from genomic degeneration than from mating-type antagonism. Deleterious mutations are indeed known to accumulate in non-recombining regions resulting in modifications of gene expression or of protein sequence. We concluded that antagonistic selection cannot explain the formation of evolutionary strata in Microbotryum fungi. Alternative mechanisms must be therefore be considered to explain the stepwise expansion of non-recombining regions, and they could also be important on sex chromosomes. This work thus prompts for future studies to identify further evolutionary strata not associated with male/female functions as well as to elucidate their evolutionary causes and consequences in terms of genomic degeneration.; Chez les organismes sexués, des suppressions de recombinaison peuvent évoluer dans certaines régions génomiques pour conserver des combinaisons d’allèles bénéfiques, ce qui aboutit à la transmission de plusieurs gènes en un seul locus, alors appelé « supergène ». Les supergènes déterminent des phénotypes complexes, comme l’identité sexuelle chez les organismes qui ont des chromosomes sexuels. Sur certains chromosomes sexuels, la région sans recombinaison s’est étendue plusieurs fois successivement, produisant des « strates évolutives ». Il est communément admis que ces strates évolutives sont issues de liaisons successives de gènes sexuellement antagonistes (qui ont des allèles bénéfiques à un sexe mais délétère à l’autre) à la région qui détermine le sexe, mais peu de preuves empiriques soutiennent cette hypothèse. Les champignons constituent des modèles intéressants pour étudier les causes évolutives des suppressions de recombinaison parce qu’ils peuvent avoir des chromosomes de types sexuels non recombinants sans être associés à des fonctions mâles ou femelles. Dans cette thèse, nous avons étudié l’évolution de la suppression de recombinaison sur les chromosomes de type sexuel chez les champignons castrateurs de plantes du genre Microbotryum. Chez les champignons Microbotryum, les croisements ne sont possibles qu’entre des gamètes qui ont des allèles distincts aux deux locus de types sexuels. Nous avons montré que les suppressions de recombinaison ont évolué plusieurs fois indépendamment pour lier les deux locus de types sexuels, depuis l’état ancestral avec les locus de types sexuels situés sur deux chromosomes différents. La suppression de recombinaison a soit lié les locus de types sexuels à leur centromère respectif, ou a lié les locus de types sexuels entre eux après que des réarrangements chromosomiques, différents dans les différentes espèces, les aient amenés sur le même chromosome. Les deux sortes de suppression de recombinaison sont bénéfiques sous le mode de reproduction par auto-fécondation intra-tétrade de Microbotryum, parce qu’ils augmentent le taux de compatibilité entre gamètes. Les suppressions de recombinaison ont donc évolué plusieurs fois indépendamment via des chemins évolutifs et des changements génomiques différents, ce qui renseigne sur la répétabilité de l’évolution. De plus, nous avons révélé l’existence de strates évolutives sur les chromosomes de type sexuels de plusieurs espèces de Microbotryum, ce qui remet en cause le rôle de l’antagonisme sexuel dans la formation de strates évolutives, les types sexuels n’étant pas associés à des fonctions mâles / femelles. Des études précédentes ont rapporté peu de différences phénotypiques associées aux types sexuels, ce qui rend peu probable qu’une sélection antagoniste existe entre types sexuels sur de nombreux gènes (l’existence de gènes avec des allèles bénéfiques à un type sexuel mais délétère à l’autre). Certains gènes situés dans les régions non-recombinantes des chromosomes de types sexuels étaient différentiellement exprimés entre types sexuels, mais nos analyses suggèrent qu’un tel différentiel d’expression peut être dû à la dégénérescence. En effet, des mutations délétères s’accumulent dans les régions non-recombinantes, ce qui peut modifier l’expression des gènes ou les séquences protéiques. Nous avons donc conclu que la sélection antagoniste ne peut pas expliquer la formation des strates évolutives chez les champignons Microbotryum. Par conséquent, des mécanismes alternatifs doivent être considérés pour expliquer l’extension progressive des régions non-recombinantes, et ces mécanismes pourraient aussi générer des strates évolutives sur les chromosomes sexuels. Ces travaux incitent de futures études à d’une part identifier d’autres strates évolutives qui ne sont pas associées à des fonctions mâles/femelles, et d’autre part à identifier leurs causes évolutives et leurs conséquences en termes de dégénérescence.

Phenotypic convergence, the independent acquisition of similar characters by different species,is widespread in nature and has been extensively studied. But this evolutionary process is not well understood. For example, many researchers seek to understand whether there are convergent genetic bases underlying these phenotypic convergences.Some convergent substitutions correlated with a convergent phenotype have been described in the literature, but there are few studies at the genome scale. This can be explained by two methodological problems : 1 / On the one hand, the difficulty of creating multi-species datasets for comparative analyses. 2 / On the other hand, the lack of dedicated methods to detect convergence at the genomic scale.During my thesis, I proposed solutions to these two challenges. As a first step, I created a program (CAARS) to automate the assembly of datasets composed of orthologous families from RNA-Seq data. Then I created a tool (PCOC) to study convergent substitutions within coding sequences, based on the identification of amino acid profile changes rather than strict amino acid changes. These tools have been developed for the sake of reproducibility and ease of use. I then studied the ability of different methods, including PCOC, to detect convergent substitutions in the presence of confounding factors. Finally, I applied these methods to a biological case where I sought to characterize the genomic bases of adaptation to arid environments in rodents.; La convergence phénotypique, c’est-à-dire l’acquisition indépendante de caractères similaires par des espèces différentes, est omniprésente dans la nature et a été souvent étudiée. Mais ce processus évolutif n’est pas bien compris. Par exemple, de nombreux chercheurs cherchent à comprendre s’il existe des bases génétiques convergentes sous-jacentes à ces convergences phénotypiques.Quelques substitutions convergentes corrélées à un phénotype convergent ont été décrites dans la littérature, mais il existe peu d’études à l’échelle génomique. Ceci peut s’expliquer par deux problèmes méthodologiques : 1/ D’une part, la difficulté de créer des jeux de données multi-espèces pour des analyses comparatives. 2/ D’autre part, le manque de méthodes dédiées à la détection de la convergence à l’échelle génomique.Au cours de ma thèse, j’ai proposé des solutions à ces deux défis. Dans un premier temps, j’ai créé un programme (CAARS) permettant d’automatiser l’assemblage de jeux de données composés de familles d’orthologues à partir de données RNA-Seq. Puis, j’ai créé un outil (PCOC) pour étudier les substitutions convergentes au sein de séquences codantes, basé sur l’identification de changements de profils d’acides aminés. Ces outils ont été développés dans un souci de reproductibilité et de facilité d’utilisation. J’ai ensuite étudié la capacité de différentes méthodes, dont PCOC, à détecter des substitutions convergentes en présence de facteurs confondants. Enfin, j’ai appliqué ces méthodes à un cas biologique où j’ai cherché à caractériser les bases génomiques de l’adaptation aux milieux arides chez les rongeurs.

