Rozprawy doktorskie na temat „Duplication complète de génome”

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

Les phénomènes évolutifs qui perturbent l’organisation des gènes dans les génomes eucaryotes sont de deux types : les changements dans l’ordre des gènes, ou réarrangements, et les modifications du contenu en gènes du génome, par duplications, délétions ou gains de gènes. Ces processus sont mal connus, tant au niveau de leurs mécanismes d’apparition que de leur impact fonctionnel et sélectif. Ce travail de thèse s’articule autour de deux projets. Le premier s’intéresse à la distribution des points de cassure de réarrangements évolutifs entre un génome ancestral et ses descendants modernes. Cette distribution a été modélisée en fonction des caractéristiques locales du génome pour mettre en évidence quels facteurs influencent la probabilité de cassure. Nos résultats montrent que la distribution des cassures peut s’expliquer simplement comme une fonction de la longueur des espaces intergéniques, fonction qui est cependant non-linéaire contrairement aux attentes sous un régime aléatoire classique. La répartition des points de cassure dans les génomes semble principalement liée à des propriétés de structure, et n’est que peu soumise à des contraintes de sélection. Elle pourrait être liée à la structure chromatinienne du génome. Le second projet s’inscrit dans le cadre du séquençage du génome du poisson zèbre, et fournit un aperçu global de l’organisation de ce génome. Les génomes de poissons téléostéens sont anciennement dupliqués : l’analyse est axée sur les conséquences de cette duplication. Les résultats montrent que le génome du poisson zèbre présente une organisation assez typique d’un génome téléostéen. Les gènes retenus en deux copies après la duplication du génome appartiennent à des catégories fonctionnelles particulières, et sont biaisés vers des gènes déjà conservés après les duplications 1R et 2R ayant eu lieu au début de l’histoire des vertébrés
Evolutionary processes disrupting the gene organisation in eukaryotic genomes belong to two categories: changes in the order of the genes, known as rearrangements, and changes in the content of the genome by gene duplications, deletions and gains. The mechanisms through which these events arise, and their functional and selective impact on genomes, are poorly understood. This thesis covers two different projects. Firstly, we investigated the distribution of rearrangement breakpoints between an ancestral genome and its modern descendants. This distribution was modelled according to local genomic characteristics to highlight factors influencing the breakage process. Our results show that the distribution of breakpoints can be simply explained as a function of intergenic spacers length, although in a non-linear fashion differing from classical random expectations. The repartition of breakpoints in genomes seems to be linked to structural properties, and is only marginally affected by selective constraints. It might in fact reflect local chromatin structure in the genome. The second project is part of the joint sequencing effort for the zebrafish genome, and provides an overview of the organisation of this genome. Teleost fish genomes are anciently duplicated: the analysis focuses on the consequences of this duplication. Results show that the zebrafish genome displays a typical teleost fish genome organisation. Genes retained in two copies after the whole genome duplication belong to specific functional categories, and are biased towards genes already conserved as duplicates after the 1R and 2R duplication events that have taken place early in vertebrate history

Les phénomènes évolutifs qui perturbent l'organisation des gènes dans les génomes eucaryotes sont de deux types : les changements dans l'ordre des gènes, ou réarrangements, et les modifications du contenu en gènes du génome, par duplications, délétions ou gains de gènes. Ces processus sont mal connus, tant au niveau de leurs mécanismes d'apparition que de leur impact fonctionnel et sélectif. Ce travail de thèse s'articule autour de deux projets. Le premier s'intéresse à la distribution des points de cassure de réarrangements évolutifs entre un génome ancestral et ses descendants modernes. Cette distribution a été modélisée en fonction des caractéristiques locales du génome pour mettre en évidence quels facteurs influencent la probabilité de cassure. Nos résultats montrent que la distribution des cassures peut s'expliquer simplement comme une fonction de la longueur des espaces intergéniques, fonction qui est cependant non-linéaire contrairement aux attentes sous un régime aléatoire classique. La répartition des points de cassure dans les génomes semble principalement liée à des propriétés de structure, et n'est que peu soumise à des contraintes de sélection. Elle pourrait être liée à la structure chromatinienne du génome. Le second projet s'inscrit dans le cadre du séquençage du génome du poisson zèbre, et fournit un aperçu global de l'organisation de ce génome. Les génomes de poissons téléostéens sont anciennement dupliqués : l'analyse est axée sur les conséquences de cette duplication. Les résultats montrent que le génome du poisson zèbre présente une organisation assez typique d'un génome téléostéen. Les gènes retenus en deux copies après la duplication du génome appartiennent à des catégories fonctionnelles particulières, et sont biaisés vers des gènes déjà conservés après les duplications 1R et 2R ayant eu lieu au début de l'histoire des vertébrés.

