THµSE - thèse
Transcription
THµSE - thèse
5)µ4& &OWVFEFMPCUFOUJPOEV %0$503"5%&-6/*7&34*5²%&506-064& %ÏMJWSÏQBS Université Toulouse 3 Paul Sabatier (UT3 Paul Sabatier) 1SÏTFOUÏFFUTPVUFOVFQBS Bonnet Agnès le 16 décembre 2013 5JUSF Etude de l’expression des gènes au cours des stades précoces de la folliculogenèse ovarienne chez les mammifères de rente (brebis) ²DPMF EPDUPSBMF et discipline ou spécialité ED BSB : Génétique moléculaire 6OJUÏEFSFDIFSDIF UMR 444 Génétique Cellulaire INRA %JSFDUFVST EFʾÒTF Mr Mulsant Philippe Mme Mandon-Pépin Béatrice Jury : Mme Binart Nadine (Directeur de recherche, INSERM, Le Kremlin-Bicêtre) M. Bobe Julien (Directeur de recherche, INRA, Rennes) M. Bujan Louis (Professeur des universités, praticien hospitalier, Hôpital Paule de Viguier) M. Gougeon Alain (Directeur de recherche, INSERM, Lyon) M. Lecerf Frédéric (Maître de conférence, Agrocampus Ouest, Rennes) Remerciements Je dédie ce travail A Michel, A nos 3 enfants Christophe, Sébastien et Julien, A mes parents, A Jean- Luc Merci …. En tout premier lieu, je tiens à remercier Madame Nadine Binart et Monsieur Julien Bobe pour avoir accepté d’être les rapporteurs de ce travail. Merci de l’attention que vous avez porté à cette thèse. Je tiens à vous exprimer ma respectueuse considération et ma sincère gratitude. Je tiens aussi à remercier les membres du jury : Monsieur Jean Parinaud, Monsieur Louis Bujan, Monsieur Alain Gougeon, Monsieur Frédéric Lecerf pour avoir accepté de juger ce travail. Merci de l’intérêt que vous avez porté à cette thèse. Je tiens enfin à remercier Monsieur Philippe Mulsant et Madame Béatrice Mandon-Pépin pour avoir accepté d’être mes directeurs de thèse. Je vous suis particulièrement reconnaissante pour votre disponibilité, votre encadrement, vos conseils et pour l’intérêt que vous avez porté à mon travail tout au long de ma thèse. Aucune phrase ne sera assez forte pour vous dire merci. Cette thèse est pour moi l’aboutissement d’un travail qui a pu être mené à bien grâce à l’interaction et au soutien de nombreuses personnes. « Il y a des milliers de vies dans une seule vie.» Swami Parjnanpad Ce fut également une période d’un grand enrichissement humain et scientifique. Merci à tous ceux qui m’ont encouragée, soutenue dans les moments difficiles et conseillée tout au long de ce parcours. Je remercie tous les membres passés et présents de l’équipe de génétique des ovins et des caprins pour leur confiance, leurs discussions et leurs conseils. De nombreuses personnes ont contribué régulièrement à faire avancer ce travail, que ce soit à l’occasion de réunions, de séminaires, de relectures et corrections d’articles ou de discussions, et je les remercie de l’intérêt qu’elles ont porté à mon sujet et des conseils avisés qu’elles m’ont prodiguées. Je remercie en particulier Laurence Liaubet, Magali San Cristobal, Thomas Faraut, Alain Vignal et Jérome Gouzy. Ma thèse m’a aussi permis de me former à différentes techniques, et j’ai eu la chance de bénéficier de l’expertise et des « petits trucs » de différentes plateformes (GetPlaGe (Olivier Bouchez), Plateforme de Microgénomique expressionnelle ICE (Claudia Bevilacqua), SIGENAE (Cédric Cabau)) et de l’appui de personnes très compétentes (Katia, Yves, Alain J). Merci également à Francis, Florent et Julien que j’ai embarqué dans la grande aventure de la microdissection à capture laser. Merci pour leur disponibilité, leur bonne humeur et les bons moments passés ensemble. Enfin cette thèse signe une fin de cursus universitaire qui a commencé il y a plus de trente ans : « Jamais nous ne devrions suivre le chemin d’un autre, car c’est sa voie, pas la nôtre. … Une fois que tu l’as trouvé, ne t’en écarte jamais. Ta voie est ce qui te convient, mais elle ne convient pas à un autre. » Swami Viveknanda Mon chemin a été long et il a fallu beaucoup de motivations et de batailles contre « la normalité » pour garder le cap. Merci à l’INRA de m’avoir laissée cette opportunité. Merci à tous ceux qui m’ont fait confiance, m’ont encouragé et guidé le long de ce chemin (Francois G, Francois H, Philippe, Béatrice, Laurence, Magali, Thomas, Alain, Mireille,…). Merci pour leurs conseils de rédaction et de présentation « raconter une histoire » « message à faire passer » Plus facile à dire qu’à faire ! Merci pour les discussions « déjeuner » toujours très enrichissantes d’un point de vue personnel et scientifique. Un grand merci enfin, à Stéphane Fabre pour ses conseils lors de la rédaction et à Caroline Molette et Annie Robic qui ont pris un peu de leur temps pour relire ce manuscrit. Et tant pis pour ceux qui n’ont pas compris mes choix ! En route pour de nouvelles aventures avec la TGU ! J’ai une pensée particulière pour ma famille qui a toujours été présente et m’a soutenue dans mes projets un peu fous quelquefois et les moments difficiles. A mes parents merci tout simplement pour l’éducation qu’ils m’ont donnée. « Quand on ne sait pas où l’on va, que l’on sache d’où on vient » (tradition orale) A tous mes amis ; merci pour leur réconfort, pour les sorties balades, randonnées et gastronomiques qui m’ont, chacun à leur manière, changer les idées ! , Merci d’être là ! Un dernier merci pour tous ceux que j’ai oublié. Michel cette thèse je te la dédie A la mémoire de Jean-Luc, si tu avais pu tourner ces pages… INTRODUCTION Chez les mammifères, la réserve en cellules germinales (constituée de follicules primordiaux) est acquise au cours de la vie fœtale ou néonatale et constitue un stock disponible tout au long de la vie reproductive. Cette réserve va cependant s’épuiser au cours de la vie. En santé humaine, la compréhension des dysfonctionnements ovariens est un enjeu important. Par exemple, la défaillance ovarienne précoce est une pathologie responsable d’aménorrhées primitives ou secondaires qui touche 1% des femmes de moins de 40 ans. En agronomie, la maîtrise de la fonction de reproduction des animaux d’élevage joue un rôle central dans la gestion des exploitations, pour la production mais également dans l'optique du bien être animal (ex : limitation des tailles de portée extrêmes chez les brebis). Les différentes étapes de la mise en place de la réserve en cellules germinales et de la folliculogenèse basale sont contrôlées par l’expression spécifique de certains gènes ovocytaires et dépendent d’un dialogue moléculaire très étroit entre les cellules somatiques et les cellules germinales. Les acteurs et les mécanismes qui sous tendent ces différentes étapes sont encore mal connus. Leurs bons déroulements conditionnent la durée reproductive et la fertilité des femelles. Ce sont donc des étapes cruciales pour la fonction ovarienne. L’équipe Génomique Des Ovins et des Caprins du Laboratoire de Génétique Cellulaire s’intéresse à la variabilité du taux d’ovulation chez la brebis et a déjà identifié des mutations naturelles dans trois gènes de l’espèce ovine de race Lacaune : FecB (concernant le gène BMPR1B), FecL (gène inconnu) et FecX (gène BMP15) qui bloquent la folliculogenèse basale au stade du follicule primaire. Parmi les mammifères mono-ovulants (homme, bovin, caprin, ovin…), l’espèce ovine représente un bon modèle expérimental puisque la folliculogenèse est relativement bien décrite dans cette espèce (morphologie, chronologie). Il existe quelques modèles génétiques (mutation naturelle BMP15…) et les caractéristiques de la folliculogenèse sont proches de celle de l’espèce humaine. Le projet scientifique de cette thèse est de : 1- Mettre en place une méthode d'analyse des stades précoces de la folliculogenèse chez la brebis par analyse du transcriptome. 2- Décrire l’expression des gènes dans les 2 types cellulaires (oocyte et cellules de la granulosa) au cours des différents stades de la folliculogenèse basale chez la brebis. Cette étude devrait nous permettre d’identifier des gènes potentiellement impliqués dans le dialogue moléculaire existant entre les deux types cellulaires ainsi que des gènes à expression spécifique susceptibles de jouer un rôle important dans cet événement physiologique. 3- Décrire l’expression des gènes impliqués dans le développement folliculaire et mettre en évidence des processus moléculaires clés et des « biomarqueurs » de la croissance folliculaire basale. Cette étude devrait permettre de décrire précisément la folliculogenèse basale dans l’espèce ovine et de pouvoir la comparer à celles des espèces poly-ovulantes (souris). Les « biomarqueurs » identifiés sont susceptibles de jouer un rôle important. En effet, la finalité à long terme est de pouvoir les utiliser comme standard in vivo, notamment pour contrôler la survie et le développement des follicules en culture in vitro ou après cryopréservation du cortex ovarien par transposition à l'espèce humaine. En effet, il est aujourd’hui possible de préserver la fertilité de jeunes patientes atteintes de cancer grâce à la cryoconservation de leur tissu ovarien avant traitement, puis à greffer ce tissu une fois la patiente guérie et adulte. La thématique de notre projet de recherche relève des aspects moléculaires de la folliculogenèse basale (période néonatale). Ce manuscrit présente d’abord en introduction, l’état de l’art en trois points: après un rappel général sur l’ovogenèse et la folliculogenèse, nous aborderons les aspects morphologiques, physiologiques et cellulaires de l’ovogenèse et la folliculogenèse basale et enfin, nous nous attacherons ensuite à en décrire les aspects moléculaires. Les résultats seront ensuite exposés. Après la mise au point des méthodes d’analyse, nous analyserons l’expression des gènes dans les compartiments folliculaires puis au cours de la folliculogenèse basale. Enfin, nous discuterons de certains résultats obtenus concernant notamment le dialogue moléculaire et la régulation de la croissance folliculaire basale. En conclusion de ce manuscrit, de nouvelles pistes de recherche seront définies. Table des matières INTRODUCTION BIBLIOGRAPHIQUE 1 CHAPITRE I : INTRODUCTION A L’OVOGENESE ET A LA FOLLICULOGENESE 4 CHAPITRE II : ASPECTS