Auswahl der wissenschaftlichen Literatur zum Thema „Séquençage en lectures longues“

Le séquençage haut-débit a ouvert de nouvelles perspectives cliniques nous orientant aujourd’hui vers une médecine de précision. Cancérologie, infectiologie ou génomique humaine, de nombreuses applications ont vu le jour ces dernières années. L’arrivée sur le marché d’une troisième génération de technologie de séquençage fondée sur les nanopores, palliant certaines faiblesses de la génération précédente, annonce une nouvelle révolution. Portabilité, temps réel, lectures longues et coût d’investissement marginal, ces nouvelles technologies prometteuses laissent présager un nouveau changement de paradigme. Quelles sont les perspectives ouvertes par les nanopores pour les applications cliniques ?

L’étude de l’impact futur du changement climatique sur l’écoulement à l’exutoire d’un bassin repose généralement sur l’utilisation d’un modèle pluie-débit. Cet article explore les potentiels et les limites d’une stratégie alternative, fondée sur une méthode de transfert climat-écoulement par régression multiple. Cette méthode s’appuie sur un séquençage d’une régression des moindres carrés partiels (PLS) et d’une régression linéaire multiple (RLM) destinée à estimer des indices d’écoulement via les meilleurs prédicteurs climatiques identifiés par régression PLS. Les modèles de régression RLM paramétrés sur des critères quantitatifs, et par jugement expert des conditions hydro-climatiques actuelles, sont ensuite forcés par des sorties de modèles de climat pour produire des projections hydrologiques à différents horizons. L’application de la méthode de transfert climat-écoulement par régression multiple à deux cours d’eau du bassin de la Meuse décrits à partir d’indices d’écoulement de basses, de moyennes et de hautes eaux, montre que : i) cette méthode fonctionne convenablement pour certains indices d’écoulement seulement; ii) une connaissance minimale de la variabilité climatique à l’échelle régionale (apportée dans notre cas, par la pression atmosphérique et le gradient régional de pression en surface et à 500 hPa) suffit à décrire de façon acceptable le forçage climatique sur ces indices; iii) le jugement expert est indispensable pour identifier les prédicteurs climatiques hydrologiquement pertinents; iv) la force du lien entre climat et écoulement est propre à chaque bassin versant; v) les changements d’écoulement prédits par la méthode de transfert climat-écoulement sous scénarios climatiques CMIP5 (Coupled Model Intercomparison Project Phase 5) pour les prochaines décennies sont en accord avec ceux prédits par la modélisation pluie-débit. Au stade de nos investigations, trois limites majeures de la méthode de transfert climat-écoulement par régression multiple ont été identifiées : 1) elle exige de longues chroniques hydro-climatiques; 2) elle a tendance à sous-estimer la variabilité interannuelle de l’écoulement à l’exutoire des bassins testés; 3) elle n’est pas en capacité de garantir avec certitude l’évolution des indices d’écoulement dans des conditions climatiques très différentes de celles de la période d’observation.

AbstractThree randomly amplified polymorphic DNA (RAPD) markers, OPA-12420, OPB-061200 and OPA-01700, species specific to the root-knot nematode species Meloidogyne arenaria, M. incognita and M. javanica respectively, were identified. After sequencing these RAPD-PCR products, longer primers of 18 to 23 nucleotides were designed to complement the terminal DNA sequences of the DNA fragments. This resulted in three pairs of species specific primers that were used to amplify the sequence characterised amplified regions (SCARs). The developed sets of SCAR primers were successfully used in straightforward, fast and reliable PCR assays to identify M. incognita, M. javanica and M. arenaria. The length variant SCAR markers can be amplified from DNA from egg masses, second stage juveniles and females. This species identification technique is therefore independent of the nematode's life cycle stage. Moreover the SCAR-PCR assay was successfully applied using DNA extracts from infested plant material. The method has potential to be optimised for routine practical diagnostic tests facilitating the control of these economically important pest organisms. Identification de Meloigyne incognita, M. javanica et M. arenaria au moyen de l'amplification de régions de séquences caractéristiques (SCAR) par une technique PCR - Trois marqueurs d'ADN polymorphique amplifiée au hasard (RAPD) OPA-12420, OPB-O61200 et OPA-OI700, respectivement spécifiques des espèces de nématodes Meloidogyne arenaria, M. incognita et M. javanica, ont été identifiés. Après le séquençage de ces produits RAPD-PCR, les amorces les plus longues de 18 à 23 nucléotides ont été choisies pour compléter les séquences terminales d'ADN des fragments d'ADN. Cela a conduit à trois paires d'amorces spécifiques de l'espèce, utilisées pour amplifier les régions des séquences caractéristiques (SCAR). Les lots d'amorces SCAR mis au point ont été utilisés avec succès lors d'essais directs, rapides et surs pour identifier M. incognita, M. javanica et M. arenia. Les marqueurs peuvent être amplifiés à partir de l'ADN des masses d'oeufs, des juvéniles de deuxième stade ou des femelles. Cette technique d'identification spécifique est donc indépendante des différents états de développement du nématode. De plus la technique SCAR-PCR a été appliquée avec succès à l'ADN extrait du matériel végétal infesté. Cette méthode présente des potentialités d'amélioration permettant d'envisager des tests pratiques d'identification de routine, facilitant ainsi le contrôle de ces parasites économiquement importants.

Résumé En 1858, Henry Longueville Mansel donna une série de conférences, dans le cadre des "Bampton Lectures' ', qui suscitèrent de vives réactions. Il y défendait, entre autres, l'infaillibilité de la Bible à partir de prémisses selon lesquelles l'homme étant un être limité alors que Dieu et le monde transcendantal se situent au-delà de ces limites, l'homme ne peut, par conséquent, critiquer la Bible qui est une communication de Dieu, un Etre qui est inconnaissable par définition. Parmi ceux qui réagirent aux propos de Mansel se trouvaient plusieurs naturalistes de l'époque et, en particulier, Thomas Henry Huxley. Celui-ci compara Mansel à un personnage caricaturé par Hogarth qui est en train de scier la branche sur le bout de laquelle il est perché. Selon Huxley, Mansel ne faisait pas que détruire la théologie chrétienne qu'il voulait défendre mais il fournissait en plus des arguments à ses délateurs. De fait, une nouvelle forme de scepticisme religieux s'édifiait à l'époque, à partir du concept que le monde matériel étant seul connaissable, le transcendantal s'avérait donc inaccessible pour l'homme. Huxley, qui partageait ces idées, désigna plus tard cette forme de scepticisme religieux sous le nom d'agnosticisme. Cette nouvelle forme de scepticisme engendra d'ailleurs de longues polémiques concernant la science et la religion et Huxley se retrouva souvent au centre de ces débats. L'auteur analyse ici les démêlés et les jalons qui marquèrent l'évolution de l'agnosticisme et il constate que, ironiquement, si Mansel fit du tort à la religion en s'appuyant sur une perception de l'homme comme étant limité dans sa capacité de connaître, Huxley et les agnostiques qui lui empruntèrent cette vision des choses, firent, de leur côté, beaucoup de tort à la science.

