Département de biochimie

Dr Nicolas Lartillot

Professeur adjoint

	Adresse :	Département de biochimie Faculté de Médecine Université de Montréal C.P. 6128, Succ. Centre-ville Montréal, Qc H3C 3J7
Local :		Pavillon Roger-Gaudry - H-307-7
Téléphone :		514 343-6111 poste 2721
Télécopie :		514 343-2210
Courrier électronique :		nicolas.lartillot@umontreal.ca

Thème(s)

Génétique évolutive
Phylogénie moléculaire
Inférence Bayésienne
Chaînes de Markov Monte Carlo

Une des questions fondamentales de la théorie de l’évolution est de comprendre comment l’incroyable diversité morphologique des êtres vivants observée sur la planète a pu être produite au cours des temps géologiques.

Génétique évolutive

Dans cette optique, un premier enjeu de notre recherche est de mieux cerner les mécanismes de l’évolution génétique, à savoir, comment les processus de mutation, de recombinaison, de dérive et de sélection s’articulent entre eux, résultant en une divergence progressive des génomes des différents organismes.

En pratique, nous nous appuyons sur les principes de l’inférence Bayésienne, pour construire des modèles probabilistes de l’évolution des séquences génétique. Ces modèles sont implémentés en utilisant des algorithmes de Chaînes de Markov Monte Carlo, et sont testés sur des données de séquences génomiques provenant d’une grande variété d’organismes.

Phylogénie moléculaire

Un second objectif de recherche, lié au premier, est d’appliquer les modèles d’évolution ainsi construits à la reconstruction phylogénétique, à savoir, la reconstruction des relations de parentés entre espèces vivantes. Les modèles d’évolution actuellement utilisés en phylogénie ne sont pas totalement satisfaisants: trop simples, et ne décrivant pas correctement certains aspects essentiels des processus évolutifs réels, ils conduisent souvent à des reconstructions fausses.

Partant de ce constat, un des objectifs essentiels de notre travail est de proposer des modèles plus adéquats, prenant par exemple en compte les variations de la pression de sélection à la fois le long des séquences et au cours du temps. Ces modèles sont implémentés et sont testés pour leur capacité à améliorer la fiabilité des reconstructions phylogénétiques dans des cas difficiles, pour lesquels les modèles actuels ne donnent pas de résultats satisfaisants.

Theme(s)

Evolutionary genetics
Molecular phylogenetics
Bayesian inference
Markov Chain Monte Carlo

A fundamental issue in evolutionary studies is to understand how the amazing morphological diversity of extant live beings has been produced, over geological eons.

Evolutionary genetics :

In this perspective, a first objective of our research is to better describe the mechanisms underlying gene evolution; that is, how the processes of mutation, recombination, drift and selection combine together, resulting in a progressive divergence between genomes of related organisms.

In practice, we rely on the principles of Bayesian inference, so as to build probabilistic models of genetic sequence evolution. Those models are then implemented using Markov Chain Monte Carlo algorithms, and are tested on genomic sequence data of various organisms.

Molecular phylogenetics

A second objective of our research, related to the first, consists in applying the models of gene evolution thus defined to phylogenetic reconstruction, i.e. to the problem of inferring the kinship relationships between extant organisms, based on a comparative analysis of their genetic sequences.

The models of gene evolution currently used in phylogenetics are not satisfying in several respects: they are overly simple, and do not correctly capture certain essential aspects of the true evolutionary processes, and as a result, often yield erroneous reconstructions. Based on this observation, an essential aim of our research is to devise more adequate models, for instance, accounting for variations of the selection pressure along the sequences, and across lineages. The resulting models are implemented and are tested against challenging phylogenetic problems for their ability to lead to more reliable tree reconstructions.

Publications choisies

Bousseau B., Blanquart S., Lartillot N. and Gouy M. Parallel adaptations to high temperatures in the Archean eon. Nature, 2008, in press.
Quang L.S., Gascuel O. and Lartillot N. Empirical profile mixture models for phylogenetic reconstruction. Bioinformatics, 2008, ahead of print.
Blanquart S. and Lartillot N. A site- and time-heterogeneous model of amino-acid replacement. Molecular Biology and Evolution, 2008. 25:842-858.
Kleinman C., Rodrigue N., Bonnard C., Philippe H. and Lartillot N. A maximum-likelihood framework for protein design. BMC Bioinformatics, 2006. 29:326.
Lartillot N. Conjugate Gibbs sampling for phylogenetic models. Journal of Computational Biology, 2006. 13:1701-1722.
Rodrigue N., Lartillot N. Bryant D. and Philippe H. Site interdependence attributed to tertiary structure in amino-acid sequence evolution. Gene, 2005. 347:207-217.
Lartillot N. and Philippe H. A Bayesian mixture model for across-site heterogeneities in the amino-acid replacement process. Molecular Biology and Evolution, 2004. 21:1095-1109