MORPHOLOGIQUES, PHYSIOLOGIQUES ET CELLULAIRES 6 1. Ovogenèse fœtale : de la formatrion des crêtes génitales à la formation des follicules ovariens 6 2. Le développement folliculaire 13 3. L’atrésie ovocytaire et folliculaire 19 CHAPITRE III ASPECTS MOLECULAIRES 21 1. Description générale des mécanismes 21 2. Ovogenèse foetale 25 3. Folliculogenèse basale 35 4. L’atrésie ovocytaire et folliculaire 49 MATERIEL ET METHODES 52 MICRODISSECTION A CAPTURE LASER (LCM) 54 ANALYSE DU TRANSCRIPTOME 55 1. Support microarray 55 2. RNA-seq 55 VALIDATION PAR PCR EN TEMPS REEL 57 INTERPRETATION BIOLOGIQUE VALIDATION 58 RESULTATS 60 PREAMBULE 63 CHAPITRE I. METHODES D’ANALYSE DES STADES PRECOCES DE LA FOLLICULOGENESE BASALE CHEZ LA BREBIS 65 1. Résultats 66 2. Conclusion 69 3. Article 1 69 4. Annexes de l’article 1 70 CHAPITREII.DESCRIPTIONDESTRANSCRIPTOMESDANSCHACUNDESDEUX COMPARTIMENTSOVARIENS:SPECIFICITESFONCTIONNELLESETDIALOGUE MOLECULAIRE 71 1. Résultats 72 2. Conclusion 78 3. Article 2 78 4. Annexes de l’article 2 79 CHAPITREIII.PROFILD’EXPRESSIONSPATIOTEMPORELDELAFOLLICULOGENESE BASALE:PREDICTIONDESPROCESSUSBIOLOGIQUESETSESREGULATIONS 80 1. Résultats 81 2. Conclusion 87 2. Article 3 89 3. Annexes de l’article 3 90 DISCUSSIONGENERALE 91 METHODOLOGIES 93 CARACTERISTIQUESDESTRANSCRIPTOMES 96 ETUDEDESCOMPARTIMENTS 99 1. Les fonctions 99 2 .Les mécanismes 99 3. Les communications cellulaires 102 4. Les spécificités de compartiments 104 LEDEVELOPPEMENTFOLLICULAIREPRECOCE 106 1. Les fonctions 106 2. Mécanismes mis en place au cours du développement folliculaire 106 3. Régulation de la croissance 107 4. Les spécificités de stades 111 CONCLUSIONS ET PERSPECTIVES 113 CONCLUSIONS METHODOLOGIQUES 114 CONCLUSIONS BIOLOGIQUES 114 PERSPECTIVES 115 LISTE DES PUBLICATIONS ET COMMUNICATIONS 117 ARTICLES 118 COMMUNICATIONS ORALES 118 POSTERS 118 REFERENCES 120 ABBREVIATIONS 125 Index des figures Figure 1. Représentation schématique de l’évolution des follicules dans l’ovaire humain. 4 Figure 2. Schéma chronologique de l’ovogenèse et la folliculogenèse chez la brebis et la souris. 4 Figure 3. Schéma chronologique de l’ovogenèse et la folliculogenèse chez différents mammifères. 5 Figure 4. Evénements chronologiques de la différenciation ovarienne chez les ruminants (brebis) et les rongeurs (souris). 8 Figure 5. Formation des cordons ovigères (souris). 8 Figure 6. Les étapes de la méiose. 9 Figure 7. Les principales étapes de la méiose I. 9 Figure 8. Etapes de la formation des follicules primordiaux. 11 Figure 9. Chronologie des principales étapes de la période fœtale chez l’homme et la souris : de la migration des CGP à la formation des follicules primordiaux. 12 Figure 10. La folliculogenèse. 13 Figure 11. Progression du diamètre folliculaire au cours du développement dans différentes espèces. 14 Figure 12. Croissance de l’ovocyte et multiplication des cellules de granulosa pendant la folliculogenèse basale. 15 Figure 13. Différents stades de follicules de la croissance folliculaire, ainsi que leurs limites de taille et leur classification chez l’homme. 17 Figure 14. Pourcentage de follicules entrant en atrésie pendant la croissance folliculaire. 19 Figure 15. Gaspillage ovocytaire au cours de l’ovogenèse. 19 Figure 16. Principales étapes de la folliculogenèse et de la maturation de l’ovocyte. 20 Figure 17. Voie de signalisation canonique WNT/β caténine. 21 Figure 18. Illustration de la voie de signalisation PI3K. 21 Figure 19. Composants majeurs de la signalisation des principaux membres de la famille TGFβ et combinaisons possibles entre facteurs et récepteurs. 24 Figure 20.Voie de signalisation des TGFβ et sa régulation. 24 Figure 21. Rôle de Foxl2 dans l’ovaire. 25 Figure22. Spécialisation des cellules somatiques en cellules germinales. 26 Figure23. Cascade des événements conduisant à la formation des gonades. 26 Figure 24. La différenciation sexuelle chez les souris. 27 Figure 25. Voies de signalisation (putative) impliquées dans l’organogenèse ovarienne de souris. 28 Figure 26. Régulation de la méiose par l’acide rétinoïque. 29 Figure 27. Représentation des facteurs impliqués dans la formation des CGP, des cordons ovigères et des follicules primordiaux. 34 Figure 28. Rôle potentiel de la signalisation intra-ovocytaire de PI3K. 35 Figure 29. Facteurs impliqués dans le maintien et la survie des follicules primordiaux. 36 Figure 30. Expression de KITL et KIT au cours de la folliculogenèse chez la souris. 36 Figure 31. Différents facteurs impliqués dans l’activation, l’inhibition ou la survie des follicules primordiaux. 41 Figure 31. Contact intercellulaire entre ovocyte et cellules de granulosa. 46 Figure32. Dialogue moléculaire. Erreur ! Signet non défini. 48 Figure 33. Biogenèse et régulation par les micro-ARN chez les mammifères. 49 Figure 34. Régulation du développement folliculaire basal. 51 Figure 35. Plan d’expérience. 55 Figure 36. Synthèse du nombre de séquences obtenues par échantillon. 72 Figure 37. Pertinence des jeux de données. 94 Figure 38. Réseau des gènes impliqués dans la régulation de l’atrésie ovocytaire. 99 Figure 39. Bilan des connaissances sur le dialogue moléculaire. 104 Figure 40. Chronologie des modifications cellulaires potentielles mises en place pendant la croissance folliculaire basale. 107 Figure 41. Régulateurs potentiels impliqués dans la croissance folliculaire basale. 108 Figure 42. Facteurs de transcription potentiels impliqués dans la croissance folliculaire basale. 108 Figure 43. Gènes montrant des différences d’expression les plus significatives. 112 Index des tableaux Tableau 1. Chronologie de l’ovogenèse fœtale chez les mammifères. 6 Tableau 2. Comparaison de la durée du développement folliculaire entre espèces. 13 Tableau 3. Diamètres folliculaires (en mm) aux principales étapes du développement folliculaires chez différents mammifères. 17 Tableau 4. Effet de l’invalidation de gènes intervenant dans la mise en place de la gonade chez la souris. 27 Tableau 5. Régulateurs de la mort programmée qui affectent la survie ovocytaires et la formation des follicules. 30 Tableau 6. Facteurs de transcription impliqués dans la formation des follicules. 31 Tableau 7. Facteurs de croissance et de signalisation impliqués dans l’assemblage des follicules. 32 Tableau 8. Expression des principaux composants de la voie de signalisation des TGFβ en fonction des espèces, des stades de développement et du compartiment folliculaire. 42 Tableau 9. Résumé des effets des hormones et facteurs de croissance sur la croissance folliculaire. 48 Tableau 10. Rôle des miRNA identifiés pendant la croissance basale. 49 Tableau 11: Liste des publications ayant utilisé la technologie LCM pour étudier la folliculogenèse basale de différentes espèces. 65 Tableau 12. Bilan des résultats obtenus avec les deux techniques d’assemblage. 72 INTRODUCTION BIBLIOGRAPHIQUE 1 6 \ _ _ k | "#$%&'*"#+&*+;;<="&>+<" ?+;;<="&>+'@+%&J=<>%>"*"XZ%['+=" ]'^<+%#" '&+@+'@+%&*"X'^<+%#" `'^<+%#" %=^'@+%&*"#;%XX+>wX"#J=+^%=*+'w{ 2. ] ? <#"=[";%XX+>wX'+=""@'>@+['@+%&+&+@+'X"*"X'>=%+##'&>" ??'>=%+##'&>";%XX+>wX'+=" '';%XX+>wX%$"&}#"`'#'X"*"X+&+@+'@+%&*w;%XX+>wX"J=+^%=*+'X'w;%XX+>wX"J=<~ '&@='X?^^ `X'Jw`"=@<X'J'#"@"=^+&'X" ] _ 3. k ]'@=<#+"%[%>@'+=" ]?'@=<#+";%XX+>wX'+=" k k ? ? '[%+"*"#+$&'X+#'@+%& ?'[%+"*"#+$&'X+#'@+%&] ]#@}^" '[%+"*"#+$&'X+#'@+%&*w '[%+"*"#+$&'X+#'@+%& ? ? ? ?] ?] ? ? ! ? ?%=^'@+%&*"#>"XXwX"#$"=^+&'X"#J=+^%=*+'X"# ??%=^'@+%&*"#>=@"#$<&+@'X"# ?]+$='@+%&*"# ?'*+;;<="&>+'@+%&#"{w"XX" ?+;;<="&>+'@+%&J=<>%>"*"XZ%['+=" ? ? ? ?\ ?\ 2 2.6L’inductiondelaméiose 2.7Lespointsdecontrôleméiotiques a.Lamortcellulaireprogrammée b.Lesfacteursdetranscription c.Lesfacteursdecroissanceetlesvoiesdesignalisation d.Leshormones 28 29 30 30 31 32 3.Folliculogenèsebasale 3.1Maintienouactivationdelaréservefolliculaire a.LavoiedesignalisationPI3K b.Lemaintiendelaréservefolliculaire c.Activationdelaréservefolliculaire 3.2Lacroissancefolliculaire a.Ledialoguemoléculaire b.Lesinteractionsphysiques c.Lessignauxautocrines d.Lerôledeshormonesetdesfacteursdecroissance e.Lesmicro~ARN 35 35 35 37 39 41 42 46 47 47 49 4.L’atrésieovocytaireetfolliculaire 49 4.1L’atrésieovocytaire 4.2L’atrésiefolliculaire 49 49 3 Figure 1. Représentation schématique de l’évolution des follicules dans l’ovaire humain. Source (Thibault et Levasseur 2001) Etapes de la folliculogenèse (réserve, follicules 1 à pré ovulatoire, atrésie) et lutéogenèse (corps jaune en développement ou régression) Figure 2. Schéma chronologique de l’ovogenèse et la folliculogenèse chez la brebis et la souris. Source (Racki and Richter 2006) Chapitre I : Introduction à l’ovogenèse et à la folliculogenèse Chapitre I : Introduction à l’ovogenèse et à la folliculogenèse L’ovaire constitue l’élément principal de la fonction de reproduction chez la femelle (Figure 1) et présente une double fonction : - La production des ovocytes : c’est le lieu de stockage et de maturation des cellules germinales femelles qui entourées des cellules de la granulosa forment les follicules. Ceux-ci libèrent à chaque cycle au moins un ovocyte fécondable. - La sécrétion hormonale qui joue un rôle clé dans le système endocrinien de la femelle en synthétisant et secrétant les hormones stéroïdes (œstrogènes, progestérone et androgènes) et peptidiques (inhibines…) indispensables à la fonction de reproduction. Aux niveaux anatomique et physiologique, l’ovaire constitue un compartiment composé de deux structures : - La medulla, lieu d’arrivée et de départ des nerfs, des vaisseaux sanguins et lymphatiques. - Le cortex périphérique, lieu de maturation des cellules germinales. L’ovaire est un organe en perpétuelle évolution où, dès la puberté, tous les stades de la folliculogenèse et de la lutéogenèse peuvent être observés (Figure 1). Dans l’ovaire, deux processus indissociables, l’ovogenèse et la folliculogenèse, déterminent donc le nombre et la qualité des ovocytes produits. La production de gamètes femelles ou ovogenèse commence au stade fœtal chez les mammifères mais progresse de manière discontinue. Les ovocytes se bloquent une première fois en prophase de première division (ovocytes I) dans une structure spécialisée de l’ovaire : le follicule primordial. Les ovocytes reprennent ensuite leur croissance à partir de la puberté en lien étroit avec la croissance du follicule ou folliculogenèse. Ce processus biologique continu démarre par la croissance du follicule primordial et se termine à l’ovulation (Figure 2). Enfin, après la décharge ovulante cyclique de LH (hormone lutéinisante), l’ovocyte (ou les ovocytes) se bloque(nt) à nouveau en métaphase de deuxième division jusqu’à la fécondation (ovocyte II). La régulation de ces deux processus est liée à de nombreux facteurs endocrines ou paracrines et à des interactions multiples entre types cellulaires et entre gènes. L’efficacité reproductive des mammifères va dépendre de la taille du stock de follicules primordiaux produits pendant la vie fœtale et du bon déroulement de la folliculogenèse pendant toute la vie reproductive de la femelle. 