AutoFACT: An Automatic Functional Annotation and Classification Tool

Affiliation: Centre Robert-Cedergren de l'Université de Montréal en bio-informatique et génomique & Département de biochimie, Université de Montréal

AnaBench: a Web/CORBA-based workbench for biomolecular sequence analysis

Affiliation: Département de biochimie, Faculté de médecine, Université de Montréal

Purification of mitochondrial RNase P in A. nidulans

Résumé La ribonucléase P (RNase P) est une ribonucléoprotéine omniprésente dans tous les règnes du vivant, elle est responsable de la maturation en 5’ des précurseurs des ARNs de transfert (ARNts) et quelques autres petits ARNs. L’enzyme est composée d'une sous unité catalytique d'ARN (ARN-P) et d'une ou de plusieurs protéines selon les espèces. Chez les eucaryotes, l’activité de la RNase P cytoplasmique est distincte de celles des organelles (mitochondrie et chloroplaste). Chez la plupart des espèces, les ARN-P sont constituées de plusieurs éléments structuraux secondaires critiques conservés au cours de l’évolution. En revanche, au niveau de la structure, une réduction forte été observé dans la plupart des mtARN-Ps. Le nombre de protéines composant la RNase P est extrêmement variable : une chez les bactéries, environ quatre chez les archéobactéries, et dix chez la forme cytoplasmique des eucaryotes. Cet aspect est peu connu pour les formes mitochondriales. Dans la plupart des cas, l’identification de la mtRNase P est le résultat de longues procédures de purification comprenant plusieurs étapes dans le but de réduire au minimum le nombre de protéines requises pour l’activité (exemple de la levure et A. nidulans). Cela mène régulièrement à la perte de l’activité et de l’intégrité des complexes ribonucléo-protéiques natifs. Dans ce travail, par l’utilisation de la technique de BN-PAGE, nous avons développé une procédure d’enrichissement de l’activité RNase P mitochondriale native, donnant un rendement raisonnable. Les fractions enrichies capables de cette activité enzymatique ont été analysées par LC/MS/MS et les résultats montrent que l’holoenzyme de la RNase P de chacune des fractions contient un nombre de protéines beaucoup plus grand que ce qui était connue. Nous suggérons une liste de protéines (principalement hypothétiques) qui accompagnent l’activité de la RNase P. IV De plus, la question de la localisation de la mtRNase P de A. nidulans a été étudiée, selon nos résultats, la majorité de la mtRNase P est attachée á la membrane interne de la mitochondrie. Sa solubilisation se fait par l’utilisation de différents types de détergent. Ces derniers permettent l’obtention d’un spectre de complexes de la RNase P de différentes tailles.

A phylogenomics approach to resolving fungal evolution, and phylogenetic method development

