| Christine DILLMANN | PR UPS |
| Dominique de VIENNE | PR UPS |
| Olivier MARTIN | PR UPS |
| Adrienne RESSAYRE | CR INRA |
| Delphine SICARD | MC UPS |
| Aurélie BOURGAIS | TR CNRS |
| Warren ALBERTIN | Postdoctorante ANR |
| Thibault NIDELET | Postdoctorant ANR |
| Eleonore DURAND | Doctorant |
| Victor SABARLY | Doctorant |
| Aymé SPOR | Doctorant |
Dynamique des génomes |
Génétique et evolution des réseaux biologiques |
Bases génétiques de l'adaptation |
Les recherches menées au sein de l’équipe GQF visent à modéliser le lien entre le polymorphisme génétique et la variabilité phénotypique pour comprendre comment une population peut s’adapter à un nouvel environnement. L’adaptation, définie comme l’augmentation de la valeur sélective des individus d’une population en réponse à un changement de l’environnement, s’accompagne de changements phénotypiques pour les caractères liés à l’histoire de vie. Ces changements peuvent être plastiques, génétiques ou épigénétiques. Pour comprendre la nature des variations phénotypiques et leur potentiel d’évolution dans une population, il faut prendre en compte (1) La multiplicité des sources de variation génétique et phénotypique (dynamique du Génome) ; (2) La complexité de la relation entre le génotype et le phénotype et l’origine de la plasticité phénotypique (variations Quantitatives); (3) Les conséquences de la sélection et des autres pressions évolutives sur la diversité phénotypique, mais aussi sur le polymorphisme génétique et sa répartition dans le génome (Forces évolutives).
La recombinaison entre chromosomes homologues est nécessaire pour leur bonne ségrégation en méiose. De plus, ce brassage crée des nouvelles combinaisons alléliques qui contribuent à la diversité phénotypique. En particulier, la recombinaison méiotique est l’outil principal utilisé par le sélectionneur pour rassembler des allèles favorables. La modélisation de la formation de crossovers pour décrire leur répartition le long des chromosomes doit prendre en compte deux phénomènes : (1) le crossover obligatoire, qui traduit le fait que chez presque toutes les espèces, au moins un crossover par paire de chromosomes est nécessaire pour le bon déroulement de la méiose, et (2) l’interférence entre crossovers, qui traduit le fait que lors d’une même méiose, deux crossovers ne peuvent pas se former trop proches l’un de l’autre. Les mécanismes biologiques sous-jacents sont encore largement incompris, et la modélisation est un outil incontournable complémentaire des études sur les déterminants moléculaires de la formation des crossovers. Nous avons montré comment prendre en compte conjointement ces phénomènes dans un modèle mathématique (modèle FIC pour Forced Initial Crossover) (Falque et al. 2007). Nous avons implémenté ce modèle sous forme d’un logiciel et développé les outils d’inférence pour pouvoir confronter le modèle à des données expérimentales. L’analyse de données de souris nous a permis de montrer que le modèle FIC donnait une meilleure description des données expérimentales que le modèle standard. Notre approche introduit aussi le concept novateur selon lequel le crossover obligatoire et l'interférence agissent dans un espace différent de la distance génétique, ils ont en particulier tendance à provoquer davantage de recombinaison aux extrémités du chromosome physique. Enfin, nous avons montré que le nombre et la répartition des crossovers différaient entre méiose mâle et méiose femelle chez Arabidopsis thaliana le long du chromosome 4. En méiose mâle, l'interférence varie beaucoup en intensité pour une même distance génétique mais très peu pour une même distance physique (Drouaud et al. 2007).