4 Figure 3. Schéma chronologique de l’ovogenèse et la folliculogenèse chez différents mammifères. Source (Monniaux et al. 2009) JPC : jour post conception. Chapitre I : Introduction à l’ovogenèse et à la folliculogenèse On distingue trois étapes successives jusqu’à l’ovulation : - l’ovogénèse fœtale (de la mise en place de l'ovaire fœtal à la formation du stock de follicules primordiaux), - la folliculogenèse basale ou précoce (indépendante des hormones gonadotropes, ~135 j chez la brebis), - la folliculogenèse antrale ou tardive (dépendante des hormones gonadotropes, ~44 j chez la brebis). Si l’ovogenèse est initiée chez tous les mammifères au cours de la vie fœtale, des différences importantes dans la mise en place de l'ovaire existent entre les espèces et en particulier avec les rongeurs qui représentent une entité bien distincte. Ces différences concernent l’organisation structurale de l’ovaire, l’activité stéroïdogène fœtale, l’initiation de la méiose (espèces à méiose immédiate ou retardée) et les régulations géniques dans ces étapes. On observe aussi ensuite des différences dans la chronologie des étapes de la folliculogenèse. Par exemple, la formation des follicules s’effectue pendant la vie fœtale chez l’homme, les ruminants et les porcins et en période néonatale chez la souris et le lapin. La durée totale du développement folliculaire varie aussi d’une vingtaine de jours chez les rongeurs à plusieurs mois chez les mammifères de grande taille (Figure 3). Enfin, on distingue les espèces qui produisent un ovocyte par cycle (espèces mono-ovulantes : ovine, bovine, équine, humaine) des espèces qui produisent plusieurs ovocytes par cycle (espèces poly-ovulantes : porcine, canine, rongeurs). Le rôle des gènes nécessaires à l'élaboration de toutes ces étapes a été caractérisé principalement chez la souris par des études génétiques (invalidation de gènes). Les données bibliographiques proviennent essentiellement des rongeurs et peu de données sont disponibles chez les autres espèces. Cependant dans la suite de ce document, les différences connues entre les espèces seront mentionnées. 5 Stade embryonnaire Formation des CGP Formation des crêtes génitales Migration : début/fin méiose souris 6.25-7.5 jpc (jour post coïtum) 9-10 jpc porc 21 jpc bovin homme caprin ovin 35-55 jpc 24 jpc 28-32 jpc 4-6 semaines 25 jpc 23-24 jpc 9-13.5 dpc 13.5-15.5 jpc 18-24 jpc 30-64 A partir de A partir de 42 jpc 70 jpc 4-7 semaines 11-12eme semaine jusqu’au 2 eme trimestre 30-32 De 55 à 90 jpc 23 De 52 à 120jpc Formation des follicules 2 jours postnataux 68-70 jpc 90 jpc 80 A partir de 75 jpc Durée de gestation 19-21 jours 112-115 jours (Liu et al. (Takagi et 2010) al. 1997; (Pepling 2006) Parma et al. 1999; Pailhoux et al. 2001) 9 mois Environ 16 semaines pc– 6 mois post natal 9 mois 150 jours 145 jours (Pailhoux et al. 2002) (McNatty et al. 1995) (Baillet et al. 2011) Références (Lavoir et al. 1994) (Aerts and Bols 2010) (Turnpenny et al. 2006) (De Felici 2013) (Stoop et al. 2005; Oktem and Oktay 2008) (Oktem and Oktay 2008) Tableau 1. Chronologie de l’ovogenèse fœtale chez les mammifères. Chapitre II : Aspects morphologiques, physiologiques et cellulaires Ovogenèse fœtale : De la formation des crêtes génitales à la formation des follicules ovariens. Chapitre II : spects orphologi ues ph siologi ues et cellulaires 1. vogenèse fœtale e la formation des cr tes génitales la formation des follicules ovariens. L’évolution des cellules de la lignée germinale comporte trois phases : une phase de multiplication, une phase d’accroissement de la taille et une phase de maturation qui sont régulées par de nombreux facteurs intra et extra ovariens. Les événements chronologiques du développement ovarien sont bien connus chez les mammifères et on distingue trois étapes clé : - la phase de multiplication des cellules germinales et la différenciation ovarienne. Les cellules germinales primordiales (CGP) deviennent des ovogonies, - l'initiation de la méiose fœtale, caractéristique d'un développement femelle. ovogonies deviennent des ovoc tes es (primaires) qui restent bloqués en première phase de méiose la prophase - la méiose est suivie par la formation des follicules qui se déroule soit pendant la vie fœtale, soit en période néonatale : un ovocyte I s'entoure de quelques cellules somatiques (prégranulosa) pour former des follicules primordiaux. Ces follicules primordiaux comportant un ovocyte I constituent le stock de cellules germinales pour la vie reproductive de la femelle. La chronologie de cette période est différente entre les espèces et pour plus de clarté dans la suite du manuscrit, est résumée dans le Tableau 1. 1.1 Lesgonadesindifférenciées Chez les mammifères, les gonades se forment dans la crête génitale. C'est un renflement longitudinal provoqué par la prolifération de l'épithélium cœlomique et l’épaississement du mésenchyme sous-jacent situé sur la face médio ventrale du mésonéphros (rein embryonnaire transitoire). Les progéniteurs de la lignée germinale dérivent des cellules de l'épiblaste (couche supérieure du disque embryonnaire). La migration des CGP s’effectue de manière passive grâce aux mouvements morphogéniques de l’intestin primitif caudal en formation (Hara et al. 2009) puis de manière active en réponse à des signaux directionnels émis par les cellules somatiques. Les CGP commencent aussi à se 6 Chapitre II : Aspects morphologiques, physiologiques et cellulaires Ovogenèse fœtale : De la formation des crêtes génitales à la formation des follicules ovariens. multiplier par mitose. Le début de la migration s’accompagne de changements morphologiques et biochimiques tels que les extensions cytoplasmiques et la polarisation (Anderson et al. 2000). A leur arrivée dans les crêtes génitales (9 jpc (jour post coïtum) chez la souris et vers 23-24 jpc chez la brebis), les CGP perdent leur mobilité et deviennent des ovogonies. Elles se multiplient par mitoses successives rapides et établissent des contacts avec les cellules épithéliales. Après la colonisation par les cellules germinales, les ébauches gonadiques mâle et femelle ont un aspect identique, c'est pourquoi on nomme aussi cet état, l'ébauche gonadique indifférenciée ou bipotentielle. Au terme du développement des crêtes génitales en gonade embryonnaire, on distingue deux types cellulaires en complément des ovogonies : les cellules de soutien qui donneront les cellules de Sertoli ou de granulosa et les cellules stéroïdogènes qui donneront les cellules de Leydig ou de la thèque. La zone corticale (cortex) de la gonade embryonnaire se différenciera en ovaire et la zone médullaire (medulla) en testicule. 1.2 Différenciationprécocedel'ovaire Chez les mammifères, le sexe est déterminé génétiquement à la fécondation en fonction du spermatozoïde apporté, qui peut être porteur ou non du chromosome Y (XX pour la femelle et XY pour le mâle). La colonisation des crêtes génitales par les CGP est une 1ere étape nécessaire à la formation de gonades fonctionnelles. Une 2eme étape consiste à l'expression de différents gènes qui va induire la différenciation des crêtes génitales en ovaire ou en testicule. Cependant, un seul gène Sry (sex determining region Y), présent sur le chromosome Y est nécessaire et suffisant pour induire la différenciation sexuelle vers un testicule et donc la voie mâle, chez les mammifères terriens (marsupiaux et placentaires). Ce n’est qu’à la suite de cette différenciation sexuelle des gonades que les ovogonies s’orienteront vers la voie mâle ou femelle grâce à l'expression d'autres gènes spécifiques de chaque sexe. La différenciation précoce et le maintien de la gonade femelle qui suit est également cruciale puisque le stroma ovarien reste relativement labile avec la possibilité de rebasculer vers un état testiculaire (vu chez la souris (Schlessinger et al. 2010)). L’altération de l’expression de gènes actifs à cette période de développement a des répercussions sur la fonction de reproduction des animaux à l’âge adulte comme l’infertilité ou l’inversion sexuelle. Dès les premières étapes de la différenciation gonadique, la gonade va aussi produire des hormones stéroïdes : androgènes chez le mâle et œstrogènes chez la femelle (32 jpc chez la 7 Figure . vénements chronologiques de la différenciation ovarienne chez les ruminants brebis et les rongeurs souris . Source (Baillet and Mandon-Pepin 2012) Les ovaires se structurent en deux parties à la formation des cordons ovigères : le cortex et la medulla. Cette organisation ovarienne est observée avant l’entrée en méiose chez les ruminants (A) et après la méiose chez les rongeurs (B). La synthèse d’œstrogènes commence pendant la vie fœtale chez les ruminants et à la naissance chez les rongeurs. Figure . Formation des cordons ovigères souris . Source (Pepling 2006) A leur arrivée dans les crêtes génitales les ovogonies se multiplient et restent relier entre elles pour former des cordons ovigères (Germline cyst). Chapitre II : Aspects morphologiques, physiologiques et cellulaires Ovogenèse fœtale : De la formation des crêtes génitales