Allèle : une des formes alternatives d'un locus. Dans une cellule diploïde, il y a deux allèles pour chaque locus (un allèle transmis par chaque parent), qui peuvent être identiques. Dans une population, on peut avoir plusieurs allèles pour un locus.Annotation structurale : repérage des coordonnées des diverses structures dans le génome, telles que les gènes.Annotation fonctionnelle : renseignements sur les fonctions des séquences, le plus souvent pour les gènes.BAC : Bacterial Artificial Chromosome. Vecteur de clonage permettant l’obtention de clones bactériens contenant un grand fragment d’ADN génomique (taille > 100 kb*). Les BAC assemblés en contigs* sont à la base des cartes physiques du génome.Carte cytogénétique : carte des chromosomes. Réalisée par localisation visuelle (FISH*) au microscope de fragments d’ADN sur les chromosomes au stade métaphase de la mitose.Carte d’hybrides irradiés : réalisée en testant par PCR la présence ou l’absence de fragments d’ADN dans une collection de clones d’hybrides irradiés (RH*). Deux fragments d’ADN sont proches sur le génome s’ils sont trouvés fréquemment dans les mêmes clones.Carte génétique : obtenue par l’étude de la ségrégation dans des familles ou des populations, de marqueurs polymorphes, soit moléculaires, soit phénotypiques, deux séquences étant d’autant plus proches qu’elles sont souvent transmises ensemble lors de la méiose.Clonage positionnel : stratégie visant à identifier un gène responsable de l’expression d’un phénotype en utilisant des informations de position sur le génome.Contig : ensemble de clones (le plus souvent des BAC*) ou de lectures de séquence ordonnés grâce à des informations sur leur parties chevauchantes.Cosmide : vecteur de clonage permettant l’obtention de clones bactériens contenant des fragments d’ADN génomique de taille avoisinant les 50 kb*.CNV : Copy Number Variation ; polymorphisme du génome correspondant à la variation du nombre de copies d’une séquence, pouvant dans certains cas contenir un ou plusieurs gènes.Déséquilibre gamétique : pour deux loci quelconques, c'est le fait que la fréquence des haplotypes* estimée pour tous les gamètes est différente de celle attendue à partir du produit des fréquences alléliques de chaque locus. Synonyme : déséquilibre de liaison. Contraire de : équilibre gamétique.Dominance : qualificatif de l’effet d'un allèle, dont une copie suffit à l'expression du phénotype* approprié. L’allèle A est dominant sur l’allèle a si l’hétérozygote* Aa a le même phénotype* que l’homozygote AA.EST : Expressed Sequence Tag : séquences étiquettes (partielles) de transcrit, obtenues par séquençage aléatoire d’ARN.Evaluation génomique : évaluation de la valeur génétique d’individus d’après leurs génotypes pour un ensemble de loci distribués sur le génome, d’après des équations établies à partir des performances d’individus de référencephénotypés et génotypés.Expression génique : études visant à estimer le niveau de production (expression) des gènes en fonction d’états physiologiques ou de tissus différents.Exon : fraction de la partie codante d’un gène eucaryote. Les gènes des organismes eucaryotes sont le plus souvent fractionnés en plusieurs séquences d’ADN dans le génome, les exons, séparés entre eux par d’autres séquences (introns*).FISH : Fluorescent In Situ Hybridisation. Hybridation de sondes d’ADN marquées à l’aide d’un fluorochrome, sur des chromosomes au stade métaphase de la mitose. Permet la réalisation de la carte cytogénétique.Fingerprinting : technique permettant d’estimer très grossièrement la similarité entre des séquences d’ADN sans les séquencer, par la comparaison des longueurs de bandes produites par des enzymes de restriction coupant l’ADN à des sites précis.Fosmide : vecteur de clonage permettant l’obtention de clones bactériens contenant des fragment d’ADN génomique de taille déterminée et égale à 40 kb*.FPC : FingerPrint Contig* ; contig* de clones (généralement des BAC*) ordonnés par la technique du fingerprinting, afin d’obtenir une carte physique du génome.Génotype 1 : constitution génétique d'un individu. 2. Combinaison allélique* à un locus particulier, ex: Aa ou aa.Haplotype : combinaison allélique spécifique pour des loci appartenant à un fragment de chromosome défini.Héritabilité au sens strict : proportion de la variance phénotypique due à la variabilité des valeurs génétiques = proportion de la variance phénotypique due à la variance génétique additive.Hétérozygote : individu ayant des allèles non identiques pour un locus* particulier ou pour plusieurs loci. Cette condition définit l’ «hétérozygotie». Contraire de: homozygote.Homologues : séquences similaires en raison d’une origine évolutive commune.Hybride irradié : cellule hybride obtenue par fusion entre cellules hôte d’une espèce et donneuse d’une autre espèce, contenant une fraction aléatoire du génome de l’espèce donneuse, après cassures par irradiation, reconstitution aléatoire de chromosomes ou insertion dans des chromosomes de la cellule hôte et rétention partielle. Deux séquences proches sur le génome sont en probabilité dans les mêmes clones RH*, tandis que deux séquences distantes ont une probabilité faible d’être conservées ensemble.IBD : pour identity by descent. Identité entre deux chromosomes (ou parties de chromosomes), liée à leur descendance d’un même chromosome ancestral.Indel : Insertion – deletion ; polymorphisme de présence ou absence d’un ou plusieurs nucléotides.Intron : séquence non-codante dans les gènes, séparant les exons, qui codent pour une protéine.Kb : kilobase ; séquence de mille paires de bases (pb*).Locus (pl. : loci) : Site sur un chromosome. Par extension, emplacement d’un gène ou d’un marqueur génétique sur un chromosome.Marqueur génétique : séquence d'ADN dont le polymorphisme est employé pour identifier un emplacement particulier (locus) sur un chromosome particulier.Mate-pair : séquences appariées (1 à 10 kb* de distance), produites en circularisant les fragments d’ADN, puis par séquençage à travers le point de jointure.Mb : mégabase ; séquence d’un million de paires de bases (pb*) de longueur.Orthologues : séquences homologues* entre deux espèces.Paired-end : séquences appariées produites par la lecture des deux extrémités de courts fragments d’ADN (moins de 500 pb*) dans le cas des nouvelles technologies de séquençage.Paralogues : séquences homologues* résultat de la duplication d’une séquence ancestrale dans le génome. Il s’agit de deux (ou plus) séquences similaires par homologie dans un même génome.Pb : paire de base ; unité de séquence d’ADN, représentée par une base et sa