Computational and statistical analysis of copy number variants in normal and cancer genomes

AbstractAlthough the genomes from any two human individuals are more than 99.99% identical at the sequence level, some structural variation can be observed. Differences between genomes include single nucleotide polymorphism (SNP), inversion and copy number changes (gain or loss of DNA). The latter can range from submicroscopic events (CNVs, at least 1kb in size) to complete chromosomal aneuploidies. Small copy number variations have often no (lethal) consequences to the cell, but a few were associated to disease susceptibility and phenotypic variations. Larger re-arrangements (i.e. complete chromosome gain) are frequently associated with more severe consequences on health such as genomic disorders and cancer. High-throughput technologies like DNA microarrays enable the detection of CNVs in a genome-wide fashion. Since the initial catalogue of CNVs in the human genome in 2006, there has been tremendous interest in CNVs both in the context of population and medical genetics. Understanding CNV patterns within and between human populations is essential to elucidate their possible contribution to disease. But genome analysis is a challenging task; the technology evolves rapidly creating needs for novel, efficient and robust analytical tools which need to be compared with existing ones. Also, while the link between CNV and disease has been established, the relative CNV contribution is not fully understood and the predisposition to disease from CNVs of the general population has not been yet investigated.During my PhD thesis, I worked on several aspects related to CNVs. As l will report in chapter 3, ! was interested in computational methods to detect CNVs from the general population. I had access to the CoLaus dataset, a population-based study with more than 6,000 participants from the Lausanne area. All these individuals were analysed on SNP arrays and extensive clinical information were available. My work explored existing CNV detection methods and I developed a variety of metrics to compare their performance. Since these methods were not producing entirely satisfactory results, I implemented my own method which outperformed two existing methods. I also devised strategies to combine CNVs from different individuals into CNV regions.I was also interested in the clinical impact of CNVs in common disease (chapter 4). Through an international collaboration led by the Centre Hospitalier Universitaire Vaudois (CHUV) and the Imperial College London I was involved as a main data analyst in the investigation of a rare deletion at chromosome 16p11 detected in obese patients. Specifically, we compared 8,456 obese patients and 11,856 individuals from the general population and we found that the deletion was accounting for 0.7% of the morbid obesity cases and was absent in healthy non- obese controls. This highlights the importance of rare variants with strong impact and provides new insights in the design of clinical studies to identify the missing heritability in common disease.Furthermore, I was interested in the detection of somatic copy number alterations (SCNA) and their consequences in cancer (chapter 5). This project was a collaboration initiated by the Ludwig Institute for Cancer Research and involved other groups from the Swiss Institute of Bioinformatics, the CHUV and Universities of Lausanne and Geneva. The focus of my work was to identify genes with altered expression levels within somatic copy number alterations (SCNA) in seven metastatic melanoma ceil lines, using CGH and SNP arrays, RNA-seq, and karyotyping. Very few SCNA genes were shared by even two melanoma samples making it difficult to draw any conclusions at the individual gene level. To overcome this limitation, I used a network-guided analysis to determine whether any pathways, defined by amplified or deleted genes, were common among the samples. Six of the melanoma samples were potentially altered in four pathways and five samples harboured copy-number and expression changes in components of six pathways. In total, this approach identified 28 pathways. Validation with two external, large melanoma datasets confirmed all but three of the detected pathways and demonstrated the utility of network-guided approaches for both large and small datasets analysis.RésuméBien que le génome de