à la formation des follicules ovariens. brebis). Les œstrogènes jouent un rôle important dans la différenciation ovarienne de nombreux vertébrés (poissons, reptiles, oiseaux, ruminants) car ils sont capables soit d’induire des inversions sexuelles femelles chez les mâles (comme chez les poissons (Vizziano-Cantonnet et al. 2008) ou s’ils sont inhibés d’entraîner des phénotypes mâles chez les femelles (Baillet et al. 2011). Chez les mammifères il existe des différences entre espèces pour la production des œstrogènes pendant la vie fœtale. Chez les ruminants, comme la vache, la brebis et la chèvre, les gonades secrètent un pic d’œstrogènes au moment de la formation des cordons ovigères puis ce taux diminue avant l’entrée en méiose. Par contre la souris ne produit pas d’hormones stéroïdiennes pendant la vie fœtale (référence dans(Baillet and Mandon-Pepin 2012)) (Figure 4). Dans la même période, au cours de la multiplication des ovogonies, la cytokinèse incomplète des mitoses va relier les ovogonies entre elles par des ponts cytoplasmiques et créer des cystes d’ovogonies. Chaque cyste s’entoure de cellules épithéliales provenant du cortex ovarien (cellules pré-granulosa) puis d’une membrane basale. Le tissu interstitiel sépare chaque cyste pour former des structures tubulaires que l’on appelle des cordons ovigères (Figure 5) (Juengel et al. 2002; Pepling 2006; Magre 2011). Au démarrage de la méiose, la structure de la gonade femelle fœtale n’est pas identique dans toutes les espèces. Chez les ruminants (chèvre, brebis, vache) mais aussi chez la truie et la lapine, les CGP migrent à la périphérie de la gonade et forment les cordons ovigères. La gonade s’organise alors en deux zones (cortex ; medulla). Ce changement morphologique est associé à la production d’œstrogènes. Par contre, chez les rongeurs, les CGP colonisent toute la gonade, et l’architecture de l’ovaire n’apparaît que quelques jours avant la naissance et ne se fixe qu’après la naissance (Ottolenghi et al. 2007) (Figure 4). 1.3 Laméiose a Initiation de la iose Dans l'ovaire, à 13,5 jpc chez la souris et 55 jpc chez la brebis, les ovogonies stoppent leur réplication d'ADN pour entrer en méiose. L'initiation de la méiose aussi précocement est caractéristique de la voie femelle, dans le testicule l’entrée en méiose ne se produit qu’après la naissance et par vagues continues. On observe une différence dans la vitesse d’initiation de la méiose en fonction des espèces (Figure 4). Les ovogonies des souris démarrent la méiose rapidement après la différenciation 8 Figure . es étapes de la méiose. Figure . es principales étapes de la méiose . Source a lo s i and Cande Une seule paire de chromosomes est montrée et le chromosome homologue a une couleur différente. Les nodules de recombinaison sont représentés par des points de différentes grosseurs. Les principaux événements de la prophase I comprennent la formation des cassures double brins, leur réparation, l’appariement des chromosomes homologues, les synapses et la formation des crossing-overs,. Les interactions entre chromosomes homologues pendant la prophase I amènent à la formation de paires homologues ou bivalents et à des échanges réciproques de régions chromosomiques, conséquence des crossing overs. Les chromosomes homologues se séparent en anaphase. Chapitre II : Aspects morphologiques, physiologiques et cellulaires Ovogenèse fœtale : De la formation des crêtes génitales à la formation des follicules ovariens. sexuelle (le jour suivant chez la souris). Par contre, chez d'autres espèces de mammifères (comme la femme, les ruminants, le lapin) qui produisent des œstrogènes précocement au cours de la différenciation ovarienne, la méiose survient plus tardivement au sein des cordons ovigères. De plus, la méiose s’initie de manière synchronisée chez les rongeurs et asynchrone chez l’homme, les ruminants et le lapin. Chez toutes les espèces, la dénomination des cellules germinales change : les ovogonies deviennent les ovoc tes primaires ou ovocytes I. a iose La méiose est un mécanisme de division cellulaire particulier à la lignée germinale destinée à donner naissance à des gamètes haploïdes. Elle correspond à la succession de deux divisions cellulaires qui suivent une phase unique de réplication d'ADN et qui conduisent à la formation de quatre cellules haploïdes (n) pour une cellule diploïde (2n) (Figure 6). Elle assure la transmission de l'information génétique d'une génération à la suivante et le brassage de l'information génétique qui aboutit à la diversité génétique de l'espèce. La première division méiotique est réductionnelle. Elle permet la réduction du nombre de chromosomes et le brassage de l'information génétique. La deuxième division méiotique est équationnelle. Elle ressemble à une mitose mais elle n'est pas précédée d'une synthèse d'ADN et survient sur des chromosomes en un seul exemplaire. Ces deux divisions sont asymétriques et vont produire deux cellules filles de taille différente. La méiose est précédée d’une phase unique de synthèse d’ADN de longue durée appelée stade préleptotène. Chaque division méiotique passe ensuite par 4 étapes identiques à celle de la mitose : prophase, métaphase, anaphase et télophase (Figure 7). C’est la prophase I qui fait la particularité de la méiose, par sa durée, elle occupe 90 % du temps de la méiose, et par l’importance des événements qui s’y déroulent. C’est en effet au cours de cette prophase I que se déroulent les deux événements fondamentaux de la méiose : l’appariement des chromosomes homologues et la recombinaison génétique (Pawlowski and Cande 2005; Jordan 2006). La prophase est subdivisée en 5 stades transitoires, classés en fonction de leur configuration chromosomique: u stade leptotène l’ADN se condense, les chromosomes sont sous forme de filaments accrochés à la membrane par des bouquets télomériques. Ces bouquets favorisent le rapprochement des chromosomes et leur appariement. Des cassures double brin se forment et initient la recombinaison méiotique (Keeney 2008). u stade z gotène, l’appariement des chromosomes homologues est maintenu. Les complexes synaptonémaux apparus au leptotène favorisent les processus de recombinaisons 9 Chapitre II : Aspects morphologiques, physiologiques et cellulaires Ovogenèse fœtale : De la formation des crêtes génitales à la formation des follicules ovariens. chromosomiques (Kolas et al. 2004; Kouznetsova et al. 2005). u stade pach tène des tétrades se forment au sein de ces complexes synaptonémaux et les crossing-over se forment au niveau des chiasmas. u stade diplotène les complexes synaptonémaux se dissocient et les chromosomes homologues se séparent. Ils se condensent mais restent attachés au niveau des points de recombinaison sous la forme de chiasmas, indispensables pour une bonne ségrégation des chromosomes. Chez les mammifères, le blocage de la prophase I intervient à ce stade diplotène chez les femelles et dure de quelques jours (souris) à plusieurs années (femme, ruminants…). a première division restera bloquée au stade diplotène usqu’au moment de l’ovulation. Cette diapause correspond au stade dict otène. La première division méiotique reprendra juste avant l’ovulation suite à la décharge ovulante d’hormone gonadotrope LH (luteinzing hormone). A la puberté, les ovoc tes terminent la prophase au stade diacinèse. Les chromosomes homologues se déplacent et l’enveloppe nucléaire disparait. Dès le démarrage de la méiose, les ovocytes I mettent en place des communications avec les cellules somatiques proches que l’on appelle des pré-granulosa et qui se différencieront plus tard en cellules de granulosa (Matzuk and Lamb 2002). 1.4 Formationdesfolliculesprimordiaux Les follicules primordiaux se forment dans un ovaire structuré (cortex/medulla) lorsque les ovocytes sont bloqués en prophase I au sein des cordons ovigères. En fonction des espèces, l’apparition des follicules se situe pendant la période fœtale (femme, chèvre, brebis, vache …) ou néonatale (souris, lapin...) (Figure 3). Pendant la période fœtale, l’assemblage des follicules peut être aussi décalé dans le temps en fonction des espèces. Pour la vache et la femme par exemple qui ont des durées similaires de gestation, les follicules apparaissent vers 80 jours chez la vache et 112-132 jours chez la femme (Nilsson and Skinner 2009). Chez les rongeurs, on observe également un gradient centrifuge d’entrée en méiose des ovocytes et de formation des follicules au sein de l’ovaire. Les ovocytes entrent en méiose et les cystes se fragmentent d’abord dans le cortex interne juste avant la naissance, le processus s’étend ensuite après la naissance vers l’épithelium de surface (pour revue (Pepling 2012)). Chez la brebis, les cordons ovigères sont d'abord retrouvés à la frontière médulla/cortex puis s'étendent aussi à tout le cortex (Juengel et al. 2002). 