Auswahl der wissenschaftlichen Literatur zum Thema „Classification génomique“

L’anthropologie médicale est un sous-champ de l’anthropologie socioculturelle qui s’intéresse à la pluralité des systèmes médicaux ainsi qu’à l’étude des facteurs économiques, politiques et socioculturels ayant un impact sur la santé des individus et des populations. Plus spécifiquement, elle s’intéresse aux relations sociales, aux expériences vécues, aux pratiques impliquées dans la gestion et le traitement des maladies par rapport aux normes culturelles et aux institutions sociales. Plusieurs généalogies de l’anthropologie médicale peuvent être retracées. Toutefois, les monographies de W.H.R. Rivers et d’Edward Evans-Pritchard (1937), dans lesquelles les représentations, les connaissances et les pratiques en lien avec la santé et la maladie étaient considérées comme faisant intégralement partie des systèmes socioculturels, sont généralement considérées comme des travaux fondateurs de l’anthropologie médicale. Les années 1950 ont marqué la professionnalisation de l’anthropologie médicale. Des financements publics ont été alloués à la discipline pour contribuer aux objectifs de santé publique et d’amélioration de la santé dans les communautés économiquement pauvres (Good 1994). Dans les décennies qui suivent, les bases de l’anthropologie médicale sont posées avec l’apparition de nombreuses revues professionnelles (Social Science & Medicine, Medical Anthropology, Medical Anthropology Quarterly), de manuels spécialisés (e.g. MacElroy et Townsend 1979) et la formation du sous-groupe de la Society for Medical Anthropology au sein de l’American Anthropological Association (AAA) en 1971, qui sont encore des points de références centraux pour le champ. À cette époque, sous l’influence des théories des normes et du pouvoir proposées par Michel Foucault et Pierre Bourdieu, la biomédecine est vue comme un système structurel de rapports de pouvoir et devient ainsi un objet d’étude devant être traité symétriquement aux autres systèmes médicaux (Gaines 1992). L’attention portée aux théories du biopouvoir et de la gouvernementalité a permis à l’anthropologie médicale de formuler une critique de l’hégémonie du regard médical qui réduit la santé à ses dimensions biologiques et physiologiques (Saillant et Genest 2007 : xxii). Ces considérations ont permis d’enrichir, de redonner une visibilité et de l’influence aux études des rationalités des systèmes médicaux entrepris par Evans-Pritchard, et ainsi permettre la prise en compte des possibilités qu’ont les individus de naviguer entre différents systèmes médicaux (Leslie 1980; Lock et Nguyen 2010 : 62). L’aspect réducteur du discours biomédical avait déjà été soulevé dans les modèles explicatifs de la maladie développés par Arthur Kleinman, Leon Eisenberg et Byron Good (1978) qui ont introduit une distinction importante entre « disease » (éléments médicalement observables de la maladie), « illness » (expériences vécues de la maladie) et « sickness » (aspects sociaux holistes entourant la maladie). Cette distinction entre disease, illness et sickness a joué un rôle clé dans le développement rapide des perspectives analytiques de l’anthropologie médicale de l’époque, mais certaines critiques ont également été formulées à son égard. En premier lieu, Allan Young (1981) formule une critique des modèles explicatifs de la maladie en réfutant l'idée que la rationalité soit un model auquel les individus adhèrent spontanément. Selon Young, ce modèle suggère qu’il y aurait un équivalant de structures cognitives qui guiderait le développement des modèles de causalité et des systèmes de classification adoptées par les personnes. Au contraire, il propose que les connaissances soient basées sur des actions, des relations sociales, des ressources matérielles, avec plusieurs sources influençant le raisonnement des individus qui peuvent, de plusieurs manières, diverger de ce qui est généralement entendu comme « rationnel ». Ces critiques, ainsi que les études centrées sur l’expérience des patients et des pluralismes médicaux, ont permis de constater que les stratégies adoptées pour obtenir des soins sont multiples, font appel à plusieurs types de pratiques, et que les raisons de ces choix doivent être compris à la lumière des contextes historiques, locaux et matériaux (Lock et Nguyen 2010 : 63). Deuxièmement, les approches de Kleinman, Eisenberger et Good ont été critiquées pour leur séparation artificielle du corps et de l’esprit qui représentait un postulat fondamental dans les études de la rationalité. Les anthropologues Nancy Scheper-Hughes et Margeret Lock (1987) ont proposé que le corps doit plutôt être abordé selon trois niveaux analytiques distincts, soit le corps politique, social et individuel. Le corps politique est présenté comme étant un lieu où s’exerce la régulation, la surveillance et le contrôle de la différence humaine (Scheper-Hughes et Lock 1987 : 78). Cela a permis aux approches féministes d’aborder le corps comme étant un espace de pouvoir, en examinant comment les discours sur le genre rendent possible l’exercice d’un contrôle sur le corps des femmes (Manderson, Cartwright et Hardon 2016). Les premiers travaux dans cette perspective ont proposé des analyses socioculturelles de différents contextes entourant la reproduction pour contrecarrer le modèle dominant de prise en charge médicale de la santé reproductive des femmes (Martin 1987). Pour sa part, le corps social renvoie à l’idée selon laquelle le corps ne peut pas être abordé simplement comme une entité naturelle, mais qu’il doit être compris en le contextualisant historiquement et socialement (Lupton 2000 : 50). Finalement, considérer le corps individuel a permis de privilégier l’étude de l’expérience subjective de la maladie à travers ses variations autant au niveau individuel que culturel. Les études de l’expérience de la santé et la maladie axées sur l’étude des « phénomènes tels qu’ils apparaissent à la conscience des individus et des groupes