Il y a 40 ans, S. Ohno proposait la duplication des gènes et du génome commme l'une des principales forces de l'évolution (par exemple par la création de nouvelles fonctions protéiques ou par événements de spéciation). Prenant l'exemple des réseaux d'interaction protéine-protéine, Evlampiev et al. Ont développé un modèle analytique de réseau d'évolution par duplication-divergence sur différentes échelles génomiques. Ce modèle fournit, par exemple, un diagramme de phase qui prédit la topologie en limite asymptotique des grands réseaux. Dans cette thèse, nous présentons une analyse du problème de l'expansion des familles de gènes et des sous-réseaux, qui constituait jusqu'ici un problème ouvert, en utilisant des compositions de suites logistiques. Nous discutons également de l'existence de variations spontanées du taux de croissance entre les familles de gènes à l'aide d'une approximation de champ moyen. Cette approche fondamentale de l'évolution des réseaux non-orientés peut, en fait, être utilisée également pour analyser l'évolution des réseaux orientés sous duplication-divergence, tels que les voies de signalisation ou les réseaux de régulation de l'expression génétique. Elle peut également être appliquée pour analyser, en particulier, les différents taux de conservation de différentes classes de gènes, soit par duplication segmentaire soit par duplication du génome entier. Avec notre travail, nous espérons améliorer la compréhension du rôle de la duplication des gènes dans l'évolution des réseaux biologiques, conduisant à des prédictions sur la conservation, la topologie du réseau et d'autres caractéristiques expérimentalement vérifiables des réseaux biologiques.

La plupart des elements repetes de la famille l1 presentent une structure tronquee au hasard en s'. Il a prealablement ete montre que plusieurs copies completes se terminaient en s' par une repetition de 208 paires de bases (pb). Ces motifs (type a) contiennent des sequences de regulation transcriptionnelle. Dix copies de taille completes provenant de mus domesticus ont ete clonees. L'etude de leur partie s' revele l'absence de motifs a dans neuf d'entre elles. Deux de ces copies, sequencees sur leur partie s', contiennent une repetition de 230 pb (type f) de sequence non apparentee au type a. Les auteurs montrent la liaison aux copies d'extremite a ou f, de site de restriction et de nucleotides variants specifiques a chaque type. Ces variations indiquent que des sous familles distinctes de l1 md proviennent de l'amplification de sequences progenetrices liees respectivement a a et a f. Enfin l'insertion d'une copie de type f est etudiee au cours de l'evolution du genre mus: cette sous-fraction s'est probablement amplifiee pendant plusieurs millions d'annees

Les duplications de gènes et de génome sont considérées comme des moteurs de l’évolution des génomes eucaryotes. Trois duplications de génome complet (ou polyploïdisations) sont survenues au cours de l’évolution des vertébrés, dont deux à la base des vertébrés, et une troisième chez l’ancêtre commun des poissons téléostéens. La diversité morphologique, anatomique et écologique des espèces qui partagent un ancêtre commun polyploïde chez les chordés suggère un rôle des duplications de génome dans la diversification des espèces. En particulier, les duplications de génome semblent avoir facilité l’émergence du plan d’organisation des vertébrés, et être à l’origine de la radiation évolutive survenue chez les poissons téléostéens. Cependant, la portée évolutive des duplications de génome, et notamment les deux hypothèses majeures formulées ci-Avant, restent des questions ouvertes et en grande partie non résolues. Le groupe des téléostéens, qui compte plus de la moitié des espèces vertébrés existantes et partage un ancêtre commun polyploïde, constitue un modèle pertinent pour évaluer la contribution des duplications de génome dans l’expansion des familles multigéniques chez les vertébrés, pour comprendre les mécanismes évolutifs qui façonnent l’évolution des familles de gènes, et finalement tester les hypothèses moléculaires qui peuvent relier duplication de génome et biodiversité. Ainsi, nous avons étudié l’impact de la duplication de génome survenue à la base des téléostéens sur l’évolution de la famille multigénique sox, essentielle pour le développement et l’homéostasie des vertébrés. Notre analyse du contenu et de l’organisation des gènes sox dans 15 génomes de vertébrés, dont 10 téléostéens, révèle une importante expansion de l’ensemble de la famille des gènes sox dans ce vaste groupe de vertébrés, et démontre que cette expansion est essentiellement due à la duplication de génome survenue à la base des téléostéens. Les gènes sox dupliqués par duplication de génome semblent avoir été perdus par non-Fonctionnalisation dans certaines lignées, et préservés en deux copies par sous-Fonctionnalisation et/ou néo-Fonctionnalisation dans certaines autres lignées. Notre étude indique en effet une divergence lignée-Spécifique des patrons d’expression entre les gènes sox dupliqués chez différentes espèces de téléostéens. Ainsi, l’expansion du répertoire des gènes sox à la base des téléostéens semble avoir été suivi d’une évolution lignée-Spécifique du contenu et des fonctions de la famille des gènes sox chez les poissons téléostéens. Cette étude supporte l’hypothèse d’un rôle des duplications de génome dans l’enrichissement et la diversification subséquente des répertoires de gènes du développement tels que les gènes sox, et son rôle potentiel dans la diversification des espèces vertébrés
Gene and genome duplications are major engines of eukaryotic genome evolution. Three rounds of whole genome duplication (WGD) have occurred during vertebrate evolution, two rounds at the base of the vertebrate lineage, and a third round in the common ancestor of the teleostean fish (the so-Called teleost-Specific WGD). In chordates, species that share a polyploid ancestor are characterized by a huge morphological, anatomical and ecological diversity suggesting a role of WGDs in species diversification. For instance, it is considered that these drastic genomic events provided the raw material for the emergence of the vertebrate body plan, and facilitated speciation processes during the teleost radiation. However, how WGD is related to phenotypic diversification or to major evolutionary transitions are fundamental questions that remain largely unsolved. Teleostean fish constitute more than half of all extant vertebrates and share a polyploid ancestor. Thus, they provide a relevant model to study the importance of WGDs in gene families expansion, to understand evolutionary mechanisms that drive the evolution of these families and, finally, to test molecular hypotheses that might relate WGD and biodiversity. In this project, we studied the impact of the teleost-Specific WGD on the evolution of the sox gene family which are involved in development and homeostasis in vertebrates. Our analysis of the content and the genomic organization of the sox genes in 15 vertebrate genomes, including 10 teleosts, reveals an important expansion of this family in the teleost lineage, and demonstrates that this expansion is mainly due to the teleost-Specific WGD. The duplicated sox genes seem to have been lost by non-Functionalization in certain lineages, and preserved in two copies in others by neo-Functionalization and/or sub-Functionalization. Indeed, this study indicates lineage-Specific divergence in expression patterns between duplicated sox genes in different teleostean species. Hence, the sox family expansion that occurred in the last common ancestor of teleostean fish seems to have been followed by a lineage-Specific evolution of the content and functions of the sox family in this group. Our study supports the hypothesis for a role of WGDs in the enrichment and diversification of developmental genes repertories and its potential role in species diversification in vertebrates