Glomeromycotina is a lineage of early diverging fungi that establish arbuscular mycorrhizal (AM) symbiosis with land plants. Despite their major ecological role, the genetic basis of their obligate mutualism remains largely unknown, hindering our understanding of their evolution and biology. We compared the genomes of Glomerales (Rhizophagus irregularis, Rhizophagus diaphanus, Rhizophagus cerebriforme) and Diversisporales (Gigaspora rosea) species, together with those of saprotrophic Mucoromycota, to identify gene families and processes associated with these lineages and to understand the molecular underpinning of their symbiotic lifestyle. Genomic features in Glomeromycotina appear to be very similar with a very high content in transposons and protein-coding genes, extensive duplications of protein kinase genes, and loss of genes coding for lignocellulose degradation, thiamin biosynthesis and cytosolic fatty acid synthase. Most symbiosis-related genes in R. irregularis and G. rosea are specific to Glomeromycotina. We also confirmed that the present species have a homokaryotic genome organisation. The high interspecific diversity of Glomeromycotina gene repertoires, affecting all known protein domains, as well as symbiosis-related orphan genes, may explain the known adaptation of Glomeromycotina to a wide range of environmental settings. Our findings contribute to an increasingly detailed portrait of genomic features defining the biology of AM fungi.

The genus Mucor belongs to the phylum Mucoromycota; a group that derived from the lineages that diverged early in the evolution of fungal species (early diverging lineages). These groups have been less well studied and are less well understood in comparison to Ascomycetes and Basidiomycetes. The genus Mucor is composed of saprophytic species, but also encompasses species with diverse lifestyles.For example, it includes plant endophytes (such as M. endophyticus) or opportunistic animal pathogens (such as the thermophilic species M. circinelloides or M. indicus). The genus is ubiquitous but there are some associations with specific habitats which seem to indicate specialisation. The aim of this thesis is to better understand the genetic potential of the genus Mucor in particular, to decipher how it maintains this ubiquitous lifestyle, its capacity to adapt to diverses habitats and to better understand the existence within the genus of species that may have undergone specialization allowing them to preferentially or exclusively colonise certain habitats, such as cheese. In order to achieve this, we have performed comparative transcriptomic and genomic studies in order to determine the main structural and functional characteristics of the Mucor genomes, identify similarities among the species studied and also assess whether there exist specific genetic associations with lifestyle/habitat and determine whether the species frequently found in cheese (in particular those species considered as technological) harbour imprints of adaptation or even domestication.; Le genre Mucor appartient au phylum des Mucoromycota, un groupe issu de l’une des lignées ayant divergé très tôt dans l'évolution des espèces fongiques (early diverging lineages). Ces groupes restent encore très peu connus par rapport aux Ascomycètes et Basidiomycètes. Le genre Mucor est un genre d'espèces saprophytes, avec cependant une certaine diversité au niveau du mode de vie. Il existe en effet au sein du genre, des endophytes de plantes (comme M. endophyticus) ou encore des pathogènes opportunistes d'animaux (comme les espèces thermophiles M. circinelloides ou M. indicus). Le genre est ubiquiste mais il existe des associations à certains habitats qui semblent dénoter une certaine spécialisation. L’objectif de cette thèse était de mieux connaître les potentialités génétiques du genre Mucor lui permettant ce mode de vie ubiquiste, son potentiel d'adaptation mais également de mieux comprendre l'existence au sein du genre d'espèces semblant s'être spécialisées en colonisant préférentiellement ou exclusivement certains habitats comme le fromage. Afin d'atteindre cet objectif des études transcriptomiques et génomiques comparées ont été menées dans le cadre de cette thèse, afin de déterminer les principales caractéristiques des génomes de Mucor aussi bien structurelles que fonctionnelles, identifier les similitudes au niveau des espèces étudiées et aussi leur spécificités et en fonction des modes de vie/habitats et déterminer s'il existe chez les espèces fréquemment rencontrées dans les fromages (et notamment pour celles considérées comme technologiques) des traces d'adaptation voire de domestication.

The genus Mucor belongs to the phylum Mucoromycota; a group that derived from the lineages that diverged early in the evolution of fungal species (early diverging lineages). These groups have been less well studied and are less well understood in comparison to Ascomycetes and Basidiomycetes. The genus Mucor is composed of saprophytic species, but also encompasses species with diverse lifestyles.For example, it includes plant endophytes (such as M. endophyticus) or opportunistic animal pathogens (such as the thermophilic species M. circinelloides or M. indicus). The genus is ubiquitous but there are some associations with specific habitats which seem to indicate specialisation. The aim of this thesis is to better understand the genetic potential of the genus Mucor in particular, to decipher how it maintains this ubiquitous lifestyle, its capacity to adapt to diverses habitats and to better understand the existence within the genus of species that may have undergone specialization allowing them to preferentially or exclusively colonise certain habitats, such as cheese. In order to achieve this, we have performed comparative transcriptomic and genomic studies in order to determine the main structural and functional characteristics of the Mucor genomes, identify similarities among the species studied and also assess whether there exist specific genetic associations with lifestyle/habitat and determine whether the species frequently found in cheese (in particular those species considered as technological) harbour imprints of adaptation or even domestication., Le genre Mucor appartient au phylum des Mucoromycota, un groupe issu de l’une des lignées ayant divergé très tôt dans l'évolution des espèces fongiques (early diverging lineages). Ces groupes restent encore très peu connus par rapport aux Ascomycètes et Basidiomycètes. Le genre Mucor est un genre d'espèces saprophytes, avec cependant une certaine diversité au niveau du mode de vie. Il existe en effet au sein du genre, des endophytes de plantes (comme M. endophyticus) ou encore des pathogènes opportunistes d'animaux (comme les espèces thermophiles M. circinelloides ou M. indicus). Le genre est ubiquiste mais il existe des associations à certains habitats qui semblent dénoter une certaine spécialisation. L’objectif de cette thèse était de mieux connaître les potentialités génétiques du genre Mucor lui permettant ce mode de vie ubiquiste, son potentiel d'adaptation mais également de mieux comprendre l'existence au sein du genre d'espèces semblant s'être spécialisées en colonisant préférentiellement ou exclusivement certains habitats comme le fromage. Afin d'atteindre cet objectif des études transcriptomiques et génomiques comparées ont été menées dans le cadre de cette thèse, afin de déterminer les principales caractéristiques des génomes de Mucor aussi bien structurelles que fonctionnelles, identifier les similitudes au niveau des espèces étudiées et aussi leur spécificités et en fonction des modes de vie/habitats et déterminer s'il existe chez les espèces fréquemment rencontrées dans les fromages (et notamment pour celles considérées comme technologiques) des traces d'adaptation voire de domestication.

