Dissertations / Theses on the topic 'Multi-Omiques'

Le lupus systémique erythémateux est un exemple de maladie complexe, hétérogène et multi-factorielle. L'identification de signature pouvant expliquer la cause d'une maladie est un enjeu important pour la stratification des patients. De plus, les analyses statistiques classiques s'appliquent difficilement quand les populations d'intérêt sont hétérogènes et ne permettent pas de mettre en évidence la cause. Cette thèse présente donc deux méthodes permettant de répondre à cette problématique. Tout d'abord, un modèle transomique est décrit pour structurer l'ensemble des données omiques en utilisant le Web sémantique (RDF). Son alimentation repose sur une analyse à l'échelle du patient. L'interrogation de ce modèle sous forme d'une requête SPARQL a permis l'identification d'expression Individually-Consistent Trait Loci (eICTLs). Il s'agit d'une association par raisonnement d'un couple SNP-gène pour lequel la présence d'un SNP influence la variation d'expression du gène. Ces éléments ont permis de réduire la dimensionalité des données omiques et présentent un apport plus informatif que les données de génomique. Cette première méthode se base uniquement sur l'utilisation des données omiques. Ensuite, la deuxième méthode repose sur la dépendance entre les régulations existante dans les réseaux biologiques. En combinant la dynamique des systèmes biologiques et l'analyse par concept formel, les états stables générés sont automatiquement classés. Cette classification a permis d'enrichir des signatures biologiques, caractéristique de phénotype. De plus, de nouveaux phénotypes hybrides ont été identifiés
Systematic erythematosus lupus is an example of a complex, heterogeneous and multifactorial disease. The identification of signature that can explain the cause of a disease remains an important challenge for the stratification of patients. Classic statistical analysis can hardly be applied when population of interest are heterogeneous and they do not highlight the cause. This thesis presents two methods that answer those issues. First, a transomic model is described in order to structure all the omic data, using semantic Web (RDF). Its supplying is based on a patient-centric approach. SPARQL query interrogates this model and allow the identification of expression Individually-Consistent Trait Loci (eICTLs). It a reasoning association between a SNP and a gene whose the presence of the SNP impact the variation of its gene expression. Those elements provide a reduction of omics data dimension and show a more informative contribution than genomic data. This first method are omics data-driven. Then, the second method is based on the existing regulation dependancies in biological networks. By combining the dynamic of biological system with the formal concept analysis, the generated stable states are automatically classified. This classification enables the enrichment of biological signature, which caracterised a phenotype. Moreover, new hybrid phenotype is identified

L’expression des gènes passe par le processus de transcription dans le noyau des cellules eucaryotes qui produit les ARNs, intermédiaires indispensables pour former des protéines. La synthèse et le devenir des ARNs sont soumis à un contrôle complexe assuré par de nombreux acteurs incluant entre autres les séquences d'ADN non codantes régulatrices qui assurent une régulation spatio-temporelle fine de l’expression génique et les ribonucléoprotéines hétérogènes nucléaires (hnRNP) capables de lier les molécules d’ARN et de réguler leur maturation, leur stabilité et leur localisation.L'approche standard actuelle pour l'exploration moléculaire des patients atteints d'anomalies du développement (AD) et/ou de déficience intellectuelle (DI), déploie la combinaison de l’analyse chromosomique par puces à ADN, le test de l’X fragile, le séquençage d'exome, et plus récemment le séquençage du génome pour établir un diagnostic moléculaire. L’ensemble de ces approches comporte un rendement diagnostique inférieur à 50% pour les AD/DI. Cependant, les analyses peuvent parfois mettre en évidence la présence de variations de signification incertaine dans des gènes candidats, non encore impliqués en pathologie humaine. Des tests fonctionnels sont alors nécessaires afin d’établir une correcte corrélation génotype-phénotype. De cette manière, des variations pathogènes ont été identifiées au sein de deux gènes candidats codant des hnRNPs intervenant dans le métabolisme des ARNs : PTBP1 et PTBP2. Le but de cette première étude est de décrire le mécanisme cellulaire physiopathologique lié aux défauts transcriptionnels à l'origine de l’atteinte neurodéveloppementale syndromique (pour PTBP1) ou non syndromique (pour PTBP2) par des approches moléculaires fonctionnelles in vitro et in vivo dont le séquençage d'ARNs immunoprécipités (RIP-seq) dans une cohorte d’individus atteints.Dans certains cas, l’analyse génomique met en évidence la présence de variations de structure complexes, pouvant interrompre la séquence d’un gène sensible au dosage, modifier l’activité d’un enhancer ou encore exercer des effets de position sur l'expression génique en altérant les interactions enhancer/gène(s) cible(s). Ces communications moléculaires sont facilitées au sein de domaines d'association topologique (TADs) qui jouent un rôle important dans la régulation transcriptionnelle de manière tissu-spécifique. Par conséquent, toute variation de structure susceptible de réorganiser les TADs (fusion, mélange entre deux TADs ou même création) peut entraîner une altération de l’expression génique. Dans ce contexte, l'objectif du second travail de recherche est de caractériser, au moyen de la capture de conformation de chromosomes à haut débit (Hi-C), les remaniements complexes des patients capables de modifier la structure des TADs. Combinée avec d’autres techniques omiques comme le séquençage longs fragments, les études transcriptomiques ou encore épigénomiques, cette approche permet d'étudier les mécanismes moléculaires sous-jacents sur différents modèles cellulaires dérivés des individus affectés.Ces travaux de recherche mettent en évidence l'impact physiopathologique des variations génétiques ponctuelles et de structure sur les mécanismes de régulation transcriptionnelle et post-transcriptionnelle des gènes cibles et ouvrent la voie à de nouvelles hypothèses biologiques dans le cadre de la recherche translationnelle en pathologie humaine