La publication du génome de la paramécie (Aury, 2006) a révélé une séquence atypique particulièrement intéressante pour les études de génomique évolutive. Au cours de cette thèse, j’ai mené une analyse bioinformatique détaillée de ce génome en me concentrant particulièrement sur les trois points suivants : 1) Le rôle de deux classes distinctes de petits ARN fonctionnels non codants, l’une intervenant dans les processus de régulation de l’expression des gènes tandis que l’autre participe aux réarrangements génomiques (élimination de fragments d’ADN) associés au cycle sexuel de la paramécie. 2) L’évolution des paires de gènes après une duplication globale de génome (WGD). En effet, avec une WGD relativement récente précédée de deux autres WGDs plus anciennes encore bien visibles, la paramécie est un modèle de choix pour cette étude. Nous avons pu montrer que la rétention des deux copies d’un gène après une WGD est fortement corrélée au niveau d’expression des gènes. Nous proposons un modèle basé sur les coûts et bénéfices de l’expression des gènes pour expliquer cette observation. 3) L’analyse de contraintes sélectives sur les introns pour produire des messagers détectables par le Nonsense-Mediated mRNA Decay (NMD). Ces contraintes sélectives, mises en évidence initialement chez la paramécie, se sont avérées être présentes chez tous les eucaryotes que nous avons pu analyser, ce qui nous amène à questionner l’efficacité des mécanismes d’épissage chez les eucaryotes et le rôle du NMD dans la prévention des erreurs d’épissage. L’ensemble de ces analyses a permis de mieux comprendre un certain nombre de mécanismes évolutifs universels
This work presents a detailed analysis of the paramecium genome, with focusing more precisely on the 3 following topics : 1) The role of two distinct classes of small non-coding RNAs. The first one (siRNAs) being involved in post-transcriptional gene silencing while the other (scanRNAs) plays a crucial role during the massive genomic rearrangements that occur in ciliates after sexual reproduction (Lepère et al. 2009). 2) The evolution of duplicated genes following Whole-Genome Duplications (WGDs). Indeed, the paramecium genome contains evidences for 3 successive WGDs (Aury et al. 2006), which explains why this organisms is perfectly well suited for such an analysis. We show that retention of duplicated genes is strongly correlated to their expression level and we propose a model based on cost and benefit of gene expression to explain this pattern. 3) The analysis of the extremely tiny introns in paramecium (99% of introns are less than 20-33nt in length) revealed the presence of a translational control of splicing in eukaryotes. This work suggests that splicing errors are frequent and that eukaryotic cells rely on the Nonsense-mediated mRNA Decay to detect aberrant transcripts produced by splicing errors (Jaillon et al. 2008). These analyses provide new insights on several evolutionary mechanisms that shape the genomes of eukaryotes