Bien que les champignons soient régulièrement utilisés comme modèle d'étude des systèmes eucaryotes, leurs relations phylogénétiques soulèvent encore des questions controversées. Parmi celles-ci, la classification des zygomycètes reste inconsistante. Ils sont potentiellement paraphylétiques, i.e. regroupent de lignées fongiques non directement affiliées. La position phylogénétique du genre Schizosaccharomyces est aussi controversée: appartient-il aux Taphrinomycotina (précédemment connus comme archiascomycetes) comme prédit par l'analyse de gènes nucléaires, ou est-il plutôt relié aux Saccharomycotina (levures bourgeonnantes) tel que le suggère la phylogénie mitochondriale? Une autre question concerne la position phylogénétique des nucléariides, un groupe d'eucaryotes amiboïdes que l'on suppose étroitement relié aux champignons. Des analyses multi-gènes réalisées antérieurement n'ont pu conclure, étant donné le choix d'un nombre réduit de taxons et l'utilisation de six gènes nucléaires seulement. Nous avons abordé ces questions par le biais d'inférences phylogénétiques et tests statistiques appliqués à des assemblages de données phylogénomiques nucléaires et mitochondriales. D'après nos résultats, les zygomycètes sont paraphylétiques (Chapitre 2) bien que le signal phylogénétique issu du jeu de données mitochondriales disponibles est insuffisant pour résoudre l'ordre de cet embranchement avec une confiance statistique significative. Dans le Chapitre 3, nous montrons à l'aide d'un jeu de données nucléaires important (plus de cent protéines) et avec supports statistiques concluants, que le genre Schizosaccharomyces appartient aux Taphrinomycotina. De plus, nous démontrons que le regroupement conflictuel des Schizosaccharomyces avec les Saccharomycotina, venant des données mitochondriales, est le résultat d'un type d'erreur phylogénétique connu: l'attraction des longues branches (ALB), un artéfact menant au regroupement d'espèces dont le taux d'évolution rapide n'est pas représentatif de leur véritable position dans l'arbre phylogénétique. Dans le Chapitre 4, en utilisant encore un important jeu de données nucléaires, nous démontrons avec support statistique significatif que les nucleariides constituent le groupe lié de plus près aux champignons. Nous confirmons aussi la paraphylie des zygomycètes traditionnels tel que suggéré précédemment, avec support statistique significatif, bien que ne pouvant placer tous les membres du groupe avec confiance. Nos résultats remettent en cause des aspects d'une récente reclassification taxonomique des zygomycètes et de leurs voisins, les chytridiomycètes. Contrer ou minimiser les artéfacts phylogénétiques telle l'attraction des longues branches (ALB) constitue une question récurrente majeure. Dans ce sens, nous avons développé une nouvelle méthode (Chapitre 5) qui identifie et élimine dans une séquence les sites présentant une grande variation du taux d'évolution (sites fortement hétérotaches - sites HH); ces sites sont connus comme contribuant significativement au phénomène d'ALB. Notre méthode est basée sur un test de rapport de vraisemblance (likelihood ratio test, LRT). Deux jeux de données publiés précédemment sont utilisés pour démontrer que le retrait graduel des sites HH chez les espèces à évolution accélérée (sensibles à l'ALB) augmente significativement le support pour la topologie « vraie » attendue, et ce, de façon plus efficace comparée à d'autres méthodes publiées de retrait de sites de séquences. Néanmoins, et de façon générale, la manipulation de données préalable à l'analyse est loin d’être idéale. Les développements futurs devront viser l'intégration de l'identification et la pondération des sites HH au processus d'inférence phylogénétique lui-même.

Amélioration de l'exactitude de l'inférence phylogénomique

L’explosion du nombre de séquences permet à la phylogénomique, c’est-à-dire l’étude des liens de parenté entre espèces à partir de grands alignements multi-gènes, de prendre son essor. C’est incontestablement un moyen de pallier aux erreurs stochastiques des phylogénies simple gène, mais de nombreux problèmes demeurent malgré les progrès réalisés dans la modélisation du processus évolutif. Dans cette thèse, nous nous attachons à caractériser certains aspects du mauvais ajustement du modèle aux données, et à étudier leur impact sur l’exactitude de l’inférence. Contrairement à l’hétérotachie, la variation au cours du temps du processus de substitution en acides aminés a reçu peu d’attention jusqu’alors. Non seulement nous montrons que cette hétérogénéité est largement répandue chez les animaux, mais aussi que son existence peut nuire à la qualité de l’inférence phylogénomique. Ainsi en l’absence d’un modèle adéquat, la suppression des colonnes hétérogènes, mal gérées par le modèle, peut faire disparaître un artéfact de reconstruction. Dans un cadre phylogénomique, les techniques de séquençage utilisées impliquent souvent que tous les gènes ne sont pas présents pour toutes les espèces. La controverse sur l’impact de la quantité de cellules vides a récemment été réactualisée, mais la majorité des études sur les données manquantes sont faites sur de petits jeux de séquences simulées. Nous nous sommes donc intéressés à quantifier cet impact dans le cas d’un large alignement de données réelles. Pour un taux raisonnable de données manquantes, il appert que l’incomplétude de l’alignement affecte moins l’exactitude de l’inférence que le choix du modèle. Au contraire, l’ajout d’une séquence incomplète mais qui casse une longue branche peut restaurer, au moins partiellement, une phylogénie erronée. Comme les violations de modèle constituent toujours la limitation majeure dans l’exactitude de l’inférence phylogénétique, l’amélioration de l’échantillonnage des espèces et des gènes reste une alternative utile en l’absence d’un modèle adéquat. Nous avons donc développé un logiciel de sélection de séquences qui construit des jeux de données reproductibles, en se basant sur la quantité de données présentes, la vitesse d’évolution et les biais de composition. Lors de cette étude nous avons montré que l’expertise humaine apporte pour l’instant encore un savoir incontournable. Les différentes analyses réalisées pour cette thèse concluent à l’importance primordiale du modèle évolutif.