Gene expression occurs through the transcription process in the nucleus of eukaryotic cells, which produces RNAs, essential intermediates for protein formation. RNA synthesis and fate are controlled by a complex network of factors, among which are regulatory non-coding DNA sequences that ensure precise spatio-temporal regulation of gene expression and heterogeneous nuclear ribonucleoproteins (hnRNP), able to bind RNA molecules and contributing to their maturation, stability, and localization.The current standard approach for molecular exploration of patients with developmental disorders (DD) and/or intellectual disabilities (ID) uses a combination of chromosomal analysis using DNA microarrays, fragile X testing, exome sequencing, and more recently, genome sequencing to establish a molecular diagnosis. These approaches yield a diagnostic yield of less than 50% for DD/ID. However, the analyses sometimes reveal the presence of variations of uncertain significance in candidate genes not yet implicated in human pathology. Functional tests are then necessary to establish a correct genotype-phenotype correlation. In this way, pathogenic variations have been identified in two candidate genes encoding hnRNPs involved in RNA metabolism: PTBP1 and PTBP2. The aim of this first study is to describe the cellular pathophysiological mechanism related to transcriptional defects causing syndromic (for PTBP1) or non-syndromic (for PTBP2) neurodevelopmental impairment using in vitro and in vivo functional molecular approaches including RNA immunoprecipitation sequencing (RIP-seq) in a cohort of affected individuals.In some cases, genomic analysis identifiy complex structural variations that can disrupt the sequence of a dosage-sensitive gene, alter the activity of an enhancer, or exert position effects on gene expression by altering enhancer/target gene interactions. These molecular communications are facilitated within topological associating domains (TADs), which play an important role in tissue-specific transcriptional regulation. Consequently, any structural variation that reorganizes TADs (fusion, shuffling or even new TAD) can lead to an alteration in gene expression. In this context, the goal of this second research project is to characterize, through high-throughput chromosome conformation capture (Hi-C), the complex rearrangements in patients reorganizing the structure of TADs. Combined with other omic techniques such as long fragment sequencing, transcriptomic or epigenomic analysis, this approach allows the study of the underlying molecular mechanisms on different cellular models derived from affected individuals.These research efforts highlight the physiopathological impact of punctual and structural genetic variations on the transcriptional and post-transcriptional regulatory mechanisms of target genes and pave the way for new biological hypotheses in the context of translational research in human pathology

Les nouvelles technologies «omiques» à haut débit, incluant la génomique, l'épigénomique, la transcriptomique, la protéomique, la métabolomique ou encore la métagénomique, ont connues ces dernières années un développement considérable. Indépendamment, chaque technologie omique est une source d'information incontournable pour l'étude du génome humain, de l'épigénome, du transcriptome, du protéome, du métabolome, et également de son microbiote permettant ainsi d'identifier des biomarqueurs responsables de maladies, de déterminer des cibles thérapeutiques, d'établir des diagnostics préventifs et d'accroître les connaissances du vivant. La réduction des coûts et la facilité d'acquisition des données multi-omiques à permis de proposer de nouveaux plans expérimentaux de type série temporelle où le même échantillon biologique est séquencé, mesuré et quantifié à plusieurs temps de mesures. Grâce à l'étude combinée des technologies omiques et des séries temporelles, il est possible de capturer les changements d'expressions qui s'opèrent dans un système dynamique pour chaque molécule et avoir une vision globale des interactions multi-omiques, inaccessibles par une approche simple standard. Cependant le traitement de cette somme de connaissances multi-omiques fait face à de nouveaux défis : l'évolution constante des technologies, le volume des données produites, leur hétérogénéité, la variété des données omiques et l'interprétabilité des résultats d'intégration nécessitent de nouvelles méthodes d'analyses et des outils innovants, capables d'identifier les éléments utiles à travers cette multitude d'informations. Dans cette perspective, nous proposons plusieurs outils et méthodes pour faire face aux challenges liés à l'intégration et l'interprétation de ces données multi-omiques particulières. Enfin, l'intégration de données multi-omiques longitudinales offre des perspectives dans des domaines tels que la médecine de précision ou pour des applications environnementales et industrielles. La démocratisation des analyses multi-omiques et la mise en place de méthodes d'intégration et d'interprétation innovantes permettront assurément d'obtenir une meilleure compréhension des écosystèmes biologiques.
New high-throughput «omics» technologies, including genomics, epigenomics, transcriptomics, proteomics, metabolomics and metagenomics, have expanded considerably in recent years. Independently, each omics technology is an essential source of knowledge for the study of the human genome, epigenome, transcriptome, proteome, metabolome, and also its microbiota, thus making it possible to identify biomarkers leading to diseases, to identify therapeutic targets, to establish preventive diagnoses and to increase knowledge of living organisms. Cost reduction and ease of multi-omics data acquisition resulted in new experimental designs based on time series in which the same biological sample is sequenced, measured and quantified at several measurement times. Thanks to the combined study of omics technologies and time series, it is possible to capture the changes in expression that take place in a dynamic system for each molecule and get a comprehensive view of the multi-omics interactions, which was inaccessible with a simple standard omics approach. However, dealing with this amount of multi-omics data faces new challenges: continuous technological evolution, large volumes of produced data, heterogeneity, variety of omics data and interpretation of integration results require new analysis methods and innovative tools, capable of identifying useful elements through this multitude of information. In this perspective, we propose several tools and methods to face the challenges related to the integration and interpretation of these particular multi-omics data. Finally, integration of longidinal multi-omics data offers prospects in fields such as precision medicine or for environmental and industrial applications. Democratisation of multi-omics analyses and the implementation of innovative integration and interpretation methods will definitely lead to a deeper understanding of eco-systems biology.

