Algorithmes bioinformatiques et modèles évolutifs pour la paléoprotéomique

Algorithms, bioinformatics and evolution for paleoproteomics

• Auteur / Autrice : Karl Baltazart
• Direction : Xavier Vekemans, Hélène Touzet
• Type : Projet de thèse
• Discipline(s) : Biologie de l'environnement, des organismes, des populations, ecologie
• Date : Inscription en doctorat le 01/01/2024
• Etablissement(s) : Université de Lille (2022-....)
• Ecole(s) doctorale(s) : École doctorale Sciences de la matière, du rayonnement et de l'environnement (Lille ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Evolution, Ecologie et Paléontologie (Evo-Eco-Paléo)
• Partenaire(s) de recherche : Equipe de recherche : Paleontologie

Mots clés

Mots clés libres

Phylogénétique

Séquences

Programmation

Évolution

Phylogenetics

Sequence

Programmation

Evolution

Résumé

Ces dernières années, l'analyse d'échantillons biologiques anciens a modifié notre compréhension de l'évolution de la vie sur Terre, renouvelant les approches précédemment utilisées en paléontologie, basées sur l'étude des fossiles ou la datation au carbone 14. Au premier rang des nouvelles techniques moléculaires figure la paléogénomique (séquençage de l'ADN ancien). Plus récemment, la paléoprotéomique via la ZooArchaeology by mass spectrometry (ZooMS) offre la possibilité d'identifier des fragments d'os morphologiquement ambigus ou non identifiables à partir d'assemblages d'os. L'identification des os par ZooMS résulte du séquençage d'une protéine cible, telle que le collagène, qui est abondante dans les fragments d'os. Le collagène présent dans les échantillons est digéré et la masse des peptides obtenus par spectrométrie donne une information indirecte sur la séquence des acides aminés de la protéine étudiée. Pour exploiter ces données, la communauté travaille avec des peptides marqueurs, qui servent en quelque sorte de code-barres moléculaire pour l'assignation taxonomique. Mais l'utilisation de ces peptides marqueurs souffre de deux limitations : elle reste manuelle et elle néglige la dimension évolutive des données. Il y a donc un réel besoin de formaliser et d'automatiser les méthodes afin d'obtenir des assignations robustes et reproductibles, même à grande échelle. Cela soulève de multiples questions : ● Comment généraliser l'approche par peptides marqueurs en allant vers la combinaison de peptides marqueurs ou des peptides marqueurs consensus pour tirer pleinement partie du signal phylogénétique contenu dans les données ? ● Comment inférer automatiquement des peptiques marqueurs à différents niveaux taxonomiques ? ● Comment mesurer le signal phylogénétique contenu dans la protéine cible et ses peptides ? ● Comment reconstruire les séquences protéiques ancestrales à partir des spectres et des séquences contemporaines pour enrichir les jeux de données contemporains ? Les méthodes développées combineront des approches algorithmiques séquentielles et un cadre probabiliste utilisant des modèles d'évolution des séquences protéiques pour reconstruire les arbres phylogénétiques et les séquences ancestrales. Les résultats attendus sont doubles : développer une boîte à outils pour l'analyse des données, et proposer un cadre méthodologique pour une utilisation éclairée des peptides marqueurs dans ZooMS.

In recent years, the analysis of ancient biological samples has changed our understanding of the evolution of life on Earth, renewing the approaches previously used in paleontology based on the study of fossils or carbon-14 dating. At the forefront of new molecular techniques is paleogenomics (sequencing of ancient DNA), although DNA degrades relatively quickly. More recently, paleoproteomics via ZooArchaeology by mass spectrometry (ZooMS) offers a possibility to identify morphologically ambiguous or unidentifiable bone fragments from bone assemblages. Identification of bones with ZooMS results from the sequencing of a target protein, such as collagen, which is abundant in bone fragments. The collagen present in the samples is digested and the mass of the peptides obtained by spectrometry gives indirect information on the amino acid sequence of the protein studied. To exploit this data, the community works with marker peptides, which serve as a sort of molecular barcode for taxonomic assignment. But the use of these marker peptides suffers from two limitations: it remains manual and it neglects the evolutionary dimension of the data. There is therefore a real need to formalize and automate the methods in order to obtain robust and reproducible assignments, even on a large scale. This raises multiple questions: ● How can the marker peptide approach be generalized towards the combination of marker peptides or consensus marker peptides to take full advantage of the phylogenetic signal contained in the data? ● How to infer marker peptides at different taxonomic levels ? ● How to measure the phylogenetic signal contained in the target protein and its peptides ? ● How to reconstruct ancestral protein sequences from spectra and contemporary sequences to enrich contemporary data sets ? The methods developed will combine sequence algorithmic approaches and a probabilistic framework using protein sequence evolution models to reconstruct phylogenetic trees and ancestral sequences. The expected results are twofold: to develop a toolbox for data analysis, and to propose a methodological framework for an informed use of marker peptides in ZooMS.