Les génomes sont structurés en chromosomes présentant eux-mêmes une hétérogénéité spatiale prononcée (hétérochromatine vs euchromatine, régions géniques vs intergéniques, hotspots de mutation et/ou de recombinaison, etc.). A l'heure actuelle, alors que les données de séquençage s'accumulent toujours plus rapidement, peu d'études portent sur la répartition spatiale d'éléments particuliers le long du génome. Nous avons mené une étude exploratoire sur deux types d'éléments génétiques dont on sait qu'ils ne sont pas répartis aléatoirement le long du génome, les gènes d'une part, les SNP d'autre part. Pour les gènes nous cherchons à identifier des facteurs expliquant ces regroupements. Pour les SNP nous cherchons à comprendre comment ils se distribuent entre populations au sein d'une espèce et entre espèces. Nous avons développé des méthodes statistiques basées sur les coefficients de variation permettant de mesurer des degrés d'agrégation pour des échantillons de tailles variables et de caractériser l'agrégation de mélanges composés de deux groupes d'éléments présentant des caractères différents (par exemple, gènes riches en GC vs gènes pauvres en GC). Ces indices permettent de visualiser graphiquement le degré d'agrégation d'éléments le long du génome à différentes échelles (globales ou plus locales).
Nous menons depuis plus de dix ans une expérience de sélection divergente pour la précocité de floraison chez le maïs. Chaque population initiale est constituée d’un lot de semence d’une lignée pure, F252 ou MBS847, caractérisées par un niveau d’homozygotie élevé. Les objectifs de cette expérience étaient (1) de caractériser les limites de la réponse à la sélection dans les deux directions, à partir d’un matériel génétique fixé, et (2) de comprendre les rôles respectifs de la variabilité génétique et des nouvelles mutations pour engendrer la variabilité génétique exploitable pour la réponse à la sélection. De façon surprenante, une forte réponse à la sélection a été observée durant un laps de temps court (7 générations). Les populations précoces deviennent plus précoces, les populations tardives plus tardives. La différentiation entre populations s’accompagne de l’apparition de variabilité génétique à l’intérieur des populations. Enfin, la réponse est asymétrique, et beaucoup plus importante dans les populations tardives. Une partie de cette réponse peut être attribuée à une variabilité génétique initiale due à l’hétérozygotie résiduelle des lignées de départ. Ainsi, les lignées très tardives de la population F252-Tardive ont toutes fixé un allèle présent à l’état d’hétérozygotie résiduelle dans le lot de semence initial au locus QCK5e06 identifié par ailleurs comme un gène candidat lié à la précocité de floraison chez le maïs (Chardon et al. 2004). Cependant, la réponse observée ne peut pas être expliquée uniquement par la ségrégation d’allèles présents à l’état d’hétérozygotie résiduelle dans les lignées de départ. Ainsi, en quelques générations, nous avons créé des populations d’individus qui dérivent par descendance d’une lignée pure, mais qui diffèrent fortement de la lignée parentale pour la précocité de floraison, tout en préservant ses caractéristiques phénotypiques. Il s’agit là d’un matériel de choix pour l’étude des bases génétiques d’un caractère complexe comme la précocité de floraison chez le maïs
Nous avons voulu comprendre si la simple sélection naturelle pour la fitness conduisait à une plus grande robustesse d'un « système » comme un réseau de gènes. Pour cela, il faut un cadre dans lequel la relation génotype phénotype est motivée et si possible réaliste. Nous avons donc travaillé dans deux cadres de ce type. Le premier concerne l'ARN où le génotype est donné par la séquence et le phénotype est la structure secondaire de l'ARN repliée thermodynamiquement ; l'école de Vienne autour de P. Schuster a beaucoup développé ce modèle, en particulier pour l'étude des réseaux neutres. Le deuxième cadre part d'un modèle proposé par A. Wagner en 1995 avec des gènes en interaction ; le génotype donne la nature des interactions et le phénotype correspond au taux d'expression de ces différents gènes. Dans ces deux classes de modèles, nous avons développé des outils computationnels qui permettent de mesurer la robustesse des génotypes; nous trouvons que l'équilibre mutation-sélection donne toujours une robustesse mutationnelle plus élevée que la moyenne des génotypes viables (Ciliberti et al. 2007a, Martin et Wagner, 2008).