d’individus » (Desjarlais et Throop 2011 : 88) se sont avérées pertinentes pour mieux saisir la multitude des expériences vécues des états altérés du corps (Hofmann et Svenaeus 2018). En somme, les propositions de ces auteurs s’inscrivent dans une anthropologie médicale critique qui s’efforce d’étudier les inégalités socio-économiques (Scheper-Hughes 1992), l’accès aux institutions et aux savoirs qu’elles produisent, ainsi qu’à la répartition des ressources matérielles à une échelle mondiale (Manderson, Cartwright et Hardon 2016). Depuis ses débuts, l’anthropologie médicale a abordé la santé globale et épidémiologique dans le but de faciliter les interventions sur les populations désignées comme « à risque ». Certains anthropologues ont développé une perspective appliquée en épidémiologie sociale pour contribuer à l’identification de déterminants sociaux de la santé (Kawachi et Subramanian 2018). Plusieurs de ces travaux ont été critiqués pour la culturalisation des pathologies touchant certaines populations désignées comme étant à risque à partir de critères basés sur la stigmatisation et la marginalisation de ces populations (Trostle et Sommerfeld 1996 : 261). Au-delà des débats dans ce champ de recherche, ces études ont contribué à la compréhension des dynamiques de santé et de maladie autant à l’échelle globale, dans la gestion des pandémies par l’Organisation Mondiale de la Santé (OMS), qu’aux échelles locales avec la mise en place de campagnes de santé publique pour faciliter l’implantation de mesures sanitaires, telles que la vaccination (Dubé, Vivion et Macdonald 2015). L’anthropologie a contribué à ces discussions en se penchant sur les contextes locaux des zoonoses qui sont des maladies transmissibles des animaux vertébrés aux humains (Porter 2013), sur la résistance aux antibiotiques (Landecker 2016), comme dans le cas de la rage et de l’influenza (Wolf 2012), sur les dispositifs de prévention mis en place à une échelle mondiale pour éviter l’apparition et la prolifération d’épidémies (Lakoff 2010), mais aussi sur les styles de raisonnement qui sous-tendent la gestion des pandémies (Caduff 2014). Par ailleurs, certains auteur.e.s ont utilisé le concept de violence structurelle pour analyser les inégalités socio-économiques dans le contexte des pandémies de maladies infectieuses comme le sida, la tuberculose ou, plus récemment, l’Ébola (Fassin 2015). Au-delà de cet aspect socio-économique, Aditya Bharadwaj (2013) parle d’une inégalité épistémique pour caractériser des rapports inégaux dans la production et la circulation globale des savoirs et des individus dans le domaine de la santé. Il décrit certaines situations comme des « biologies subalternes », c’est à dire des états de santé qui ne sont pas reconnus par le système biomédical hégémonique et qui sont donc invisibles et vulnérables. Ces « biologies subalternes » sont le revers de citoyennetés biologiques, ces dernières étant des citoyennetés qui donnes accès à une forme de sécurité sociale basée sur des critères médicaux, scientifiques et légaux qui reconnaissent les dommages biologiques et cherche à les indemniser (Petryna 2002 : 6). La citoyenneté biologique étant une forme d’organisation qui gravite autour de conditions de santé et d’enjeux liés à des maladies génétiques rares ou orphelines (Heath, Rapp et Taussig 2008), ces revendications mobilisent des acteurs incluant les institutions médicales, l’État, les experts ou encore les pharmaceutiques. Ces études partagent une attention à la circulation globale des savoirs, des pratiques et des soins dans la translation — ou la résistance à la translation — d’un contexte à un autre, dans lesquels les patients sont souvent positionnés entre des facteurs sociaux, économiques et politiques complexes et parfois conflictuels. L’industrie pharmaceutique et le développement des technologies biomédicales se sont présentés comme terrain important et propice pour l’analyse anthropologique des dynamiques sociales et économiques entourant la production des appareils, des méthodes thérapeutiques et des produits biologiques de la biomédecine depuis les années 1980 (Greenhalgh 1987). La perspective biographique des pharmaceutiques (Whyte, Geest et Hardon 2002) a consolidé les intérêts et les approches dans les premières études sur les produits pharmaceutiques. Ces recherches ont proposé de suivre la trajectoire sociale des médicaments pour étudier les contextes d’échanges et les déplacements dans la nature symbolique qu’ont les médicaments pour les consommateurs : « En tant que choses, les médicaments peuvent être échangés entre les acteurs sociaux, ils objectivent les significations, ils se déplacent d’un cadre de signification à un autre. Ce sont des marchandises dotées d’une importance économique et de ressources recelant une valeur politique » (traduit de Whyte, Geest et Hardon 2002). D’autres ont davantage tourné leur regard vers les rapports institutionnels, les impacts et le fonctionnement de « Big Pharma ». Ils se sont intéressés aux processus de recherche et de distribution employés par les grandes pharmaceutiques à travers les études de marché et les pratiques de vente (Oldani 2014), l’accès aux médicaments (Ecks 2008), la consommation des produits pharmaceutiques (Dumit 2012) et la production de sujets d’essais cliniques globalisés (Petryna, Lakoff et Kleinman 2006), ainsi qu’aux enjeux entourant les réglementations des brevets et du respect des droits politiques et sociaux (Ecks 2008). L’accent est mis ici sur le pouvoir des produits pharmaceutiques de modifier et de changer les subjectivités contemporaines, les relations familiales (Collin 2016), de même que la compréhensions du genre et de la notion de bien-être (Sanabria 2014). Les nouvelles technologies biomédicales — entre autres génétiques — ont permis de repenser la notion de normes du corps en santé, d'en redéfinir les frontières et d’intervenir sur le corps de manière « incorporée » (embodied) (Haraway 1991). Les avancées technologiques