Supercomplexes multifonctionnels chez les mitochondries, et chez E. coli

Les processus mitochondriaux tels que la réplication et la traduction sont effectués par des complexes multiprotéiques. Par contre, le métabolisme et la voie de maturation des ARN mitochondriaux (p. ex précurseurs des ARNt et des ARNr) sont habituellement traités comme une suite de réactions catalysées par des protéines séparées. L’exécution fidèle et optimale de ces processus mitochondriaux, exige un couplage étroit nécessaire pour la canalisation des intermédiaires métaboliques. Or, les évidences en faveur de l'interconnexion postulée de ces processus cellulaires sont peu nombreuses et proviennent en grande partie des interactions protéine-protéine. Contrairement à la perception classique, nos résultats révèlent l’organisation des fonctions cellulaires telles que la transcription, la traduction, le métabolisme et la régulation en supercomplexes multifonctionnels stables, dans les mitochondries des champignons (ex Saccharomyces cerevisiae, Aspergillus nidulans et Neurospora crassa), des animaux (ex Bos taurus), des plantes (B. oleracea et Arabidopsis thaliana) et chez les bactéries (ex E. coli) à partir desquelles les mitochondries descendent. La composition de ces supercomplexes chez les champignons et les animaux est comparable à celle de levure, toutefois, chez les plantes et E. coli ils comportent des différences notables (ex, présence des enzymes spécifiques à la voie de biosynthèse des sucres et les léctines chez B. oleracea). Chez la levure, en accord avec les changements dûs à la répression catabolique du glucose, nos résultats révèlent que les supercomplexes sont dynamiques et que leur composition en protéines dépend des stimulis et de la régulation cellulaire. De plus, nous montrons que l’inactivation de la voie de biosynthèse des lipides de type II (FASII) perturbe l’assemblage et/ou la biogenèse du supercomplexe de la RNase P (responsable de la maturation en 5’ des précurseurs des ARNt), ce qui suggère que de multiples effets pléiotropiques peuvent être de nature structurale entre les protéines. Chez la levure et chez E. coli, nos études de la maturation in vitro des précurseurs des ARNt et de la protéomique révèlent l’association de la RNase P avec les enzymes de la maturation d’ARNt en 3’. En effet, la voie de maturation des pré-ARNt et des ARNr, et la dégradation des ARN mitochondriaux semblent êtres associées avec la machinerie de la traduction au sein d’un même supercomplexe multifonctionnel dans la mitochondrie de la levure. Chez E. coli, nous avons caractérisé un supercomplexe similaire qui inclut en plus de la RNase P: la PNPase, le complexe du RNA degradosome, l’ARN polymérase, quatre facteurs de transcription, neuf aminoacyl-tRNA synthétases, onze protéines ribosomiques, des chaperons et certaines protéines métaboliques. Ces résultats supposent l’association physique de la transcription, la voie de maturation et d’aminoacylation des ARNt, la dégradation des ARN. Le nombre de cas où les activités cellulaires sont fonctionnellement et structurellement associées est certainement à la hausse (ex, l’éditosome et le complexe de la glycolyse). En effet, l’organisation en supercomplexe multifonctionnel représente probablement l’unité fonctionnelle dans les cellules et les analyses de ces super-structures peuvent devenir la prochaine cible de la biologie structurale.