10 Figure . tapes de la formation des follicules primordiaux. Source (Guigon and Magre 2006) A : Les cordons ovigères (OC) composés d’ovocytes (GC) et de cellules de pré-granulosa (PC) sont délimités par la membrane basale (MB). Les cellules mésenchymateuses (MC) sont situées dans le tissu interstitiel. B : Au cours de la rupture des cordons ovigères, les ovocytes se réarrangent autour des pré-granulosa et la membrane basale se désagrège. Un certain nombre d’ovocytes se dirige vers la voie de l’apoptose (en noir). C : Après la rupture des cordons, les follicules primordiaux se forment constitués d’un seul ovocyte arrêté en prophase I et entouré de quelques cellules de pré-granulosa aplaties, délimité par une nouvelle membrane basale et entouré de cellules mésenchymateuses. Chapitre II : Aspects morphologiques, physiologiques et cellulaires Ovogenèse fœtale : De la formation des crêtes génitales à la formation des follicules ovariens. Les follicules sont composés d'un ovocyte entouré de cellules somatiques. Ils se forment par fragmentation des cordons ovigères grâce à la coopération des cellules pré-granulosa, des cellules parenchymateuses et des ovocytes. Si la présence des ovocytes n’est pas indispensable pour la formation des cordons ovigères, elle l’est pour la formation des follicules puisqu'en l’absence d’ovocytes, les structures épithéliales vont progressivement disparaitre et l’ovaire régresser (Merchant 1975; Mazaud et al. 2002). Chez la brebis, les premiers follicules primordiaux apparaissent vers 75 jpc. Le nombre de cellules germinales détecté à ce stade est maximal et atteint 900 000 (McNatty et al. 1995). Un grand nombre d’ovocytes meurent par apoptose programmée pendant la fragmentation. Une des raisons possibles de cette dégénérescence est de permettre la fragmentation des gros cystes en plus petites structures jusqu’à l’obtention d’ovocytes séparés. A la fin de cette période de dégénérescence, seul un tiers des ovocytes chez la souris survivent et s’entourent des cellules aplaties de pré-granulosa pour former les follicules (Figure 8) (Guigon and Magre 2006; Pepling 2006). Chez la brebis entre 75 et 90 jpc, plus de 75% de cellules germinales sont perdues par apoptose (Smith et al. 1993). Au même moment, les cellules de l'épithélium ovarien prolifèrent activement (Sawyer et al. 2002). Les cellules somatiques jouent aussi un rôle important dans le processus de formation des follicules. Elles séparent physiquement les ovocytes et sécrètent des facteurs de croissance et des molécules de signalisation qui agissent sur l’ovocyte. Chez les mammifères la population de follicules primordiaux créée dans l’ovaire fœtal ou néonatal constitue un pool fini d’ovoc tes appelé la réserve disponible pendant toute la durée de vie reproductive des femelles. 11 Figure . Chronologie des principales étapes de la période fœtale chez l’homme et la souris de la migration des C la formation des follicules primordiaux. Source (Sarraj and Drummond 2012) Chapitre II : Aspects morphologiques, physiologiques et cellulaires Ovogenèse fœtale : De la formation des crêtes génitales à la formation des follicules ovariens. En résumé (Figure 9) La phase de multiplication et la formation des follicules chez les mammifères se déroulent pendant la vie fœtale et néonatale en lien étroit avec la différenciation ovarienne. Des différences importantes existent entre les espèces de mammifères et en particulier entre les rongeurs et les autres espèces. Les gonades se forment sur la face ventrale du mésonephros et sont colonisées par les cellules germinales primordiales (CGP) d’origine extra embryonnaire. A leur arrivée dans les gonades, les CGP perdent leur mobilité et deviennent des ovogonies. Elles se localisent en périphérie des gonades indifférenciées (sauf chez les rongeurs, localisées dans toute la gonade) et commencent à se multiplier. La différenciation sexuelle des gonades dépend de la présence des CGP pour la femelle et de l’expression de différents gènes. L’organisation des ovaires en deux zones (cortex-médulla) dépendrait ensuite de l’activité stéroïdogène de l’ovaire (espèces à steroïdogenèse active/non active). Chez les rongeurs, espèce à steroïdogenèse non active, la compartimentation et les œstrogènes ne sont pas retrouvés. L’architecture de l’ovaire en cortex et médulla ne se fixe qu’en période périnatale. Le premier événement caractéristique de la différenciation ovarienne est l’entrée en méiose des ovogonies qui deviennent des ovocytes I. L’initiation commence à la fin de la phase de multiplication. La vitesse d’initiation de la méiose varie en fonction des espèces. Les rongeurs ont une méiose immédiate et synchronisée et la femme, les ruminants ont une méiose retardée et désynchronisée. Les ovocytes vont interrompre la prophase I de méiose au stade diplotène et restent bloqués jusqu’à la reprise de la méiose après la puberté. Ils sont regroupés en cordons ovigères. Les follicules primordiaux, constitués d’un ovocyte entouré de quelques cellules aplaties de prégranulosa, se forment suite à la fragmentation de ces cordons avec la coopération des cellules pré-granulosa, des cellules parenchymateuses et des ovocytes. a population de follicules primordiaux ainsi créée constitue une réserve fixée d’ovoc tes. 12 Figure 1 . a folliculogenèse. Ce processus est caractérisé par 2 phases : la croissance du follicule (folliculogenèse basale hormono indépendante) puis la maturation du follicule (folliculogenèse terminale dépendante des hormones hypophysaires FSH et LH). spèce souris rate hamster urée totale du urée de développement développement folliculaire en des follicules antrum en 1 3 lapine brebis 1 1 vache femme Tableau . Comparaison de la durée du développement folliculaire entre espèces. Source (Monniaux et al. 2009) Chapitre II : Aspects morphologiques, physiologiques et cellulaires Le développement folliculaire . e développement folliculaire La folliculogenèse ou développement folliculaire correspond à la succession des différentes étapes à partir du moment ou le follicule sort de la réserve folliculaire, jusqu’à sa rupture à l’ovulation ou son involution (atrésie folliculaire) (Figure 10). Chez les mammifères, c’est un phénomène continu puisque chaque jour des follicules entrent en croissance et d'autres dégénèrent. a folliculogenèse se divise étapes - l’activation de la croissance folliculaire, - la début de la croissance folliculaire, - la sélection du (des) follicule(s) destiné(s) à ovuler, - la maturation du (des) follicule(s) pré ovulatoire(s). ’activation initiale se produit dès la formation des follicules primordiaux et jusqu’à épuisement de la réserve folliculaire (ménopause chez la femme). Les étapes suivantes du développement folliculaire se déroulent en 2 phases distinctes (diZerega and Hodgen 1981) (Figure 11) en lien étroit avec le développement ovocytaire : - une croissance basale longue appelée folliculogenèse basale ou précoce indépendante des hormones hypophysaires (FSH, LH) mais contrôlée par de nombreux facteurs qui agissent de manière autocrine et paracrine. C’est au cours de cette phase que s’effectue la croissance de l’ovocyte et le début de la croissance folliculaire. - suivie d’une croissance terminale rapide appelée folliculogenèse terminale ou tardive qui se déroule à partir de la puberté (Tableau 2). Elle est strictement dépendante des hormones gonadotropes FSH et LH. Le follicule évolue en follicule antral. C’est au cours de cette phase que s’effectue la sélection du ou des follicule(s) destiné(s) à ovuler, la maturation de l’ovocyte et la différenciation des cellules de la granulosa en cellules stéroïdogènes. 2.1 Réservefolliculaireetactivationinitialedelacroissance Les follicules primordiaux ont un diamètre compris entre 30 et 50 μm chez la femme (Gougeon 1986), 20 μm chez la brebis (Lundy et al. 1999)), et sont localisés dans le cortex de l’ovaire. Ils se composent d’un ovocyte d’environ 10-20 μm bloqué au stade diplotène de la prophase de première division de méiose, entouré de quelques cellules précurseurs de la granulosa en forme de faucille (pré-granulosa). Ils constituent la réserve folliculaire utilisable tout au long de la vie reproductive de la femelle. Chez la femme, leur effectif est de 250 000 à 500 000 par ovaire à 13 Figure 11. rogression du diamètre folliculaire au cours du développement dans différentes espèces. Source (Griffin et al. 2006) Chapitre II : Aspects morphologiques, physiologiques et cellulaires Le développement folliculaire la naissance (Block 1953; Forabosco et al. 1991). Un follicule primordial a quatre destins possibles: i) rester à l’état quiescent pour une durée plus ou moins longue pouvant aller jusqu’à la fin de la vie reproductive de la femelle. Cette période varie d’un follicule à l’autre, et d’une espèce à l’autre (jusqu’à 40 ans pour la femme). ii) être activé et commencer sa croissance folliculaire jusqu’à l’ovulation, iii) être activé, commencer sa croissance folliculaire mais celle-ci ne se prolonge pas et le follicule dégénère par atrésie sur les stades de développement plus tardifs, ou iv) basculer directement vers l’atrésie (dégénérescence). La taille et la persistance de la réserve de follicules primordiaux déterminent la durée de la vie reproductive. 2.2 Lacroissancefolliculaire Elle se traduit morphologiquement par la croissance de l’ovocyte, la multiplication des cellules de la granulosa (CG) (50 à 100 millions en fin de maturation chez la femme (Gougeon 1986)) et la formation de l’antrum (cavité liquidienne creusée entre les CG). L’augmentation des dimensions de cette cavité est essentiellement responsable de l’accroissement de taille du follicule. L’ovocyte et le follicule ne se développent pas simultanément. L’ovocyte croît très rapidement pendant la phase basale alors que l’essentiel de la prolifération et de la différenciation des cellules de granulosa est stimulée par la FSH (phase terminale) après la croissance de l’ovocyte (Liu et al. 2006). Les diamètres folliculaires augmentent progressivement et de manière non linéaire. Chaque stade du développement est caractérisé par une taille folliculaire définie (Figure 11) (Griffin et al. 2006). La durée totale du développement folliculaire est spécifique de l’espèce et varie d’une vingtaine de jours chez les rongeurs, à plusieurs mois chez les mammifères de grande taille (Tableau 2). La sélection des follicules est aussi différente selon les espèces puisqu'on distingue les espèces mono-ovulantes et d'autres poly-ovulantes. a. La folliculogenèse basale : de l’initiation du follicule primordial au follicule pré-antral (~ 2mm) L’ovocyte croît rapidement (~ 2 semaines chez la souris) pour atteindre 300 fois son volume initial (Figure 12). Son diamètre passe de 13 à 80 μm chez la souris, ce qui représente 14 . Croissance basale chez la souris 3 m m m . Croissance basale chez l’homme Follicule primordial Follicule primaire Follicule secondaire Follicule pré antral Figure 1 . Croissance de l’ovoc te et multiplication des cellules de granulosa pendant la folliculogenèse basale. Modifié de (Liu et al. 2006; Gougeon 2010) Chapitre II : Aspects morphologiques, physiologiques et cellulaires Le développement folliculaire 80% de sa taille