complémentaire-inverse sur l’autre brin.Phénotype : caractère observable d'un individu résultant des effets conjugués du génotype et du milieu.Phylogénomique : utilise les méthodes de la génomique et de la phylogénie. Par la comparaison de génomes entiers, permet de mettre en évidence des pertes et gains de gènes dans les génomes, ainsi que leur variabilité moléculaire, afin (entre autres buts) d’aider à prédire leur fonctions.Plasmide : vecteur de clonage permettant l’obtention de clones bactériens contenant des fragment d’ADN génomique de taille allant de 500 pb* à 10 kb* environ.Polymorphisme d'ADN : existence de deux ou de plusieurs allèles* alternatifs à un locus.Puce à ADN ou puce pangénomique : Système permettant pour un individu le génotypage simultané de très nombreux marqueurs génétiques (de quelques milliers à quelques centaines de milliers).QTL : abréviation de locus à effets quantitatifs (de l’anglais Quantitative Trait Locus).Récessivité : qualificatif de l’effet d'un allèle, où l'homozygotie* est nécessaire pour l'expression du phénotype* approprié. opposé de : dominance*.RH : Radiation Hybrid (hybride irradié*)Sanger (méthode de) : méthode de séquençage publiée en 1977 (Sanger et al 1977) et encore utilisée de nos jours avec les séquenceurs à électrophorèse capillaire.Scaffold : ensemble de contigs* de séquence reliés entre eux par des informations apportées par des lectures appariées (mate-pairs* ou paired-ends*).Sélection assistée par marqueurs (abréviation : SAM) : utilisation d’un jeu restreint de marqueurs de l'ADN pour améliorer la réponse à la sélection dans une population : les marqueurs sont choisis comme étroitement liés à un ou plusieurs loci cibles, qui sont souvent des loci à effets quantitatifs ou QTL*.SNP : polymorphisme d'un seul nucléotide à une position particulière de la séquence d’ADN (abréviation de l’anglais Single Nucleotide Polymorphism).Supercontig : nom alternatif pour les scaffolds*.WGS : Whole Genome Shotgun ; production de lectures de séquence d’un génome entier de manière aléatoire.

Ce numéro de la revue INRA Productions Animales contient un dossier consacré aux dernières avancées de la recherche sur le foie gras. En effet, la démocratisation de la consommation de ce produit haut de gamme a été permise notamment par les efforts de recherche et développement sur l’élevage des palmipèdes à foie gras et la maîtrise de la qualité du produit. Ce dossier est l’occasion de faire en préalable quelques rappels sur cette belle histoire ! Un peu d’histoire La pratique du gavage est une tradition très ancienne, originaire d’Egypte, dont les traces remontent à 2 500 avant JC. Elle avait pour objectif d’exploiter la capacité de certains oiseaux à constituer des réserves énergétiques importantes en un temps court pour disposer d’un aliment très riche. Si les basreliefs datant de l’ancien empire égyptien attestent de la pratique du gavage, il n’existe pas de preuves que les égyptiens consommaient le foie gras ou s’ils recherchaient la viande et la graisse. Ces preuves sont apparues pour la première fois dans l’empire romain. Les romains gavaient les animaux avec des figues et pour eux le foie constituait le morceau de choix. Le nom de jecur ficatum, signifiant « foie d’un animal gavé aux figues », est ainsi à l’origine du mot foie en français. La production de foie gras s’est développée dans le Sud-ouest et l’Est de la France aux XVIIe et XVIIIe siècles avec le développement de la culture du maïs. Le foie gras est aujourd’hui un met inscrit au patrimoine culturel et gastronomique français (article L. 654-27-1 du code rural défini par la Loi d’Orientation Agricole de 2006). Le contexte de la production de foie gras Avec près de 72% de la production mondiale en 2012, la France détient le quasi monopole de la production de foie gras. Les autres pays ayant des productions significatives sont la Hongrie et la Bulgarie en Europe Centrale, avec environ 10% pour chacun de ces pays, mais aussi l’Espagne avec 3% de la production. L’Amérique du nord et la Chine représentent les deux autres pôles de production les plus significatifs, mais avec moins de 2% du marché. La production française a connu un essor considérable, sans doute le plus important de toutes les productions agricoles, passant de 5 880 tonnes en 1990 à plus de 19 000 tonnes en 2012. A l’origine, le foie gras était principalement obtenu par gavage des oies, longtemps considérées comme l’animal emblématique de cette production. Aujourd’hui, le canard mulard, hybride d’un mâle de Barbarie (Cairina Moschata) et d’une cane commune (Anas Platyrhynchos), est plus prisé (97% des palmipèdes gavés en France). En France, l’oie a vu de ce fait sa part relative pour la production de foie gras diminuer, et c’est la Hongrie qui contrôle 65% de la production mondiale de foie gras d’oie. Toutefois, cette espèce ne représente que 10% de la production mondiale. La France est également le principal pays consommateur de foie gras avec 71% du total, l’Espagne se classant au second rang avec environ 10%. Compte tenu de son image de produit de luxe et d’exception, le foie gras est consommé un peu partout dans le monde lors des repas de haute gastronomie. Les grandes avancées de connaissance et l’évolution des pratiques d’élevage L’amélioration des connaissances sur la biologie et l’élevage des palmipèdes à foie gras a permis de rationnaliser les pratiques d’élevage et d’améliorer la qualité du produit. Plusieurs laboratoires de recherche et structures expérimentales, ayant leurs installations propres et/ou intervenant sur le terrain, ont contribué à l’acquisition de ces connaissances : l’INRA avec l’Unité Expérimentale des Palmipèdes à Foie Gras, l’UMR Tandem, le Laboratoire de Génétique Cellulaire, la Station d’Amélioration Génétique des Animaux et l’UR Avicoles, l’Institut Technique de l’AVIculture, la Ferme de l’Oie, le Centre d’Etudes des Palmipèdes du Sud Ouest, le LEGTA de Périgueux, l’ENSA Toulouse, l’ENITA Bordeaux et l’AGPM/ADAESO qui a mis fin en 2004 à ses activités sur les palmipèdes à foie gras. Aujourd’hui ces structures fédèrent leurs activités dans un but de rationalité et d’efficacité. Les avancées des connaissances et leur transfert dans la pratique, associés à une forte demande du marché, sont à l’origine de l’explosion des volumes de foie gras produits. Ainsi, la maîtrise de la reproduction couplée au développement de l’insémination artificielle de la cane commune et à la sélection génétique (Rouvier 1992, Sellier et al 1995) ont permis la production à grande échelle du canard mulard adapté à la production de foie gras. En