Les duplications de gènes contribuent grandement à l'augmentation de la complexité des organismes en fournissant du nouveau matériel brut sur lequel agit la sélection naturelle. De ces duplications, c’est la duplication de génome qui a l’impact le plus important dû à la quantité de gènes impliqués. Plusieurs événements de duplication de génome ont eu lieu au fil de l'évolution de nombreuses lignées d'organismes. Une grande partie des gènes dupliqués créés lors de ces événements accumuleront des mutations délétères et seront inactivés ou disparaîtront du génome complètement, mais d'autres seront retenus. La rétention de certains gènes a été liée à divers facteurs comme le dosage génique et le niveau d'expression. Ce projet se concentre sur l’impact de la participation à des complexes protéiques sur la rétention des copies créés par des événements successifs de duplication de génome chez Paramecium tetraurelia. Nous avons d’abord prédit la composition de 885 complexes protéiques à travers les relations d'orthologie avec cinq espèces modèles. Ces complexes nous ont ensuite permis de déterminer que les gènes impliqués dans ces complexes avaient des niveaux d’expression plus élevés et plus corrélés, facteurs ayant déjà été associés avec un taux de rétention plus élevé. Nous avons également décelé une plus grande rétention d’un nombre pair de copies chez les gènes participant à des complexes protéiques, observation potentiellement reliée aux propriétés structurales des complexes. Parallèlement, nous avons noté un effet similaire à la participation à des complexes protéiques chez les gènes possédant des orthologues chez toutes les espèces modèles utilisées, démontrant que cet effet de conservation pouvait s’ajouter à celui de la participation à des complexes pour augmenter le niveau d’expression des gènes impliqués et le garder plus corrélé. Ensemble, ces facteurs présentent une image complexe de facteurs interreliés qui peuvent s’additionner pour influencer le sort des copies au fil de l’évolution
Gene duplications contribute greatly to the increase in organismal complexity by providing new material for natural selection to act upon. Of these duplication events, whole-genome duplication has a major impact due to the sheer amount of gene copies produced. Several events of whole-genome duplication have occurred throughout the evolutionary history of many lineages. The greater part of the duplicated genes created during these events will accumulate deleterious mutations, become inactivated and will disappear completely from the genome, but some will be maintained over time. Several factors have been linked to the retention of certain genes such as gene dosage or the level of expression. This project focuses on the impact of participation in a protein complex on the retention of copies created during several successive events of whole-genome duplication in the ciliate Paramecium tetraurelia. First, we predicted the composition of 885 protein complexes through orthologous relationships with five model species. Those protein complexes then allowed us to determine that genes participating in those complexes had higher and more correlated expression, both factors previously linked in the literature with a higher retention rate. We also observed a greater retention of even numbers of copies for genes participating in protein complexes, observation which might be connected to structural properties of protein complexes. At the same time, we noted an effect similar to protein complex participation in genes with orthologs in all our model species used and determined that this might partially be caused by an overlap between the genes participating in protein complexes and those being conserved in all the model species However, we also showed that the effect of widespread conservation was independent of that of complex participation. Together, those factors paint a complex picture of interconnected factors that can interact to influence the fate of copies through the course of evolution.
Duplication génique

L'expansion au cours de l'évolution de familles de gènes impliquées dans les cancers et d'autres maladies génétiques graves est surprenante du point de vue de la sélection naturelle. Dans cette thèse, nous avons montré que des familles de gènes sujettes à des mutations délétères dans le génome humain se sont principalement agrandies par rétention de gènes "ohnologues" issus de deux duplications globales du génome (GGD) datant de l'origine des vertébrés à mâchoires. En utilisant une méthode d'inférence avancée, nous avons aussi démontré que la rétention de nombreux ohnologues soupçonnés d'être susceptibles aux équilibres de dosage d'expression était en fait plus directement liée à leur sensibilité aux mutations délétères. Cette rétention priviligiée d'ohnologues "dangereux", définis comme sujets à des mutations délétères dominantes, semble être une conséquence des évênements de spéciation provoqués par ces GGD et la sélection de purification qui a suivi dans les espèces post-GGD. Nous avons également développé une approche quantitative pour identifier les ohnologues dans le génome des vertébrés. Ces ohnologues sont facilement accessibles à partir d'un serveur Web. Nos résultats soulignent l' importance de la sélection non adaptative induite par GGD dans l'émergence de la complexité des vertébrés, tout en rationalisant, d'un point de vue évolutif, l'extension des familles de gènes fréquemment impliquées dans les maladies génétiques et les cancers. Les ohnologues identifiés par notre approche ouvrent également la voie à de nouvelles analyses de génomique fonctionnelle distinguant l'origine des gènes dupliqués
The emergence and evolutionary expansion of gene families implicated in cancers and other severe genetic diseases is an evolutionary oddity from a natural selection perspective. In this thesis, we have shown that gene families prone to deleterious mutations in the human genome have been preferentially expanded by the retention of "ohnolog" genes from two rounds of whole-genome duplication (WGD) dating back from the onset of jawed vertebrates. Using advance inference analysis, we have further demonstrated that the retention of many ohnologs suspected to be dosage balanced is in fact indirectly mediated by their susceptibility to deleterious mutations. This enhanced retention of "dangerous" ohnologs, defined as prone to autosomal-dominant deleterious mutations, is shown to be a consequence of WGD-induced speciation and the ensuing purifying selection in post-WGD species. We have also developed an efficient approach to identify ohnologs in the vertebrate genome with high confidence. These ohnologs can be easily accessed from a web server. Our findings highlight the importance of WGD-induced non-adaptive selection for the emergence of vertebrate complexity, while rationalizing, from an evolutionary perspective, the expansion of gene families frequently implicated in genetic disorders and cancers. The high confidence ohnologs identified by our approach will also pave the way for a diverse functional genomic analyses

Ce travail de these porte sur l'organisation et la mise en place de la famille multigenique des genes or (olfactory receptors). La premiere partie montre que les genes or sont organises en clusters dans un grand nombre de sites repartis sur la plupart des chromosomes. Nous avons ensuite caracterise en detail en 3p13 une region contenant un de ces clusters et un gene de la mylk (myosin light chain kinase) et pu mettre en evidence la duplication de cette region en 3q13-21. Enfin, dans la derniere partie de ce travail, nous avons montre que les clusters de genes or etaient distribues dans un grand nombre de regions paralogues, dans l'ensemble du genome. Ces elements combines avec l'observation de ces regions chez d'autres primates, indiquent que la mise en place et la diversification de la famille des genes or se seraient produites au cours de l'evolution par l'intermedaire de duplications successives impliquant de larges regions genomiques.