L’exploitation conjointe des données transcriptomiques et protéomiques permet l’étude détaillée des mécanismes moléculaires induits lors de perturbations environnementales. L’assemblage de données issues du séquençage des ARNs d’organismes dit « non-modèle » permet de produire la base de données pour l’interprétation des spectres générés en protéomique shotgun. Dans ce contexte, les travaux de thèse avaient pour objectif d’optimiser l’interprétation et l’analyse des données protéomiques par le développement de concepts innovants pour la construction de bases de données protéiques et l’exploration de la biodiversité. La première étape s’est concentrée sur la mise au point d’une méthode de pré-traitement des données de séquençage basée sur les résultats d’attribution protéomique. La deuxième étape a consisté à travailler sur la réduction de la taille des bases de données en optimisant les paramètres de la recherche automatisée des régions codantes. La méthode optimisée a permis l’analyse de 7 groupes taxonomiques de Gammaridés représentatifs de la diversité retrouvée in natura. Les bases de données protéomiques ainsi produites ont permis l’analyse inter-population de 40 protéomes individuels de Gammarus pulex répartis sur deux sites de prélèvement (pollué vs référence). L’analyse statistique basée sur une approche « individu-centré » a montré une hétérogénéité de la réponse biologique au sein d’une population d’organismes suite à une perturbation environnementale. Différents sous-groupes de mécanismes moléculaires induits ont été identifiés. Enfin, l’étude de la transversalité de biomarqueurs peptidiques identifiés chez Gammarus fossarum a permis de définir les peptides communs à l’aide de l’ensemble des données protéomiques et transcriptomiques. Pour cela, un logiciel d’exploration des séquences peptidiques a été développé permettant de proposer de potentiels biomarqueurs substituts dans le cas où les peptides définis ne sont pas applicables à certaines espèces de gammare. Tous ces concepts s’intègrent dans une démarche pour améliorer et approfondir l’interprétation des données par protéogénomique. Ces travaux entrouvrent la porte à l’analyse multi-omique d’individus prélevés in natura en considérant la biodiversité inter-espèce et intra-population
The exploitation of omics data combining transcriptomic and proteomic enables the detailed study of the molecular mechanisms of non-model organisms exposed to an environmental stress. The assembly of data from the RNA-seq of non-model organism enables to produce the protein database for the interpretation of spectra generated in shotgun proteomics. In this context, the aim of the PhD work was to optimize the interpretation and analysis of proteomic data through the development of innovative concepts for the construction of protein databases and the exploration of biodiversity. The first step focused on the development of a pretreatment method for RNA-seq data based on proteomic attribution results. The second step was to work on reducing the size of the databases by optimizing the parameters of the automated coding region search. The optimized method enabled the analysis of 7 taxonomic groups of Gammarids representative of the diversity found in natura. The proteomic databases thus produced enabled the inter-population analysis of 40 individual Gammarus pulex proteomes from two sampling sites (polluted vs reference). Statistical analysis based on an "individual" approach has shown an heterogeneity of the biological response within a population of organisms induced by an environmental stress. Different subclusters of molecular mechanisms response have been identified. Finally, the study of the transversality of the biomarkers peptides identified with Gammarus fossarum revealed which are the common ones using both proteomic and transcriptomic data. For this purpose, a software for the exploration of peptide sequences has been developed suggesting potential substitute biomarkers when the defined peptides are not available for some species of gammarids. All these concepts aim to improve the interpretation of data by proteogenomics. This work opens the door to the multi-omic analysis of individuals collected in natura by considering inter-species and intra-population biodiversity

Les cellules T régulatrices CD8+ (Tregs) ont été les premières cellules suppressives signalées en 1970, mais elles ont été mises de côté pendant des années en raison du manque de marqueurs permettant de les définir correctement. Notre équipe a démontré que les Tregs CD8+ identifiés par une expression faible et/ou négative de CD45RC, une des isoformes de la molécule CD45, montrent une puissante activité suppressive in vitro et in vivo, alors que les cellules exprimant des niveaux élevés de CD45RC ne le font pas. Dans cet article, nous nous sommes penchés sur l'hétérogénéité au sein des lymphocytes T CD8+, en particulier dans les Tregs CD8+CD45RClow/- et avons identifié de nouveaux marqueurs. Ces analyses ont permis de caractériser l'hétérogénéité transcriptomique au niveau d'une seule cellule à partir de cellules T CD8+ totales non stimulées et de définir des sous ensembles de Tregs CD8+CD45RClow/- régulateurs. Une analyse fonctionnelle utilisant le tri cellulaire et des tests de suppression a mis en évidence le potentiel suppressif du sous-ensemble de Tregs CD8+CD45RClow/- TNFR2+CD29low. À ce jour, à notre connaissance, il s'agit de la plus grande étude de caractérisation des Tregs CD8+ humains, cette énorme ressource de données aidera à la relance actuelle des Tregs CD8+ dans la recherche, améliorera notre compréhension de l'hétérogénéité des cellules T et aidera à conduire les Tregs CD8+ en clinique
CD8+ regulatory T cells (Tregs) were the first suppressive cells reported in 1970, but they were put aside for years due to a lack of markers to properly define them. Our team demonstrated that CD8+ Tregs identified by low and/or negative expression of CD45RC, one the isoforms of the CO45 molecule, show potent suppressive activity in vitro and in vivo, while cells expressing high levels of CO45RC do not. Herein, we addressed the heterogeneity within CD8+ T lymphocytes, particularly in CD8+CD45RClow/- Tregs and identified new markers. These analyses enabled the characterization of the transcriptomic heterogeneity at a single cell level from non-stimulated total CD8+ T cells and allowed definition of regulatory CD8+CD45RClow/- Treg subsets. Functional analysis using cell sorting and suppressive assays highlighted the suppressive potential of the CD8+CD45RClow/- TNFR2+CD29low Tregs subset. To date, to our knowledge, this is the largest characterization study of human CD8+ Tregs, this huge data resource will help in the current revival of CD8+ Tregs in research, will improve our understanding of T cell heterogeneity and will help translate CD8+ Tregs to the clinic

