Bioinformatique en génomique évolutive

21
Bioinformatique en génomique évolutive Elsa Petit Parcours Projet actuel Projet futur Enseignement

description

ParcoursProjet actuelProjet futurEnseignement. Bioinformatique en génomique évolutive. Elsa Petit. Parcours Projet actuelProjet futurEnseignement. Parcours. 1997-2000: Ecole d’Ingénieurs des Travaux Agricoles, Bordeaux Option pathologie végétale - PowerPoint PPT Presentation

Transcript of Bioinformatique en génomique évolutive

Page 1: Bioinformatique en génomique évolutive

Bioinformatique en génomique évolutive

Elsa Petit

ParcoursProjet actuel Projet futur Enseignement

Page 2: Bioinformatique en génomique évolutive

Parcours• 1997-2000: Ecole d’Ingénieurs des Travaux Agricoles, Bordeaux

• Option pathologie végétale• Eté 1999: Iowa State University, Prévision de l’anthracnose de la pastèque• Eté 2000: University of California, Effet de l’environnement sur le risque d’oidium

• 2000-2005: Thèse de pathologie végétale, University of California, Davis• Contrôle des champignons pathogènes responsables de la maladie du pied-noir de la vigne

• 2005-2006: Ingénieur bioinformatique, Génopole, Evry• Entreprise Atragene, France

• 2006-2008: Post-doctorant, University of Massachusetts• Génomique fonctionnelle des bactéries

• 2009-2012: Professeur contractuel, Amherst College• Génomique évolutive des champignons pathogènes

• 2013: ATER, Museum Paris• Génétique des populations, Drosophila simulans

* Périodes creuses en terme de recherche: 1 an de bénévolat et 1 an dans le privé

ParcoursProjet actuel Projet futur Enseignement

Page 3: Bioinformatique en génomique évolutive

Génomique d’une bactérie cellulolytique

Coordinatrice de l’analyse du génome complet

1. Petit, E., et al.. 2012. Involvement of a bacterial microcompartment in the metabolism of fucose and rhamnose by Clostridium phytofermentans. PLoS ONE e54337.

2. Petit, E., et al.. 2012. The genome and transcriptome of the bacterium Clostridium phytofermentans.(soumis).3. Blanchard J. L. , Leschine S., Petit E., and Fabel J. . 2010. Methods and compositions for improving the production of

products in microorganisms. Brevet US20100028966.

Génomique fonctionnelle (Puces d’expression du génome): comparaison sur 17 substrats détection de gènes d’intérêt

ParcoursProjet actuel Projet futur Enseignement

Objectif: Identification des gènes responsables des capacités généralistes de la bactérie Clostridium phytofermentans

Page 4: Bioinformatique en génomique évolutive

Evolution des chromosomes sexuels chez le champignon Microbotryum

• Objectif: Déterminer si l’évolution de la suppression de recombinaison sur les chromosomes sexuels des champignons est similaire à celle des animaux et plantes

• Caractérisation de la taille de la zone non-recombinante (carte optique)

zone non-recombinante

zones recombinantes

a2

a1

ParcoursProjet actuel Projet futur Enseignement

a1 a2

Page 5: Bioinformatique en génomique évolutive

• Identification des gènes spécifiques aux chromosomes sexuels

• Résultats:

Preuves de l’existence de « strates » sont faibles chez les champignons en utilisant une approche phylogénétique.

ParcoursProjet actuel Projet futur Enseignement

Sporobolomyces

Microbotryum

Evolution des chromosomes sexuels chez le champignon Microbotryum

1. Petit, E., Giraud, T., et al. 2012. Linkage to the Mating-Type Locus across the Genus Microbotryum: Insights into non-recombining chromosomes. Evolution 66.

2. Hood, M., Petit, E., & Giraud, T. 2013. Extensive divergence between mating type chromosomes of the anther-smut fungus. Genetics 193.

Page 6: Bioinformatique en génomique évolutive

Génomique de l’hybridation

• L’hybridation permet de comprendre la spéciation

• Modèle Microbotryum:1. Cultivable facilement2. Facile à croiser3. Génotypes haploïdes 4. Valeur sélective des hybrides facile à quantifier

ParcoursProjet actuel Projet futur Enseignement

• Sur le genre Dianthus, plusieurs espèces de pathogènes Microbotryum par espèce d’hôte

Objectif: Rechercher l’existence d’hybrides et les conséquences génomiques de l’hybridation

Page 7: Bioinformatique en génomique évolutive

• Méthodes• Echantillonnage dans les Alpes• 6 espèces d’hôtes Dianthus• 8 microsatellites, 235 individus

• Résultats• 3 espèces de pathogènes généralistes• Hybrides entre toutes les espèces

Génomique de l’hybridation

ParcoursProjet actuel Projet futur Enseignement

Page 8: Bioinformatique en génomique évolutive

Génomique de l’hybridation• Distribution selon la géographie • Absence de spécificité à l’hôte• Sympatrie• Hybrides en présence de leur parents

ParcoursProjet actuel Projet futur Enseignement

7.0 7.2 7.4 7.6 7.8 8.0 8.2 8.4

44.0

44.2

44.4

44.6

Page 9: Bioinformatique en génomique évolutive

Nombre de copies par PCR quantitative

ParcoursProjet actuel Projet futur Enseignement

Génomique de l’hybridation• Objectif: Déterminer les conséquences génomiques de l’hybridation

Exemple de la prolifération des éléments transposables (type copia)

Pourcentage du génome par 454

Page 10: Bioinformatique en génomique évolutive

Génétique des populations: Drosophila simulans

ParcoursProjet actuel Projet futur Enseignement

Objectif: Historique démographique de la colonisation de l’Europe depuis l’Afrique

• 15 individus par population en Afrique et en Europe pour D. melanogaster and D. simulans

• Séquences de 44 loci

• Comparaison de scénarios avec simulation ABC:• Quand a eu lieu la migration depuis l’Afrique?

