Étude des différentes approches d’indexation du génome au pan-génome : application aux génomes de riz

Development of indexing compressed structures for analyzing collection of similar genomes : application to rice genomes.

• Auteur / Autrice : Clément Agret
• Direction : Manuel Ruiz, Alban Mancheron, Annie Chateau
• Type : Thèse de doctorat
• Discipline(s) : Génétique et amélioration des plantes
• Date : Soutenance le 13/10/2020
• Etablissement(s) : Montpellier, SupAgro
• Ecole(s) doctorale(s) : GAIA (Montpellier ; École Doctorale ; 2015-...)
• Partenaire(s) de recherche : Laboratoire : Amélioration Génétique et Adaptation des Plantes/UMR AGAP Montpellier - Laboratoire d'informatique, de robotique et de micro-électronique (Montpellier ; 1992-....)
• Jury : Président / Présidente : Thérèse Commes-Maerten
• Jury : Examinateurs / Examinatrices : Manuel Ruiz, Alban Mancheron, Annie Chateau, Thérèse Commes-Maerten, Jacques Van Helden, Thierry Lecroq, Mikaël Salson, Hélène Chiapello
• Jury : Rapporteur / Rapporteuse : Jacques Van Helden, Thierry Lecroq

Mots clés

Mots clés libres

Bioinformatique

Indexation

Gestion des données

Données de séquençage

Génomes de référence

Riz

Bioinformatics

Indexing

Data management

Sequencing data

References genomes

Rice

Résumé

Le sujet de ma thèse concerne l’étude des structures d’indexation et les méthodes de compression de données pour palier au problème d’indexation d’une collection de génomes similaires.Le but ultime est d’appliquer ces méthodes à l’indexation des génomes du riz afin de faciliter l’analyse de l’ensemble des études et activités du projet GenomeHarvest. Comme par exemple l’impact de leurs variations structurelles sur les taux de recombinaison, les études des fréquences allèliques, les études GWAS, etc.L’indexation de génomes complets est une étape importante dans l’exploration et la compréhension des données d’organismes vivants. Un index devrait fournir une réponse rapide aux questions suivantes :- Combien de fois un motif donné apparaît dans une collection de génomes ?- Quelles sont les positions et les génomes porteurs d’un motif donné ?- Quelle est la longueur du motif à la position i pour un génome donné ?C’est ce que nous avons réalisé grâce à cette thèse, nous avons réfléchi, proposés un algorithme. Une fois l’algorithme trouvé, nous avons implémenté cet algorithme sous forme d’un logiciel qui permet l’indexation d’une large collection de génome et son requêtage.

The subject of my thesis concerns the study of index structures and compression methods to find a solution to the problem of indexing a collection of similar genomes. The ultimate goal is to apply these methods to the indexation of rice genomes and to facilitate the analysis of the impact of their structural variations on recombination rates, allele frequencies, GWAS studies, Other activities of GenomeHarvest. The indexation of complete genomes is an important stage in the exploration and understanding of data from living organisms. An index should provide a quick answer to the following questions: - How many times a given pattern appear in the genome? - Which are the positions of a given pattern? - What is the pattern length at the i position in the genome?