définitive (Eppig and O'Brien 1996) (35–120 m chez l’homme et la brebis (Picton et al. 1998; Lundy et al. 1999)). Les chromosomes se décondensent de façon à assurer une synthèse d'ARNm et la mise en place de l’embryogenèse. En fin de croissance l’ovocyte contient 200 fois plus d’ARN qu’une cellule somatique, soit ~ 6 ng, dont 65% d’ARN ribosomiques. Sur la totalité des ARNm synthétisés durant cette croissance, seulement 15% sont traduits en protéines (par exemple celles de la zone pellucide), les autres, soit 85%, sont stockés et ne seront utilisés que plus tard, lors du développement embryonnaire. On les qualifie de transcrits maternels. Le taux de synthèse protéique augmente de 38 fois entre le début et la fin de la croissance ovocytaire chez la souris, ce qui dénote une activité métabolique intense (Schultz et al. 1979; Liu et al. 2006). La transcription et la traduction sont variables au cours de la croissance de l’ovocyte (Pan et al. 2005). Ces régulations transcriptionnelles (facteurs de transcription, polyadenylation, 3’ et 5’ non codants, dégradation…) et traductionnelles (petits ARN, piRNA…) font intervenir des mécanismes complexes finement régulés et stades-dépendant qui sont indispensables pour obtenir un ovocyte de bonne qualité (Sánchez and Smitz 2012). C’est au cours de cette phase basale que les ovocytes acquièrent la compétence à reprendre la méiose (Monniaux et al. 1997). Enfin, l’ovocyte secrète des facteurs spécifiques qui contrôlent le développement folliculaire et sa propre croissance (BMP15; GDF9). Dans le même temps, les cellules de la granulosa n’auront formé que trois couches de cellules cuboïdales (Liu et al. 2006). lles mettent en place des communications bidirectionnelles avec l’ovoc te. En fin de phase pré-antrale, elles rentrent toutes en prolifération et deviennent volumineuses. La folliculogenèse basale se déroule indépendamment des hormones hypophysaires mais sa régulation fait intervenir des facteurs autocrines et paracrines qui seront développés dans le chapitre suivant. Follicules primaires Après activation, les follicules primordiaux (Type 1 classification (Lundy et al. 1999)) se transforment en follicules primaires (Type 2, environ 46 et 75 μm de diamètre pour la vache et la brebis (Hulshof et al. 1994; Lundy et al. 1999)) composés d'une couche de cellules folliculaires cubiques (les cellules de granulosa) qui entoure l'ovocyte. Entre le follicule et la membrane du stroma ovarien apparait une lame basale, appelée la membrane de Slavjanski, qui isole le follicule du reste de l'ovaire. Dans l’ovocyte, la synthèse de transcrits est maximale en début de croissance jusqu’au stade primaire. Les cellules de la granulosa établissent des onctions communicantes entres elles et l'ovoc te pour permettre le passage de petites 15 Chapitre II : Aspects morphologiques, physiologiques et cellulaires Le développement folliculaire molécules dans l'ovocyte. Elles acquièrent les récepteurs de la FSH (Oktay et al. 1997). Follicules secondaires Le développement se poursuit avec la prolifération des cellules de granulosa et conduit à la formation des follicules secondaires (Type 3, > 75 μm chez la souris) constitués de plusieurs couches de cellules de granulosa (au moins deux couches) (Figure 12). Dans l’ovocyte, la synthèse de transcrits commence à diminuer (Pan et al. 2005) par rapport au stade de développement précédent. Une membrane glycoprotéique, nommée zone pellucide, se forme entre la membrane plasmique de l’ovocyte et les cellules de la granulosa. Elle joue un rôle important dans le maintien de la structure de l’ovocyte et participera plus tard au développement et à la fertilisation de l’ovocyte ainsi qu'au développement pré-implantatoire de l’embryon. Elle est constituée de 3 ou 4 protéines (ZP1-2-3-4) qui sont relativement bien conservées entre les espèces. Chez la souris, la zone pellucide est composée des protéines ZP1 à ZP3, chez les bovins et les porcins, la ZP1 est absente et chez l’homme les quatre protéines (ZP1 à 4) sont retrouvées (Goudet et al. 2008). Chez la souris et l’homme, ZP1 se lie à la matrice fibreuse formée par ZP2 et 3 (Picton et al. 1998). Ces protéines sont détectées au début de la croissance folliculaire chez la souris et dans l’ooplasme, dès le stade primordial chez l’homme. La synthèse va ensuite s’amplifier jusqu’à recouvrir complètement l’ovocyte dans les follicules secondaires de plus de 6 couches de cellules. Une légère production de ZP est montrée chez l’homme avant la formation des follicules et dans les cellules de la granulosa (Gook et al. 2008; Törmälä et al. 2008). La zone pellucide forme des onctions qui permettent le couplage ovoc te cellules de la granulosa. Les prolongements cytoplasmiques issus des cellules de granulosa traversent la zone pellucide pour assurer l'approvisionnement de l'ovocyte. Les cellules de la granulosa sont peu vascularisées mais les follicules sont soumis aux facteurs circulants du sang par de petites artérioles proches de la membrane de Slavjanski (Gougeon 2010). A la fin de la croissance du follicule secondaire, les cellules du stroma ovarien qui sont à la périphérie de la membrane de Slavjanski s’alignent pour constituer la thèque. Les cellules de la thèque acquièrent les récepteurs à la LH. Follicules pré antraux La thèque se différencie ensuite en 2 parties : la thèque interne et externe. La thèque interne est vascularisée et contient les cellules stéroïdogènes qui expriment les enzymes permettant la synthèse des progestagènes et androgènes ainsi que les récepteurs de la LH. Elle commence à synthétiser des androgènes et de nombreux facteurs de croissance capables de stimuler la prolifération des cellules de granulosa. La thèque externe correspond à un tissu conjonctif 16 Acquisition des Follicule Follicule à Début de la folliculogenèse primordial antrum terminale Rate 0,03 à 0,05 0,2 0,2 0,5 0,5 à 0,8 Brebis 0,03 à 0,05 0,2 2 3 à 3,5 6à7 Truie 0,03 à 0,05 0.2 1 5 7 à 11 Vache 0,03 à 0,05 0,2 3à4 9 10 à 20 Jument 0,03 à 0,05 0,2 10 15 45 Femme 0,03 à 0,05 0,2 3à5 10 à 12 20 Espèces récepteurs de LH sur la Ovulation granulosa Tableau 3. Diamètres folliculaires (en mm) aux principales étapes du développement folliculaires chez différents mammifères. Source (Monniaux et al. 2009) Figure 13. Différents stades de follicules de la croissance folliculaire, ainsi que leurs limites de taille et leur classification chez l’homme. Modifié de (Gougeon 2011) Les temps de passage des follicules dans chaque classe montrent qu’environ 90 jours sont nécessaires pour qu’un grand follicule primaire atteigne le stade pré-antral et que 70 jours seront nécessaires à ce dernier pour qu’il atteigne une taille d’environ 2 mm. Chapitre II : Aspects morphologiques, physiologiques et cellulaires Le développement folliculaire fibreux. Au cours de cette période, les récepteurs à la FSH augmentent progressivement dans les cellules de la granulosa, la taille du follicule augmente par multiplication intense des cellules de la granulosa et des espaces intercellulaires se constituent. A ce stade, les follicules mesurent en moyenne 200 μm quelle que soit l’espèce (Type 4) (Monniaux et al. 2009). Follicules petit antrum Les follicules pré-antraux se transforment ensuite en follicules tertiaires (Type 5). Des petites cavités remplies de liquide folliculaire, à la composition proche du sérum sanguin, apparaissent et vont fusionner pour former une cavité dans la granulosa que l’on nomme antrum. L’essentiel de la croissance ovocytaire est réalisé. Le diamètre de l’ovocyte est passé de 40 μm pour le follicule primaire à 100 μm dans le follicule à petit antrum chez l’homme. Sa croissance sera ensuite plus lente pour atteindre sa taille finale de 140 μm. En fin de croissance basale, l’ovocyte acquiert la compétence à reprendre la méiose et son activité transcriptionnelle se ralentit jusqu’à devenir indétectable (Pan et al. 2005). L’acquisition de cette compétence correspond à une taille de follicules déterminée qui varie en fonction des espèces. Le cytoplasme de l’ovocyte se réorganise en fonction des nouvelles protéines synthétisées et des organelles. Le nombre de mitochondries et de ribosomes augmente. Les organelles se vacuolisent et migrent vers la périphérie pour former les granules corticaux. L’ooplasme accumule les vésicules de stockage de glycogène, lipides et protéines et le transport de molécules au travers de la membrane s’amplifie (Picton et al. 1998). Les cellules de la granulosa qui entourent l’ovocyte constituent alors le cumulus oophorus. Le follicule devient capable de fabriquer des œstrogènes car il possède les deux types cellulaires (granulosa et thèque) nécessaires à leur synthèse et acquiert la capacité à être stimulé par les gonadotrophines (Drummond 2006). Les follicules continuent à croître jusqu’à atteindre une taille déterminée pour devenir un follicule sélectionnable. Cette taille varie de 200 μm chez les rongeurs à 2-5 mm chez l’homme (Tableau 3). Le temps nécessaire à un follicule primordial pour atteindre le stade pré-antral varie de 4 à 5 mois (brebis, femme, Tableau 2). Ensuite, 70 jours supplémentaires seront nécessaires pour arriver à la taille de 2 mm chez la femme (Gougeon 2010). Les tailles des différents stades folliculaires au cours de la folliculogenèse basale ainsi que la durée de croissance sont mentionnées Figure 13. 