en génomique qui se sont développées au cours des trois dernières décennies ont soulevé des enjeux tels que la généticisation, la désignation de populations/personnes « à risque », l’identification de biomarqueurs actionnables et de l’identité génétique (TallBear 2013 ; Lloyd et Raikhel 2018). Au départ, le modèle dominant en génétique cherchait à identifier les gènes spécifiques déterminant chacun des traits biologiques des organismes (Lock et Nguyen 2010 : 332). Cependant, face au constat que la plupart des gènes ne codaient par les protéines responsables de l’expression phénotypique, les modèles génétiques se sont depuis complexifiés. L’attention s’est tournée vers l’analyse de la régulation des gènes et de l’interaction entre gènes et maladies en termes de probabilités (Saukko 2017). Cela a permis l’émergence de la médecine personnalisée, dont les interventions se basent sur l’identification de biomarqueurs personnels (génétiques, sanguins, etc.) avec l’objectif de prévenir l’avènement de pathologies ou ralentir la progression de maladies chroniques (Billaud et Guchet 2015). Les anthropologues de la médecine ont investi ces enjeux en soulevant les conséquences de cette forme de médecine, comme la responsabilisation croissante des individus face à leur santé (Saukko 2017), l’utilisation de ces données dans l’accès aux assurances (Hoyweghen 2006), le déterminisme génétique (Landecker 2011) ou encore l’affaiblissement entre les frontières de la bonne santé et de la maladie (Timmermans et Buchbinder 2010). Ces enjeux ont été étudiés sous un angle féministe avec un intérêt particulier pour les effets du dépistage prénatal sur la responsabilité parentale (Rapp 1999), l’expérience de la grossesse (Rezende 2011) et les gestions de l’infertilité (Inhorn et Van Balen 2002). Les changements dans la compréhension du modèle génomique invitent à prendre en considération plusieurs variables en interaction, impliquant l’environnement proche ou lointain, qui interagissent avec l’expression du génome (Keller 2014). Dans ce contexte, l’anthropologie médicale a développé un intérêt envers de nouveaux champs d’études tels que l’épigénétique (Landecker 2011), la neuroscience (Choudhury et Slaby 2016), le microbiome (Benezra, DeStefano et Gordon 2012) et les données massives (Leonelli 2016). Dans le cas du champ de l’épigénétique, qui consiste à comprendre le rôle de l’environnement social, économique et politique comme un facteur pouvant modifier l’expression des gènes et mener au développement de certaines maladies, les anthropologues se sont intéressés aux manières dont les violences structurelles ancrées historiquement se matérialisent dans les corps et ont des impacts sur les disparités de santé entre les populations (Pickersgill, Niewöhner, Müller, Martin et Cunningham-Burley 2013). Ainsi, la notion du traumatisme historique (Kirmayer, Gone et Moses 2014) a permis d’examiner comment des événements historiques, tels que l’expérience des pensionnats autochtones, ont eu des effets psychosociaux collectifs, cumulatifs et intergénérationnels qui se sont maintenus jusqu’à aujourd’hui. L’étude de ces articulations entre conditions biologiques et sociales dans l’ère « post-génomique » prolonge les travaux sur le concept de biosocialité, qui est défini comme « [...] un réseau en circulation de termes d'identié et de points de restriction autour et à travers desquels un véritable nouveau type d'autoproduction va émerger » (Traduit de Rabinow 1996:186). La catégorie du « biologique » se voit alors problématisée à travers l’historicisation de la « nature », une nature non plus conçue comme une entité immuable, mais comme une entité en état de transformation perpétuelle imbriquée dans des processus humains et/ou non-humains (Ingold et Pálsson 2013). Ce raisonnement a également été appliqué à l’examen des catégories médicales, conçues comme étant abstraites, fixes et standardisées. Néanmoins, ces catégories permettent d'identifier différents états de la santé et de la maladie, qui doivent être compris à la lumière des contextes historiques et individuels (Lock et Nguyen 2010). Ainsi, la prise en compte simultanée du biologique et du social mène à une synthèse qui, selon Peter Guarnaccia, implique une « compréhension du corps comme étant à la fois un système biologique et le produit de processus sociaux et culturels, c’est-à-dire, en acceptant que le corps soit en même temps totalement biologique et totalement culturel » (traduit de Guarnaccia 2001 : 424). Le concept de « biologies locales » a d’abord été proposé par Margaret Lock, dans son analyse des variations de la ménopause au Japon (Lock 1993), pour rendre compte de ces articulations entre le matériel et le social dans des contextes particuliers. Plus récemment, Niewöhner et Lock (2018) ont proposé le concept de biologies situées pour davantage contextualiser les conditions d’interaction entre les biologies locales et la production de savoirs et de discours sur celles-ci. Tout au long de l’histoire de la discipline, les anthropologues s’intéressant à la médecine et aux approches de la santé ont profité des avantages de s’inscrire dans l’interdisciplinarité : « En anthropologie médical, nous trouvons qu'écrire pour des audiences interdisciplinaires sert un objectif important : élaborer une analyse minutieuse de la culture et de la santé (Dressler 2012; Singer, Dressler, George et Panel 2016), s'engager sérieusement avec la diversité globale (Manderson, Catwright et Hardon 2016), et mener les combats nécessaires contre le raccourcies des explications culturelles qui sont souvent déployées dans la littérature sur la santé (Viruell-Fuentes, Miranda et Abdulrahim 2012) » (traduit de Panter-Brick et Eggerman 2018 : 236). L’anthropologie médicale s’est constituée à la fois comme un sous champ de l’anthropologie socioculturelle et comme un champ interdisciplinaire dont les thèmes de recherche sont grandement variés, et excèdent les exemples qui ont été exposés dans cette courte présentation.

