Study of cis-regulatory elements: identification and characterization
Etude des éléments cis-régulateurs : identification et caractérisation
Résumé
The regulation of gene transcription is largely based on the existence of non-coding
DNA sequences in the genome. These DNA sequences, called "cis-regulatory elements",
have the particularity of recruiting many proteins capable of regulating the level of gene
transcription. Among these proteins, transcription factors are capable of directly binding
to DNA. Transcription factors cooperate with other regulatory proteins, called cofactors,
to regulate transcription. Transcription regulatory proteins allow the binding and
regulation of the RNA polymerase II enzyme that transcribes genes into messenger RNA.
The fixation of transcription factors on the cis-regulatory elements allows the regulation
of genes in space and time. To better understand the regulation of gene expression, it is
necessary to identify cis-regulatory elements in the genome in order to characterize and
identify the mechanisms of action of regulatory elements and the proteins that are linked
to them. The rapid development of high throughput sequencing methods has made it
possible to identify DNA/protein interactions on a large scale. The massive accumulation
of sequencing data in public databases allows the integration of many experiments that
capture the interactions between transcription factors and DNA through bioinformatics.
The purpose of my PhD was to annotate and process in a uniform way the raw data from
sequencing experiments whose objective is to identify the binding regions of regulatory
proteins for humans and then for Arabidopsis Thaliana. We processed data from ChIPseq, ChIP-exo and DAP-seq to develop several catalogues of regulatory regions in humans
and Arabidopsis Thaliana. All this data is available within the ReMap project. We
completed them with an analysis of all histone brands for Arabidopsis Thaliana. To carry
out these analyses we have developed reproducible, scalable and portable workflows
working on different architectures. This high throughput integrative analysis has allowed
us to identify many new cis-regulatory elements. These data were also used to identify
the attachment sites recognized by the transcription factors and to consolidate the
JASPAR database for humans and Arabidopsis Thaliana. Finally, this catalogue was used
in the development of a new method applying an entropy-based algorithm to differentiate
between direct and indirect protein binding events in ChIP-seq results.
Le processus de régulation de la transcription des gènes repose très largement sur
l’existence de séquences d’ADN non codantes dans le génome. Ces séquences d’ADN,
appelées “éléments cis-régulateurs”, ont la particularité de recruter de nombreuses
protéines capables de réguler le niveau de transcription des gènes. Parmi ces protéines,
les facteurs de transcription sont capables de se fixer directement sur l’ADN. Les facteurs
de transcription coopèrent avec d’autres protéines régulatrices, les cofacteurs, afin de
réguler la transcription. Les protéines régulatrices de la transcription permettent la
fixation et la régulation de l’enzyme d’ARN polymérase II qui transcrit les gènes en ARN
messager. Leurs fixations sur les éléments cis-régulateurs permettent une régulation des
gènes dans l’espace et dans le temps. Pour mieux comprendre la régulation de
l’expression des gènes, il est nécessaire d’identifier les éléments cis-régulateurs dans le
génome afin de caractériser et d’identifier les mécanismes d’action des éléments
régulateurs et des protéines qui leur sont liés. Le développement rapide des méthodes de
séquençage à haut débit a permis l’identification des interactions ADN/protéines à grande
échelle. L'accumulation massive des données de séquençage dans les banques de données
publiques permet l'intégration de nombreuses expériences capturant les interactions
entre les facteurs de transcription et l’ADN par des moyens bioinformatiques. Le but de
mon doctorat a été d’annoter et traiter de façon uniforme les données brutes issues
d’expériences de séquençage ayant pour objectif d’identifier les régions de fixation des
protéines régulatrices pour l’Homme puis chez Arabidopsis Thaliana. Nous avons traité
des données de ChIP-seq, ChIP-exo et DAP-seq afin d'élaborer plusieurs catalogues de
régions régulatrices chez l’homme et chez Arabidopsis Thaliana. Toutes ces données sont
disponibles au sein du projet ReMap. Pour Arabidopsis Thaliana, nous avons complété ces
données par une analyse de toutes les marques d’histones. Pour effectuer ces analyses,
nous avons développé des workflows reproductibles, scalables et portables sur des
architectures différentes. Cette analyse intégrative à haut débit nous a permis d’identifier
de nombreux nouveaux éléments cis-régulateurs. Ces données ont également été utilisées
pour identifier les sites de fixations reconnus par les facteurs de transcription et
pour consolider la base de données JASPAR pour l’Homme et pour Arabidopsis Thaliana.
Enfin, ce catalogue a été utilisé dans le développement d’une nouvelle méthode
appliquant un algorithme basé sur l’entropie. Cet algorithme permet de différencier les
événements de fixations directes et indirectes par les protéines dans les résultats de ChIPseq.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|