La plupart des plantes à fleurs ont connu au moins un évènement de duplication de génome entier (WGD) au cours de leur histoire évolutive et en particulier les membres des Brassicaceae. Ainsi, l’ancêtre commun de la tribu des Brassiceae aurait subi deux évènements successifs de WGD, générant une triplication de génome (WGT). Les évènements de WGD sont généralement suivis d’une diploïdisation impliquant des modifications génétiques, épi-génétiques et transcriptionnelles aboutissant à la formation d’un génome diploïde. Par ailleurs, après un événement de WGD, la dynamique des éléments transposables est perturbée, ce qui peut conduire à une augmentation des évènements de translocation. Dans une lignée de Brassiceae, une réduction de la divergence moléculaire entre allèles ainsi qu’une translocation génomique ont été observées au locus d'auto-incompatibilité (locus S). On suspecte ces patrons d’être associés aux évènements de WGD. A partir d’approches phylogénomiques et d’analyse de la diversité du locus S dans la tribu des Brassiceae, nous souhaitons déterminer si le goulot d’étranglement observé au locus S chez les Brassiceae est contemporain à l’événement de WGT et s’il est associé à une translocation du locus S. Mes analyses suggèrent que toutes les espèces de Brassiceae partagent un même événement de WGT mais aussi que la perte de diversité phylogénétique au locus S semble précéder la diversification des Brassiceae. Néanmoins, mes données ne me permettent pas de conclure fermement quant au lien entre translocation génomique du locus S et événement de WGT, bien qu’elles indiquent que la translocation observée chez Brassica est partagée par plusieurs clades de Brassiceae
Whole genome duplication events are common in flowering plants and especially within the Brassicaceae family. For example, the common ancestor of the Brassiceae tribe has experienced two successive WGD events, generating a whole genome triplication (WGT). WGD events are generally followed by a diploidization process involving genetic, epigenetic and structural changes leading to a diploid genome. Furthermore, after such an event, the dynamic of transposable elements is disturbed, which can lead to an increase in translocation events. In one lineage of the Brassiceae tribe, a decrease of molecular divergence among alleles and a genomic translocation have been observed at the self-incompatibility locus (S locus). We suspect that these patterns are associated with the allopolyploidy events. Using phylogenomic approaches combined with S-locus diversity analyses, we aim at determining whether the bottleneck observed at the S-locus in the Brassiceae tribe is contemporaneous with the inferred whole genome triplication and whether these events are also associated with the translocation of the S-locus. My analyses suggest that all Brassiceae species share the same whole genome triplication event as well as a loss of phylogenetic diversity at the S-locus predating the divergence of Brassiceae lineages. Nevertheless, my data do not allow me to conclude about the association between the genomic translocation of the S locus and the whole genome triplication event, although they indicate that the translocation found in Brassica is shared by several Brassiceae clades

Après un rappel des notions fondamentales de biologie moléculaire et plus particulièrement des duplications en tandem, la thèse présente un panorama des outils existants permettant de détecter des régions homologues à grande échelle, en se focalisant sur les méthodes de chaînage d'ancres. Le document introduit alors un formalisme général de modélisation basé sur les graphes. Une nouvelle méthode de chaînage, capable de produire un ensemble de chaînes de score optimal et satisfaisant des contraintes de cohérences assurant une interprétation aisée des résultats est formulée, en exploitant la théorie des flots de coût minimum. Cette méthode est évaluée sur des problèmes de détection de duplications segmentales chez les plantes puis intégrée dans un pipeline de détection de grande régions dupliquées en tandem directement à partir de la séquence génomique. Cet outil est évalué sur le génome de la plante modèle Arabidopsis thaliana et confronté à l'annotation du génome, montrant ses capacités à détecter des régions dupliquées impliquant des éléments non-codants
After a quick introduction to molecular biology and more specifically tandem duplications, the thesis presents an overview of existing tools for detecting large scale homologuous regions, witha focus on anchor chaining methods. The thesis introduces a new graph-based general modelling formalism. A new chaining method, which is able to produce an optimal set of chains that satisfies specific consistency constraints that aim at easier interpretation is described, using minimum cost flow theory. This method is evaluated on segmental duplications detection in plants and then integrated in a pipeline targeted at tandem duplication detection directly from DNA. This tool is evaluated on the Arabidopsis thaliana genome and compared to the annotation, showing that it is able to detect tandem duplicated regions involving non coding elements