Les maladies infectieuses font partie des préoccupations mondiales en santé publique, en particulier en raison de la résistance aux antimicrobiens chez certaines bactéries pathogènes. L'espèce Klebsiella pneumoniae est identifiée comme l'une des bactéries multirésistantes les plus préoccupantes. Corynebacterium diphtheriae, responsable de la diphtérie, reste largement sensible aux antibiotiques de première intention dont la pénicilline et peut être contrôlée par les vaccins, mais ré-émerge lorsque la couverture vaccinale est insuffisante. Parmi les moyens de contrôle des maladies infectieuses, la détection et l'identification précise de ces agents pathogènes, ainsi que leur suivi épidémiologique, jouent un rôle primordial. La mise en œuvre du séquençage génomique a révolutionné le génotypage bactérien grâce à son haut pouvoir discriminant, qui permet la distinction des agents pathogènes à l'échelle des souches. Le séquençage génomique permet également la détection de variants et de leurs caractéristiques importantes, telles que leur virulence ou leur résistance. Les travaux de recherche de cette thèse s'articulent sur deux axes principaux. Le premier axe apporte des analyses bio-informatiques de la structure populationnelle de la résistance aux antibiotiques chez C. diphtheriae. Une étude d'association génomique (GWAS) a été réalisée pour définir les bases moléculaires de la résistance, ainsi que les associations avec la production de toxine diphtérique et d'autres caractéristiques des souches. Un nouveau gène de résistance à la pénicilline a été découvert sur un élément mobile chez C. diphtheriae. Un outil de génotypage a été développé spécifiquement pour C. diphtheriae, pour laquelle les liens entre génotypes et phénotypes cliniques sont mal connus. Cet outil consolide et facilite la détection et le génotypage des principaux facteurs de virulence et des gènes de résistance, ainsi que l'usage des nomenclatures des souches à partir de génomes assemblés. Il permet également de prédire les biovars et la toxicité des souches. Le second axe est consacré à la taxonomie génomique infra-spécifique. Une nouvelle approche de classification et de nomenclature génomiques est proposée en utilisant comme modèle l'espèce K. pneumoniae. Ces travaux détaillent la conception et l'implémentation d'un système de codes-barres qui combine le regroupement par Single Linkage MultiLevel (MLSL) et les LIN (Life Identification Number) codes, tous deux basés sur le même schéma de typage core-genome MLST (cgMLST). Cette approche taxonomique innovante résulte en une nomenclature infra-spécifique précise et stable, qui est de plus largement déployable chez les autres espèces bactériennes. Une étude de la structure phylogénétique de C. diphtheriae a également été réalisée, avec la mise en œuvre d'un système cgMLST sur la base duquel une taxonomie génomique des souches a été proposée. Sur la base des nouveaux apports et concepts précédemment exposés, plusieurs études de cas ont été réalisées : mise en évidence et caractérisation d'une nouvelle espèce bactérienne (C. rouxii), précédemment confondue avec C. diphtheriae ; et épidémiologie génomique de la diphtérie dans différentes régions du monde, ou à partir de sources cliniques humaines et animales. Ces applications de la taxonomie génomique associée à la détection des gènes de résistance aux antibiotiques illustrent le potentiel des méthodes et des outils développés durant cette thèse afin de contribuer à la recherche et à la surveillance génomique des bactéries pathogènes
Infectious diseases are a global public health concern, particularly due to antimicrobial-resistance in some pathogenic bacteria. Klebsiella pneumoniae is one of the most worrying multiresistant bacteria. Corynebacterium diphtheriae, which causes diphtheria, remains largely susceptible to first-line antibiotics, including penicillin, and can be controlled through vaccination, but re-emerges when vaccination coverage is insufficient. Among the effective infection control measures, the accurate detection and identification of these pathogens, as well as their epidemiological monitoring, play a key role. In the recent years, the implementation of whole-genome sequencing (WGS) has revolutionised bacterial genotyping, by providing discrimination at the strain level. Genomic sequencing also enables the detection of variants and their important characteristics, such as virulence or antimicrobial resistance. The research work of this thesis is structured around two main axes. The first axis provides bioinformatic analyses of the population structure of antimicrobial resistance in C. diphtheriae. A genome-wide association study (GWAS) was performed to determine the genetic basis behind the resistance phenotypes, as well as the associations with diphtheria toxin production and other strain characteristics. A new penicillin resistance gene was discovered on a mobile element in C. diphtheriae. A genotyping tool was developed specifically for C. diphtheriae, for which the links between genotypes and clinical phenotypes are poorly known. This tool consolidates and facilitates the detection and genotyping of the main virulence factors and resistance genes, as well as the use of strain nomenclatures from assembled genomes. It also enables the prediction of biovars and toxicity of strains. The second axis relates to infra-species genomic taxonomy. A new approach of genome-based classification and nomenclature of strains was developed using K. pneumoniae as a model. This work describes the design and implementation of a barcoding system that combines Single Linkage MultiLevel (MLSL) clustering and Life Identification Number (LIN) codes, both based on the same core-genome MLST (cgMLST) typing scheme. This innovative taxonomic approach, widely applicable to other bacterial species, yields precise and stable nomenclatures. A study of the phylogenetic structure of C. diphtheriae was also carried out, with the implementation of a cgMLST scheme on the basis of which a genomic taxonomy of strains was proposed. Based on the contributions and concepts presented above, several case studies were carried out: identification and characterisation of a new species (C. rouxii), previously misidentified as C. diphtheriae; genomic epidemiology of diphtheria in different world regions or clinical sources. These applications of genomic taxonomy in combination with antimicrobial resistance gene detection illustrate the potential of the methods and tools developed during this thesis to support genomic research and surveillance of pathogenic bacteria

