Caractérisation des séquences cis-régulatrices dans les régions proximales des gènes chez les plantes

Characterization of gene-proximal cis-regulatory sequences in plants

• Auteur / Autrice : Julien Roziere
• Direction : Marie-Laure Martin-Magniette, Sylvie Coursol
• Type : Thèse de doctorat
• Discipline(s) : Biologie moléculaire et cellulaire
• Date : Soutenance le 14/12/2022
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Structure et Dynamique des Systèmes Vivants
• Partenaire(s) de recherche : Laboratoire : Institut des sciences des plantes de Paris-Saclay (Gif-sur-Yvette, Essonne ; 2015-....) - Institut des Sciences des Plantes de Paris-Saclay
• Partenaire(s) de recherche : référent : Université d'Évry-Val-d'Essonne (1991-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Life Sciences and Health (2020-....)
• Jury : Président / Présidente : Claudine Landés
• Jury : Examinateurs / Examinatrices : Laurent Laplaze, Morgane Thomas-Chollier, Sophie Schbath, Maud Fagny, Christophe Sallaud
• Jury : Rapporteurs / Rapporteuses : Laurent Laplaze, Morgane Thomas-Chollier

Mots clés

Mots clés contrôlés

Gènes de plante

Régions promotrices (génétique)

Biologie informatique

Transcription génétique

Facteurs de transcription

Mots clés libres

Séquences cis-Régulatrices

Transcription

Motifs Préférentiellement Localisés

Régions proximales des gènes

Biologie computationnelle

Plante

Cis-Regulatory sequences

Transcription

Preferentially Located Motifs

Gene-Proximal regions

Computational biology

Plant

Résumé

La transcription des gènes constitue un processus essentiel dans la réponse adaptative des plantes aux contraintes environnementales qu'elles subissent. Ce processus est finement régulé par de nombreux acteurs moléculaires agissant en cis ou en trans. Les séquences cis-régulatrices correspondent à de courtes portions de l'ADN capables de moduler l'expression de gènes cibles. Elles sont présentes en forte densité dans la région entourant le site d'initiation de la transcription (région 5'-proximale), ainsi que dans celle entourant le site de terminaison de la transcription (région 3'-proximale). Bien que de nombreux travaux expérimentaux et computationnels aient permis de progresser quant à notre connaissance des séquences cis-régulatrices présentes dans ces régions proximales, la caractérisation de ces séquences reste encore lacunaire. Dans ce contexte, cette thèse synthétise les travaux réalisés pour mieux comprendre la structure et la fonction des séquences cis-régulatrices présentes dans les régions proximales des gènes chez les plantes grâce à la détection de courtes séquences d'ADN préférentiellement localisées (PLM) dans ces régions proximales.Dans un premier temps, j'ai identifié l'ensemble des PLM génomiques de novo présents chez Arabidopsis thaliana et Zea mays, deux espèces végétales dont le génome diffère en termes de contenu et d'architecture. Cette analyse a permis de révéler trois types de PLM dans les régions proximales des deux espèces végétales étudiées : (1) des sites de fixation de facteurs de transcription, (2) des séquences présentant des homologies avec des microARN et (3) des séquences cis-régulatrices putatives qui constituent 79% des PLM identifiés et dont une partie est supportée par des données expérimentales d'accessibilité de la chromatine. Ce premier axe de recherche a aussi permis de ré-étayer l'importance de la région 3'-proximale des gènes dans le contrôle de l'expression des gènes et l'intérêt qu'il y a à poursuivre sa caractérisation dans un futur proche.Dans un deuxième temps, j'ai étendu l'analyse conduite chez A. thaliana et Z. mays à 18 autres espèces de plantes à fleurs pour déterminer dans quelle mesure les PLM sont conservés. Une base de données, nommée Plant-PLMview, a aussi été développée pour les 20 espèces étudiées dans le but de mettre la méthode de détection des PLM (PLMdetect) à la disposition de toute la communauté scientifique. Cette base de données vise à accélérer la caractérisation des régions proximales des gènes chez les plantes. Pour cela, elle offre la possibilité d'utiliser simplement la méthode PLMdetect et d'interpréter les résultats aisément en visualisant des modules de PLM impliqués dans la co-régulation d'un groupe de gènes d'intérêt.Enfin, la dernière partie de cette thèse s'est focalisée sur l'implication des PLM dans la réponse globale aux stress chez A. thaliana. Pour cela, j'ai utilisé une ressource génomique originale consistant en un réseau de plusieurs milliers de gènes regroupés au sein de plusieurs dizaines de clusters de co-expression identifiés pour constituer la réponse transcriptionnelle commune aux stress. Pour chaque cluster de co-expression, j'ai identifié les PLM de novo et enrichis, ce qui a permis d'identifier plus de 250 facteurs de transcription potentiellement impliqués dans la régulation de ce réseau. Ces travaux ont également révélé des séquences cis-régulatrices putatives non caractérisées dans les bases de données. Pour les valider, j'ai développé une approche in silico pour identifier les expériences transcriptomiques et les gènes sur lesquels entreprendre les expériences humides de validation. À la suite de ce travail, différentes constructions moléculaires ont été produites afin d'initier des validations expérimentales.

Gene transcription is an essential process in the adaptation of plants to environmental conditions. This process is finely regulated by numerous molecular players acting in cis or trans. Cis-regulatory sequences are short DNA segments that can modulate the expression of target genes. They are found in high density in the region around the transcription initiation site (5'-proximal region) and in the region around the transcription termination site (3'-proximal region). Although numerous experimental and computational studies have increased our knowledge of the cis-regulatory sequences in these proximal regions, the characterization of these sequences remains incomplete. In this context, this thesis summarizes the work that has been done to better understand the structure and function of cis-regulatory sequences in the proximal regions of plant genes by detecting short preferentially located DNA (PLM) sequences in these proximal regions.First, I identified the set of de novo genomic PLMs in Arabidopsis thaliana and Zea mays, two species whose genomes differ in content and architecture. This analysis revealed three types of PLMs in the proximal regions of the two species studied : (1) transcription factor-binding sites, (2) sequences with homologies to microRNA, and (3) putative cis-regulatory sequences, accounting for 79% of the identified PLMs, part of which is supported by experimental chromatin accessibility data. This initial line of research has also allowed me to recover the importance of the 3'-proximal region of genes in controlling gene expression and the interest to pursue its characterization in the near future.In a second step, I extended the analysis performed in A. thaliana and Z. mays to 18 other flowering plant species to determine the extent to which genomic PLMs are conserved. A database called Plant-PLMview was also developed for the 20 species studied to make the PLM detection method (PLMdetect) available to the entire scientific community. This database aims to accelerate the characterization of proximal regions of genes in plants. To this end, it provides the ability to easily apply the PLMdetect method and easily interpret the results by visualizing PLM modules involved in the coregulation of a group of genes of interest.Finally, the last part of this work addressed the involvement of PLMs in the global stress response in A. thaliana. For this purpose, I used an original genomic resource consisting of a network of several thousand genes grouped into several dozen co-expression clusters identified as sharing a common transcriptional response to stress. For each co-expression cluster, I identified de novo and enriched PLMs, leading to the identification of over 250 transcription factors potentially involved in the regulation of this network. This work also uncovered putative cis-regulatory sequences that are not characterized in the databases. To validate these, I developed an in silico approach to identify transcriptomic experiments and genes on which to perform wet validation experiments. As a result of this work, several molecular constructs were produced to initiate experimental validations.