effet, ses géniteurs, le mâle de Barbarie et la femelle Pékin, ont fait l’objet de sélections spécifiques basées sur l’aptitude au gavage et la production de foie gras de leurs descendants. La connaissance des besoins nutritionnels des animaux et le développement de stratégies d’alimentation préparant les animaux à la phase de gavage ont également été des critères déterminants pour la rationalisation d’un système d’élevage (Robin et al 2004, Bernadet 2008, Arroyo et al 2012). La filière s’est par ailleurs structurée en une interprofession (le Comité Interprofessionnel du Foie Gras - CIFOG) qui soutient financièrement des travaux de recherches et conduit des actions (organisation de salons du foie gras par exemple) visant à rendre accessibles toutes les avancées de la filière. Ainsi, l’amélioration du matériel d’élevage (gaveuse hydraulique et logement de gavage) a engendré des gains de productivité considérables (Guy et al 1994). Par exemple, en 20 ans, la taille d’une bande de gavage est passée de deux cents à mille individus. Enfin, la construction de salles de gavage, dont l’ambiance est parfaitement contrôlée autorise désormais la pratique du gavage en toute saison. Des études ont aussi permis de déterminer l’influence des conditions d’abattage et de réfrigération sur la qualité des foies gras (Rousselot-Pailley et al 1994). L’ensemble de ces facteurs a contribué à ce que les possibilités de production soient en cohérence avec la demande liée à un engouement grandissant pour le foie gras. Les pratiques d’élevage actuelles Aujourd’hui, le cycle de production d’un palmipède destiné à la production de foie gras comporte deux phases successives : la phase d’élevage, la plus longue dans la vie de l’animal (11 à 12 semaines chez le canard ou 14 semaines chez l’oie) et la phase de gavage, d’une durée très courte (10 à 12 jours chez le canard ou 14 à 18 jours chez l’oie). La phase d’élevage se décompose elle même en trois étapes (Arroyo et al 2012). Pendant la phase de démarrage (de 1 à 4 semaines d’âge) les animaux sont généralement élevés en bâtiment clos chauffé et reçoivent à volonté une alimentation granulée. Pendant la phase de croissance (de 4 à 9 semaines d’âge), les animaux ont accès à un parcours extérieur. Ils sont nourris à volonté avec un aliment composé de céréales à 75% sous forme de granulés. La dernière phase d’élevage est consacrée à la préparation au gavage (d’une durée de 2 à 5 semaines) grâce à la mise en place d’une alimentation par repas (220 à 400 g/j). Son objectif est d’augmenter le volume du jabot et de démarrer le processus de stéatose hépatique. Pendant la phase de gavage les animaux reçoivent deux (pour le canard) à quatre (pour l’oie) repas par jour d’une pâtée composée à 98% de maïs et d’eau. Le maïs est présenté soit sous forme de farine (productions de type standard), soit sous forme d’un mélange de graines entières et de farine, soit encore sous forme de grains modérément cuits (productions traditionnelles ou labellisées). En France, on distingue deux types d’exploitations. Dans les exploitations dites en filière longue et de grande taille (au nombre de 3 000 en France), les éleveurs sont spécialisés dans une des phases de la production : éleveurs de palmipèdes dits « prêt-à-gaver », gaveurs ou éleveurs-gaveurs. Ce type de production standard est sous contrôle d’un groupe ou d’une coopérative qui se charge des opérations ultérieures (abattage, transformation, commercialisation ou diffusion dans des espaces de vente à grande échelle). Il existe également des exploitations en filière courte qui produisent les animaux, transforment les produits et les commercialisent directement à la ferme et qui sont généralement de plus petite taille. Ces exploitations « fermières » ne concernent qu’une petite part de la production (10 à 15%), mais jouent un rôle important pour l’image de production traditionnelle de luxe qu’elles véhiculent auprès des consommateurs. Pourquoi un dossier sur les palmipèdes à foie gras ? Au-delà des synthèses publiées précédemment dans INRA Productions Animales, il nous a semblé intéressant de rassembler et de présenter dans un même dossier les avancées récentes concernant la connaissance de l’animal (articles de Vignal et al sur le séquençage du génome du canard et de Baéza et al sur les mécanismes de la stéatose hépatique), du produit (articles de Théron et al sur le déterminisme de la fonte lipidique du foie gras à la cuisson et de Baéza et al sur la qualité de la viande et des carcasses), ainsi que les pistes de travail pour concevoir des systèmes d’élevage innovants plus durables (article de Arroyo et al). L’actualité et les enjeux pour demain La filière est soumise à de nombreux enjeux sociétaux qui demandent de poursuivre les efforts de recherche. En effet, pour conserver son leadership mondial elle doit rester compétitive et donc maîtriser ses coûts de production tout en répondant à des attentes sociétales et environnementales spécifiques telles que la préservation de la qualité des produits, le respect du bien-être animal ou la gestion économe des ressources. Ainsi, la production de foie gras est parfois décriée eu égard à une possible atteinte au bien-être des palmipèdes pendant l’acte de gavage. De nombreux travaux ont permis de relativiser l’impact du gavage sur des oiseaux qui présentent des prédispositions à ce type de production : la totale réversibilité de l’hypertrophie des cellules hépatiques (Babilé et al 1998) ; l’anatomie et la physiologie des animaux de même que l’absence de mise en évidence d’une élévation du taux de corticostérone (considéré comme marqueur d’un stress aigu) après l’acte de gavage (Guéméné et al 2007) et plus récemment la mise en évidence de l’aptitude à un engraissement spontané du foie (Guy et al 2013). Le conseil de l’Europe a toutefois émis des recommandations concernant le logement des animaux qui préconisent, la disparition des cages individuelles de contention des canards pendant le gavage au profit des cages collectives. Par ailleurs, il recommande la poursuite de nouvelles recherches pour développer des méthodes alternatives au gavage. Parallèlement, à l’instar des autres filières de productions animales, la filière foie gras doit aussi maîtriser ses impacts environnementaux (voir aussi l’article d’Arroyo et al). Les pistes de recherches concernent prioritairement la maîtrise de l’alimentation, la gestion des effluents et des parcours d’élevage. Il reste donc de grands défis à relever pour la filière foie gras afin de continuer à proposer un produitqui conjugue plaisir et durabilité.Bonne lecture à tous !