Different species have different genome organization. Whether it be the karyotype or gene order, these differences are seen even with relatively close species like Human and Mouse. This is caused by the chromosomal rearrangement. Infererence of rearrangement scenarios that transform one present-day species into another can give insight into evolutionary states, the ancestral genome being one of the intermediates of the true scenario.The chromosomal rearrangements are violent biological events for the cell. Indeed, numerous mechanisms are present to stop the cell cycle when the genome sequence is altered. Moreover, rearrangements can be the source of aberrant phenotypes, which are probably unfavorable for the carrier. With all that, it seams reasonable to assume the rearrangement scenarios are parsimonious.However, it is accepted that this criterion alone is not sufficient to efficiently build the evolutionary history of the genomes. Indeed, for whatever model we choose, the number of scenario is exponential in the number of rearrangements. Another biological constraint is needed. The spatial structure of the chromatin could be an essential missing criterion. It has been shown in vitro that when a double-stranded break of the DNA is non-homologously repaired, the strand used for repairing is close in space to the breakpoint. Our hypothesis is that the closer the breakpoints are in space, the more probable they are to participate in a rearrangement. This hold on genomics analysis of somatic cells, and between species. Let's name that hypothesis the locality hypothesis.We proposed a method to use the structural information in order to prioritize the rearrangements scenarios. The Hi-C data were the structural information that allowed us to apply our method to scenarios between D. melanogaster and D. yakuba.This results led us to ask whether the chromatin structure could evolve by itself. Then, it could be used as a phylogenetic mark. This idea is related to previous results showing the conservation of topological domains between species.This question seams to be new, and could open a new line of investigation. If the chromatin structure holds a phylogenetical signal, it becomes possible to ask ourselves about the mechanisms that occur during the selection, or if it is possible for the ancestral state to be inferred. Then, it could even be possible to compare the evolution of the sequence with the one of the chromatin structure.Thus, we defined a distance between genome structures, based on the comparison of contacts between orthologous loci. We applied this distance to a set of six species, including the Human, the Mouse and four Drosophila. This result confirms the presence of a phylogenetic signal in the spatial structure of the genomes. They also showed that we're in need for efficient methods to compare contacts data between species.; Entre espèces, les génomes présentent des différences dans leur organisation, que ce soit au niveau du caryotype ou de l'ordre des gènes. Ceci reste vrai même entre espèces relativement proches comme l'humain et la souris, et est du aux réarrangements chromosomiques. Reconstruire l'histoire évolutive d'une lignée revient donc à déterminer des scénarios de réarrangements qui transforment un génome actuel en un autre. Le génome ancestral se trouve alors être l'un des états intermédiaires atteint par l'un de ces scénarios.Les réarrangements chromosomiques sont des évènements biologiques violents pour la cellule. En effet, de nombreux mécanismes moléculaires ont pour fonction de stopper le cycle cellulaire dans le cas où le génome aurait été altéré. De plus, les réarrangements peuvent être à l'origine de phénotypes aberrants, et donc probablement désavantageux pour leur porteur. Au vu de tout cela, il paraît raisonnable de poser l'hypothèse selon laquelle les scénarios de réarrangements sont parcimonieux.Cependant, il est admis que ce seul critère ne permet pas de reconstruire efficacement l'histoire évolutive des génomes. En effet, quelque soit le modèle utilisé pour générer les scénarios, leur nombre est exponentiel en le nombre de réarrangements. Une autre contrainte biologique doit donc être ajoutée. La conservation de la structure spatiale de la chromatine pourrait être un critère manquant essentiel. Il a été montré in vitro que lors d'une cassure double-brin suivie d'une réparation non-homologue, le brin utilisé pour la réparation se situe spatialement proche de la cassure. Notre hypothèse est donc que les points de cassures qui sont proches en 3D ont plus probablement participé à des réarrangements que les autres. Cela est appuyé par des analyses génomiques sur des cellules somatiques et entre espèces. Nommons cette hypothèse: l'hypothèse de localité.Notre approche a été de proposer une méthode pour utiliser l'information structurale afin de prioriser les scénarios de réarrangements. Les données de Hi-C ont été l'information structurale qui nous a permis d'appliquer la méthode aux scénarios entre D. melanogaster et D. yakuba.Ces résultats nous ont ensuite menés à nous demander si la structure de la chromatine ne pouvait pas elle-même évoluer. Elle serait alors susceptible d'être considérée comme un caractère phylogénétique. Cette idée est appuyée par d'autres résultats montrant la conservation de domaines topologiques entre espèces.Cette question ne semble pas avoir été posée auparavant. Elle est pourtant très intéressante car elle permet d'ouvrir tout un champ d'étude. En effet, si la structure de la chromatine porte un signal phylogénétique, alors il devient possible de s'interroger sur les mécanismes en œuvre lors de la sélection, ou sur la possibilité de reconstruire l'état ancestral de cette structure. Par la suite, il serait même possible de comparer l'évolution de la séquence et celle de la structure de la chromatine.Nous avons ainsi défini une distance entre les structures des génomes, basée sur la comparaison des contacts entre loci orthologues. Nous l'avons appliquée à une ensemble de six espèces comprenant l'humain, la souris et quatre drosophiles. Ces résultats confirment la présence d'un signal phylogénétique dans la structure spatiale des génomes. Ils mettent également en lumière l'intérêt de la mise en place de méthodes permettant de comparer efficacement des données de contacts entre espèces.