Le cancer du côlon (CC) est l'un des cancers les plus fréquents et les plus mortels en France et dans le monde. Près de la moitié des patients décèdent dans les 5 ans suivant le diagnostic. La classification clinique en stade histologique et la classification moléculaire selon les formes d'instabilité du génome (l'instabilité des microsatellites (MSI), l'instabilité chromosomique (CIN) et l'hyperméthylation des promoteurs (CIMP)) ne suffisent pas à définir des entités homogènes du point de vue moléculaire et à prédire de manière efficace la récidive. Pour améliorer la prise en charge des patients, il apparaît indispensable de mieux appréhender la diversité de la maladie afin de trouver des marqueurs pronostiques et prédictifs efficaces. Mon travail de thèse a donc été d'étudier la diversité des CC à l'échelle moléculaire par l'utilisation d'approches omiques sur une large cohorte de patients. Il a abouti à l'établissement d'une classification transcriptomique robuste de ce cancer dans son ensemble, validée sur des données indépendantes, et à la caractérisation fine de chacun des sous-types. Six sous-types ont ainsi été définis présentant des caractéristiques clinico-pathologiques, des altérations moléculaires de l'ADN, des enrichissements de signatures liées aux lésions et cellules d'origines, des voies de signalisation dérégulées et des survies bien distinctes. Les résultats de ce travail ont été confortés par un travail de classification consensus mis en place avec un consortium de travail international auquel j'ai participé. Ces résultats ont permis de confirmer que le cancer colorectal n'est pas une maladie homogène. Ils ouvrent de nouvelles perspectives pour l'établissement de signatures pronostiques et la recherche de cibles pour de nouveaux traitements ainsi que pour l'évaluation de la réponse au traitement au sein d'essais cliniques
Colon cancer (CC) is one of the most frequent and most deadly cancer in France and worldwide. Nearly half of patients die within 5 years after diagnosis. Clinical stage based on histological features and molecular classification based genomic instabilities (microsatellite instability (MSI), chromosomal instability (CIN) and hypermethylation of the promoters (ICPM)) are not sufficient to define homogeneous molecular entities and to predict recurrence effectively. To improve patient care, it is essential to better understand the diversity of the disease so that effective prognostic and predictive markers could be found. My PhD work has been focused on studying the diversity of CC at the molecular level through the use of omics approaches on a large cohort of tumor samples. It led to the establishment of a robust transcriptomic classification of these cancers, validated on independent data sets, and to a detailed characterization of each of the subtypes. Six subtypes have been defined and were associated with distinct clinicopathological characteristics and molecular alterations, specific enrichments of supervised gene expression signatures related to cell and lesions of origin, specific deregulated signaling pathways and distinct survival. The results of this work have been strengthened by a consensus classification defined by an international consortium working group in which I've been involved. These results confirm that colorectal cancer is an heterogeneous disease. They provide a renewed framework to develop prognostic signatures, discover new treatment targets, identify new therapeutic strategies and assess response to treatment in clinical trials

Le séquençage ADN d'échantillons complexes contenant plusieurs espèces est une technique de choix pour étudier le paysage viral d'un milieu donné. Or les génomes viraux sont difficiles à identifier, de par leur extrême variabilité et la relation étroite qu'ils entretiennent avec leurs hôtes. Nous proposons de nouvelles pistes de recherche pour apporter une solution spécifique aux séquences virales afin de répondre au besoin d'identification pour lequel les solutions génériques existantes n'apportent pas de réponse satisfaisante
DNA sequencing of complex samples containing various living species is a choice approach to study the viral landscape of a given environment. Viral genomes are hard to identify due to their extreme variability and the tight relationship they have with their hosts. We hereby provide new leads for the development of a virusesspecific solution to the need for accurate identification that hasn't found a satisfactory solution in the existing universal software so far