A la question «Qui de l’oeuf ou de la poule est né le premier ?» Silésius répondait «l’oeuf est dans la poule et la poule dans l’oeuf» soulignant sa dualité, le passage du deux en un. Dans l’imagerie populaire, l’oeuf reflète le tout et son contraire, fragilité, protection, épargne, abondance (être «plein comme un oeuf»), richesse («avoir pondu ses oeufs»), éternité (le Phénix est né de l’oeuf) mais aussi mort et destruction («casser ses oeufs» se dit d’une fausse couche). Dans la mythologie de nombreuses civilisations, l’oeuf est le symbole de la naissance du monde (Apollon, le dieu grec de la lumière est né de l’oeuf). L’oeuf décoré apparu 3000 ans avant J.-C. en Ukraine fête, au printemps, le retour de la fécondité de la nature ; l’oeuf de Pâques la résurrection du Christ. L’oeuf est un tout à condition d’en sortir ! Fragile cependant car selon La Fontaine briser l’oeuf de la poule aux oeufs d’or (par curiosité) rompt l’effet magique (Auer et Streff 1999). Pour l’Homme, l’oeuf séduit pour sa valeur nutritionnelle, sa diversité d’utilisation en cuisine et son prix modique. Il en existe une grande diversité, de l’oeuf de Colibri (0,5 g) à l’oeuf de l’Aepyornis (8 litres soit l’équivalent de 150 oeufs), un oiseau de Madagascar (500 kg) disparu au 18ème siècle. Mais l’Homme ne consomme que l’oeuf de caille, de poule ou de cane. L’ère moderne a considérablement intensifié la production de ces deux dernières espèces car les poules saisonnées, qui étaient élevées avec soin par la fermière, ont plus que doublé leur production en 60 ans (de 120 oeufs par an dans les années 50 à plus de 300 aujourd’hui). Cette révolution technique résulte des efforts conjugués de la sélection génétique, d’une alimentation raisonnée répondant aux besoins nutritionnels, d’une évolution du système de production (apparition des cages) et d’une meilleure connaissance de la pathologie aviaire. Qu’en est-il du contrôle de la qualité nutritionnelle, organoleptique, technologique et hygiénique de l’oeuf ? L’oeuf est la plus large cellule reproductrice en biologie animale. Il assure dans un milieu externe le développement et la protection d’un embryon dans une enceinte fermée matérialisée par la coquille. Aussi, une de ses particularités est la diversité de ses constituants, de leur parfait équilibre nutritionnel et leur forte digestibilité, qui assure la croissance d’un être vivant. Ces caractéristiques sont à l’origine de la qualité nutritionnelle exceptionnelle de l’oeuf pour l’Homme. Une autre particularité est la présence d’une protection physique, la coquille mais, aussi d’un système complexe de défenses chimiques. Aussi, ce produit est-il remarquable de par son aptitude à engendrer la vie et pour l’oeuf de table à se conserver. Outre les éléments nutritifs, on y trouve de multiples molécules participant au développement et à la protection de l’embryon (molécules antibactériennes, antivirales, antioxydantes). Certaines d’entre elles, comme par exemple le lysozyme de blanc d’oeuf, sont partiellement valorisées par différents secteurs industriels (agroalimentaire, cosmétique, santé animale/humaine). La révélation récente d’un grand nombre de nouveaux constituants de l’oeuf, suite au séquençage génomique de la poule et au développement de la biologie intégrative, a conforté l’existence d‘activités antimicrobiennes, anti-adhésives, immuno-modulatrices, hypertensives, anticancéreuses, antiinflammatoires ou cryoprotectrices, prometteuses en médecine humaine et devrait à terme enrichir le potentiel d’utilisation de ce produit en agroalimentaire et en santé. L’objet de ce numéro spécial d’INRA Productions Animales est de rassembler les principales informations qui ont contribué au développement économique récent de ce produit, de rappeler les efforts en génétique, élevage et nutrition qui ont assuré des progrès quantitatifs et qualitatifs remarquables de la production et de la qualité des oeufs au cours des trente dernières années. Les poules élevées à l’origine par la femme pour un usage domestique se comptent aujourd’hui par milliers dans les élevages. Quelle sera la durabilité de ce système d’élevage dans un contexte socio-économique européen remettant en cause en 2012 le système éprouvé de production conventionnel d’oeufs en cage pour des cages aménagées ou des systèmes alternatifs avec ou sans parcours ? Notre objectif est d’analyser les facteurs qui contribueront à son maintien, notamment le contrôle de la qualité de l’oeuf. Il est aussi de décrire l’évolution spectaculaire des connaissances sur ce produit liée au développement des techniques à haut débit et des outils d’analyse des séquences moléculaires. Il permettra enfin d’actualiser les atouts de ce produit. Ce numéro est complémentaire d’un ouvrage plus exhaustif sur la production et la qualité de l’oeuf (Nau et al 2010). Le premier article de P. Magdelaine souligne la croissance considérable en 20 ans de la production d’oeufs dans les pays d’Asie et d’Amérique du Sud (× 4 pour la Chine, × 2 en Inde et au Mexique). En revanche, les pays très développés notamment européens à forte consommation (> 150 oeufs/hab) ont stabilisé leur production malgré une évolution importante de la part des ovoproduits mais aussi de leurs systèmes de production. La consommation des protéines animales entre pays est tout aussi hétérogène puisque le ratio protéines de l’oeuf / protéines du lait varie de 0,4 au USA, à 0,9 en France et 2,7 en Chine ! Le doublement de la production mondiale d’oeufs en 20 ans n’a été possible que grâce à des progrès techniques considérables. La sélection génétique a renforcé les gains de productivité (+ 40 oeufs pour une année de production et réduction de l’indice de consommation de 15% en 20 ans !). L’article de C. Beaumont et al décrit cette évolution, la prise en compte croissante de nouveaux critères de qualité technologique, nutritionnelle ou sanitaire. Ces auteurs soulignent les apports des nouvelles technologies, marqueurs moléculaires et cartes génétiques sur les méthodes de sélection. Ils dressent un bilan actualisé des apports et du potentiel de cette évolution récente en sélection. Le séquençage génomique et le développement de la génomique fonctionnelle est aussi à l’origine d’une vraie révolution des connaissances sur les constituants de l’oeuf comme le démontre l’article de J. Gautron et al. Le nombre de protéines identifiées dans l’oeuf a été multiplié par plus de dix fois et devrait dans un avenir proche permettre la caractérisation fonctionnelle de nombreuses molécules. Il donne aussi de nouveaux moyens pour prospecter les mécanismes d’élaboration de ce produit. Un exemple de l’apport de ces nouvelles technologies est illustré par l’article de Y. Nys et al sur les propriétés et la formation de la coquille. Des progrès considérables sur la compréhension de l’élaboration de cette structure minérale sophistiquée ont été réalisés suite à l’identification des constituants organiques de la coquille puis de l’analyse de leur fonction potentielle élucidée grâce à la disponibilité des séquences des gènes et protéines associés. La mise en place de collaborations internationales associant de nombreuses disciplines, (microscopie électronique, biochimie, cristallographie, mécanique des matériaux) a démontré le rôle de ces protéines dans le processus de minéralisation et du contrôle de la texture de la coquille et de ses propriétés mécaniques. Cette progression des connaissances a permis de mieux comprendre l’origine de la dégradation de la solidité de la coquille observée chez les poules en fin d’année de production. La physiologie de la poule est responsable d’évolution importante de la qualité de l’oeuf. Aussi, l’article de A. Travel et al rappelle l’importance d’effets négatifs de l’âge de la poule contre lequel nous disposons de peu de moyens. Cet article résume également les principales