Le transcriptome : un domaine d'application pour les<br />statistiques, de nouveaux horizons pour la biologie

The analysis of transcriptomic data requires statistical methods to provide reliable conclusions.Amongst the huge amount of available methods, biologists may have difficulties to choose the mostappropriate one for their needs. The existing criterions to compare different methods are eitherincomplete or use criteria that are not biologically relevant.The organisation of bacterial genomes offers a biologically relevant criterion to compare the methodsindependently of the goal of the experiment: the operons. We have developed a protocol based on thiscriterion and compared some classical methods: PCA, ICA, t-test and ANOVA.Furthermore, meta-analysis of transcriptome data is currently developed. These meta-analyses allowthe study of new biological fields such as the chromosomal organisation of gene expression. We haveanalysed three bacteria, B. subtilis, E. coli and S. meliloti and have revealed long-range correlations ofexpression in all organisms, whatever the gene studied.Les mesures des niveaux d'expression de tous les gènes d'un génome requièrent une analysestatistique afin d'obtenir des conclusions fiables. Les biologistes ont du mal à faire un choix dans lafoule de méthodes existantes. Afin de déterminer quelle méthode est la plus adéquate pour laproblématique abordée, des comparaisons de méthodes d'analyse disponibles sont nécessaires.Actuellement les critères de comparaison se révèlent soit lacunaires ou soit non pertinents du point devue biologique.Nous avons introduit un nouveau critère biologique de comparaison des méthodes d'analyse dutranscriptome fondé sur une structure des génomes bactériens : les opérons. Les gènes d'un opéronsont généralement transcrits sur un même ARNm. Si un gène d'un opéron bactérien est identifié, lesautres gènes de l'opéron devraient l'être également. Nous avons ainsi comparé des méthodesd'analyse appliquées au transcriptome : l'ACP et l'ACI, respectivement analyses en composantesprincipales et indépendantes, l'ANOVA, analyse de variance, la régression des moindres carréspartiels PLS et différents t-tests. Chaque méthode aborde le nuage de données d'un point de vuedifférent ce qui donne des résultats complémentaires. Globalement, l'ACI a fourni les meilleursrésultats tant en sensibilité qu'en terme de précision.Un autre aspect, en plein développement, de l'analyse du transcriptome est la méta-analyse dedonnées d'origines diverses malgré les biais inhérents à cette technologie. Généralement ces métaanalysesvisent à préciser les résultats concernant des gènes différentiellement exprimés ou coexprimés.Elles ouvrent également la possibilité d'étudier de nouveaux champs en biologie. Nousavons utilisé des données de transcriptome indépendantes afin d'étudier l'organisation de l'expressiondes gènes et, ainsi, celle du chromosome bactérien. L'étude du transcriptome de trois bactéries, B.subtilis, E. coli et S. meliloti a révélé des corrélations d'expression à longue distance valables quel quesoit le gène étudié. Les structures en opéron se manifestent clairement au travers de cette étude, quia également permis de préciser que la co-expression de gènes proches s'étend au-delà des opéronsdans une région qui se répand jusqu'à une centaine de gènes.Pour conclure, l'analyse du transcriptome n'a pas réellement nécessité la mise au point de méthodesd'analyse statistiques spécifiques. Cependant, elle permet d'aborder de nouveaux horizons dans labiologie, et notamment l'organisation chromosomique du génome bactérien