deux individus soit similaire à plus de 99.99%, des différences de structure peuvent être observées. Ces différences incluent les polymorphismes simples de nucléotides, les inversions et les changements en nombre de copies (gain ou perte d'ADN). Ces derniers varient de petits événements dits sous-microscopiques (moins de 1kb en taille), appelés CNVs (copy number variants) jusqu'à des événements plus large pouvant affecter des chromosomes entiers. Les petites variations sont généralement sans conséquence pour la cellule, toutefois certaines ont été impliquées dans la prédisposition à certaines maladies, et à des variations phénotypiques dans la population générale. Les réarrangements plus grands (par exemple, une copie additionnelle d'un chromosome appelée communément trisomie) ont des répercutions plus grave pour la santé, comme par exemple dans certains syndromes génomiques et dans le cancer. Les technologies à haut-débit telle les puces à ADN permettent la détection de CNVs à l'échelle du génome humain. La cartographie en 2006 des CNV du génome humain, a suscité un fort intérêt en génétique des populations et en génétique médicale. La détection de différences au sein et entre plusieurs populations est un élément clef pour élucider la contribution possible des CNVs dans les maladies. Toutefois l'analyse du génome reste une tâche difficile, la technologie évolue très rapidement créant de nouveaux besoins pour le développement d'outils, l'amélioration des précédents, et la comparaison des différentes méthodes. De plus, si le lien entre CNV et maladie a été établit, leur contribution précise n'est pas encore comprise. De même que les études sur la prédisposition aux maladies par des CNVs détectés dans la population générale n'ont pas encore été réalisées.Pendant mon doctorat, je me suis concentré sur trois axes principaux ayant attrait aux CNV. Dans le chapitre 3, je détaille mes travaux sur les méthodes d'analyses des puces à ADN. J'ai eu accès aux données du projet CoLaus, une étude de la population de Lausanne. Dans cette étude, le génome de plus de 6000 individus a été analysé avec des puces SNP et de nombreuses informations cliniques ont été récoltées. Pendant mes travaux, j'ai utilisé et comparé plusieurs méthodes de détection des CNVs. Les résultats n'étant pas complètement satisfaisant, j'ai implémenté ma propre méthode qui donne de meilleures performances que deux des trois autres méthodes utilisées. Je me suis aussi intéressé aux stratégies pour combiner les CNVs de différents individus en régions.Je me suis aussi intéressé à l'impact clinique des CNVs dans le cas des maladies génétiques communes (chapitre 4). Ce projet fut possible grâce à une étroite collaboration avec le Centre Hospitalier Universitaire Vaudois (CHUV) et l'Impérial College à Londres. Dans ce projet, j'ai été l'un des analystes principaux et j'ai travaillé sur l'impact clinique d'une délétion rare du chromosome 16p11 présente chez des patients atteints d'obésité. Dans cette collaboration multidisciplinaire, nous avons comparés 8'456 patients atteint d'obésité et 11 '856 individus de la population générale. Nous avons trouvés que la délétion était impliquée dans 0.7% des cas d'obésité morbide et était absente chez les contrôles sains (non-atteint d'obésité). Notre étude illustre l'importance des CNVs rares qui peuvent avoir un impact clinique très important. De plus, ceci permet d'envisager une alternative aux études d'associations pour améliorer notre compréhension de l'étiologie des maladies génétiques communes.Egalement, j'ai travaillé sur la détection d'altérations somatiques en nombres de copies (SCNA) et de leurs conséquences pour le cancer (chapitre 5). Ce projet fut une collaboration initiée par l'Institut Ludwig de Recherche contre le Cancer et impliquant l'Institut Suisse de Bioinformatique, le CHUV et les Universités de Lausanne et Genève. Je me suis concentré sur l'identification de gènes affectés par des SCNAs et avec une sur- ou sous-expression dans des lignées cellulaires dérivées de mélanomes métastatiques. Les données utilisées ont été générées par des puces ADN (CGH et SNP) et du séquençage à haut débit du transcriptome. Mes recherches ont montrées que peu de gènes sont récurrents entre les mélanomes, ce qui rend difficile l'interprétation des résultats. Pour contourner ces limitations, j'ai utilisé une analyse de réseaux pour définir si