En biologie tout équilibre n'est que temporaire car le milieu change constamment, et donc l'adaptabilité est aussi une condition de la survie. Si la robustesse correspond en biologie au maintien d’un phénotype dans une population, alors sans doute empêche-elle l'innovation phénotypique. Devant ce paradoxe, il doit y avoir un compromis dans le monde vivant entre robustesse et adaptabilité. Nous avons étudié cette question dans le cadre de nos modèles de réseaux de gènes, et avons trouvé, de manière très inattendue, que l'antagonisme entre robustesse et adaptabilité jouait principalement aux courtes échelles de temps (peu de mutations), mais qu'aux temps plus longs ce n'est plus le cas. La raison est qu'une robustesse importante permet une évolution neutre plus rapide, conduisant à des génotypes accessibles plus nombreux sur le long terme (Ciliberti et al. 2007b).
Pour ces deux thèmes nous nous sommes concentrés sur la reproduction asexuée. Or chez les organismes supérieurs la reproduction sexuée fait intervenir la recombinaison génétique, et conduit donc au brassage des génomes. La modélisation et l'implémentation logicielle de cette généralisation sont maintenant terminées. Il reste à faire les études numériques et leur interprétation. Par ailleurs, remarquons que toutes les techniques algorithmiques, statistiques et computationnelles que nous avons développées peuvent être adaptées à d'autres systèmes, par exemple aux réseaux métaboliques.
Parmi les modèles biologiquement pertinents de la relation génotype-phénotype, le modèle métabolique est sans conteste le plus fructueux, pour la génétique quantitative comme pour génétique évolutive. La relation de type hyperbolique qu’il postule, et qui semble généralisable à d’autres niveaux sub-cellulaires ou cellulaires (Rossignol et al., 2003) a apporté un nouvel éclairage sur la dominance, l’évolution de la neutralité sélective, l’épistasie, la réponse à la sélection, la distribution de l’effet des QTL, etc. C’est dans ce contexte que s’inscrivent nos recherches sur les réseaux métaboliques, qui comprennent un volet méthodologique (modélisation simplifiée des flux), un volet génétique (hétérosis) et un volet évolutif.
Au-delà de leur diversité de topologie et de régulation, les réseaux métaboliques répondent aux perturbations génétiques de manière analogue : lorsque la valeur d’un paramètre enzymatique augmente, le flux qui parcoure le réseau augmente de manière non linéaire puis atteint un plateau. Nous avons proposé de modéliser ce comportement de manière très générale, en utilisant seulement deux paramètres cinétiques par enzyme, l’activité spécifique apparente et la dispensability. Afin de valider ce modèle, nous avons reconstitué in vitro la partie haute de la glycolyse. Des courbes de titration ont permis d’estimer ces paramètres par ajustement hyperbolique. La corrélation entre le flux glycolytique mesuré et le flux prédit est très élevée. L’équation qui donne la distribution optimale des concentrations d’enzymes a également été établie. Là encore, les valeurs trouvées sont remarquablement proches des valeurs expérimentales (Fiévet et al., 2006). Par ailleurs nous avons fait varier in vivo le dosage allélique de trois enzymes de la glycolyse de levure, la HXKII, la PGI et la FBA (voir § 3.2), et avons observé une réponse de type hyperbolique de la vitesse de consommation du glucose. L’estimation in vivo des paramètres simplifiés est donc envisageable. Le type de modélisation proposé peut trouver tout son intérêt dans le contexte de la biologie des systèmes ou de l’ingénierie métabolique, dont le défi est l’augmentation explosive du nombre de paramètres avec la taille du système.