Les mycoplasmes sont des bactéries dépourvues de paroi qui dérivent de bactéries Gram plus. Il existe un groupe d'espèces, appelé le «Groupe mycoides» qui rassemble des espèces pathogènes pour les ruminants bien qu'il soit phylogénétiquement proche d'espèces pathogènes de plante. Leur génome est très réduit, environ un million de paires de bases et peu riche en G + C, environ 25 %. Parmi ce groupe, Mycoplasma mycoides subsp. Mycoides LC (MmmLC) est un agent responsable d'agalaxie contagieuse chez les chèvres. Il est très proche de Mycoplasma mycoides subsp. Mycoides SC (MmmSC) qui est l'agent responsable de la péripneumonie contagieuse bovine et dont le génome de la souche de référence était disponible. En raison de cette proximité nous avons décidé de séquencer complètement le génome d'une souche de MmmLC afin de pouvoir réaliser des études de génomique comparative. Préalablement au séquençage et à l'assemblage, nous avons évalué la taille du génome avec la technique d'électrophorèse en champs pulsé. Nous avons pu ensuite contrôler l'assemblage obtenu en comparant les données expérimentales «in-silico» avec les résultats d'électrophorèse. De plus nous avons réalisé des «Southern blots» afin de vérifier si les séquences dupliquées chez MmmSC l'étaient également chez MmmLC. La comparaison avec les génomes complets déjà disponibles pour des souches du «Groupe mycoides» a permis d'identifier un locus intéressant pour développer des PCR spécifiques. Ce locus comprend des gènes ou des fragments de gènes appartenant chez certaines bactéries à un opéron de «voie de déimination de l'arginine». Le nombre ainsi que l'agencement et la séquence de ces gènes varie d'une espèce à l'autre au sein du «Groupe mycoides». Il a ainsi été possible de développer une PCR spécifique pour Mycoplasma capricolum subsp. Capripneumoniae, l'agent de la pleuropneumonie contagieuse caprine en amplifiant un fragment du gène arcD et une PCR spécifique de M. Putrefaciens, un agent d'agalaxie contagieuse, en amplifiant un fragment du gène arcB. Pour la détection de l'ensemble des espèces du «Groupe mycoides» nous avons choisi un gène plus conservé, glk, situé en aval de l'opéron. L'annotation du génome de MmmLC a également permis d'identifier des séquences d'insertion. L'une d'entre elles, appartenant à la famille IS3, n'avait pas encore été décrite et a été appelée ISMmy2. Elle est présente chez certaines espèces du «Groupe mycoides» mais pas chez toutes les souches. Un variant de cette IS existe chez des espèces proches du «Groupe mycoides» et il en existe une copie non fonctionnelle chez MmmSC. Enfin nous avons voulu évaluer les capacités de MmmLC à exprimer des antigènes hétérologues dans le but ultime d'en faire un vecteur d'expression vaccinal. C'est pourquoi nous avons choisi un gène d'intérêt vétérinaire majeur, le gène H du virus de la peste des petits ruminants
Mycoplasmas are the smallest bacteria without a cell wall derived from Gram positive bacteria. A group of mycoplasma known as the “Mycoplasma mycoides cluster” is composed of five subspecies and an unassigned group of strains known for their pathogenicity in ruminant hosts. Phylogenetically, this cluster is found to be closely related to species of mycoplasma plant pathogens. Mycoplasmas have a reduced genome size of about 1 Mbp, characterized by a low GC content of about 25 %. Among members of the Mycoplasma mycoides cluster, Mycoplasma mycoides subsp. Mycoides large colony biotype (MmmLC) is one of the agents responsible for contagious agalactia in goats. This organism is closely related to Mycoplasma mycoides subsp. Mycoides small colony biotype, the causative agent of contagious bovine pleuropneumonia (CBPP), for which the whole genome sequence is available. Because of the close relationship of these two species we have decided to sequence the genome of an MmmLC strain for comparative genomics. Before whole genome sequencing and assembly, we have estimated the genome size of MmmLC using pulse field gel electrophoresis (PFGE). Data generated from this initial study have permitted us to verify the genome assembly by comparing in-silico profiles. In addition the preliminary analysis included DNA hybridization tests to verify the presence of duplicated genes in MmmLC as that of the genome of MmmSC. Comparative genomics made from the available whole genome sequence data of species within the M. Mycoides cluster has permitted the identification of target genes, which were used for the development of specific PCR tests. The target genes chosen included genes of the “arginine deiminase operon”, in most bacteria genes of this operon code for enzymes involved in the degradation of arginine to produce energy. The number of these genes as well as their organization within the operon found to vary between members of the M. Mycoides cluster. From this operon arcD has been used to develop a specific PCR for the identification of Mycoplasma capricolum subsp. Capripneumoniae, the causative agent of contagious caprine pleuropneumonia (CCPP), and arcB has been used for the development of specific PCR for the identification of M. Putrefaciens, another causative agent of the contagious agalactia syndrome. The glk gene, flanking the operon on the 3' end, was found to be highly conserved among all members of the M. Mycoides cluster and was used for the design of specific primers able to detect all members of M. Mycoides cluster. Furthermore, annotation of the genome sequence of MmmLC allowed the discovery of two new insertion sequence elements. One of these two insertion sequence elements was found in higher copy in the genome and belongs to the IS3 family. This insertion sequence was not described in any other mycoplasma species or bacteria, was given a new name: ISMmy2. It was also found in some species of the M. Mycoides cluster, but not in all the strains under these species. Interestingly, a non-functional vestige of ISMmy2 was also found in the MmmSC genome. Copies of this ISMmy2 were also found in species closely related to the M. Mycoides cluster. Finally, we have tried to evaluate the capacity of MmmLC to be transformed and to express a heterologous gene with the ultimate aim to create a multivalent vaccine. For this aim we have chosen the H-gene of peste des petits ruminant virus of veterinary health importance