données, souvent anciennes, concernant l’influence importante des programmes lumineux ou de la mue pour améliorer la qualité de l’oeuf. Enfin, il souligne l’importance de l’exposition des poules à de hautes températures ambiantes sur leur physiologie et la qualité de l’oeuf. Le troisième facteur indispensable à l’expression du potentiel génétique des poules, et déterminant de la qualité technologique et nutritionnelle de l’oeuf, est la nutrition de la poule. Elle représente plus de 60% du coût de production. L’article de I. Bouvarel et al fait le point sur l’influence de la concentration énergétique de l’aliment, de l’apport en protéines et acides aminés, acides gras et minéraux sur le poids de l’oeuf, la proportion de blanc et de jaune ou sa composition notamment pour obtenir des oeufs enrichis en nutriments d’intérêt en nutrition humaine. Cependant, la préoccupation principale des éleveurs depuis une dizaine d’année est la mise en place en 2012 de nouveaux systèmes de production d’oeufs pour assurer une meilleure prise en compte du bien-être animal. L’article de S. Mallet et al traite de l’impact des systèmes alternatifs sur la qualité hygiénique de l’oeuf. Ces auteurs concluent positivement sur l’introduction de ces nouveaux systèmes pour la qualité hygiénique de l’oeuf une fois que les difficultés associées aux méconnaissances d’un nouveau système de production seront résolues. La qualité sanitaire de l’oeuf est la préoccupation majeure des consommateurs et un accident sanitaire a des conséquences considérables sur la consommation d’oeufs. L’article de F. Baron et S. Jan résume d’une manière exhaustive l’ensemble des éléments déterminants de la qualité microbiologique de l’oeuf et des ovoproduits : mode de contamination, développement des bactéries dans les compartiments de l’oeuf, défenses chimiques du blanc et moyens pour contrôler la contamination des oeufs et des ovoproduits. Le consommateur ne souhaite pas, à juste titre, ingérer d’éventuels contaminants chimiques présents dans ses aliments. L’article de C. Jondreville et al analyse ce risque associé à la consommation des oeufs. Il est exceptionnel de détecter la présence de polluants organiques au seuil toléré par la législation. Les auteurs insistent notamment sur l’importance de contrôler la consommation par les animaux élevés en plein air de sols qui peuvent être une source de contaminants. Une caractéristique de l’évolution de la production d’oeufs est le développement des ovoproduits qui répondent parfaitement à l’usage et à la sécurité sanitaire exigée en restauration collective. L’article de M. Anton et al décrit le processus d’obtention et l’intérêt des fractions d’oeufs du fait de leurs propriétés technologiques (pouvoirs moussant, foisonnant, gélifiant ou émulsifiant). Les différents processus de séparation, de décontamination et de stabilisation sont analysés pour leur effet sur la qualité du produit final. Enfin le dernier article de ce numéro spécial de F. Nau et al se devait d’aborder la principale qualité de l’oeuf qui conditionne son usage : la qualité nutritionnelle de ce produit pour l’Homme. Cet article actualise l’information dans ce domaine et fait le point sur les atouts nutritionnels en tentant de corriger de fausses idées. L’oeuf présente un intérêt nutritionnel du fait de la diversité et l’équilibre de ces constituants pour l’Homme mais mériterait plus d’études pour mieux évaluer son potentiel réel. En conclusion, l’oeuf est la source de protéines animales ayant la meilleure valeur nutritionnelle, la moins chère, facile d’emploi et possédant de nombreuses propriétés techno-fonctionnelles valorisées en cuisine. Dans les pays développés, l’oeuf a souffert jusqu’à aujourd’hui d’une image entachée par plusieurs éléments négatifs aux yeux des consommateurs : sa richesse en cholestérol, le risque sanitaire associé à sa consommation sous forme crue ou son système de production en cage. L’évolution des connaissances sur le risque cardio-vasculaire, les progrès réalisés sur le contrôle sanitaire des Salmonelloses en Europe et la modification radicale des systèmes de production d’oeufs devraient modifier positivement son image. La consommation de protéines de l’oeuf a augmenté de plus de 25% en 20 ans (2,53 g/personne/j vs 4,3 g pour le lait en 2005) et poursuivra sa croissance rapide notamment dans les pays en développementoù sa consommation par habitant reste faible. Cette évolution considérable de la production de ce produit devrait être mieux intégrée dans les formations des écoles spécialisées en productions animales. L’oeuf restera dans l’avenir une des sources de protéines animales dominantes et l’acquisition de connaissances sur la fonction des nombreux constituants récemment mis à jour devait renforcer son intérêt pour la santé de l’Homme. Je ne voudrais pas terminer cette préface sans remercier au nom des auteurs, Jean-Marc Perez, le responsable de la revue INRA Productions Animales, d’avoir pris l'initiative de la publication de ce numéro spécial dédié à l'oeuf et d’avoir amélioré par plusieurs lectures attentives la qualité finale des textes. Je voudrais aussi adresser mes remerciements à sa collaboratrice Danièle Caste pour le soin apporté dans la finition de ce document. Enfin, je n'oublie pas le travail d'évaluation critique des projets d'article par les différents lecteursarbitres que je tiens à remercier ici collectivement. Auer M., Streff J., 1999. Histoires d’oeufs. Idées et Calendes, Neuchatel, Suisse, 261p.Nau F., Guérin-Dubiard C., Baron F., Thapon J.L., 2010. Science et technologie de l’oeuf et des ovoproduits, Editions Tec et Doc Lavoisier, Paris, France, vol 1, 361p., vol 2, 552p.

Aeromonas salmonicida ssp. salmonicida est un agent pathogène aquatique causant la furonculose chez les salmonidés, particulièrement les poissons d’élevage. L'antibiothérapie est la méthode couramment utilisée pour traiter cette maladie dans le monde entier. Toutefois, son efficacité est menacée par l’apparition de souches résistantes, voire multirésistantes, aux antibiotiques. L’étude de ces souches bactériennes devient donc nécessaire afin d’identifier les éléments génétiques responsables de ces résistances et comprendre comment ils contribuent à la propagation de l’antibiorésistance. C’est dans cette démarche que se positionne la présente étude qui a pour objectif de caractériser de nouveaux éléments génétiques porteurs de résistances aux antibiotiques chez A. salmonicida ssp. salmonicida à l’aide du séquençage à longues lectures. Plus spécifiquement, au centre de ce projet se trouve la souche SHY16-3432 dont l’étude a permis d’identifier trois nouveaux variants de plasmides nommés pAsa9b, pAsa5-3432 et pRAS3-3432, où ces deux derniers confèrent les résistances aux antibiotiques observées. L’analyse des séquences de ces trois variants a révélé qu’ils se distinguent tous de leur contrepartie classique par leur contenu en éléments génétiques mobiles. Le plasmide pAsa5-3432 possède une nouvelle région de multirésistances composée de plusieurs éléments génétiques mobiles. Celle-ci semble avoir été acquise à la suite d’une recombinaison entre deux plasmides. De son côté, pRAS3-3432 porte un nouvel élément inséré qui a uniquement été identifié chez l’agent pathogène porcin Chlamydia suis. Quant à pAsa9b, il se différencie du plasmide de référence par l’absence d’une séquence d’insertion. Ces découvertes soulignent ainsi l’importance des éléments mobiles sur la plasticité génomique d’A. salmonicida ssp. salmonicida ainsi que sa grande capacité d’interactions avec d’autres bactéries incluant des agents pathogènes animaux. En outre, les données obtenues dans ce projet suggèrent qu’il est nécessaire d’utiliser le séquençage à lectures longues pour caractériser complètement le génome de bactéries au plasmidome complexe comme A. salmonicida ssp. salmonicida.