Lipid A is a potent endotoxin, and its fatty acids (lauric, myristic, and sometimes palmitic acid) anchors lipopolysaccharide (LPS) into the outer leaflet of the outer membrane of most Gram-negative bacteria. The highly anionic charge of the glucosamine lipid A moiety makes the LPS a powerful attractant for cationic antimicrobial peptides (AMPs). AMPs are major component of innate immunity that kill bacteria by permeabilization of lipid bilayers. Secondary lipid A acylation of Klebsiella pneumoniae, involving the acyltransferase LpxM (formally, msbB or WaaN) that acylates (KDO)2-(lauroyl)-lipid IV-A with myristate during lipid A biosynthesis, has been associated with bacterial resistance to AMPs contributing to virulence in animal models. We investigated here the role of the msbB gene of the entomopathogenic bacterium Photorhabdus luminescens in AMP resistance, by functional complementation of the AMP susceptible K. pneumoniae lpxM mutant with the P. luminescens msbB gene. We showed that msbB (lpxM) gene of P. luminescens is able to enhance polymyxin B, colistin and cecropin A resistance of K. pneumoniae lpxM mutant, compared to the non-complemented mutant. However, we could not obtain any msbB mutant of Photorhabdus by performing allelic exchange experiments based on positive selection of sucrose highly resistant mutants. We thus suggest that msbB-mediated Photorhabdus lipid A acylation is essential for outer membrane low-permeability and that modification of lipid A composition, fluidity and osmosis-resistance have an important role in the ability of Photorhabdus to grow in sucrose at high concentrations.

Long non-coding RNAs (lncRNAs) are a family of heterogeneous RNAs that play a major role in many cancers, particularly in melanomas. The dog is a natural and spontaneous model for the comparative genetic analysis of cancers and, the annotation of the canine genome has recently been enriched with the identification of over 10,000 lncRNAs. In order to perform functional bioinformatic predictions of lncRNAs, we have characterized the expression patterns of canine lncRNAs from 26 distinct tissues representative of the major functions of the organism. We defined the tissue specificity of lncRNAs expression and inferred their potential functionality by comparative genomic and transcriptomic analyses with human data from the ENCODE project (ENCyclopedia Of DNA Elements). As in humans and mice, we show that a large proportion of canine lncRNAs (44%) are expressed specifically within a tissue. Using a comparative genomic approach, we have identified more than 900 orthologue lncRNAs between humans and dogs, and we show that for 26% of them, tissue expression patterns are also significantly conserved (p < 0.05). In the study of canine melanomas, we investigated the lncRNAs from RNA-seq data from 52 tumour/control samples of oral melanoma. We identified more than 750lncRNAs differentially expressed between tumour and control (FDR < 0.01), of which more than 100 were conserved with humans. These lncRNAs are good candidates to study the regulation of tumour progression of melanomas in dogs and can be evaluated for their diagnostic and therapeutic potential in human and veterinary medicine.; Les ARN longs non-codants (lncRNAs) constituent une famille d'ARN hétérogènes qui jouent un rôle majeur dans de nombreux cancers et notamment dans les mélanomes. Le chien est un modèle naturel et spontané pour l’analyse génétique comparée des cancers et, l'annotation du génome canin a récemment été enrichie avec l'identification de plus 10 000 lncRNAs. Afin de réaliser des prédictions fonctionnelles bioinformatiques des lncRNAs, nous avons caractérisé les profils d'expression des lncRNAs canins à partir de 26 tissus distincts. Nous avons défini la spécificité tissulaire de l’expression des lncRNAs et inféré leur fonctionnalité potentielle par des analyses de génomique et de transcriptomique comparatives avec des données humaines issues du projet ENCODE (ENCyclopedia Of DNA Elements). Comme chez l'homme et la souris, une grande proportion de lncRNAs canins (44 %) est exprimée de manière spécifique au sein d’un tissu. Par une approche de génomique comparative, nous avons identifié plus de 900 lncRNAs orthologues entre l’homme et le chien et pour 26 % d’entre eux, des patrons d'expression entre tissus significativement conservés (p < 0,05). Dans le cadre de l'étude des mélanomes canins, nous avons analysé les données de RNA-seq de 52 échantillons tumeurs/contrôles de mélanomes oraux. Nous avons identifié plus de 750 lncRNAs différentiellement exprimés entre la tumeur et le contrôle (FDR < 0,01), dont plus de 100 conservés avec l’homme. Ces lncRNAs constituent de bons candidats pour étudier la régulation de la progression tumorale des mélanomes chez le chien et pourront être évalués pour leurs potentiels diagnostic et thérapeutique en médecine humaine et vétérinaire.

International audience; Specialized metabolites are of great interest due to their possible industrial and clinical applications. The increasing number of antimicrobial resistant infectious agents is a major health threat and therefore, the discovery of chemical diversity and new antimicrobials is crucial. Extensive genomic data from Streptomyces spp. confirm their production potential and great importance. Genome sequencing of the same species strains indicates that specialized metabolite biosynthetic gene cluster (SMBGC) diversity is not exhausted, and instead, a pool of novel specialized metabolites still exists. Here, we analyze the genome sequence data from six phylogenetically close Streptomyces strains. The results reveal that the closer strains are phylogenetically, the number of shared gene clusters is higher. Eight specialized metabolites comprise the core metabolome, although some strains have only six core gene clusters. The number of conserved gene clusters common between the isolated strains and their closest phylogenetic counterparts varies from nine to 23 SMBGCs. However, the analysis of these phylogenetic relationships is not affected by the acquisition of gene clusters, probably by horizontal gene transfer events, as each strain also harbors strain-specific SMBGCs. Between one and 15 strain-specific gene clusters were identified, of which up to six gene clusters in a single strain are unknown and have no identifiable orthologs in other species, attesting to the existing SMBGC novelty at the strain level.