17 Chapitre II : Aspects morphologiques, physiologiques et cellulaires Le développement folliculaire b. A la puberté : la phase terminale La folliculogenèse terminale correspond à la maturation de l’ovocyte et la différenciation des cellules de la granulosa. Elle est strictement dépendante des hormones gonadotrophes hypophysaires FSH et LH, elles-mêmes contrôlées par la neurohormone de l'hypothalamus : la GnRH (luteinizing-releasing hormone), régulateur de l’activité ovarienne. Au sein de chaque follicule, des régulations de nature paracrine (entre thèque et granulosa et entre granulosa et ovocyte) et autocrine modulent la sensibilité des follicules aux gonadotropines. Cette phase terminale se déroule par vagues folliculaires et se décompose en 3 périodes : recrutement, sélection et dominance. En début de phase folliculaire, un groupe de follicules sélectionnables (3 à 11 chez la femme), c'est-à-dire qui ont atteint le diamètre requis (entre 2 et 5 mm chez l’homme (Gougeon 1996), 2 mm chez la brebis et la vache (Webb et al. 2003) et dont les cellules de granulosa sont réceptives à FSH, va être recruté. La FSH stimule alors la prolifération des cellules de granulosa et induit un développement rapide du follicule qui devient un follicule antral. Le recrutement est suivi d’une diminution de concentration de FSH circulante en réponse au rétrocontrôle excercé par l’oestradiol et l’inhibine secrétés par les cellules de granulosa sur l’axe hypothalamo-hypophysaire. Une hiérarchie fonctionnelle s’établit progressivement entre les follicules aboutissant à la sélection du ou des follicule(s) destiné(s) à l'ovulation. Les follicules les plus développés sont toujours stimulés par la FSH. Le nombre de cellules de granulosa augmentant, le nombre de récepteurs à la FSH s'accroît conjointement et le niveau circulant de FSH diminue progressivement. Ces follicules deviennent dominants. Ces mécanismes permettent de réguler le nombre d’ovulations qui est spécifique d’une espèce et d’une race. Au terme de la croissance folliculaire et sous l’effet de la décharge ovulante de LH, les mécanismes de l’ovulation s’enclenchent. Les cellules de la granulosa perdent leur capacité à se multiplier. La maturation ovocytaire correspond à la reprise de la méiose dans la cellule germinale femelle et aboutit à la formation de l’ovocyte II. Elle ne dure que quelques heures chez la femme (36h). Cette phase terminale ne sera pas détaillée dans ce manuscrit puisque nous nous limitons à la thématique de notre projet de recherche (folliculogenèse basale). 18 Figure 1 . ourcentage de follicules entrant en atrésie pendant la croissance folliculaire. Source (Gougeon 1996) Figure 1 . aspillage ovoc taire au cours de l’ovogenèse. Chapitre II : Aspects morphologiques, physiologiques et cellulaires L’atrésie ovocytaire et folliculaire 3. ’atrésie ovoc taire et folliculaire La perte d’ovocytes concerne tous les stades de l’ovogenèse selon deux phénomènes prépondérants. La perte la plus importante des cellules germinales s’effectue au cours de la période fœtale jusqu’au follicule primordial quiescent et implique des mécanismes d’apoptose (destruction programmée et contrôlée). Après la naissance et pendant la phase de croissance folliculaire, l’élimination des ovocytes implique des mécanismes d’atrésie folliculaire. 3.1 L’atrésieovocytaire Une première vague d’apoptose ovocytaire concerne une grosse proportion des CGP et s’effectue, chez la souris, quand les ovogonies cessent de se multiplier et initient la méiose. Une deuxième vague coïncide avec la rupture des niches d’ovogonies et est nécessaire pour l’assemblage des follicules primordiaux. Les ovocytes apoptotiques ont alors un noyau et un cytoplasme condensés avec l’ADN fragmenté. Différentes hypothèses peuvent expliquer la raison de cette apoptose ovocytaire : (i) ovocytes de faible qualité (une perte de l’intégrité de l’ADN, manque d’énergie), (ii) l’auto sacrifice nécessaire pour casser les ponts cytoplasmiques entre ovogonies et former les follicules primordiaux, (iii) mort cellulaire pour servir de cellule nourricière en transférant les organites aux ovocytes survivants grâce aux jonctions communicantes comme chez la drosophile, (iv) ou autre (manque de facteurs de croissance ou de support somatique… (pour revue (Aitken et al. 2011)). 3.2 L’atrésiefolliculaire La plupart des follicules n’atteignent pas l’ovulation et vont se diriger vers un mécanisme de dégénérescence appelé atrésie folliculaire, puisque seul(s) le (les) follicule(s) dominant(s) est (sont) sélectionné(s) pour l’ovulation. L’atrésie folliculaire concerne 99% des follicules en croissance (Figure 14). Ainsi chez la femme, sur les 6-7 millions d’ovocytes présents au 5ème mois de grossesse, seuls 400-500 sont destinés à ovuler après la puberté (Figure 15). Morphologiquement, l’atrésie est reconnaissable par des anomalies morphologiques dans l’ovocyte (condensations nucléaire et cytoplasmique…) et l’apparition de grains de pycnose dans les cellules de la granulosa (Hussein 2005). 19 Figure 1 . rincipales étapes de la folliculogenèse et de la maturation de l’ovoc te. Source (Monniaux et al. 2009) Chapitre II : Aspects morphologiques, physiologiques et cellulaires Développement et atrésie folliculaire En résumé (Figure 16) La folliculogenèse débute lorsque le follicule primordial quitte la réserve ovarienne, et se termine à l’ovulation par la libération d’un ou plusieurs ovocytes par cycle, en fonction des espèces. Folliculogenèse et ovogenèse sont indissociables. Le dialogue entre les différents types cellulaires est un élément déterminant qui contribue à la régulation du développement folliculaire et ainsi à une production de gamètes femelles de qualité. Le follicule apporte à l’ovocyte qu’il renferme, l’environnement nécessaire à sa croissance et sa maturation. L’ovocyte sécrète des facteurs spécifiques qui contrôlent le développement folliculaire ainsi que sa propre croissance. Ce processus se divise en deux phases la folliculogenèse basale. Après l’activation des follicules primordiaux, la croissance de l’ovocyte est rapide et quasiment achevée à la fin de cette période. L’ovocyte augmente son activité transcriptionnelle et traductionnelle pour permettre sa croissance, la formation de la zone pellucide et le stockage des ARNs et protéines nécessaires à la mise en place de l’embryogenèse. L’activité transcriptionnelle est maximale en début de croissance puis diminue pour devenir indétectable en fin de croissance ovocytaire. Les cellules de la granulosa entrent en prolifération. La thèque se forme. D’étroites communications se mettent en place entre les types cellulaires. Un couplage ovocyte-cellules de granulosa s’effectue grâce à la formation de jonctions dans la zone pellucide et à des prolongements cytoplasmiques issus des cellules de granulosa. De la même manière, la synthèse d’œstrogènes est effectuée par les cellules de granulosa à partir des androgènes produits par la thèque interne. C’est au cours de cette phase que les ovocytes acquièrent la compétence à reprendre la méiose. - la folliculogenèse terminale qui se déroule à l’âge adulte et sous contrôle endocrinien hypothalamo-hypophysaire (GnRH, FSH et LH) et ovarien (hormones stéroïdes et peptidiques). C’est au cours de cette phase que s’effectue, de manière cyclique sous l’effet de la FSH, la sélection du (des) follicule(s) destiné(s) à ovuler, la maturation de l’ovocyte et la différenciation des cellules de la granulosa. La maturation finale du (des) follicule(s) est contrôlée par la LH et s’achève avec le déclenchement d’une ou plusieurs ovulations, dont le nombre est spécifique de chaque espèce de mammifères et de chaque race. Par ailleurs, tout le long de la folliculogenèse, l’ovaire est le siège d’un énorme gaspillage de cellules germinales provoqué par l’atrésie folliculaire. Ce gaspillage permet de maintenir par cycle un nombre constant d’ovulations dans chaque espèce. 20 Figure 1 . oie de signalisation canonique T caténine. Source (Tevosian and Manuylov 2008) A) Voie de signalisation non activée en l’absence de ligands B) Voie de signalisation activée C) Voie de signalisation inhibée Figure 1 . llustration de la voie de signalisation Source (Zheng et al. 2012) En rouge les molécules de signalisation inhibitrice En vert les molécules de signalisation activatrice. 3 . Chapitre III Aspects moléculaires Description générale des mécanismes Chapitre III Aspects moléculaires Les processus de l’ovogenèse et de la folliculogenèse sont contrôlés par de nombreux facteurs et dépendent d’interactions CGP-cellules somatiques. Certaines voies de signalisation et gènes jouent en particulier un rôle pivot dans ces processus. Nous ferons donc dans un premier temps une description générale de ces mécanismes. Par convention, nous écrirons les gènes en italiques. Les gènes des rongeurs seront en minuscules et les gènes des autres espèces en majuscules. Les protéines seront en majuscules. 1. Description générale des mécanismes WNT (Wingless-Type MMTV Integration Site Family) est une grande famille de glycoprotéines principalement connues pour son rôle au cours du développement embryonnaire. Elle régule pour de nombreux types cellulaires différents processus tels que la différenciation, la détermination de la destinée, la mobilité et l’apoptose (pour revue (Boyer et al. 2010). La signalisation WNT est relayée par 3 voies différentes de transduction connues : la voie canonique WNT/ȕ caténine (CTNNB1) et non canoniques : la voie WNT/ Ca ++ et la voie de polarité planaire des cellules. La voie de transduction WNT/ȕ caténine est la mieux caractérisée dans l’ovaire (Figure 17). Elle est activée par la liaison de WNT sur un récepteur de la famille Frizzed (FZD) et un corécepteur LRP (LDL-receptor-related protein). Le signal est ensuite transmis par Disheveled (DSH) qui libère CTNNB1 du complexe APC (adenomatous polyposis coli)/AXIN/ GSK3ȕ (glycogen synthase kinase 3beta) et permet sa translocation dans le noyau ou il régule les gènes. La voie de transduction WNT/ȕ caténine est modulée par différentes protéines: les protéines SFRP4 (Secreted frizzled-related protein 4) et WIF1 (WNT Inhibitory Factor 1) qui se lient à WNT pour empêcher son interaction avec les récepteurs FZD, DKK (dickkopf) qui se lie au corécepteur LRP, les RSPO (R-spondin) qui inhibent l’activité PDK et GSK3ȕ (qui phosphoryle CTNNB1). Cette voie de signalisation est composée de kinases, phosphatases et facteurs de transcription (Figure 18). Les protéines PI3K (phosphatidylinositol 3-kinase) sont divisées en trois classes majeures (classe I, II et III) sur la base de leur structure et de la spécificité de leurs substrats. Elles se présentent sous la forme