Les cheminées hydrothermales hébergent une vaste diversité microbienne, tant au niveau taxonomique qu’au niveau métabolique. Ces écosystèmes sont qualifiés d’extrêmes, en raison des très larges gradients physicochimiques qu’ils abritent. Le soufre y est un élément omniprésent, il peut être utilisé par une large diversité de microorganismes pour des réactions d’oxydations ou de réductions. Cependant, le cycle du soufre reste partiellement méconnu au sein de ces écosystèmes. L’objectif de cette thèse était d’étudier les métabolismes du cycle du soufre peu documentés ou simplement prédits par la thermodynamique, au sein des écosystèmes hydrothermaux, à savoir la dismutation des composés inorganiques soufrés, le catabolisme des composés organosoufrés et le comproportionnement du soufre. Quatre nouveaux taxons dismutant les composés inorganiques soufrés ont été découverts au cours de cette étude et des analyses génomiques approfondies ont été menées pour décrypter les voies de la dismutation des composés inorganiques soufrés. Des analyses en génomique comparative ont permis d’identifier un cluster de gènes potentiellement impliqué dans la dismutation du soufre élémentaire chez des bactéries hydrothermales marines, mais ce résultat nécessitera d’être confirmé par des approches fonctionnelles. Enfin, les communautés microbiennes de sources chaudes des îles Kerguelen très isolées géographiquement ont été étudiées par métagénomique, ce qui a révélé la présence de nombreuses nouvelles lignées de bactéries et d’archées dans ces habitats jamais étudié auparavant
Hydrothermal vents host a vast microbial diversity, both at the taxonomic and metabolic levels. These ecosystems are qualified as extreme, because they harbor harsh physico-chemical gradients. Sulfur is omnipresent in these environments, and it can be used by a large diversity of microorganisms for oxidation or reduction reactions.However, the sulfur cycle remains partially unknown in these ecosystems. The objective of this thesis was to study the poorly documented or thermodynamically predicted metabolisms of the sulfur cycle in hydrothermal ecosystems, namely the dismutation of inorganic sulfur compounds, the catabolism of organosulfur compounds and the comproportionation of sulfur. Four new inorganic sulfur compound disproportionating taxa were discovered during this study and extensive genomic analyses were conducted to decipher the pathways of inorganic sulfur compound dismutation. Comparative genomics analyses identified a gene cluster potentially involved in elemental sulfur dismutation in marine hydrothermal bacteria, but this result will need to be confirmed by functional approaches.Finally, the microbial communities of the geographically isolated hot springs from the Kerguelen Islands were studied by metagenomics, revealing the presence of many new lineages of bacteria and archaea in these previously unstudied habitats

Les études d'association pangénomiques (GWAS) ont permis l'identification de plusieurs dizaines de gènes et de polymorphismes nucléotidiques (SNPs) contribuant au risque de diabète de type 2.Plus généralement, les GWAS ont permis d'identifier des milliers de SNPs contribuant à des maladies complexes chez l'Homme.Cependant, la caractérisation fonctionnelle et les mécanismes biologiques impliquant ces SNPs et ces gènes restent en grande partie à explorer.En effet, les conséquences de ces polymorphismes sont complexes et peu connues. Une conséquence directe est l'altération de la protéine codée par un gène, voire une extinction complète de la transcription du gène (p.ex. via l’introduction d’un codon stop dans la séquence).Par ailleurs, ces polymorphismes peuvent avoir un rôle de régulation dans l'expression des gènes, par exemple, en perturbant la liaison de facteurs de transcription et d'enzymes impliqués dans la méthylation de l'ADN.Malgré des associations fortes des SNPS identifiés, ils ne peuvent expliquer la totalité de l'héritabilité du diabète de type 2, suggérant par le fait même des mécanismes d'interactions entre les différentes couches que représentent la génomique, la transcriptomique et l'épigénomique.Le changement de paradigme en statistique génétique et la disponibilité de données transcriptomiques et épigénomiques sont responsables de l'évolution du domaine, passant des analyses d'associations à des analyses transversales de type multi-omique, et permettant de fournir des éléments de réponse sur l’aspect fonctionnel des SNPs ou des gènes impliqués, et dans certains cas, permettant d'évaluer le lien causal de ces variants sur la pathologie.Les développements et applications méthodologiques proposés dans cette thèse sont variés, allant d’une approche similaire aux GWAS, mettant à profit les données longitudinales disponibles dans certaines cohortes (p.ex. D.E.S.I.R.), au moyen d'un modèle joint; de la caractérisation fonctionnelle de gènes candidats, identifiés par GWAS, dans la sécrétion d'insuline par une étude transcriptomique multi tissu et dans un modèle cellulaire; de l'identification d'un nouveau gène candidat (PDGFA) impliqué dans la dérégulation de la voie de l'insuline dans le diabète de type 2 via des mécanismes épigénétiques et transcriptomiques; et enfin de la caractérisation de l'effet sur le transcriptome de deux substituts du bisphénol A dans un modèle d’adipocyte primaire.L'augmentation des connaissances des processus biologiques dans lesquels sont impliqués les SNPs et gènes identifiés par GWAS pourrait permettre l'élaboration de stratégies diagnostiques plus efficaces, ainsi que l'identification de cibles thérapeutiques pour le traitement du diabète de type 2 et des complications associées (p.ex. insulinorésistance, NAFLD, cancer, etc.). Plus généralement, ces études multi-omiques ouvrent la voie à l'approche émergente que représente la médecine de précision, permettant le traitement et la prévention des pathologies tout en prenant en compte ce qui fait la spécificité d'un individu, à savoir son génome et son environnement, tous deux interagissant sur son transcriptome et son épigénome