The poplar rust disease is caused by fungi belonging to the Melampsora genus (Pucciniales, Basiodiomycota) that cause important damages in poplar plantations in France. These fungi achieve their complex life cycles on two different host plants. The secretion of molecules called effectors that alter cell processes and impair immunity are required to set a successful infection. A central theme of molecular phytopathology is to understand how these molecules function in the host cell. In this PhD thesis, the transcriptome analysis of M. larici-populina (Mlp) during its sexual cycle while infecting its two host plants, poplar and larch, revealed a majority of genes commonly expressed on both hosts and a fraction specifically expressed on each host, including genes encoding candidate effectors. Effectoromic screens developed on a panel of Mlp candidate effectors revealed two candidates of interest. The candidate effector MLP124017 interacts with proteins of the TOPLESS-RELATED PROTEINS family and presents a structure similar to NUCLEAR TRANSPORT FACTOR 2 LIKE proteins. The MLPCTP1 effector is translocated inside chloroplasts of the heterologous plant tobacco and poplar. The functions of these two effectors remain to be determined but the functional characterization initiated in this thesis opens new perspectives in term of diversity and roles of effectors in Pucciniales. The preliminary analysis of the M. allii-populina genome shows similar repertoires of genes and candidate effector genes compared with Mlp as well as an increased genome size due to transposable elements invasion, La maladie de la rouille foliaire du peuplier causée par des champignons du genre Melampsora (Pucciniales, Basidiomycètes) affecte largement les peupleraies en France. Ces champignons possèdent des cycles de vie complexes et infectent deux hôtes différents. La sécrétion de molécules appelées effecteurs est nécessaire lors du processus d'infection par le champignon afin de manipuler les processus de l’hôte et de contourner son immunité. La compréhension de leur rôle est centrale en phytopathologie moléculaire. Au cours de cette thèse, l’analyse du transcriptome de Melampsora larici-populina (Mlp) au cours de son cycle sexué lors de l'infection des deux hôtes, le peuplier et le mélèze, révèle la présence d'une majorité de gènes exprimés communément chez les deux hôtes et d'une fraction exprimée spécifiquement chez chaque hôte, notamment des gènes codant des effecteurs candidats. Des cribles fonctionnels réalisés sur un répertoire d’effecteurs candidats de Mlp ont révélé deux candidats d’intérêt. L’effecteur MLP124017 interagit avec des protéines de la famille TOPLESS-RELATED PROTEINS et présente une structure similaire à des protéines NUCLEAR TRANSPORT FACTOR 2 LIKE. L'effecteur MLPCTP1 est localisé dans les chloroplastes en système hétérologue tabac et chez le peuplier. Les fonctions de ces effecteurs restent à élucider mais ces travaux ouvrent de nouvelles perspectives quant à la diversité et au rôle des effecteurs chez les Pucciniales. L'analyse préliminaire du génome de M. allii-populina montre des répertoires comparables en gènes et en effecteurs candidats par rapport à Mlp ainsi qu'une expansion de la taille du génome due à l’invasion par des éléments transposables

International audience; The Burkholderia cenocepacia epidemic ET12 lineage belongs to the genomovar IIIA including the reference strain J2315, a highly transmissible epidemic B. cenocepacia lineage. Members of this lineage are able to cause lung infections in immunocompromised and cystic fibrosis patients. In this study, we describe the genome of F01, an environmental B. cenocepacia strain isolated from soil in Burkina Faso that is, to our knowledge, the most closely related strain to this epidemic lineage. A comparative genomic analysis was performed on this new isolate, in association with five clinical and one environmental B. cenocepacia strains whose genomes were previously sequenced. Antibiotic resistances, virulence phenotype, and genomic contents were compared and discussed with an emphasis on virulent and antibiotic determinants. Surprisingly, no significant differences in antibiotic resistance and virulence were found between clinical and environmental strains, while the most important genomic differences were related to the number of prophages identified in their genomes. The ET12 lineage strains showed a noticeable greater number of prophages (partial or full-length), especially compared to the phylogenetically related environmental F01 strain (i.e., 5–6 and 3 prophages, respectively). Data obtained suggest possible involvements of prophages in the clinical success of opportunistic pathogens.

Different species have different genome organization. Whether it be the karyotype or gene order, these differences are seen even with relatively close species like Human and Mouse. This is caused by the chromosomal rearrangement. Infererence of rearrangement scenarios that transform one present-day species into another can give insight into evolutionary states, the ancestral genome being one of the intermediates of the true scenario.The chromosomal rearrangements are violent biological events for the cell. Indeed, numerous mechanisms are present to stop the cell cycle when the genome sequence is altered. Moreover, rearrangements can be the source of aberrant phenotypes, which are probably unfavorable for the carrier. With all that, it seams reasonable to assume the rearrangement scenarios are parsimonious.However, it is accepted that this criterion alone is not sufficient to efficiently build the evolutionary history of the genomes. Indeed, for whatever model we choose, the number of scenario is exponential in the number of rearrangements. Another biological constraint is needed. The spatial structure of the chromatin could be an essential missing criterion. It has been shown in vitro that when a double-stranded break of the DNA is non-homologously repaired, the strand used for repairing is close in space to the breakpoint. Our hypothesis is that the closer the breakpoints are in space, the more probable they are to participate in a rearrangement. This hold on genomics analysis of somatic cells, and between species. Let's name that hypothesis the locality hypothesis.We proposed a method to use the structural information in order to prioritize the rearrangements scenarios. The Hi-C data were the structural information that allowed us to apply our method to scenarios between D. melanogaster and D. yakuba.This results led us to ask whether the chromatin structure could evolve by itself. Then, it could be used as a phylogenetic mark. This idea is related to previous results showing the conservation of topological domains between species.This question seams to be new, and could open a new line of investigation. If the chromatin structure holds a phylogenetical signal, it becomes possible to ask ourselves about the mechanisms that occur during the selection, or if it is possible for the ancestral state to be inferred. Then, it could even be possible to compare the evolution of the sequence with the one of the chromatin structure.Thus, we defined a distance between genome structures, based on the comparison of contacts between orthologous loci. We applied this distance to a set of six species, including the Human, the Mouse and four Drosophila. This result confirms the presence of a phylogenetic signal in the spatial structure of the genomes. They also showed that we're in need for efficient methods to compare contacts data between species., Entre espèces, les génomes présentent des différences dans leur organisation, que ce soit au niveau du caryotype ou de l'ordre des gènes. Ceci reste vrai même entre espèces relativement proches comme l'humain et la souris, et est du aux réarrangements chromosomiques. Reconstruire l'histoire évolutive d'une lignée revient donc à déterminer des scénarios de réarrangements qui transforment un génome actuel en un autre. Le génome ancestral se trouve alors être l'un des états intermédiaires atteint par l'un de ces scénarios.Les réarrangements chromosomiques sont des évènements biologiques violents pour la cellule. En effet, de nombreux mécanismes moléculaires ont pour fonction de stopper le cycle cellulaire dans le cas où le génome aurait été altéré. De plus, les réarrangements peuvent être à l'origine de phénotypes aberrants, et donc probablement désavantageux pour leur porteur. Au vu de tout cela, il paraît raisonnable de poser l'hypothèse selon laquelle les scénarios de réarrangements sont parcimonieux.Cependant, il est admis que ce seul critère ne permet pas de reconstruire efficacement l'histoire évolutive des génomes. En effet, quelque soit le modèle utilisé pour générer les scénarios, leur nombre est exponentiel en le nombre de réarrangements. Une autre contrainte biologique doit donc être ajoutée. La conservation de la structure spatiale de la chromatine pourrait être un critère manquant essentiel. Il a été montré in vitro que lors d'une cassure double-brin suivie d'une réparation non-homologue, le brin utilisé pour la réparation se situe spatialement proche de la cassure. Notre hypothèse est donc que les points de cassures qui sont proches en 3D ont plus probablement participé à des réarrangements que les autres. Cela est appuyé par des analyses génomiques sur des cellules somatiques et entre espèces. Nommons cette hypothèse: l'hypothèse de localité.Notre approche a été de proposer une méthode pour utiliser l'information structurale afin de prioriser les scénarios de réarrangements. Les données de Hi-C ont été l'information structurale qui nous a permis d'appliquer la méthode aux scénarios entre D. melanogaster et D. yakuba.Ces résultats nous ont ensuite menés à nous demander si la structure de la chromatine ne pouvait pas elle-même évoluer. Elle serait alors susceptible d'être considérée comme un caractère phylogénétique. Cette idée est appuyée par d'autres résultats montrant la conservation de domaines topologiques entre espèces.Cette question ne semble pas avoir été posée auparavant. Elle est pourtant très intéressante car elle permet d'ouvrir tout un champ d'étude. En effet, si la structure de la chromatine porte un signal phylogénétique, alors il devient possible de s'interroger sur les mécanismes en œuvre lors de la sélection, ou sur la possibilité de reconstruire l'état ancestral de cette structure. Par la suite, il serait même possible de comparer l'évolution de la séquence et celle de la structure de la chromatine.Nous avons ainsi défini une distance entre les structures des génomes, basée sur la comparaison des contacts entre loci orthologues. Nous l'avons appliquée à une ensemble de six espèces comprenant l'humain, la souris et quatre drosophiles. Ces résultats confirment la présence d'un signal phylogénétique dans la structure spatiale des génomes. Ils mettent également en lumière l'intérêt de la mise en place de méthodes permettant de comparer efficacement des données de contacts entre espèces.