L’un des plus importants défis de la toxicologie est de pouvoir extrapoler les résultats issus des différentes phases de l’analyse du risque sanitaire à partir de systèmes expérimentaux vers les populations humaines. Dans ce contexte, les techniques globales dites "omiques" sont de plus en plus utilisées pour caractériser les différents états des systèmes biologiques. Ainsi, la toxicogénomique permet non seulement d’étudier les mécanismes d’action des composés, d’identifier des marqueurs d’exposition, mais aussi de générer des signatures moléculaires à potentiel prédictif. En effet, des composés ayant des signatures moléculaires semblables ont également de forts risques de présenter les mêmes effets toxicologiques. L’objectif de cette thèse est d’appliquer ce concept de manière systématique, en explorant les données publiées et disponibles dans les banques dédiées à la toxicogénomique via des modèles statistiques multivariés. Ces analyses ont pour objectif de permettre le regroupement et donc la classification des composés sur la base des gènes dont ils affectent l’expression. L’appartenance de produits toxiques bien caractérisés aux classes ainsi constituées permet alors d’émettre des hypothèses quant à la toxicité des autres composés. Un jeu de données quantitatives intégrant 18 études réalisées avec la même technologie de puce à ADN et chez une seule espèce a été assemblé. De ce jeu de données, 3022 signatures toxicogénomiques correspondant à 452 composés différents ont été obtenues. Des approches de classification non supervisées afin de définir des classes de traitements induisant des altérations transcriptionnelles proches ont été mises en place. 95 et 104 classes ont été obtenues en fonction des méthodes utilisées. Finalement, une attention toute particulière a été portée sur les potentiels nouveaux perturbateurs endocriniens et xénobiotiques reprotoxiques sur-représentés dans trois classes spécifiquement. 22 composés sont en cours de test sur une lignée cellulaire humaine exprimant les enzymes de la stéroïdogenèse (NCI-H295R) pour évaluer leur potentiel effet perturbateur endocrinien. L’ensemble de ce travail a ainsi permis de démontrer la pertinence de nos approches de toxicogénomique pour la prédiction des effets toxiques de composés testés dans d’autres organes et/ou chez d’autres espèces. Il se poursuit à l’heure actuelle par la mise en place d’une base de données, TOXsIgN, permettant l’hébergement et l’accès à l’ensemble de signatures de toxicogénomique générées dans ce projet. De même, mon travail a également permis la mise en place de plusieurs outils dédiés à la toxicologie prédictive et à la visualisation de données, tels que le navigateur de génomes comme le ReproGenomics Viewer (RGV)
The core aim of my thesis project is to develop predictive toxicology approaches based on the integration of massive toxicogenomics datasets using bioinformatics and biostatistics methodologies. Specific objectives include: (1) classification of chemicals based on toxicogenomics signatures, i.e. the set of genes whose expression is known to be positively or negatively altered after exposure to these compounds; (2) the association of the resulting classes with human disorders or deleterious phenotypes based on the well-known toxicants present in those classes; (3) the prediction of novel reprotoxicants and/or endocrine disruptors based on toxicogenomics signature similarities with known chemicals affecting testis development and function. The assembled toxicogenomics dataset contains 23,657 samples covering 7092 experimental conditions (one chemical, one dose, one exposure time, one tissue) for 541 chemicals in seven distinct tissues in the rat from 18 different studies. From this dataset, 3,022 experimental conditions corresponding to 452 distinct compounds are associated to a toxicogenomics signature containing more than ten genes showing an altered expression pattern after exposure. Using unsupervised classification methods, 95 chemical clusters were defined showing close toxicogenomics signatures. The phenotype association analysis using data extracted from de Comparative Toxicogenomics Database (CTD) allowed us to identify three clusters significantly enriched in known endocrine-disrupting chemicals. Currently, 22 compounds are being tested on a human cell line expressing the enzymes of steroidogenesis (NCI-H295R) to evaluate their potential endocrine disrupting effects. These researches allowed us to demonstrate the relevance of integrating massive toxicogenomics datasets to predict adverse effects of compounds tested in different organs. It is currently being pursued through the development of a novel repository, TOXsIgN. This resource provides a flexible environment to facilitate online submission, storage and retrieval of toxicogenomics signatures by the scientific community. Similarly, the current PhD project also yielded to the implementation of several tools dedicated to predictive toxicology and data visualization including the ReproGenomics Viewer (RGV)

Le travail présenté dans cette thèse traite de l'extraction de connaissances à l'aide de métaheuristiques et de ses applications à des problématiques en génomique. Dans un premier temps, nous donnons un état de l'art des métaheuristiques utilisées pour l'extraction de connaissances et plus particulièrement de l'utilisation des algorithmes génétiques en orientant notre présentation sur trois aspects fondamentaux des métaheuristiques : la représentation d'une solution, la fonction d'évaluation et le choix des opérateurs. Nous présentons ensuite deux problématiques issues d'une collaboration avec l'Institut de Biologie de Lille autour de la recherche de facteurs génétiques de prédisposition à certaines maladies multifactorielles (diabète de type II, obésité). Nous proposons une modélisation de ces problèmes en problèmes d'extraction de connaissances. Nous traitons ensuite les différentes taches d'extraction de connaissances identifiées comme des problèmes d'optimisation et proposons un schéma d'algorithme génétique possédant des mécanismes avancés d'intensification et de diversification pour les résoudre. Les apports de ces mécanismes sont testés modulairement afin de montrer leurs performances. Nous intégrons également des connaissances du domaine biologique afin de répondre aux problématiques posées. Cette intégration s'effectue aussi bien au niveau des fonctions d'évaluation proposées qu'au niveau de certains mécanismes utilisés. Enfin, différents modèles de parallélisme sont utilisés.