La RNase P mitochondriale chez Neurospora crassa

Résumé La Ribonucléase P (RNase P) est une enzyme principalement reconnue pour sa participation à la maturation en 5’des ARN de transfert (ARNt). Cependant, d’autres substrats sont reconnus par l’enzyme. En général, la RNase P est composée d’une sous-unité ARN (le P-ARN, codé par le gène rnpB) qui porte le centre actif de l’enzyme et d’une ou de plusieurs sous-unités protéiques (la P-protéine). Les P-ARN chez toutes les bactéries, la majorité des archéobactéries et dans le génome nucléaire de la plupart des eucaryotes, possèdent généralement une structure secondaire très conservée qui inclut le noyau (P1-P4); l’hélice P4 constitue le site catalytique de l’enzyme et l’hélice P1 apparie les extrémités du P-ARN en stabilisant sa structure globale. Les P-ARN mitochondriaux sont souvent moins conservés et difficiles à découvrir. Dans certains cas, les seules régions de structure primaire qui restent conservées sont celles qui définissent le P4 et le P1. Pour la détection des gènes rnpB, un outil de recherche bioinformatique, basé sur la séquence et le profil de structure secondaire, a été développé dans le laboratoire. Cet outil permet le dépistage de toutes les séquences eucaryotes (nucléaires et mitochondriales) du gène avec une très grande confiance (basée sur une valeur statistique, E-value). Chez les champignons, plusieurs ascomycètes encodent un gène rnpB dans leur génome mitochondrial y compris tous les membres du genre d’Aspergillus. Cependant, chez les espèces voisines, Neurospora crassa, Podospora anserina et Sordaria macrospora, une version mitochondriale de ce gène n’existe pas. Au lieu de cela, elles contiennent deux copies nucléaires du gène, légèrement différentes en taille et en contenu nucléotidique. Mon projet a été établi dans le but d’éclaircir l’évolution de la RNase P mitochondriale (mtRNase P) chez ces trois espèces voisines d’Aspergillus. En ce qui concerne les résultats, des modèles de structures secondaires pour les transcrits de ces gènes ont été construits en se basant sur la structure consensus universelle de la sous-unité ARN de la RNase P. Pour les trois espèces, par la comparaison de ces modèles, nous avons établi que les deux copies nucléaires du gène rnpB sont assez distinctes en séquence et en structure pour pouvoir y penser à une spécialisation de fonction de la RNase P. Chez N. crassa, les deux P-ARN sont modifiés probablement par une coiffe et les extrémités 5’, 3’ sont conformes à nos modèles, ayant un P1 allongé. Encore chez N. crassa, nous avons constaté que les deux copies sont transcrites au même niveau dans le cytoplasme et que la plus petite et la plus stable d’entre elles (Nc1) se retrouve dans l’extrait matriciel mitochondrial. Lors du suivi du P-ARN dans diverses sous-fractions provenant de la matrice mitochondriale soluble, Nc1 est associée avec l’activité de la RNase P. La caractérisation du complexe protéique, isolé à partir de la fraction active sur un gel non dénaturant, révèle qu’il contient au moins 87 protéines, 73 d’entre elles ayant déjà une localisation mitochondriale connue. Comme chez la levure, les protéines de ce complexe sont impliquées dans plusieurs fonctions cellulaires comme le processing de l’ADN/ARN, le métabolisme, dans la traduction et d’autres (par exemple : la protéolyse et le repliement des protéines, ainsi que la maintenance du génome mitochondrial). Pour trois protéines, leur fonction est non déterminée.

Développement de méthodes d'assemblage de génomes de novo adaptées aux bactéries endosymbiotes

Le but de ce projet était de développer des méthodes d'assemblage de novo dans le but d'assembler de petits génomes, principalement bactériens, à partir de données de séquençage de nouvelle-génération. Éventuellement, ces méthodes pourraient être appliquées à l'assemblage du génome de StachEndo, une Alpha-Protéobactérie inconnue endosymbiote de l'amibe Stachyamoeba lipophora. Suite à plusieurs analyses préliminaires, il fut observé que l’utilisation de lectures Illumina avec des assembleurs par graphe DeBruijn produisait les meilleurs résultats. Ces expériences ont également montré que les contigs produits à partir de différentes tailles de k-mères étaient complémentaires pour la finition des génomes. L’ajout de longues paires de lectures chevauchantes se montra essentiel pour la finition complète des grandes répétitions génomiques. Ces méthodes permirent d'assembler le génome de StachEndo (1,7 Mb). L'annotation de ce génome permis de montrer que StachEndo possède plusieurs caractéristiques inhabituelles chez les endosymbiotes. StachEndo constitue une espèce d'intérêt pour l'étude du développement endosymbiotique.