Aeromonas salmonicida subsp. salmonicida is an aquatic pathogen that causes furunculosis to salmonids, especially in fish farms. Antibiotherapy is a common method used to treat this worldwide disease. Unfortunately, its effectiveness is becoming limited due to the presence of drug-resistant strains and even multidrug-resistance strains of the bacterium. The study of these bacterial strains becomes necessary in order to identify the genetic elements responsible for this resistance and to understand how they contribute to the spread of antibiotic resistance. In this study, we focused on the A. salmonicida subsp. salmonicida strain SHY16-3432 to characterize novel genetic elements conferring resistance to antibiotics using long-read sequencing technologies. It allowed us to identify three novel plasmid variants named pAsa9b, pAsa5-3432 and pRAS3-3432, the latter two being responsible for the observed antibiotic resistance. The sequence analysis of these three variants revealed that they all differ from their classical counterparts through the presence or absence of mobile genetic elements. The plasmid pAsa5-3432 carries a new multi-drug resistance region composed of numerous mobile genetics elements that appears to have been acquired through plasmid recombination. As for pRAS3-3432, it contains a new inserted element that has only been reported in the swine pathogen Chlamydia suis. Lastly, the only variation between pAsa9b and the reference plasmid is the absence of an insertion sequence in pAsa9b. Overall, these discoveries highlight the significant implication of mobile genetics elements in the genomic plasticity of A. salmonicida subsp. salmonicida and suggest that this aquatic bacterium has a high capacity to interact with other bacteria, including animal pathogens. Furthermore, the data obtained suggest that the use of long-read sequencing technologies is required to fully decipher the genome of bacteria possessing complex plasmid repertoire, such as A. salmonicida subsp. salmonicida.

Les éléments transposables (TEs) sont des séquences d'ADN répétitives avec la capacité intrinsèque de se déplacer et de s’amplifier dans les génomes. La transposition active des TEs est liée à la formation d'ADN circulaire extrachromosomique (ADNecc). Cependant, le paysage complet de ce compartiment d’ADNecc ainsi que ces interactions avec le génome n’étaient pas bien définies. De plus, il n’existait au début de ma thèse aucun outil bioinformatique permettant d'identifier les ADNecc à partir de données de séquençage en lectures longues. Pour répondre à ces questions au cours de mon doctorat, nous avons tout d'abord développé un outil, appelé ecc_finder, pour automatiser la détection d'eccDNA à partir de séquences en lectures longues et optimisé la détection à partir de séquences de lecture courte pour caractériser la mobilité des TE. En appliquant ecc_finder aux données eccDNA-seq d'Arabidopsis, de l'homme et du blé (avec des tailles de génome allant de 120 Mb à 17 Gb), nous avons documenté l'applicabilité étendue d'ecc_finder ainsi que l’optimisation du temps de calcul, de la sensibilité et de la précision.Dans le deuxième projet, nous avons développé un outil de méta-assemblage appelé SASAR pour réconcilier les résultats de différents assemblages de génomes à partir de données de séquençage en lectures longues. Pour différentes espèces de plantes, SASAR a obtenu des assemblages de génome de haute qualité en un temps efficace et a résolu les variations structurales causées par les TE.Dans le dernier projet, nous avons utilisé le génome assemblé par SASAR et l'ADNecc détecté par ecc_finder pour caractériser les interactions entre les ADNecc et le génome. Dans les mutants épigénétiques hypométhylés d’Arabidopsis, nous avons mis en évidence le rôle de l'épigénome dans la protection de la stabilité du génome non seulement contre la mobilité des TE mais aussi envers les réarrangements génomiques et le chimérisme des gènes. Globalement, nos découvertes sur l'ADNecc, l'assemblage du génome et leurs interactions, ainsi que le développement d'outils, offrent de nouvelles perspectives pour comprendre le rôle des TE dans l'évolution adaptative des plantes à un changement rapide de l’environnement
Transposable elements (TEs) are repetitive DNA sequences with the intrinsic ability to move and amplify in genomes. Active transposition of TEs is linked to the formation of extrachromosomal circular DNA (eccDNA). However, the complete landscape of this eccDNA compartment and its interactions with the genome were not well defined. In addition, at the beginning of my thesis, there were no bioinformatics tools available to identify eccDNAs from long-read sequencing data.To address these questions during my PhD, we first developed a tool, called ecc_finder, to automate eccDNA detection from long-read sequencing and optimized detection from short-read sequences to characterize TE mobility. By applying ecc_finder to Arabidopsis, human and wheat eccDNA-seq data (with genome sizes ranging from 120 Mb to 17 Gb), we documented the broad applicability of ecc_finder as well as optimization of computational time, sensitivity and accuracy.In the second project, we developed a meta-assembly tool called SASAR to reconcile the results of different genome assemblies from long-read sequencing data. For different plant species, SASAR obtained high quality genome assemblies in an efficient time and resolved structural variations caused by TEs.In the last project, we used SASAR-assembled genome and ecc_finder-detected eccDNA to characterize eccDNA-genome interactions. In Arabidopsis hypomethylated epigenetic mutants, we highlighted the role of the epigenome in protecting genome stability not only from TE mobility but also from genomic rearrangements and gene chimerism. Overall, our findings on eccDNA, genome assembly and their interactions, as well as the development of tools, offer new insights into the role of TEs in the adaptive evolution of plants to rapid environmental change

Ces dernières années, l’émergence des approches en cellules uniques (scRNA-seq) a favorisé la caractérisation de l’hétérogénéité cellulaire avec une précision inégalée. Malgré leur démocratisation, l’analyse de ces données reste complexe, en particulier pour les organismes dont les annotations sont incomplètes. Au cours ma thèse, j’ai observé que les annotations génomiques du poulet sont lacunaires, ce qui engendre la perte d’un grand nombre de lectures de séquençage. J’ai évalué à quel point une annotation améliorée affecte les résultats biologiques et les conclusions issues de ces analyses. Nous proposons une nouvelle approche basée sur la ré-annotation du génome à partir de données scRNA-seq et de RNA-seq bulk en lectures longues. Ce projet de biologie computationnelle s’appuie sur une étroite collaboration avec l’équipe expérimentale de Xavier Morin (IBENS). Le principal objectif biologique est la recherche de signatures de mode de division symétrique et asymétrique au sein de progéniteurs neuronaux. Afin d’identifier les principaux changements transcriptionnels, j’ai mis en place des approches dédiées à la recherche de signatures géniques à partir de données scRNA-seq