Apple and Pear diverged from each other between 5.4 and 21.5 MYA and are believed to share a common genome duplication event between 35 and 50 MYA (Velasco et al. 2010, Wu et al. 2012). Size differences have been observed between the Apple and Pear genomes which are estimated at 527Mb (Pyrus x Bretschneideri Rehd) and 700Mb (Malus x Domestica Borkh) respectively (Wu et al. 2013, Li et al. 2016). The difference in genome size has been accounted for primarily by the proliferation of transposable elements, with the gene space thought to be fairly similar between the two species (Wu et al. 2012). Comparative genomics of the lineage has however, been hampered by the fragmented nature of the reference assemblies. A new chromosome scale assembly was recently produced (Daccord et al. 2017) and now also a chromosome scale assmble of the European Pear (this study), which shows strong collinearity with Apple, greatly facilitating the comparative study of these genomes.

The immense genomic diversity of microorganisms allows them to live everywhere, even in extreme environments such as deep hydrothermal vents. Scattered over the seabed, these are a good model for studying the biogeography and genomes diversification. A comparative genomics approach has been used on closely related isolates, of the genus Thermococcus. This work aimed at identifying mechanisms that have a role in the diversification of these genomes, and also to identify genes involved in this differentiation. For this purpose, two groups of about 20 isolates with different geographical origins were selected and sequenced.The geographical isolation resulting from colonization of new hydrothermal systems is likely to be a diversification and speciation factor for some isolates. But when hydrothermal sites are relatively close, it would seem that gene transfer between isolates is still possible. In this case, adaptation to new ecological niches would be a factor contributing to the genomes diversification. The comparative genomics approach allowed highlighting genes specific to certain subgroups, related to species. These genes are involved in amino acid metabolism, energy production and the transport of inorganic ions. This reflects selection pressures that these organisms may experience in these environments, otherwise hostile to many forms of life., L'immense diversité génomique des microorganismes leur permet de vivre partout, même dans les environnements extrêmes tels que Ies sources hydrothermales profondes. Ces dernières, disséminées sur l’ensemble des fonds océaniques, sont un bon modèle pour étudier la biogéographie et la diversification des génomes. Une approche de génomique comparative a été employée sur des isolats du genre Thermococcus proches d'un point de vue évolutif. Ce travail visait à identifier des mécanismes ayant un rôle dans Ia diversification de ces génomes, et également d'identifier des gènes impliqués dans cette différenciation. A cette fin, deux groupes d'une vingtaine d'isolats ayant des origines géographiques diverses ont été sélectionnés et séquencés. L'éloignement géographique résultant de la colonisation de nouveaux systèmes hydrothermaux semble être un facteur de diversification et de spéciation pour certains isolats. Cependant, lorsque les sites hydrothermaux sont relativement proches, il semblerait qu'un transfert de gènes entre les isolats soit toujours possible. Dans ce cas, l’adaptation à de nouvelles niches écologiques serait un facteur de la diversification des génomes. L'approche de génomique comparative a permis d'identifier des gènes spécifiques à certains sous-groupes, apparentés à des espèces. Ces gènes sont notamment impliqués dans les métabolismes des acides aminés, de production d'énergie et de transport d'ions inorganiques. Ceci reflète les pressions de sélections que peuvent subir ces organismes dans ces environnements hostiles à de nombreuses formes de vie.