des réseaux de signalisations enrichis en gènes amplifiés ou perdus, étaient communs aux différents échantillons. En fait, parmi les 28 réseaux détectés, quatre réseaux sont potentiellement dérégulés chez six mélanomes, et six réseaux supplémentaires sont affectés chez cinq mélanomes. La validation de ces résultats avec deux larges jeux de données publiques, a confirmée tous ces réseaux sauf trois. Ceci démontre l'utilité de cette approche pour l'analyse de petits et de larges jeux de données.Résumé grand publicL'avènement de la biologie moléculaire, en particulier ces dix dernières années, a révolutionné la recherche en génétique médicale. Grâce à la disponibilité du génome humain de référence dès 2001, de nouvelles technologies telles que les puces à ADN sont apparues et ont permis d'étudier le génome dans son ensemble avec une résolution dite sous-microscopique jusque-là impossible par les techniques traditionnelles de cytogénétique. Un des exemples les plus importants est l'étude des variations structurales du génome, en particulier l'étude du nombre de copies des gènes. Il était établi dès 1959 avec l'identification de la trisomie 21 par le professeur Jérôme Lejeune que le gain d'un chromosome supplémentaire était à l'origine de syndrome génétique avec des répercussions graves pour la santé du patient. Ces observations ont également été réalisées en oncologie sur les cellules cancéreuses qui accumulent fréquemment des aberrations en nombre de copies (telles que la perte ou le gain d'un ou plusieurs chromosomes). Dès 2004, plusieurs groupes de recherches ont répertorié des changements en nombre de copies dans des individus provenant de la population générale (c'est-à-dire sans symptômes cliniques visibles). En 2006, le Dr. Richard Redon a établi la première carte de variation en nombre de copies dans la population générale. Ces découvertes ont démontrées que les variations dans le génome était fréquentes et que la plupart d'entre elles étaient bénignes, c'est-à-dire sans conséquence clinique pour la santé de l'individu. Ceci a suscité un très grand intérêt pour comprendre les variations naturelles entre individus mais aussi pour mieux appréhender la prédisposition génétique à certaines maladies.Lors de ma thèse, j'ai développé de nouveaux outils informatiques pour l'analyse de puces à ADN dans le but de cartographier ces variations à l'échelle génomique. J'ai utilisé ces outils pour établir les variations dans la population suisse et je me suis consacré par la suite à l'étude de facteurs pouvant expliquer la prédisposition aux maladies telles que l'obésité. Cette étude en collaboration avec le Centre Hospitalier Universitaire Vaudois a permis l'identification d'une délétion sur le chromosome 16 expliquant 0.7% des cas d'obésité morbide. Cette étude a plusieurs répercussions. Tout d'abord elle permet d'effectuer le diagnostique chez les enfants à naître afin de déterminer leur prédisposition à l'obésité. Ensuite ce locus implique une vingtaine de gènes. Ceci permet de formuler de nouvelles hypothèses de travail et d'orienter la recherche afin d'améliorer notre compréhension de la maladie et l'espoir de découvrir un nouveau traitement Enfin notre étude fournit une alternative aux études d'association génétique qui n'ont eu jusqu'à présent qu'un succès mitigé.Dans la dernière partie de ma thèse, je me suis intéressé à l'analyse des aberrations en nombre de copies dans le cancer. Mon choix s'est porté sur l'étude de mélanomes, impliqués dans le cancer de la peau. Le mélanome est une tumeur très agressive, elle est responsable de 80% des décès des cancers de la peau et est souvent résistante aux traitements utilisés en oncologie (chimiothérapie, radiothérapie). Dans le cadre d'une collaboration entre l'Institut Ludwig de Recherche contre le Cancer, l'Institut Suisse de Bioinformatique, le CHUV et les universités de Lausanne et Genève, nous avons séquencés l'exome (les gènes) et le transcriptome (l'expression des gènes) de sept mélanomes métastatiques, effectués des analyses du nombre de copies par des puces à ADN et des caryotypes. Mes travaux ont permis le développement de nouvelles méthodes d'analyses adaptées au cancer, d'établir la liste des réseaux de signalisation cellulaire affectés de façon récurrente chez le mélanome et d'identifier deux cibles thérapeutiques potentielles jusqu'alors ignorées dans les cancers de la peau.