Le Dimethylsulfoniopropionate (DMSP) est une molécule à fort impact écologique couramment produite par le phytoplancton marin, mais très rarement chez les plantes à fleurs: seulement chez quelques genres (dont Spartina chez les Poacées). Bien que les étapes enzymatiques impliquées dans la voie de biosynthèse du DMSP soient connues chez les spartines, son origine ainsi que les gènes impliqués restent encore à découvrir chez les plantes. Cette étude s’est fixée pour objectif de contribuer à élucider les mécanismes à l’origine de cette fonction chez les spartines. Cette question a été appréhendée à travers différentes approches : biochimique, métabolomique, transcriptomique, génomique comparative et phylogénétique. Les résultats ont montré que la capacité à synthétiser le DMSP a une origine unique au sein du genre Spartina et se serait mise en place il y a 3-10 millions d’années. Cette capacité est intervenue chez l’ancêtre d’un des deux principaux clades (hexaploïde) de spartines, puis a été héritée chez toutes les espèces dérivant de ce clade (hexaploïdes à dodécaploïdes). Les espèces de l’autre clade (tétraploïde) et leurs descendants (quel que soit leur niveau de ploïdie) n’accumulent pas de DMSP. En utilisant les génomes séquencés des espèces de Poacées ainsi que les ressources génomiques et transcriptomiques disponibles chez les spartines, les gènes candidats intervenant dans les 4 étapes de la voie de biosynthèse proposée dans la littérature ont été explorés. L’identification des gènes intervenant dans les deux étapes intermédiaires, supposées spécifiques de la capacité de synthèse du DMSP représente un véritable défi dans la mesure où seules des activités enzymatiques putatives ont été proposées à ce jour (sans connaissance des enzymes spécifiques ni de leur séquence protéique). Nous avons pu identifier une série de gènes candidats pour chacune des deux fonctions concernées (décarboxylase et amine oxydase), comparer leur niveau de transcription entre les espèces DMSP+ et DMSP-, et prédire leur localisation cellulaire. De plus, des analyses d’activités enzymatiques ont permis de formuler de nouvelles hypothèses et pistes de recherches sur l’émergence de cette nouvelle voie de biosynthèse chez les spartines
Dimethylsulfoniopropionate (DMSP) is an ecologically important molecule produced by most marine phytoplankton species, but very rarely by flowering plants: only in a few genera (including Spartina in Poaceae). Despite the different enzymatic steps involved in DMSP biosynthesis are well known, the origin of the function and the genes encoding the different enzymes are yet to be discovered. To explore the evolutionary mechanisms involved in the DMSP accumulation in Spartina, we used various approaches, including biochemical analyses, metabolomics, transcriptomics, comparative genomics and phylogenetics. Notably, we demonstrate that the ability to synthesize DMSP evolved once in the Spartina genus, sometimes 3-10 million years ago. This functional innovation occurred following the emergence of the hexaploid clade, and was inherited by all Spartina species deriving from this hexaploid ancestor. Spartina species belonging to the tetraploid clade and their deriving species do not accumulate DMSP (whatever their ploidy level). Using Poaceae sequenced genomes as well as Spartina genomic and transcriptomic resources obtained in our laboratory, candidate genes involved in the four different enzymatic steps of the DMSP biosynthesis pathway were searched. Identifying genes involved in the intermediate (2nd and 3rd) steps that are specific to this pathway was particularly challenging as only putative enzymatic activities have been proposed so far (corresponding protein sequences and genes are unknown). A set of candidate genes potentially involved in these two steps (with decarboxylase and amine oxydase activities) were identified and their transcription levels were compared among DMSP producing (DMSP+) and non-producing (DMSP-) Spartina species. Their putative cellular localization was also predicted. Moreover, enzymatic activity assays open new hypotheses and research perspectives regarding this enigmatic biosynthesis pathway in Spartina

Les familles de gènes impliqués dans le cancer et autres maladies génétiques se sont beaucoup élargies via deux Duplications Globales de Génome (DGG) qui ont eu lieu à l'origine des vertébrés. La rétention des copies de ces gènes implique une susceptibilité plus grande aux maladies génétiques et constitue une énigme du point de vue de l'évolution. Dans cette thèse, nous avons généralisé des modèles classiques de génétique des populations pour révéler le mécanisme non-adaptatif qui a conduit à cette conservation de gènes potentiellement délétères chez les vertébrés. Nous avons résolu un modèle déterministe haploïde, nous avons étendu ce modèle à des génomes diploïdes et nous avons analysé les effets de taille finie des populations et de la sélection positive par une approche stochastique. Les résultats montrent, en accord avec les données génomiques du cancer chez l'homme, que les copies DGG susceptibles aux mutations délétères dominantes sont conservées indirectement via la sélection de purification dans les espèces post-DGG, qui présentent nécessairement une incompatibilité de ploïdie avec la population pre-DGG. Les résultats obtenus en étendant des méthodes avancées d'inférence bayésienne, quantifiant les effets causaux directs, soutiennent l'hypothèse d'une influence directe de la susceptibilité aux mutations délétères dominantes sur la rétention des copies DGG. Ces résultats révèlent le mécanisme d'évolution non-adaptatif responsable de la rétention de gènes DGG susceptibles aux mutations délétères dominantes et notre extension de méthodes d'inférence bayesienne ouvre la voie à la quantification des relations causales directes dans un large ensemble de problématiques
Gene families implicated in cancer and other genetic diseases have been greatly expanded through two rounds of whole-genome duplication (WGD) that occurred at the onset of jawed vertebrates. However, such gene duplicates are expected to lead to an enhanced susceptibility to genetic diseases, and thus their retention represents an evolutionary puzzle from a natural selection perspective. In this thesis, we have expanded classical population genetics models to reveal the non-adaptive mechanism through which such potentially deleterious ohnologs (WGD-duplicated genes) were retained in the vertebrate genomes. We have solved a deterministic haploid model, we have considered extensions to diploid genotypes, and we have analyzed population size effects and the impact of positive selection through a stochastic approach. The results demonstrate, consistently with available human cancer genome data, that ohnologs prone to dominant deleterious mutations are indirectly selected through purifying selection in post-WGD species, arisen through the ploidy incompatibility between post-WGD individuals and the rest of the pre-WGD population. Extending advanced Bayesian inference methods to quantify direct and indirect causal effects, we have found further supporting evidences for the direct role of the gene susceptibility to deleterious mutations on ohnolog retention. Our findings rationalize the evolutionary mechanism responsible for the expansion of ohnologs prone to dominant deleterious mutations, highlighting the role of WGD-induced speciation. Our extension of Bayesian inference methods paves the way for the identification of direct causal relationships in a huge variety of problems

