Search

La génomique fonctionnelle est à la fondation de la compréhension des mécanismes internes de la cellule bactérienne. Le besoin de méthodes offrant une vision plus globale permettant de mieux comprendre les interactions et les fonctions des gènes à un niveau systémique ne cesse de croître. Il y a 15 ans, des protocoles de criblages d’interactions génétiques synthétiques à haut débit (SGA) ont été développés dans Escherichia coli afin d’analyser la croissance de mutants par délétion double. La méthode SGA commence par la création d'une souche à haute fréquence de recombinaison (Hfr) portant la délétion d’un gène cible qui est ensuite transférée dans une collection de délétions à l'échelle génomique, telle que la collection Keio. Cependant, cette méthode présente des limitations expérimentales, et sa faible polyvalence complique son adaptation. De plus, son utilisation demeure restreinte à E. coli. C’est pourquoi, nous proposons ici une méthode SGA 2.0 basée sur la technologie d’interférence médiée par CRISPR (Clustered Regularly Interspaced Short Palindromic Repeats interference, CRISPRi). Notre méthode SGA 2.0 repose sur le transfert à haute densité d'un plasmide capable d'interférer avec l'expression d'un gène d’intérêt dans une collection de mutants par délétion. À titre de preuve de concept, nous avons réussi à reproduire avec une grande précision des interactions spécifiques impliquant le gène de biosynthèse du panthotenate panD. Par la suite, nous avons utilisé notre méthode SGA 2.0 pour étudier les réseaux d'interactions génétiques des gènes essentiels gyrA et murA chez E. coli ainsi que le gène rpsL chez Salmonella Typhimurium. Ce genre d’approches n'aurait pas été envisageable par la méthode SGA standard. Cela souligne la versatilité de la méthode SGA 2.0 et élargit l’application des SGA à travers différentes espèces bactériennes, dépasse également les limitations expérimentales précédentes.

Ce projet de maîtrise vise à décrire les phénotypes cliniques des patientes diagnostiquées pour un cancer de l'ovaire de type épithélial afin de soutenir la génomique fonctionnelle. Pour réaliser ce projet de recherche, quatre objectifs ont été réalisés : 1) proposer un modèle conceptuel décrivant les phénotypes cliniques des patientes à partir de données médicales enregistrées dans un entrepôt de données cliniques ; 2) à partir du modèle conceptuel, créer deux outils informatiques, dont l'un, le Master Specimen File (MSF) qui extrait des variables du modèle conceptuel issues des rapports de chirurgie et de pathologie des patientes (p. ex. histologie, stade, grade, etc.) afin de confirmer leurs diagnostics et de décrire leurs tissus de recherche selon des caractéristiques tissulaires, cellulaires et moléculaires. L'autre, le Clinical Response Database (CRD) , permet de visualiser d'autres variables (p. ex. traitements, résultats d'imagerie médicale et marqueurs tumoraux) pour déterminer l'ordre des traitements, les réponses aux traitements ainsi que les survies des patientes; 3) utiliser les deux outils informatiques au Centre hospitalier universitaire de Sherbrooke (CHUS) pour décrire les phénotypes cliniques de patientes recrutées pour le Laboratoire de génomique fonctionnelle de l'Université de Sherbrooke (LGFUS) ; et 4) réanalyser les résultats d'une étude publiée en 2009 par le LGFUS en effectuant un nouveau regroupement des patientes selon leurs phénotypes cliniques. L'utilisation des outils informatiques au CHUS a permis de décrire les phénotypes cliniques de 106 patientes diagnostiquées pour un cancer de l'ovaire de type épithélial. Ces outils ont permis de sélectionner les patientes dont les phénotypes cliniques correspondent à des critères de sélection établis par le LGFUS. Cette sélection a permis d'effectuer la réanalyse des résultats d'une étude génomique et de constater que les patientes ayant des phénotypes cliniques hétérogènes ont des moyennes de ra