Redox dysregulation affects the ventral but not dorsal hippocampus: impairment of parvalbumin neurons, gamma oscillations, and related behaviors.

Elevated oxidative stress and alteration in antioxidant systems, including glutathione (GSH) decrease, are observed in schizophrenia. Genetic and functional data indicate that impaired GSH synthesis represents a susceptibility factor for the disorder. Here, we show that a genetically compromised GSH synthesis affects the morphological and functional integrity of hippocampal parvalbumin-immunoreactive (PV-IR) interneurons, known to be affected in schizophrenia. A GSH deficit causes a selective decrease of PV-IR interneurons in CA3 and dendate gyrus (DG) of the ventral but not dorsal hippocampus and a concomitant reduction of beta/gamma oscillations. Impairment of PV-IR interneurons emerges at the end of adolescence/early adulthood as oxidative stress increases or cumulates selectively in CA3 and DG of the ventral hippocampus. Such redox dysregulation alters stress and emotion-related behaviors but leaves spatial abilities intact, indicating functional disruption of the ventral but not dorsal hippocampus. Thus, a GSH deficit affects PV-IR interneuron's integrity and neuronal synchrony in a region- and time-specific manner, leading to behavioral phenotypes related to psychiatric disorders.

Silene as a model system in ecology and evolution.

The genus Silene, studied by Darwin, Mendel and other early scientists, is re-emerging as a system for studying interrelated questions in ecology, evolution and developmental biology. These questions include sex chromosome evolution, epigenetic control of sex expression, genomic conflict and speciation. Its well-studied interactions with the pathogen Microbotryum has made Silene a model for the evolution and dynamics of disease in natural systems, and its interactions with herbivores have increased our understanding of multi-trophic ecological processes and the evolution of invasiveness. Molecular tools are now providing new approaches to many of these classical yet unresolved problems, and new progress is being made through combining phylogenetic, genomic and molecular evolutionary studies with ecological and phenotypic data.

Profiling of steroid metabolites after transdermal and oral administration of testosterone by ultra-high pressure liquid chromatography coupled to quadrupole time-of-flight mass spectrometry.

The screening of testosterone (T) misuse for doping control is based on the urinary steroid profile, including T, its precursors and metabolites. Modifications of individual levels and ratio between those metabolites are indicators of T misuse. In the context of screening analysis, the most discriminant criterion known to date is based on the T glucuronide (TG) to epitestosterone glucuronide (EG) ratio (TG/EG). Following the World Anti-Doping Agency (WADA) recommendations, there is suspicion of T misuse when the ratio reaches 4 or beyond. While this marker remains very sensitive and specific, it suffers from large inter-individual variability, with important influence of enzyme polymorphisms. Moreover, use of low dose or topical administration forms makes the screening of endogenous steroids difficult while the detection window no longer suits the doping habit. As reference limits are estimated on the basis of population studies, which encompass inter-individual and inter-ethnic variability, new strategies including individual threshold monitoring and alternative biomarkers were proposed to detect T misuse. The purpose of this study was to evaluate the potential of ultra-high pressure liquid chromatography (UHPLC) coupled with a new generation high resolution quadrupole time-of-flight mass spectrometer (QTOF-MS) to investigate the steroid metabolism after transdermal and oral T administration. An approach was developed to quantify 12 targeted urinary steroids as direct glucuro- and sulfo-conjugated metabolites, allowing the conservation of the phase II metabolism information, reflecting genetic and environmental influences. The UHPLC-QTOF-MS(E) platform was applied to clinical study samples from 19 healthy male volunteers, having different genotypes for the UGT2B17 enzyme responsible for the glucuroconjugation of T. Based on reference population ranges, none of the traditional markers of T misuse could detect doping after topical administration of T, while the detection window was short after oral TU ingestion. The detection ability of the 12 targeted steroids was thus evaluated by using individual thresholds following both transdermal and oral administration. Other relevant biomarkers and minor metabolites were studied for complementary information to the steroid profile, including sulfoconjugated analytes and hydroxy forms of glucuroconjugated metabolites. While sulfoconjugated steroids may provide helpful screening information for individuals with homozygotous UGT2B17 deletion, hydroxy-glucuroconjugated analytes could enhance the detection window of oral T undecanoate (TU) doping.

Genetic structure of the Lesser Gymnure (Genus Hylomys) in SE-Asia: evidence for two species

The Lesser Gymnure is a small galericine Insectivore living in the mainland forests of Southeast Asia, including the major islands of Sumatra, Java and Borneo. It is the only representative of the supposed monospecific genus Hylomys which is morphologically rather constant over its geographic range. Only marginal subspecific differentiation is currently recognized based in slight pelage colour variations. We report here the results of 35 gene loci revealed by protein electrophoresis on 23 specimens sampled over most of Southeast Asia. They were compared with outgroup, Erinaceaus europeaus, member of a distinct subfamily. The surveyed populations of Lesser Gymnures clearly group themselves into distinct taxa, one of which seems restricted to Sumatra, while the other occupies the whole geographic range. The genetic distance between these groups is two times greater than the divergence observed within groups: it is of the same order of magnitude as what is usually reported for congeneric mammal species, which supports their specific distinction. The lack of gene flow is also demonstrated by several diagnostic loci defining unambiguously each species. Both are only distantly related to the outgroup, a result which is consistant with their actual classification into two distinct subfamilies (Erinaceae and Galericinae). Concordant genetic and geographic subdivision of the widespread species further suggest that eustatic sea level changes during the Pleistocene produced predictable patterns in species differentiation.