Genome-wide association studies (GWAS) have resulted in the identification of several dozen of genes and single nucleotide polymorphisms (SNPs) contributing to type 2 diabetes.More generally, GWAS have identified thousands of SNPs contributing to complex diseases in humans.However, the functional characterization and biological mechanisms involving these SNPs and genes remain largely to be explored. Indeed, the consequences of these polymorphisms are complex and little known.One direct consequence of the SNPs is the alteration of the protein encoded by a gene, or even a complete transcriptional gene silencing (e.g. codon stop in the sequence). Furthermore, these polymorphisms may have a regulatory role in gene expression, for example, by interfering with the binding of transcription factors and enzymes involved in DNA methylation.Despite the strong associations of identified SNPs, they cannot explain the full heritability of type 2 diabetes, suggesting interactions mechanisms between the different layers of -omics, such as genomics, transcriptomics and Epigenomics.The shift of paradigm in statistical genetics and the availability of transcriptomic and epigenomic data are responsible for the evolution of the discipline, moving from association studies to multi-omics, and providing insights on the functional aspect of the SNPs or genes involved, and in some cases allowing to evaluate the causal link of these variants on the pathology.The methodological developments and their applications proposed in this thesis are various, ranging from a similar approach to GWAS, leveraging the longitudinal data available in some cohorts (e.g. D.E.S.I.R.), using an joint model approach; the functional characterisation of candidate genes in insulin secretion by a multi tissue transcriptomic study and transcriptomic study in a cell model; the identification of a new candidate gene (PDGFA) involved in the deregulation of the insulin\\\'s pathway in type 2 diabetes through epigenetic and transcriptomic mechanisms; and finally, the characterisation of the effect on the transcriptome of two substitutes of bisphenol A in a primary adipocyte model.The increase of knowledge in biological processes involving SNPs and genes identified by GWAS could enable the development of more effective diagnostic strategies, and the identification of therapeutic targets for the treatment of type 2 diabetes and associated complications (e.g., insulin resistance, NAFLD, cancer, etc.).More generally, these multi-omics studies pave the way for the emerging approach of precision medicine, allowing the treatment and prevention of pathologies while taking into account what makes the specificity of an individual, namely his genome and his environment, both interacting on his transcriptome and his epigenome

En tant qu’espèces ingénieures de leurs écosystèmes et que producteurs primaires, les macroalgues marines jouent un rôle crucial au sein de leur écosystème. Les interactions chimiques avec leurs microorganismes épiphytes semblent particulièrement essentielles pour leur physiologie. Cependant les relations macroalgues-microbiote et le rôle des paramètres environnementaux dans ces interactions restent encore peu explorées. L’objectif général de la thèse est de comprendre comment varie la structure de la communauté procaryotique épiphyte de l’algue brune Taonia atomaria en lien avec les variations de la production métabolique de surface de l’hôte et quelle est l’influence de l’environnement sur ces variations qui affectent et façonnent ce modèle d’holobionte. Une approche multi-omiques, couplant l’étude des communautés procaryotes épiphytes par metabarcoding et l’étude des métabolites de surface par des analyses optimisées en métabolomique, a ainsi été employée conjointement avec d’autres analyses telle que la cytométrie en flux. Les résultats obtenus ont révélé que la communauté microbienne épiphyte de T. atomaria, lui était spécifique en comparaison avec les communautés de biofilms de substrats rocheux et celles planctoniques, suggérant un rôle possible du métabolome de surface. Entre outre, d’importantes co-variations entre le métabolome et le microbiote à la surface de l’algue ont été observées à différents niveaux, que ce soit à l’échelle du thalle, de la dynamique temporelle ou encore d’un point de vue biogéographique. Certains paramètres environnementaux semblent être particulièrement impliqués dans les interactions au sein de l’holobionte, tels que la température, la contamination en cuivre, mais aussi l’intensité lumineuse. Dans un contexte de Changement Global, ces travaux apportent de nouvelles perspectives permettant de mieux appréhender la dynamique des macroalgues-holobiontes
As ecosystems engineers and primary producers, marine seaweeds play important roles for other organisms. Chemical interactions with epiphytic microorganisms seem particularly important for their physiology. However, macroalgae-microbiota relationships and the role of environmental parameters remains poorly investigated. The main objective of this PhD thesis was to understand how vary the epiphytic prokaryotic community of the brown alga Taonia atomaria, in relationship with variations of the surface metabolome of the host and what is the influence of the environment on these variations which shape this holobiont model. A multi-omics approach coupling prokaryotic communities studies by metabarcoding and surface metabolites studies by an optimized metabolomics analysis, has been jointly conducted, together with further analyses such as flow cytometry. Studies have thus revealed that the epiphytic microbial community of T. atomaria was specific in comparison with the biofilm communities of rocky substrates, and planktonic ones, suggesting a possible role of the surface metabolome in the structuring of the microbiota. Otherwise, important co-variations between the metabolome and the microbiota at the algal surface were observed at different levels, whether at the thallus or biogeographical scale, or during temporal dynamics. Some environmental parameters seem to be particularly involved in these interactions, such as temperature, copper contamination, but also irradiance. In a context of Global Change, this work provides new perspectives allowing to better understand dynamics of macroalgal-holobionts

Ce travail de thèse s’articule autour de trois projets indépendants dont le but est de mieux caractériser trois tumeurs mésenchymateuses grâce à une approche multi-omique intégrative.Les tumeurs thoraciques indifférenciées SMARCA4-déficientes (SMARCA4-UT), initialement « sarcomes » semblaient répondre aux inhibiteurs de point de contrôle immunitaire (ICIs) comme d’autres tumeurs SWI/SNF déficientes, sans qu’aucune caractérisation de leur microenvironnement tumoral (TME) ne soit faite pour le comprendre. Grâce à des immunomarquages et à une analyse transcriptomique, nous avons mis en évidence un TME désertique avec une efficacité limitée des ICIs, en lien avec la cellule d’origine. Les tumeurs des cellules épithélioïdes périvasculaires (PEComes) forment un ensemble hétérogène de tumeurs coexprimant des marqueurs mélanocytaires et musculaires lisses pour lesquelles deux types génomiques se distinguent. Grâce à notre analyse, nous avons démontré qu’il existait d’autres réarrangements que ceux impliquant TFE3 et qu’il existait une classification transcriptomique pronostique de quatre sous types de PEComes, chacun étant enrichi d’un profil génomique et présentant des vulnérabilités différentes sur le plan thérapeutique. Les tumeurs desmoïdes (TDs) sont des tumeurs bénignes localement agressives dont l’hétérogénéité dans l’évolution tumorale est peu comprise. Grâce à notre analyse, nous avons mis en évidence que plus de 50% des TDs avaient des mutations dans un des gènes remodelant la chromatine et que parmi les deux sous-types transcriptomiques identifiés, le type immuno-myogénique doté d’un programme transcriptomique proche de celui des muscles, activait les voies de l’immunité évoquant un potentiel thérapeutique des ICIs