La classification de données (ou apprentissage non-supervisé) vise à regrouper un ensemble d'observations sous la forme de classes homogènes et contrastées. Lorsque les données sont caractérisées par un grand nombre de variables, il devient nécessaire d'adapter les méthodes classiques, notamment au niveau des métriques, afin de maintenir des classes pertinentes ; ce phénomène est connu sous le nom de "malédiction de la dimension". Dans cette thèse, nous proposons une mesure de co-similarité basée sur la notion de co-occurrences d'ordre supérieur, directement extraites à partir des données. Dans le cas de l'analyse de texte, par exemple, les similarités entre documents sont calculées en prenant en compte les similarités entre mots, qui simultanément prennent en compte les similarités entre documents. Par cette approche " circulaire ", nous parvenons à mettre en correspondance des documents sans mots communs mais ayant juste des mots similaires. Cette approche s'effectue de manière purement numérique sans nécessiter de thesaurus externe. En outre, notre méthode peut également être étendue pour tirer parti de connaissances "a priori" afin de réaliser des tâches de catégorisation de textes : l'étiquette des documents est utilisée pour influencer les mesures de similarité entre les mots afin de classer de nouvelles données. Ainsi, le même cadre conceptuel, exprimable en terme de théorie des graphes, peut être utilisé à la fois pour les tâches de classification et de catégorisation en fonction de la quantité d'information initiale. Nos résultats montrent une amélioration significative de la précision, par rapport à l'état de l'art, à la fois pour le co-clustering et la catégorisation sur les jeux de données qui ont été testés.

La classification de données (apprentissage non-supervisé) vise à regrouper un ensemble d'observations sous la forme de classes homogènes et contrastées. Lorsque les données sont caractérisées par un grands nombre de propriétés, il devient nécessaire d'adapter les méthodes classique, notamment au niveau des métriques, afin de maintenir des classes pertinentes; ce phénomène est connu sous le nom de "malédiction de la dimension". Dans cette thèse nous proposons une mesure de co-similarité basée sur la notion de co-occurrences d'ordre supérieur, directement extraites à partir des données. Dans le cas de l'analyse de texte, par exemple, les similarités entre documents sont calculées en prenant en compte les similarités entre mots, qui simultanément prennent en compte les similarités entre documents. Par cette approche circulaire, nous mettons en correspondance des documents sans mots communs mais juste des mots similaires. Cette approche s'effectue sans nécessiter de thesaurus externe. En outre, notre méthode peut également être étendu pour tirer partie de connaissances "a priori" pour réaliser des tâches de catégorisation de textes: l'étiquette des documents est utilisée pour influencer les mesures de similarité entre les mots afin de classer de nouvelles données. Ainsi, le même cadn conceptuel, exprimable en terme de la théorie des graphes, peut être utilisé à la fois pour les tâches de classification et de catégorisation en fonction de la quantité d'information initiale. Nos résultats montrent une amélioration significative de la précision, par rapport à l'état de l'art, pour le co-clustering et la catégorisation sur les jeux d données qui ont été testés
Clustering is the unsupervised classification of patterns (observations, data items, or feature vectors) into homogeneous and contrasted groups (clusters As datasets become larger and more varied, adaptations to existing algorithms are required to maintain the quality of cluster. Ln this regard, high¬dimensional data poses sorne problems for traditional clustering algorithms known as the curse of dimensionality. This thesis proposes a co-similarity based algorithm that is based on the concept of higher-order co-occurrences, which are extracted from the given data. Ln the case of text analysis, for example, document similarity is calculated based on word similarity, which in turn is calculated on the basis of document similarity. Using this iterative approach, we can bring similar documents closer together even if they do not share the same words but share similar words. This approach doesn't need externallinguistic resources like a thesaurus Furthermore this approach can also be extended to incorporate prior knowledge from a training dataset for the task of text categorization. Prior categor labels coming from data in the training set can be used to influence similarity measures between worlds to better classify incoming test dataset among the different categories. Thus, the same conceptual approach, that can be expressed in the framework of the graph theory, can be used for both clustering and categorization task depending on the amount of prior information available. Our results show significant increase in the accuracy with respect to the state of the art of both one-way and two-way clustering on the different datasets that were tested