Reproductive biology traits affecting productivity of sour cherry

The objective of this work was to evaluate variability in reproductive biology traits and the correlation between them in genotypes of 'Oblačinska' sour cherry (Prunus cerasus). High genetic diversity was found in the 41 evaluated genotypes, and significant differences were observed among them for all studied traits: flowering time, pollen germination, number of fruiting branches, production of flower and fruit, number of flowers per bud, fruit set, and limb yield efficiency. The number of fruiting branches significantly influenced the number of flower and fruit, fruit set, and yield efficiency. In addition to number of fruiting branches, yield efficiency was positively correlated with fruit set and production of flower and fruit. Results from principal component analysis suggested a reduction of the reproductive biology factors affecting yield to four main characters: number and structure of fruiting branches, flowering time, and pollen germination. Knowledge of the reproductive biology of the 'Oblačinska' genotypes can be used to select the appropriate ones to be grown or used as parents in breeding programs. In this sense, genotypes II/2, III/9, III/13, and III/14 have very good flower production and satisfactory pollen germination.

Changes in reproductive investment with altitude in an alpine plant

Aims: In perennial species, the allocation of resources to reproduction results in a reduction of allocation to vegetative growth and, therefore, impacts future reproductive success. As a consequence, variation in this trade-off is among the most important driving forces in the life-history evolution of perennial plants and can lead to locally adapted genotypes. In addition to genetic variation, phenotypic plasticity might also contribute to local adaptation of plants to local conditions by mediating changes in reproductive allocation. Knowledge on the importance of genetic and environmental effects on the trade-off between reproduction and vegetative growth is therefore essential to understand how plants may respond to environmental changes. Methods: We conducted a transplant experiment along an altitudinal gradient from 425 m to 1921 m in the front range of the Western Alps of Switzerland to assess the influence of both altitudinal origin of populations and altitude of growing site on growth, reproductive investment and local adaptation in Poa alpina. Important findings: In our study, the investment in reproduction increased with plant size. Plant growth and the relative importance of reproductive investment decreased in populations originating from higher altitudes compared to populations originating from lower altitudes. The changes in reproductive investment were mainly explained by differences in plant size. In contrast to genetic effects, phenotypic plasticity of all traits measured was low and not related to altitude. As a result, the population from the lowest altitude of origin performed best at all sites. Our results indicate that in P. alpina genetic differences in growth and reproductive investment are related to local conditions affecting growth, i.e. interspecific competition and soil moisture content.

Random regression models to estimate genetic parameters for milk production of Guzerat cows using orthogonal Legendre polynomials

The objective of this work was to compare random regression models for the estimation of genetic parameters for Guzerat milk production, using orthogonal Legendre polynomials. Records (20,524) of test-day milk yield (TDMY) from 2,816 first-lactation Guzerat cows were used. TDMY grouped into 10-monthly classes were analyzed for additive genetic effect and for environmental and residual permanent effects (random effects), whereas the contemporary group, calving age (linear and quadratic effects) and mean lactation curve were analized as fixed effects. Trajectories for the additive genetic and permanent environmental effects were modeled by means of a covariance function employing orthogonal Legendre polynomials ranging from the second to the fifth order. Residual variances were considered in one, four, six, or ten variance classes. The best model had six residual variance classes. The heritability estimates for the TDMY records varied from 0.19 to 0.32. The random regression model that used a second-order Legendre polynomial for the additive genetic effect, and a fifth-order polynomial for the permanent environmental effect is adequate for comparison by the main employed criteria. The model with a second-order Legendre polynomial for the additive genetic effect, and that with a fourth-order for the permanent environmental effect could also be employed in these analyses.