L’inférence de génomes ancestraux est une étape essentielle pour l’étude de l’évolution des génomes. Connaissant les génomes d’espèces éteintes, on peut proposer des mécanismes biologiques expliquant les divergences entre les génomes des espèces modernes. Diverses méthodes visant à résoudre ce problème existent, se classant parmis deux grandes catégories : les méthodes de distance et les méthodes de synténie. L’état de l’art des distances génomiques ne permettant qu’un certain répertoire de réarrangements pour le moment, les méthodes de synténie sont donc plus appropriées en pratique. Nous proposons une méthode de synténie pour la reconstruction de génomes ancestraux basée sur une définition relaxée d’adjacences de gènes, permettant un contenu en gène inégal dans les génomes modernes causé par des pertes de gènes de même que des duplications de génomes entiers (DGE). Des simulations sont effectuées, démontrant une capacité de former une solution assemblée en un nombre réduit de régions ancestrales contigües par rapport à d’autres méthodes tout en gardant une bonne fiabilité. Des applications sur des données de levures et de plantes céréalières montrent des résultats en accord avec d’autres publications, notamment la présence de fusion imbriquée de chromosomes pendant l’évolution des céréales.
Ancestral genome inference is a decisive step for studying genome evolution. Knowing genomes from extinct species, one can propose biological mecanisms explaining divergences between extant species genomes. Various methods classified in two categories have been developped : distance based methods and synteny based methods. The state of the art of distance based methods only permit a certain repertoire of genomic rearrangements, thus synteny based methods are more appropriate in practice for the time being. We propose a synteny method for ancestral genome reconstruction based on a relaxed defenition of gene adjacencies, permitting unequal gene content in extant genomes caused by gene losses and whole genome duplications (WGD). Simulations results demonstrate our method’s ability to form a more assembled solution rather than a collection of contiguous ancestral regions (CAR) with respect to other methods, while maintaining a good reliability. Applications on data sets from yeasts and cereal species show results agreeing with other publications, notably the existence of nested chromosome fusion during the evolution of cereals.

La duplication est un des évènements évolutifs les plus importants, car elle peut mener à la création de nouvelles fonctions géniques. Durant leur évolution, les génomes sont aussi affectés par des inversions, des translocations (incluant des fusions et fissions de chromosomes), des transpositions et des délétions. L'étude de l'évolution des génomes est importante, notamment pour mieux comprendre les mécanismes biologiques impliqués, les types d'évènements qui sont les plus fréquents et quels étaient les contenus en gènes des espèces ancestrales. Afin d'analyser ces différents aspects de l'évolution des génomes, des algorithmes efficaces doivent être créés pour inférer des génomes ancestraux, des histoires évolutives, des relations d'homologies et pour calculer les distances entre les génomes. Dans cette thèse, quatre projets reliés à l'étude et à l'analyse de l'évolution des génomes sont présentés : 1) Nous proposons deux algorithmes pour résoudre des problèmes reliés à la duplication de génome entier : un qui généralise le problème du genome halving aux pertes de gènes et un qui permet de calculer la double distance avec pertes. 2) Nous présentons une nouvelle méthode pour l'inférence d'histoires évolutives de groupes de gènes orthologues répétés en tandem. 3) Nous proposons une nouvelle approche basée sur la théorie des graphes pour inférer des gènes in-paralogues qui considère simultanément l'information provenant de différentes espèces afin de faire de meilleures prédictions. 4) Nous présentons une étude de l'histoire évolutive des gènes d'ARN de transfert chez 50 souches de Bacillus.
Gene duplication is one of the most important types of events affecting genomes during their evolution because it can create novel gene function. During the evolution process, genomes are also affected by inversions, translocations (including chromosome fusions and fissions), transpositions and deletions. Studying the evolution of genomes is important to get a better understanding of the biological mechanisms involved, which types of events are more frequent than others and what was the gene content in the ancestral species just to name a few. In order to analyze these different aspects of genome evolution, efficient algorithms need to be developed to infer ancestral genomes, evolutionary histories, homology relationships between genes and to compute distances between genomes. In this thesis, four different projects related to the study and analysis of genome evolution are presented: 1) We developed two algorithms to solve problems related to whole genome duplication: one that generalizes the genome halving problem to gene losses, and one that allows to compute the double distance with losses. 2) We developed a new method to infer evolutionary histories of orthologous tandemly arrayed gene clusters. 3) We proposed a new graph-theoretic approach to infer inparalogs that simultaneously considers the information given by multiple species in order to make better inferences of inparalogous gene pairs. 4) We studied the evolutionary history of the tRNA genes of 50 Bacillus strains.