Cis-regulatory elements : identification and caracterization

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. La fixation directe ou indirecte de ces protéines régulatrices sur les éléments cis-régulateurs permettent une régulation des gènes dans l’espace et dans le temps. L'accumulation massive des données de séquençage dans les banques de données publiques permet l'intégration de nombreuses expériences capturant les interactions entre les protéines régulatrice 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 dont l’objectif est 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. Toutes ces données sont disponibles au sein du projet ReMap. Pour effectuer ces analyses nous avons développé des workflows reproductibles, scalables et portables sur des architectures différentes. Ces données ont aussi été utilisées pour identifier les sites de fixations reconnus par les facteurs de transcription et pour consolider la base de données JASPAR. Enfin, ce catalogue a été utilisé dans le développement d’une nouvelle méthode permettant de différencier les événements de fixations directes et indirectes par les protéines dans les résultats de ChIP-seq.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. The direct or indirect binding of these regulatory proteins to cis-regulatory elements allows the regulation of genes in space and time. The massive accumulation of sequencing data in public databases allows the integration of many experiments that capture the interactions between regulatory proteins 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 ChIP-seq, ChIP-exo and DAP-seq to develop several catalogues of regulatory regions. All this data is available within the ReMap project. To carry out these analyses we have developed reproducible, scalable and portable workflows on different architectures. These data were also used to identify the binding sites recognized by the transcription factors and to consolidate the JASPAR database. Finally, this catalogue was used in the development of a new method to differentiate between direct and indirect protein binding events in ChIP-seq results