Among arthropods, ticks are the most important vectors of pathogens in terms of diversity and are the leading cause of transmission of vector-borne diseases in Europe and North America. While these pathogens are the most studied, ticks also harbor other symbionts that contribute significantly to their phenotype. Recently many symbiotic bacteria have been described in ticks. Among them, bacteria exhibiting strong homology with Coxiella burnetii have been discovered. Unlike C. burnetii, the causative agent of Q fever, Coxiella-Like Endosymbiont (Coxiella-LE) seems unable to infect other hosts than ticks. They are among the most widespread maternally-inherited symbionts in tick species and could play an important role in their biology. Coxiella-LE may indeed have a nutritional role by synthesizing B vitamins and cofactors absent from their host's diet. To understand the interaction between Coxiella-LE and their hosts, my thesis work focused on the evolution of the Coxiella genus. For this purpose, phylogenetic analyzes and comparative genomic approaches have been carried out. I have participated in the establishment of the phylogeny of the Coxiella genus by Multi-Locus Sequence Typing (MLST), which highlights the diversity of this bacterial genus. Interestingly C. burnetii emerges within one of these clads of tick endosymbiotic bacteria, which may suggest a recent transition towards pathogenicity. Two new genomes of Coxiella-LE were sequenced to perform comparative genomic analyses. All Coxiella genomes studied, including those of C. burnetii, possess the genes encoding for the biosynthesis of B vitamins and cofactors, as usually found in nutritional symbionts of blood-sucking arthropods. This result strengthens the idea of an important role of Coxiella-LE for their host ticks and, according to the phylogeny, the common ancestor of these bacteria was therefore a mutualistic tick endosymbiont. However, traces of genes involved in the virulence of C. burnetii have been found in genomes belonging to distinct clads of Coxiella-LE, which rather indicate recurrent losses of virulence. Moreover, different levels of genomic erosion are found in the genomes of Coxiella-LE studied, which could indicate different transitions towards the mutualistic way of life. Such recurrent transfers would explain the absence of cocladogenesis between Coxiella-LE and their host phylogeny, an uncommon feature for an obligatory symbiont. As several maternally-inherited symbionts can be found in ticks, the second axis of my thesis has focused on the impact of co-infections. For this purpose, a population of ticks belonging to the species Dermacentor marginatus was studied. This species is frequently infected with Coxiella-LE, Rickettsia and Spiroplasma bacteria and different infection status can be observed in individuals from a single population. No competition has been demonstrated between these bacteria, since none interferes with the transmission and density of the others. However, in case of triple infection, the fitness of the host appears greatly reduced with a significant reduction in size (10%). Since vertical transmission of these symbionts is incomplete, understanding how these symbionts and co-infections are maintained despite this significant cost remains an open question. If the symbiotic strategies of these symbionts are still unknown, it is likely that their transmission is not only maternal, but also horizontal [etc…]; Parmi les arthropodes, les tiques sont les plus importants vecteurs de pathogènes en termes de diversité et sont la première cause de transmission de maladies vectorielles en Europe et Amérique du Nord. Si ces pathogènes font l'objet de nombreux travaux, les tiques hébergent aussi d'autres symbiotes qui contribuent de manière importante à leur phénotype. Au cours des dernières années, de nombreuses bactéries symbiotiques ont ainsi été recensées chez les tiques. Parmi celles-ci des bactéries présentant une forte homologie avec Coxiella burnetii ont été découvertes. Contrairement à C. burnetii, l'agent responsable de la fièvre Q, les Coxiella-like endosymbiotiques (Coxiella-LE) ne semblent pas capables d'infecter d'autres hôtes que les tiques. Elles font partie des symbiotes à transmission maternelle les plus répandus chez les espèces de tiques et pourraient jouer un rôle important dans la biologie de ces arthropodes. Des premiers éléments suggèrent en effet, que les Coxiella-LE pourraient avoir un rôle nutritionnel en synthétisant vitamines B et cofacteurs absents de l'alimentation de leur hôte tique. Pour comprendre les relations entretenues entre les Coxiella-LE et leurs hôtes je me suis intéressé,au cours de mes travaux de thèse, a l'évolution du genre Coxiella. Pour cela des approches d'analyses phylogénétiques et de génomique comparative ont été utilisées. J'ai ainsi participe à l'établissement de la phylogénie du genre Coxiella par Multi-Locus Sequence Typing (MLST), qui a permis de mettre en évidence la diversité de ce genre bactérien. De manière intéressante C. burnetii émerge au sein d'un de ces clades de bactéries endosymbiotiques de tiques, ce qui semble témoigner d'une récente transition vers la pathogénie. Nous avons séquencé deux nouveaux génomes de Coxiella-LE afin de réaliser une étude de génomique comparative. Tous les génomes de Coxiella étudiés, y compris ceux de C. burnetii, possèdent les gènes nécessaires à la biosynthèse des vitamines B et des cofacteurs, retrouvés habituellement chez les symbiotes nutritionnels d'arthropodes hématophages. Cette découverte renforce l'idée d'un rôle important des Coxiella-LE pour leur hôte tique et, d'après la phylogénie, l'ancêtre commun de ces bactéries serait donc un endosymbiote mutualiste de tique. Pourtant des traces de gènes impliqués dans la virulence de Coxiella burnetii ont été retrouvées dans des génomes appartenant à des clades distincts de Coxiella-LE, ce qui semble plutôt indiquer des pertes récurrentes de la virulence. De plus, différents niveaux d'érosion génomique sont retrouvés dans les génomes de Coxiella-LE étudiés, ce qui indiquerait de fréquents transferts d'hôtes. De tels transferts expliqueraient l'absence de co-cladogenese entre la phylogénie des Coxiella-LE et celle de leur hôte, une caractéristique originale pour un symbiote qui semble obligatoire. Par ailleurs, plusieurs symbiotes à transmission maternelle peuvent être retrouvés chez les tiques, le deuxième axe de ma thèse s'intéresse à l'impact de ces co-infections. Pour cela une population de tiques appartenant à l'espèce Dermacentor marginatus a été étudiée. Cette espèce est, en effet, fréquemment infectée par des bactéries Coxiella-LE, Rickettsia et Spiroplasma et différents statuts d'infection peuvent être observés chez les individus. Aucune compétition n'a été démontrée entre ces bactéries, puisqu’aucune n'interfère avec la transmission et la densité des autres. Néanmoins, en cas de triple infection, la valeur adaptative des hôtes est fortement diminuée avec une réduction importante de leur taille (10%). La transmission verticale de ces symbiotes n'étant pas complète, il devient alors difficile de comprendre comment ces bactéries atteignent de si fortes prévalences au sein de la population avec des coûts associés aussi importants [etc…]

[Background] The fungal genus Aspergillus is of critical importance to humankind. Species include those with industrial applications, important pathogens of humans, animals and crops, a source of potent carcinogenic contaminants of food, and an important genetic model. The genome sequences of eight aspergilli have already been explored to investigate aspects of fungal biology, raising questions about evolution and specialization within this genus., [Results] We have generated genome sequences for ten novel, highly diverse Aspergillus species and compared these in detail to sister and more distant genera. Comparative studies of key aspects of fungal biology, including primary and secondary metabolism, stress response, biomass degradation, and signal transduction, revealed both conservation and diversity among the species. Observed genomic differences were validated with experimental studies. This revealed several highlights, such as the potential for sex in asexual species, organic acid production genes being a key feature of black aspergilli, alternative approaches for degrading plant biomass, and indications for the genetic basis of stress response. A genome-wide phylogenetic analysis demonstrated in detail the relationship of the newly genome sequenced species with other aspergilli., [Conclusions] Many aspects of biological differences between fungal species cannot be explained by current knowledge obtained from genome sequences. The comparative genomics and experimental study, presented here, allows for the first time a genus-wide view of the biological diversity of the aspergilli and in many, but not all, cases linked genome differences to phenotype. Insights gained could be exploited for biotechnological and medical applications of fungi., The sugar transporter analysis was supported by grants AGL2011-29925 and AGL2015-66131- AGL2015-66131-C2-2-R (MINECO/FEDER).