Le nombre de nouvelles espèces bactériennes identifiées augmente constamment. L'un des facteurs les plus importants de cette situation est l'approche culturomique. Par conséquent, la nécessité de classifier et de décrire taxonomiquement ces microorganismes pour comprendre leur évolution, leurs caractéristiques et leurs relations avec d'autres organismes vivants a émergé. À ce jour, plus de 170000 génomes bactériens sont disponibles. Face à cette situation, la taxonomie bactérienne ne peut être éloignée des informations fournies par le génome entier. La stratégie taxonogénomique a été élaborée dans notre laboratoire pour inclure les séquences du génome dans le schéma taxonomique. Cette nouvelle stratégie consiste en la combinaison de diverses données phénotypiques, et l'analyse génomique et la comparaison, aboutissant à une description rationnelle et complète de nouveaux taxons bactériens. Un deuxième aspect de notre travail de thèse a été l'analyse pangénomique de Coxiella burnetii. Profitant de la disponibilité de 75 génomes de C. burnetii, nous avons montré que ce pangénome est ouvert, ce qui s’oppose à ceux des autres bactéries intracellulaires. Aucun contenu génique spécifique à une maladie, ou à un géovar spécifique n'a pu être identifié. En revanche, l'analyse phylogénétique basée sur le core génome correspondait à celle obtenue à partir du typage. Ainsi, nous démontrons ici que le séquençage du génome peut être bien adapté à la description officielle ainsi que l'analyse pangénomique des bactéries associées à l'homme, et permettre de répondre à de nombreuses questions microbiologiques telles que l'évolution, la résistance aux antibiotiques et la pathogénicité
The number of new identified bacterial species is constantly increasing. One of the most important contributors to this situation is the microbial culturomics approach. Consequently, the need to classify and taxonomically describe those microorganisms to understand their evolution, characteristics and relationships with other living organisms has emerged. To date, more than 170000 bacterial genomes are available. Facing this situation, bacterial taxonomy cannot be disconnected from the information provided from the whole genome. The taxono-genomics strategy was elaborated in our laboratory to include genome sequences in the taxonomic scheme. This new strategy consists in the combination of various phenotypic data and genomic analysis and comparison, resulting in a rational and comprehensive description of new bacterial taxa. A second aspect of our thesis work was the pangenomic analysis of Coxiella burnetii. Taking advantage of the availability of 75 C. burnetii genomes, we showed that this pangenome is open, which contrasts with those of other intracellular bacteria. No disease-specific, or geovar-specific gene content could be identified. In contrast, the core gene-based phylogenetic analysis matched that obtained from multi-spacer typing. Thus, we herein demonstrate that genome sequencing may, among its many applications, be well suited for the official description as well as pangenome analysis of human-associated bacteria, including pathogens, and may allow addressing many microbiological questions, such as evolution, outbreaks, antibiotic resistance, and pathogenicity

Pas de résumé
The large-scale genomic studies performed recently has enabled the objective identification of numerous novel genomic alterations and highlighted that pediatric brain tumors often harbor quiet cancer genomes, with a single driver genomic alteration. This characteristic is of special interest in the current context of precision medicine development. Low-grade glioneuronal tumor group is highly heterogeneous and remains particularly challenging since it includes a broad spectrum of tumors, often poorly discriminated by their histopathological features and not completely molecularly characterized. We used targeted methods (IHC, FISH, targeted sequencing), and large scale genomic and epigenetic methodologies to perform an integrative analysis to further characterized papillary glioneuronal tumors (PGNT), midline gangliogliomas and dysembryoplastic neuroepithelial tumors (DNT). We demonstrated that PGNT is a distinct entity characterized by a PRKCA fusion. We highlighted that H3 K27M mutation can occur in association with BRAF V600E mutation in midline grade I glioneuronal tumors, showing that despite the presence of H3 K27M mutations, these cases should not be graded and treated as grade IV tumors because they have a better spontaneous outcome than classic diffuse midline H3 K27M-mutant glioma. The DNT study enable us 1) to specify that non-specific DNT corresponds to a clinico-histological tumor group encompassing diverse molecularly distinct entities and 2) to demonstrate that specific DNTs can be progressive tumors and harbored a distinct DNA methylation profile. Diagnosis and genomic profiling that can guide precision medicine require tissue acquisition by neurosurgical procedures that are often difficult or not possible. We validated a sample collection procedure and we developed methodologies to detect circulating tumor DNA (ctDNA) in CSF, plasma and urine to identify clinically relevant genomic alterations from a cohort of 235 pediatric patients with brain tumors. We optimized a method to process ctDNA and performed ultra-low pass whole genome sequencing (ULP-WGS) using unique molecular identifiers, confirming we can reliably construct sequencing libraries from CSF-, plasma- and urine-derived ctDNA. ULP-WGS has also been used to assess sequencing library quality, copy number variations (CNVs) and tumor fraction. The vast majority of samples undergoing ULPWGS exhibited no CNVs, consistent with either absence in the tumor or low levels of tumorderived cfDNA. To distinguish between these, we developed a hybrid capture sequencing panel allowing identification of specific mutations and fusions more common in pediatric brain tumors