This thesis work takes the form of three independent projects aimed at better characterizing three mesenchymal tumors through an integrative multi-omics approach.The thoracic undifferentiated SMARCA4-deficient tumors (SMARCA4-UT), initially classified as "sarcomas," appeared to respond to immune checkpoint inhibitors (ICIs) similarly to other SWI/SNF-deficient tumors, despite no characterization of their tumor microenvironment (TME) being done to understand this response. Through immunostaining and transcriptomic analysis, we highlighted a desert-like TME with limited ICI efficacy, linked to the tumor’s cell of origin. Perivascular epithelioid cell tumors (PEComas) form a heterogeneous group of tumors co-expressing melanocytic and smooth muscle markers, with two distinct molecular types identified. Our analysis demonstrated that there are additional rearrangements beyond those involving TFE3 and provided a prognostic transcriptomic classification of four PEComa subtypes, each enriched with a unique genomic profile and presenting different therapeutic vulnerabilities. Desmoid tumors (TDs) are benign, locally aggressive tumors with poorly understood heterogeneity in tumor evolution. Our analyses revealed that more than 50% of TDs had mutations in chromatin remodeling genes and that among the two identified transcriptomic subtypes, the immuno-myogenic subtype, with a transcriptomic program similar to muscles, activated immune pathways suggesting a potential therapeutic benefit from ICIs

Le cancer est considéré principalement comme une maladie de la cellule. Certaines cellules cancéreuses acquièrent un avantage adaptatif sous la pression sélective d’un microenvironnement dynamique qui leur permet de surpasser les autres cellules cancéreuses, favorisant leur expansion. Par conséquent, ce travail de thèse vise à cartographier le paysage adaptatif des cellules cancéreuses à l’aide d’une approche multiomique.L’étude d’association pangénomique a montré l’effet des mutations germinales sur les niveaux d’expression 64 protéines cancéreuses listées dans OncoKB et a permis l’identification de 17 oncogènes thérapeutiquement exploitables. J'ai en outre démontré que différentes conditions de co-culture conduisait à l'activation et à l'inhibition de voies de signalisation dans la cellule cancéreuse qui les aident à s’adapter à des niches spécifiques. Enfin, ces cellules cancéreuses peuvent moduler des signaux extrinsèques dans les ganglions sentinelles qui conduisent à l'acquisition de nouvelles propriétés métastatiques. Ces études montrent globalement le caractère adaptatif et la trajectoire évolutive des cellules cancéreuses
Cancer is considered primarily a disease of the cell. Some cancer cells gain an adaptive advantage under the selective pressure of a dynamic microenvironment that allows them to outcompete other cancer cells, promoting their expansion. Therefore, this thesis aims to map cancer cells' adaptive landscape using a multiomics approach. The genome-wide association study showed the effect of germline mutations on the expression levels of 64 cancer proteins listed in OncoKB and allowed the identification of 17 therapeutically exploitable oncogenes. I further demonstrated that different co-culture conditions led to activating and inhibiting signaling pathways in the cancer cells that help them adapt to specific niches. Finally, these cancer cells can modulate extrinsic signals in sentinel lymph nodes that lead to the acquisition of new metastatic properties. These studies generally show the adaptive nature and evolutionary trajectory of cancer cells

Le phénomène de biofouling est un processus naturel qui impacte toutes les surfaces immergées en milieu marin engendrant des problèmes économiques et écologiques majeurs à l’échelle planétaire. Il est notamment induit par la formation de biofilms marins correspondant à la colonisation des surfaces immergées par des bactéries s’organisant en communautés en s’entourant d’une matrice de substances polymériques extracellulaires (EPS). L’objectif de ce travail est l’utilisation et le développement de méthodologies permettant l’étude et la compréhension de l’étape précurseur de ce phénomène. La corrélation des données récoltées à partir des méthodes appliquées (métabolomique et réseau moléculaire, protéomique, dosages colorimétriques, microscopies, spectroscopies) permet une approche multi-échelles pour la caractérisation des biofilms. Ces développements visent, en premier lieu, à caractériser la production biochimique globale de biofilms in vitro pour ensuite analyser des biofilms naturels formés in situ. L’utilisation de ce large panel de techniques a permis de répondre à certaines questions scientifiques comme l’impact des nutriments (phosphates), d’une enzyme (quorum sensing) ou de l’hydrodynamisme sur la nature de biofilms formés
The phenomenon of biofouling is a natural process that impacts all the surfaces submerged in the marine environment, generating major economic and ecological problems on a global scale. It is induced by the formation of marine biofilms corresponding to the colonization of submerged surfaces by bacteria organizing in communities by surrounding themselves with a matrix of extracellular polymeric substances (EPS). The objective of this work is the use and development of methodologies to study and understand the precursor stage of this phenomenon. The correlation of the data collected from the applied methods (metabolomics and molecular network, proteomics, colorimetric assays, microscopies, spectroscopy) allows a multi-scale approach for the characterization of biofilms. These developments aim, first of all, to characterize the overall biochemical production of in vitro biofilms and then analyse natural biofilms formed in situ. The use of this wide range of techniques has made it possible to answer certain scientific questions such as the impact of nutrients (phosphates), an enzyme (quorum sensing) or hydrodynamics on the nature of formed biofilms