• Taille du goulet d’étranglement?

• Variation des tailles efficaces au cours du temps?

• Flux de gènes entre les 2 populations?

Page 11: Bioinformatique en génomique évolutive

Plateforme d’analyse RNAseq de novo

ParcoursProjet actuel Projet futur Enseignement

Objectif: Développer une plateforme d’analyse pour l’assemblage RNA-Seq pour les organismes dont le génome complet n’est pas disponible et qui répondent a des questions évolutives

Page 12: Bioinformatique en génomique évolutive

ParcoursProjet actuel Projet futur Enseignement

• Pas besoin d’organismes modèles séquencés

• Assemblage de transcrits -> facilité par des tailles des fragments de plus

en plus grandes

Gene 1 Gene 2

Contig 1 Gene 1 Contig 1 Gene 2 Contig 2 Gene 2

Plateforme d’analyse RNAseq de novo

Page 13: Bioinformatique en génomique évolutive

ParcoursProjet actuel Projet futur Enseignement

Extraction ARN

Type de sequencage, multiplexage, nombre d’echantillons

Contrôles qualités, normalisation

Séquençage cDNA

Assemblage de novo

Annotation Comptage

Sélection

Analyse de l’expression différenciée

Détection des variations

Enrichissement fonctionnel

Alignements

Plateforme d’analyse RNAseq de novo

Page 14: Bioinformatique en génomique évolutive

Insertion dans le laboratoire d’accueil

ParcoursProjet actuel Projet futur Enseignement

Mon programme:• RNAseq de novo

• Evolution• Génomique des

populations

France Génomique

Institut de Biologie Paris Seine

Equipe Pr. Le Crom

• Séquenceur illumina• Expertises• Plateforme Eoulsan de

génomique fonctionnelle

Page 15: Bioinformatique en génomique évolutive

Questions biologiques : divergence adaptative

ParcoursProjet actuel Projet futur Enseignement

• Des adaptations au même environnement

impliquent-elles les mêmes gènes ou

mutations ?

• Quelle proportion du génome est impliquée

dans l’adaptation?

Page 16: Bioinformatique en génomique évolutive

Enseignement• Cours enseignés en anglais

• Mycologie (60h, 40 étudiants)• Microbiologie (10h, 100 étudiants)

• Ecologie des Maladies Infectieuses (120h, 10 étudiants)

• Biologie des Génomes (60h, 25 étudiants)

ParcoursProjet actuel Projet futur Enseignement

• Projet d’enseignement • Formation pédagogique utile pour enseigner en amphithéâtre• Effectifs et publics variés• Sujet connu de la bioinformatique

• Sélectionnée pour formation pédagogique First IV (National Science Foundation)

• « enseigner la science comme elle est pratiquée »

Page 17: Bioinformatique en génomique évolutive

Informatique

ParcoursProjet actuel Projet futur Enseignement

Informatique niveau 1 et optionnel(License)

• Utilisation du terminal• Création d’algorithmes

• Initiation a la programmation

Mon expérience• Cours d’algorithmes école

d’ingénieur• Utilisation courante pour ma

recherche• Programmation en Python, Perl, R

Ecrire “Entrer un nombre”

Lire N

N<0

Début

Ecrire “Nombre négatif”

Ecrire “Nombre positif”

Fin

FauxVrai

Page 18: Bioinformatique en génomique évolutive

Bio-informatique – Algorithmique des séquences et programmation Python

ParcoursProjet actuel Projet futur Enseignement

Bioinformatique (License et Master)

• Analyse de séquences• Programmation (Python)

• Recherche de motifs

Mon expérience• Génomique comparative

• Cours biologie des génomes• Programmation en Python

Page 19: Bioinformatique en génomique évolutive

Formation pédagogique First IV (National Science Foundation)

ParcoursProjet actuel Projet futur Enseignement

• Inspirée par Socrates, centrée sur l’ étudiant

• « enseigner la science comme elle est

pratiquée »

• Design du cours commence par le but final,

puis comment évaluer le progrès

• Quels concepts clefs doivent être retenus

Page 20: Bioinformatique en génomique évolutive

Proposition d’un cours:Biologie des genomes

ParcoursProjet actuel Projet futur Enseignement

• Architecture des systèmes génétiques• Masse d’information génétique

comprendre l’intégrité génomique • Evaluer comment génome

“assemblages d’éléments génétiques”• Conséquences des structures

génomiques sur la forme des espèces et les potentiels évolutifs a long-terme

• Projets individuels originaux:Ex: Importance des éléments transposables chez les champignons levures ou non.

Page 21: Bioinformatique en génomique évolutive

Figure 1. Overview of de novo short reads assemblers.

Zhang W, Chen J, Yang Y, Tang Y, et al. (2011) A Practical Comparison of De Novo Genome Assembly Software Tools for Next-Generation Sequencing Technologies. PLoS ONE 6(3): e17915. doi:10.1371/journal.pone.0017915http://www.plosone.org/article/info:doi/10.1371/journal.pone.0017915