Analyse génétique d’un caractère complexe à l’aide de données transcriptomiquesPport de la modèlisation de réseaux de gènes
Auteur / Autrice : | Anne Yuna Blum |
Direction : | Sandrine Lagarrigue, David Causeur |
Type : | Thèse de doctorat |
Discipline(s) : | Génétique et mathématiques appliquées |
Date : | Soutenance en 2012 |
Etablissement(s) : | Rennes, Agrocampus Ouest |
Mots clés
Mots clés contrôlés
Résumé
Depuis une dizaine d’années, de nombreux projets de génomique fonctionnelle se sont développés, avec pour objectif de mieux comprendre des caractères complexes d’intérêt socio-éconmique en vue de mieux les maîtriser. Ces c aractères sont dits complexes car contrôlés par de multiples facteurs : génétique, alimentation, état de santé…Une stratégie couramment utilisée pour l’étude de tels caractères consiste à localiser des QTL, c'est-à-dire des régions chromosomiques contrôlant leur variabilité. Prarralèlement au développement de ces travaux, les technologies de puces à ADN ont émergé, permettant de mesurer à haut débit l’expression de l’ensemble des gènes d’un organisme via la quantification des transcrits (données transcriptomiques). Des stratégies dites de génétique génomique combinant des approches de génomique fonctionnelle et de cartographie de QTL on alors été développées avec comme objectif de faciliter l’identification des mutations causales sous-jacentes aux QTL détectés. Dans ce contexte nouveau, une originalité de la thèse est de prendre en compte l’hétérogénéité existante dans les données transcriptomiques et causées par des facteurs connus ou inconnus indépendamment au cractère d’intérêt. Au travers de plusieurs études, on montre que l’hétérogénéité du signal d’expression ou des profils d’expression masque bien souvent la détection des gènes et des régions du génome liés aux caractère d’intérêt. Un deuxième volet de la thèse concerne l’inférence de réseaux de gènes. Nous développons de nouvelles méthodes pour l’estimation de telles structures basées sur un modèle à facteurs. Ces méthodes permettent de caractériser des régulateurs clés et des processus biologiques sous-jacents à la variabilité de caractères complexes, apportant de nouvelles informations fonctionnelles quant aux mutations causales recherchées.