Les systèmes biologiques sont composés de biomolécules en interaction à différents niveaux moléculaires. D’un côté, les avancées technologiques ont facilité l’obtention des données omiques à ces divers niveaux. De l’autre, de nombreuses questions se posent, pour donner du sens et élucider les interactions importantes dans le flux d’informations complexes porté par cette énorme variété et quantité des données multi-omiques. Les réponses les plus satisfaisantes seront celles qui permettront de dévoiler les mécanismes sous-jacents à la condition biologique d’intérêt. On s’attend souvent à ce que l’intégration de différents types de données omiques permette de mettre en lumière les changements causaux potentiels qui conduisent à un phénotype spécifique ou à des traitements ciblés. Avec les avancées récentes de la science des réseaux, nous avons choisi de traiter ce problème d’intégration en représentant les données omiques à travers les graphes. Dans cette thèse, nous avons développé trois modèles à savoir BraneExp, BraneNet et BraneMF pour l’apprentissage d’intégrations de noeuds à partir de réseaux biologiques multicouches générés à partir de données omiques. Notre objectif est de résoudre divers problèmes complexes liés à l’intégration de données multiomiques, en développant des méthodes expressives et évolutives capables de tirer parti de la riche sémantique structurelle latente des réseaux du monde réel
Biological systems are composed of interacting bio-molecules at different molecular levels. With the advent of high-throughput technologies, omics data at their respective molecular level can be easily obtained. These huge, complex multi-omics data can be useful to provide insights into the flow of information at multiple levels, unraveling the mechanisms underlying the biological condition of interest. Integration of different omics data types is often expected to elucidate potential causative changes that lead to specific phenotypes, or targeted treatments. With the recent advances in network science, we choose to handle this integration issue by representing omics data through networks. In this thesis, we have developed three models, namely BraneExp, BraneNet, and BraneMF, for learning node embeddings from multilayer biological networks generated with omics data. We aim to tackle various challenging problems arising in multi-omics data integration, developing expressive and scalable methods capable of leveraging rich structural semantics of realworld networks

Plusieurs évolutions sont constatées dans la recherche en biologie. Tout d’abord, les études menées reposent souvent sur des approches expérimentales quantitatives. L’analyse et l’interprétation des résultats requièrent l’utilisation de l’informatique et des statistiques. Également, en complément des études centrées sur des objets biologiques isolés, les technologies expérimentales haut débit permettent l’étude des systèmes (caractérisation des composants du système ainsi que des interactions entre ces composants). De très grandes quantités de données sont disponibles dans les bases de données publiques, librement réutilisables pour de nouvelles problématiques. Enfin, les données utiles pour les recherches en biologie sont très hétérogènes (données numériques, de textes, images, séquences biologiques, etc.) et conservées sur des supports d’information également très hétérogènes (papiers ou numériques). Ainsi « l’analyse de données » s’est petit à petit imposée comme une problématique de recherche à part entière et en seulement une dizaine d’années, le domaine de la « Bioinformatique » s’est en conséquence totalement réinventé. Disposer d’une grande quantité de données pour répondre à un questionnement biologique n’est souvent pas le défi principal. La vraie difficulté est la capacité des chercheurs à convertir les données en information, puis en connaissance. Dans ce contexte, plusieurs problématiques de recherche en biologie ont été abordées lors de cette thèse. La première concerne l’étude de l’homéostasie du fer chez la levure pathogène Candida glabrata. La seconde concerne l’étude systématique des modifications post-traductionnelles des protéines chez la levure pathogène Candida albicans. Pour ces deux projets, des données « omiques » ont été exploitées : transcriptomiques et protéomiques. Des outils bioinformatiques et des outils d’analyses ont été implémentés en parallèle conduisant à l’émergence de nouvelles hypothèses de recherche en biologie. Une attention particulière et constante a aussi été portée sur les problématiques de reproductibilité et de partage des résultats avec la communauté scientifique
Biological research is changing. First, studies are often based on quantitative experimental approaches. The analysis and the interpretation of the obtained results thus need computer science and statistics. Also, together with studies focused on isolated biological objects, high throughput experimental technologies allow to capture the functioning of biological systems (identification of components as well as the interactions between them). Very large amounts of data are also available in public databases, freely reusable to solve new open questions. Finally, the data in biological research are heterogeneous (digital data, texts, images, biological sequences, etc.) and stored on multiple supports (paper or digital). Thus, "data analysis" has gradually emerged as a key research issue, and in only ten years, the field of "Bioinformatics" has been significantly changed. Having a large amount of data to answer a biological question is often not the main challenge. The real challenge is the ability of researchers to convert the data into information and then into knowledge. In this context, several biological research projects were addressed in this thesis. The first concerns the study of iron homeostasis in the pathogenic yeast Candida glabrata. The second concerns the systematic investigation of post-translational modifications of proteins in the pathogenic yeast Candida albicans. In these two projects, omics data were used: transcriptomics and proteomics. Appropriate bioinformatics and analysis tools were developed, leading to the emergence of new research hypotheses. Particular and constant attention has also been paid to the question of data reproducibility and sharing of results with the scientific community

De nos jours, la communauté scientifique s'accorde sur la nécessité de diagnostics et de thérapies personnalisés pour les patients atteints de cancer, conçus par des études translationnelles combinant approches expérimentales et statistiques. Les défis actuels incluent la validation de modèles expérimentaux précliniques et leur profilage multi-omiques, ainsi que la conception de méthodes bioinformatiques et mathématiques dédiées pour identifier les combinaisons de médicaments optimales pour chaque patient.Cette thèse a visé à concevoir de telles approches statistiques pour analyser différents types de données à grande échelle et les intégrer afin d'identifier les vulnérabilités ciblables des lignées cancéreuses. Nous nous sommes focalisés sur les altérations du complexe de remodelage de la chromatine SWI/SNF, muté dans ~20 % des cancers, pour lesquels aucune thérapie efficace n'est disponible. Nous avons utilisé un panel de lignées cellulaires isogéniques HAP1 mutées pour les sous-unités du complexe SWI/SNF ou d'autres enzymes épigénétiques, pour