In recent years, single-cell RNA-seq (scRNA-seq) has fostered the characterization of cell heterogeneity at a remarkable high resolution. Despite their democratization, the analysis of scRNA-seq remains a challenge, particularly for organisms whose genomic annotations are partial. During my PhD, I observed that the chick genomic annotations are often incomplete, thus resulting in a loss of a large number of sequencing reads. I investigated how an enriched annotation affects the biological results and conclusions from these analyses. We developed a novel approach based on the re-annotation of the genome with scRNA-seq data and long reads bulk RNA-seq. This computational biology project capitalises on a tight collaboration with the experimental team of Xavier Morin (IBENS). The main biological focus is the search for signatures of symmetric versus asymmetric division mode in neural progenitors. In order to identify the key transcriptional switches that occur during the neurogenic transition, I have implemented bioanalysis approaches dedicated to the search for gene signatures from scRNA-seq data

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

Depuis leur émergence autour de 2006, les technologies de séquençage haut débit ont révolutionné la recherche biologique et médicale. Obtenir instantanément une grande quantité de courtes ou longues lectures de presque tout échantillon biologique permet de détecter des variantes génomiques, révéler la composition en espèces d’un métagénome, déchiffrer la biologie du cancer, décoder l'évolution d’espèces vivantes ou disparues, ou mieux comprendre les schémas de la migration humaine et l'histoire humaine en général. La vitesse à laquelle augmente le débit des technologies de séquençage dépasse la croissance des capacités de calcul et de stockage, ce qui crée de nouveaux défis informatiques dans le traitement de données de séquençage haut débit. Dans cette thèse, nous présentons de nouvelles techniques informatiques pour la localisation (mapping) de lectures dans un génome de référence et pour la classification taxonomique. Avec plus d'une centaine d’outils de localisation publiés, ce problème peut être considéré comme entièrement résolu. Cependant, une grande majorité de programmes suivent le même paradigme et trop peu d'attention a été accordée à des approches non-standards. Ici, nous introduisons la localisation dynamique dont nous montrons qu’elle améliore significativement les alignements obtenus, par comparaison avec les approches traditionnelles. La localisation dynamique est basée sur l'exploitation de l'information fournie par les alignements calculés précédemment, afin d’améliorer les alignements des lectures suivantes. Nous faisons une première étude systématique de cette approche et démontrons ses qualités à l'aide de Dynamic Mapping Simulator, une pipeline pour comparer les différents scénarios de la localisation dynamique avec la localisation statique et le “référencement itératif”. Une composante importante de la localisation dynamique est un calculateur du consensus online, c’est-à-dire un programme qui collecte des statistiques des alignements pour guider, à la volée, les mises à jour de la référence. Nous présentons OCOCO, calculateur du consensus online qui maintient des statistiques des positions génomiques individuelles à l’aide de compteurs de bits compacts. Au-delà de son application à la localisation dynamique, OCOCO peut être utilisé comme un calculateur de SNP online dans divers pipelines d'analyse, ce qui permet de prédire des SNP à partir d'un flux sans avoir à enregistrer les alignements sur disque. Classification métagénomique de lectures d’ADN est un autre problème majeur étudié dans la thèse. Etant donné des milliers de génomes de référence placés sur un arbre taxonomique, le problème consiste à affecter rapidement aux nœuds de l'arbre une énorme quantité de lectures NGS, et éventuellement estimer l'abondance relative des espèces concernées. Dans cette thèse, nous proposons des techniques améliorées pour cette tâche. Dans une série d'expériences, nous montrons que les graines espacées améliorent la précision de la classification. Nous présentons Seed-Kraken, extension sur les graines espacées du logiciel populaire Kraken. En outre, nous introduisons une nouvelle stratégie d'indexation basée sur le transformé de Burrows-Wheeler (BWT), qui donne lieu à un indice beaucoup plus compact et plus informatif par rapport à Kraken. Nous présentons une version modifiée du logiciel BWA qui améliore l’index BWT pour la localisation rapide de k-mers
Since their emergence around 2006, Next-Generation Sequencing technologies have been revolutionizing biological and medical research. Obtaining instantly an extensive amount of short or long reads from almost any biological sample enables detecting genomic variants, revealing the composition of species in a metagenome, deciphering cancer biology, decoding the evolution of living or extinct species, or understanding human migration patterns and human history in general. The pace at which the throughput of sequencing technologies is increasing surpasses the growth of storage and computer capacities, which still creates new computational challenges in NGS data processing. In this thesis, we present novel computational techniques for the problems of read mapping and taxonomic classification. With more than a hundred of published mappers, read mapping might be considered fully solved. However, the vast majority of mappers follow the same paradigm and only little attention has been paid to non-standard mapping approaches. Here, we propound the so-called dynamic mapping that we show to significantly improve the resulting alignments compared to traditional mapping approaches. Dynamic mapping is based on exploiting the information from previously computed alignments, helping to improve the mapping of subsequent reads. We provide the first comprehensive overview of this method and demonstrate its qualities using Dynamic Mapping Simulator, a pipeline that compares various dynamic mapping scenarios to static mapping and iterative referencing. An important component of a dynamic mapper is an online consensus caller, i.e., a program collecting alignment statistics and guiding updates of the reference in the online fashion. We provide OCOCO, the first online consensus caller that implements a smart statistics for individual genomic positions using compact bit counters. Beyond its application to dynamic mapping, OCOCO can be employed as an online SNP caller in various analysis pipelines, enabling calling SNPs from a stream without saving the alignments on disk. Metagenomic classification of NGS reads is another major problem studied in the thesis. Having a database of thousands reference genomes placed on a taxonomic tree, the task is to rapidly assign to tree nodes a huge amount of NGS reads, and possibly estimate the relative abundance of involved species. In this thesis, we propose improved computational techniques for this task. In a series of experiments, we show that spaced seeds consistently improve the classification accuracy. We provide Seed-Kraken, a spaced seed extension of Kraken, the most popular classifier at present. Furthermore, we suggest a new indexing strategy based on a BWT-index, obtaining a much smaller and more informative index compared to Kraken. We provide a modified version of BWA that improves the BWT-index for a quick k-mer look-up