La convexité de la relation paramètre enzymatique-flux peut engendrer de l’hétérosis pour les flux. Cet effet a été confirmé non seulement par simulations, mais aussi in vitro : des « hybrides » issus du mélange 1:1 du contenu de tubes « parentaux » différant par leurs répartitions d’enzymes peuvent présenter un flux hétérotique. Les conditions d’apparition de ce phénomène ont été analysées en détail. D’une part l’équation simplifiée du flux a permis de proposer un prédicteur d’hétérosis. D’autre part un modèle de décomposition du flux en effets génétiques additifs (A), de dominance (D), d’épistasie AA, AD et DD d’ordre quelconque, ainsi que l’utilisation d’un index d’épistasie original, nous a permis de montrer que l’épistasie antagoniste était la cause principale de l’hétérosis pour les flux. La relation génotype-phénotype convexe avec saturation pourrait donc relier deux observations classiques, l’universalité du phénomène d’hétérosis et la fréquence de l’épistasie antagoniste dans les populations.
La relation génotype-phénotype de forme hyperbolique est à l’origine de la théorie de la « sélection naturelle de la neutralité sélective » : toute mutation qui augmente l’activité d’une enzyme sera sélectionnée tant que le plateau, qui correspond à la neutralité sélective, ne sera pas atteint (Hartl et al. 1985). La limite de ce résultat est qu’il ne considère qu’une enzyme variable à la fois, et qu’il a été obtenu pour des chaînes linéaires d’enzymes indépendantes. Un système d’équations différentielles nous a permis de décrire l’évolution des concentrations relatives des enzymes lorsqu’il y a sélection directionnelle pour augmenter le flux, ou bien sélection pour un optimum. Nous avons ainsi montré que la sélection fixait les proportions des enzymes à des niveaux inversement proportionnels à leurs activités, qu’elle déterminait la manière dont le contrôle du flux était partagé entre les enzymes, enfin que la neutralité sélective ne pouvait être atteinte pour toutes les enzymes que sous des conditions très restrictives sur les effets des mutations et la taille de la population.
Les traits d’ histoire de vie » sont des caractères quantitatifs clés dans le cycle de vie des individus, et qui contribuent à leur valeur sélective. Les combinaisons de valeurs phénotypiques pour ces traits d’histoire de vie définissent des « stratégies d’histoire de vie ». Nous avons utilisé deux approches pour étudier la génétique et l’évolution de stratégies d’histoire de vie. D’une part nous avons étudié la variabilité génétique et plastique des traits d’histoire de vie et de leurs corrélations dans une collection de souches de levures industrielles et naturelles, d’autre part nous avons analysé l’effet de mutants d’expression des gènes d’enzymes de la glycolyse sur les stratégies d’histoire de vie chez la levure.
L’analyse du taux de croissance, de la capacité biotique, de la taille de la cellule ainsi que des variables métaboliques comme la vitesse de consommation du glucose, le rendement (biomasse par unité de glucose) ou la concentration en éthanol en fin de fermentation dans une collection de souches industrielles ( œnologie, brasserie et boulangerie ), de laboratoire et naturelles (forêt, clinique, fruits), a montré que tous ces caractères manifestaient une forte variabilité génétique et plastique (Spor et al. 2008). L’analyse des corrélations génétiques au sein de chaque milieu a révélé deux stratégies de vie extrêmes, qualifiées de « cigale » et de « fourmi ». Les cigales consomment vite le glucose, l’allouent dans la taille de leur cellule et épuisent vite le milieu, ce qui conduit à une faible capacité biotique. Les fourmis consomment le glucose lentement, sont de petite taille, et atteignent une taille maximale de population importante. Les stratégies d’histoire de vies dépendent de l’origine des souches. Sur un continuum du type fourmi au type cigale, on trouve les souches provenant de forêt et de laboratoire, les souches provenant de fruits ou de l’homme (souches cliniques) et enfin les souches industrielles. Parmi les souches industrielles, les stratégies de vie dépendent de l’origine et du milieu dans lequel on les cultive. Par ailleurs, en utilisant des double mutants de délétion, des hémizygotes, des diploïdes et des transformants avec un plasmide multi-copie, nous avons fait varier le dosage de trois gènes, celui de l’hexokinase (HXKII), de la phosphoglucose isomerase (PGI) et de la fructose-1,6 biphosphate aldolase (FBA). Nous avons ainsi montré qu’il était possible d’augmenter la vitesse de consommation du glucose en sur-exprimant un seul gène d’une enzyme de la glycolyse. Ces variations génétiques de vitesse de consommation du glucose sont associées à des variations de la taille de la cellule et de capacité biotique, et permettent de passer d’une stratégie de type « fourmi » à une stratégie « cigale » et vice-versa.