lesquelles des données de transcriptomique, protéomique et de criblage de médicaments étaient disponibles.Nous avons travaillé sur quatre axes méthodologiques. Premièrement, nous avons conçu une méthodologie optimisée d'enrichissement pour détecter les voies de régulation différentiellement activées entre mutants et type sauvage. Ensuite, nous avons croisé les résultats des criblages de médicaments et les bases d'interaction gène-médicament, pour inférer des voies de régulation ciblables spécifiquement chez les lignées mutantes. Ensuite, la validation de ces cibles potentielles a été réalisée à l'aide d'une nouvelle méthode détectant la létalité synthétique à partir de données transcriptomiques et CRISPR de lignées cancéreuses indépendantes du projet DepMap. Enfin, en vue de l'optimisation de thérapies multi-agents, nous avons conçu une première représentation digitale des voies de régulation ciblables pour les tumeurs mutées SMARCA4, en construisant un réseau dirigé d'interaction protéine-protéine reliant les cibles inférées des analyses multi-omiques HAP1 et CRISPR DepMap. Nous avons utilisé la base de données OmniPath pour récupérer les interactions protéiques directes et ajouté les protéines liant celles présentes dans le réseau avec l'algorithme Neko.Ces développements méthodologiques ont été appliqués aux ensembles de données disponibles pour le panel HAP1. En utilisant notre méthodologie d'enrichissement optimisée, nous avons identifié le Métabolisme des protéines comme la catégorie de voies de régulation la plus fréquemment dérégulée dans les lignées SWI/SNF-KO. Ensuite, l'analyse de criblage de médicaments a révélé des médicaments cytotoxiques et épigénétiques ciblant sélectivement les mutants SWI/SNF, notamment les inhibiteurs de CBP/EP300 ou de la respiration mitochondriale, également identifiés comme létaux synthétiques par notre analyse CRISPR DepMap. Ces résultats ont été validés dans deux modèles expérimentaux isogéniques indépendants. L'analyse CRISPR DepMap a également été utilisée pour identifier des interactions létales synthétiques dans le glioblastome, qui se sont révélées pertinentes pour des lignées cellulaires dérivées de patients et sont en cours de validation.En résumé, nous avons développé des méthodes computationnelles pour intégrer des données d'expression multi-omiques avec des criblages de médicaments et des tests CRISPR, et identifié de nouvelles vulnérabilités chez les mutants SWI/SNF, qui ont été validées expérimentalement. Cette étude était limitée à l'identification de monothérapies efficaces. Pour l'avenir, nous proposons de concevoir des modèles mathématiques représentant les réseaux de protéines ciblables à l'aide d'équations différentielles et de les utiliser dans des procédures d'optimisation numérique et d'apprentissage automatique pour étudier les cibles médicamenteuses concomitantes et personnaliser les combinaisons de médicaments
Nowadays the cancer community agrees on the need for patient-tailored diagnostics and therapies, which calls for the design of translational studies combining experimental and statistical approaches. Current challenges include the validation of preclinical experimental models and their multi-omics profiling, along with the design of dedicated bioinformatics and mathematical pipelines (i.e. dimension reduction, multi-omics integration, mechanism-based digital twins) for identifying patient-specific optimal drug combinations.To address these challenges, we designed bioinformatics and statistical approaches to analyze various large-scale data types and integrate them to identify targetable vulnerabilities in cancer cell lines. We developed our pipeline in the context of alterations of the SWItch Sucrose Non-Fermentable (SWI/SNF) chromatin remodeling complex. SWI/SNF mutations occur in ~20% of all cancers, but such malignancies still lack efficient therapies. We leveraged a panel of HAP1 isogenic cell lines mutated for SWI/SNF subunits or other epigenetic enzymes for which transcriptomics, proteomics and drug screening data were available.We worked on four methodological axes, the first one being the design of an optimized pathway enrichment pipeline to detect pathways differentially activated in the mutants against the wild-type. We developed a pruning algorithm to reduce gene and pathway redundancy in the Reactome database and improve the interpretability of the results. We evidenced the bad performance of first-generation enrichment methods and proposed to combine the topology-based method ROntoTools with pre-ranked GSEA to increase enrichment performance .Secondly, we analyzed drug screens, processed drug-gene interaction databases to obtain genes and pathways targeted by effective drugs and integrated them with proteomics enrichment results to infer targetable vulnerabilities selectively harming mutant cell lines. The validation of potential targets was achieved using a novel method detecting synthetic lethality from transcriptomics and CRISPR data of independent cancer cell lines in DepMap, run for each studied epigenetic enzyme. Finally, to further inform multi-agent therapy optimization, we designed a first digital representation of targetable pathways for SMARCA4-mutated tumors by building a directed protein-protein interaction network connecting targets inferred from multi-omics HAP1 and DepMap CRISPR analyses. We used the OmniPath database to retrieve direct protein interactions and added the connecting neighboring genes with the Neko algorithm.These methodological developments were applied to the HAP1 panel datasets. Using our optimized enrichment pipeline, we identified Metabolism of proteins as the most frequently dysregulated pathway category in SWI/SNF-KO lines. Next, the drug screening analysis revealed cytotoxic and epigenetic drugs selectively targeting SWI/SNF mutants, including CBP/EP300 or mitochondrial respiration inhibitors, also identified as synthetic lethal by our Depmap CRISPR analysis. Importantly, we validated these findings in two independent isogenic cancer-relevant experimental models. The Depmap CRISPR analysis was also used in a separate project to identify synthetic lethal interactions in glioblastoma, which proved relevant for patient-derived cell lines and are being validated in dedicated drug screens.To sum up, we developed computational methods to integrate multi-omics expression data with drug screening and CRISPR assays and identified new vulnerabilities in SWI/SNF mutants which were experimentally revalidated. This study was limited to the identification of effective single agents. As a future direction, we propose to design mathematical models representing targetable protein networks using differential equations and their use in numerical optimization and machine learning procedures as a key tool to investigate concomitant druggable targets and personalize drug combinations