Grapevine (Vitis vinifera) has a particularly rich secondary metabolism, giving rise to a wide range of molecules, some of which are involved in defences against pathogens and others in the great diversity of aromas that make wines famous. Analysis of grapevine reference genome has shown a remarkable expansion of certain families of genes linked to secondary metabolism in comparison with the other plants. In this work, I have analysed gene families coding for cytochromes P450, some of them being involved in the production of aromas, genes coding for stilbene synthases (STS), endo-β-1,3-glucanases and NBS type resistance genes involved in grapevine defences. My thesis intends to propose hypothesis to explain the structural organisation of these families and therefore better understand why some of these families are amplified in the grapevine genome. Bioinformatic approaches have been used to study these different genes families. The cytochromes P450 and R genes of NBS type were manually annotated to improve the knowledge of these families of genes. The expression of endo-β-1,3-glucanases, STS and cytochromes P450 genes has been quantified using a large-scale transcriptomic approach. To this purpose, a tool has been developed during this thesis to estimate the level of genes expression from RNA- Seq data available in public databases. In the meantime, DNA resequencing data from 56 cultivars and grapevine species have been analysed to identify structural variations of CNV types within the genes with a NBS domain and the STS genes. These works showed that the amplification of the gene families of interest was not specific to the reference genome but occurred at the scale of the Vitis genus, but also to highlighted structural variations in different genomes. Regarding the STS genes, blocks of duplication and more conserved and expressed genes were identified. For the genes with NBS domain, a clustered organisation has been highlighted with some clusters varying more than others in the studied genotypes. These works contribute to a better knowledge of gene families for efficient and durable defence against pathogens and optimal aromas synthesis in grapevine. This knowledge will benefit to breeding programs currently in progress at INRA Colmar., La vigne (Vitis vinifera) possède un métabolisme secondaire particulièrement riche donnant naissance à une large palette de molécules dont certaines sont impliquées dans les défenses contre les pathogènes et d'autres dans la grande diversité d’arômes qui fait la renommée des vins. L’analyse de la séquence de référence du génome de la vigne a permis de mettre en évidence une remarquable expansion de certaines familles de gènes liés au métabolisme secondaire par rapport aux autres plantes. Dans ce travail, j'ai étudié les familles gènes codant pour les cytochromes P450, dont certains sont impliqués dans la production d’arômes, les gènes codant pour les stilbènes synthases (STS), les endo-β-1,3-glucanases et les gènes de résistance de type NBS impliqués dans les défenses de la vigne. Ma thèse vise à proposer des hypothèses expliquant l’organisation structurale de ces familles de gènes et ainsi à mieux comprendre pourquoi certaines familles présentent une amplification dans le génome de la vigne. Des approches bioinformatiques ont été utilisées afin d’étudier ces différentes familles de gènes. Les gènes cytochromes P450 et gènes R de type NBS ont tout d'abord été annotés de manière manuelle dans le génome de référence de la vigne. L’expression des gènes endo-β-1,3- glucanases, STS et cytochromes P450 a été analysée en utilisant une approche transcriptomique à grande échelle. Pour ce faire, un outil a été développé durant cette thèse pour estimer le niveau d’expression des gènes à partir de données RNA-Seq disponibles dans les banques de données publiques. Parallèlement, des données de reséquençage d’ADN de 56 cépages et espèces de vigne ont été analysées, afin de déterminer les variations structurales de type CNV au sein des familles de gènes à domaine NBS et de gènes STS. Ces différents travaux ont permis de montrer que l’amplification des familles de gènes étudiées n’est pas spécifique du génome de référence mais est retrouvée dans l'ensemble du genre Vitis, mais également de mettre en évidence des variations structurales au sein des différents génomes étudiés. L'analyse de la famille STS a montré que ces gènes sont organisés en blocs de duplication, et que les gènes plus conservés sont aussi les plus exprimés. Nous avons également montré que les gènes à domaine NBS sont organisés en cluster, dont certains sont particulièrement soumis à variation. Ces travaux contribuent à une meilleure connaissance de facteurs de défense efficaces et durables ainsi que des gènes impliqués dans la synthèse d’arômes dans la vigne. Ces connaissances pourront bénéficier aux programmes de création variétale mis en œuvre à l’INRA de Colmar.

Les nouvelles technologies à haut débit de séquençage produisent des masses de données de plus en plus considérables pour un coût toujours décroissant. Elles ont ainsi permis d’obtenir la séquence génomique de nombreux organismes procaryotes et eucaryotes. Il est maintenant devenu indispensable d’analyser les nouveaux génomes à la lumière des connaissances obtenues grâce à toutes ces données, par des techniques de génomique comparative in silico.

Microsporidia are ubiquitous intracellular pathogens whose opportunistic nature led to their increased recognition with the rise of the AIDS pandemic. As the RNA world was largely unexplored in this parasitic lineage, we developed a dedicated in silico methodology to carry out exhaustive identification of ncRNAs across the Encephalitozoon and Nosema genera. Thus, the previously missing U1 small nuclear RNA (snRNA) and small nucleolar RNAs (snoRNAs) targeting only the LSU rRNA were highlighted and were further validated using 5' and 3'RACE-PCR experiments. Overall, the 15 ncRNAs that were found shared between Encephalitozoon and Nosema spp. may represent the minimal core set required for parasitic life. Interestingly, the systematic presence of a CCC- or GGG-like motif in 5' of all ncRNA and mRNA gene transcripts regardless of the RNA polymerase involved suggests that the RNA polymerase machineries in microsporidia species could use common factors. Our data provide additional insights in accordance with the simplification processes observed in these reduce genomes and underline the usefulness of sequencing closely related species to help identify highly divergent ncRNAs in these parasites.