Deux espèces sauvages de tournesol, Helianthus annuus et H. petiolaris, ont donné naissance il y a plusieurs milliers d’années à une espèce hybride, H. paradoxus, inféodée à des marais salins. Cette spéciation par hybridation, associée à une adaptation au milieu salin, est un modèle intéressant pour étudier les bases génétiques de l’adaptation au stress salin chez les plantes. En comparant les patrons de polymorphisme génétique dans les populations naturelles des deux espèces parentales et de l’espèce hybride, nous avons recherché des signatures moléculaires de la sélection et détecté une baisse de diversité dans les populations de l’espèce hybride autour de trois QTL impliqués dans la survie de l’espèce hybride à son milieu salin (Edelist et al. 2006). Parallèlement, une étude physiologique et d’expression génique sur ces mêmes populations naturelles a montré que (i) l’espèce hybride est très plastique, mais se porte mieux en milieu salin, ses feuilles sont plus succulentes, avec une concentration en sodium et sulfate très élevée dans ses tissus (Karrenberg et al. 2006) (ii) plusieurs gènes candidats impliqués dans différentes voies de réponse à la salinité sont différentiellement exprimés chez l’espèce hybride et chez ses parents.
Nous souhaitons développer une véritable approche de génétique et évolution des systèmes biologiques, visant à relier la diversité du fonctionnement cellulaire à la variation phénotypique. Nous nous appuyons pour cela sur des approches expérimentales chez deux espèces de microorganismes, S. cerevisiae et E. coli (2 projets ANR acceptés en 2008 et exploitation des résultats de l’ANR Blanche Adaptalevure). Ces approches ont pour buts de caractériser l’étendue de la variabilité métabolique à l’intérieur de chacune des espèces, de relier la variabilité métabolique à des variations phénotypiques potentiellement soumises à la sélection (traits d’histoire de vie, hétérosis), et de nourrir des modèles d’évolution des réseaux biologiques. Ce projet, est renforcé par la demande d’O. Martin d’un « package » INRA sur ce thème. En parallèle, il nous semble indispensable de développer des connaissances sur les mécanismes à l’origine de l’innovation phénotypique, c'est-à-dire l’apparition d’une caractéristique phénotypique nouvelle susceptible d’envahir une population. Nos travaux sur ce sujet sont complémentaires de ceux de l’équipe GEAR, qui s’intéresse aux bases moléculaires de l’innovation. Nous postulons que la position dans le génome des gènes impliqués dans l’innovation est un élément fondamental du succès de cette innovation, et nous nous intéressons aux mécanismes susceptibles de contraindre ce succès. D’une part nous développons des méthodes statistiques pour caractériser l’organisation spatiale du génome, d’autre part nous cherchons à comprendre le déterminisme génétique de la recombinaison chez les plantes. Nous développons aussi des modèles de génétique des populations pour comprendre le succès d’une innovation phénotypique récurrente dans l’ensemble du règne végétal, à savoir le régime de reproduction auto-incompatible. Enfin une stratégie de choix pour comprendre comment la sélection naturelle peut conduire à l’adaptation d’une population à un nouvel environnement est de réaliser des expériences d’évolution expérimentale, puis de rechercher les gènes impliqués dans l’adaptation des populations évoluées. Nous appliquons cette stratégie chez deux espèces modèles, la levure et le maïs.
Financements :