d’hétérodimères constitués d’une sous unité régulatrice et une 21 Chapitre III Aspects moléculaires Description générale des mécanismes sous unité catalytique. La classe I des PI3K est divisée en deux sous familles dépendantes des récepteurs auxquels elles se couplent. La classe IA est activée par les récepteurs RTK sous l’effet de facteurs de croissance et cytokines (insuline, IGF1 (insulin like growth factor 1), PDGF (platelet derived growth factor), EGF (epidermal growth factor), KITL (kit-ligand appelé aussi Stem cell factor), VEGF (vascular endothelial growth factor)…). La classe IB est activée par des récepteurs couplés à des protéines G (GPCR : G-Protein Coupled Receptor). Une fois activée par les récepteurs, la sous unité régulatrice de PI3K transforme PIP2 (phosphoinositol 4,5 bis phosphate) en PIP3 (phosphoinositol 3, 4, 5 triphosphate). PIP3 agit ensuite comme second messager et à son tour recrute des kinases à domaines PH comme PDK1 (pyruvate dehydrogenase kinase, isoenzyme 1) (Figure 18). PDK1 à son tour active d’autres kinases comme AKT (thymoma viral proto-oncogene) et S6K1 (ou RPS6KB1 : ribosomal protein S6 kinase, polypeptide 1). Une fois activée, AKT peut réguler différentes fonctions par phosphorylation des protéines: BCL2 (B cell leukemia/lymphoma 2) (apoptose et survie), FOXO3A (Forkhead o3a) (apoptose et arrêt de la prolifération), P27KIP1 (cyclin-dependent kinase inhibitor 1B) (blocage du cycle cellulaire), GSK3 (glycogen synthase kinase 3 beta) (augmentation de la synthèse de glycogène), TSC (Tuberculous sclerosis complex) (énergie cellulaire, facteurs de croissance) et S6K1 (synthèse des ribosomes et traduction des protéines dans l’ovocyte via l’activation de RPS6 (ribosomal protein S6)). PTEN (Phosphatase and Tensin homolog) est capable de reverser le passage PIP2/PIP3 et fonctionne ainsi comme un régulateur négatif de l’action de PI3K classe I (Adhikari and Liu 2009). P27KIP1 est un membre de la famille des CIP/KIP, inhibitrices des kinases cyclinesdépendantes (CDK) et donc du cycle et de la croissance cellulaire Les protéines TSC1 et 2 sont les produits de deux gènes distincts suppresseurs de tumeurs. Les protéines forment un hétérodimère pour réguler négativement l’activité du complexe mTORC1 (mamalian target of rapamycin). TSC2 possède un domaine régulateur correspondant à une protéine activatrice de GTPase (GAP) et TSC1 stabilise le complexe et protège TSC2 de l’ubiquitination et la dégradation (Reddy et al. 2008) FOXO3a fait partie des facteurs de transcription forkhead de la famille FOXO caractérisée par la présence de sites de phosphorylation AKT. Il est régulé par PI3K et PTEN. Après sa phosphorylation par AKT, la protéine FOXO3 est transloquée dans le cytoplasme et perd son activité (Adhikari and Liu 2009). 22 Chapitre III Aspects moléculaires Description générale des mécanismes Une activité optimale de PI3K dans l’ovaire est cruciale pour maintenir le développement et la physiologie de l’ovaire ((Zheng et al. 2012). 1.3 SystèmeKITL/KIT KITL intervient à plusieurs niveaux au cours de l’ovogenèse et de la folliculogenèse ovarienne (migration, prolifération et survie des CPG, activation des follicules primordiaux, croissance ovocytaire, arrêt de méiose, prolifération des cellules de granulosa, stéroïdogenèse …) et joue un rôle fondamental dans la fertilité des rongeurs. Chez l’homme des mutations dans ce gène sont montrées responsables de différentes maladies dont certains cancers mais sont, à ce jour, sans effet sur la fertilité (Hutt et al. 2006). Les profils d’expression spatio temporelle de KITL et de son récepteur KIT (ou c-kit ; v-kit Hardy-Zuckerman 4 feline sarcoma viral oncogene homolog) ont été déterminés dans différentes espèces comme les primates (Gougeon and Busso 2000), la femme (Stoop et al. 2005), la brebis (Tisdall et al. 1997; Tisdall et al. 1999) et les rongeurs (Manova et al. 1990; Doneda et al. 2002). De manière générale, les CGP, les ovocytes et la thèque expriment KIT et les cellules de granulosa expriment KITL L’activation majeure du récepteur KIT est celle de la voie de signalisation PI3K/AKT (Thomas and Vanderhyden 2006). 1.4 LavoiedesignalisationduTGF. La super famille du TGF (transforming growth factor, beta) est composée d’une trentaine de membres regroupés en 4 familles principales: TGF, activines et inhibines (INH), GDF (growth differentiation factor) et BMP (bone morphogenetic protein) et comprend d’autres membres comme l’AMH (anti-Mullerian hormone). Leur forme active est constituée d’homo ou hétérodimères (BMP-2/BMP-7 ou BMP-2/BMP-6 par exemple) qui agissent au niveau ovarien sur la différenciation et la prolifération (Drummond 2005). Les membres de la famille TGF se fixent sur un récepteur membranaire à activité de type serine/thréonine kinase et qui est composé de deux sous unités. Après fixation du dimère sur la sous unité de type II, la sous unité de type I est recrutée et les résidus serines et thréonines du domaine GS sont phosphorylés. La transduction du signal des récepteurs jusqu’au noyau est ensuite assurée principalement par phosphorylation des SMAD (mothers against decapentaplegic, Drosophila, homolog O). On distingue trois groupes fonctionnels différents de SMAD: - les SMAD associés au récepteur ou R-SMAD, qui sont spécifiques d’un ligand, - les co-SMAD, médiateurs communs pour tous les membres de la famille (SMAD 4), 23 Figure 1 . Composants ma eurs de la signalisation des principaux membres de la famille T F et combinaisons possibles entre facteurs et récepteurs. Source (Feng and Derynck 2005) Figure . oie de signalisation des T F et sa régulation. Modifié de (Itman et al. 2006) Chapitre III Aspects moléculaires Description générale des mécanismes - et les SMAD inhibiteurs ou I- SMAD (ex : SMAD 7). La Figure 19 présente les composants majeurs de la signalisation ainsi que les interactions entre facteurs et récepteurs pour des principaux membres de la famille TGF. La régulation de la voie de signalisation du TGF s’effectue à plusieurs niveaux. Au niveau extracellulaire, les TGF sécrétés sont modulés par des molécules antagonistes comme NOG (noggin), CHRD (chordin), FST (follistatine) et les protéines DAN (differential screening selected gene abberative in neuroblastoma ) (GREM1 et 2 : gremlin homolog, cysteine knot superfamily; Xenopus laevis)) (Myers et al. 2011). Au niveau membranaire, l’activité des récepteurs BMP peut être modulée par le pseudo-récepteur BAMBI (BMP and Activin membrane bound inhibitor) tronqué du domaine kinase qui fixe les ligands mais est incapable de transmettre un signal. L’immunophiline FKBP-12 (FK506 binding protein 1a) est aussi décrite comme étant un inhibiteur commun aux récepteurs de type I. Au niveau intracellulaire, des facteurs comme les I-SMAD (SMAD6 et 7) et SMURF (SMAD specific E3 ubiquitin protein ligase 1) inhibent la voie de signalisation respectivement par compétition avec les R-SMAD ou par dégradation des R-SMAD par ubiquitination. Les facteurs RNF111 (ou ARKADIA: ring finger 111, E3 Ubiquitin-Protein Ligase) et SARA (ou ZFYVE9 : zinc finger, FYVE domain containing 9) favorisent cette voie TGF par ubiquitination des I-smad ou en interagissant avec les récepteurs et les SMAD (Feng and Derynck 2005; Miyazono and Koinuma 2011). La Figure 20 schématise le processus général de cette voie de signalisation. En particulier, l’AMH et son récepteur, l’AMHR type II (AMHR2), sont exprimés dans les cellules de granulosa des follicules en croissance (à partir du follicule primaire). La cinétique d’expression d’AMH est similaire dans les espèces humaine, ovine et chez les rongeurs. Son expression est maximale des follicules secondaires aux follicules à petit antrum puis elle diminue progressivement pour disparaitre en développement terminal (Baarends et al. 1995). 1.5 LavoiedesignalisationFGF La famille du FGF (fibroblast growth factor) est une famille de gènes composée de 22 peptides, connue pour son implication dans la fonction ovarienne. Différents membres de cette famille sont impliqués dans le développement folliculaire et l’ovulation (FGF-1, -2, -5, -7, -8, -9,- 11) pour revue ((Chaves et al. 2012)). Les FGF se fixent sur des récepteurs FGFR à forte ou faible affinité. Parmi les 5 récepteurs à forte affinité (FGFR1-5), quatre sont des récepteurs à tyrosine kinase. Après fixation sur ces récepteurs, les FGF peuvent activer deux voies de signalisation : Ras-MAPK (ou HRas1 : Harvey rat sarcoma virus oncogene 1- mitogen-activated protein kinase 1), PI3K-AKT, ainsi que diverses protéines de signalisation comme la phospholipase 24 Figure 21. Rôle de FOXL2 dans l’ovaire. Modifié de (Pisarska et al. 2011; Caburet et al. 2012) FOXL2 fonctionne en dimères et requiert des modifications post transcriptionnelles pour être activé. Il forme aussi "#$&* < nscription des gènes varie en fonction du stade de développement ovarien. Chapitre III Aspects moléculaires Ovogenèse fœtale cȯ, STAT (signal transducer and activator of transcription), GAB1 (growth factor receptor bound protein 2-associated protein 1) (Eswarakumar et al. 2005). 1.6 FOXL2 La protéine FOXL2 (FORKHEAD box L 2) agit comme un facteur de transcription classique en régulant l’activité promotrice des gènes par liaison sur l’ADN. Dans l’ovaire, le gène foxl2 est détectable dès la différenciation sexuelle des gonades dans les cellules somatiques puis est principalement exprimé dans les cellules pré-granulosa des follicules primordiaux. Son expression diminue ensuite dans les follicules pré-antraux de souris. Foxl2 est également exprimé à l’âge adulte. La séquence de ce gène et son expression dans l’ovaire sont très conservées entre vertébrés (Baron et al. 2005). FOXL2 intervient dans la régulation de différentes voies métaboliques telles que celles du cholestérol, des stéroïdes, l’apoptose, la détoxification des espèces réactives oxygénées (ROS : Reactive Oxygen Species) et la prolifération cellulaire. La fonction de FOXL2 est enfin modulée par des modifications posttranscriptionnelles qui activent (SUMOylations et phosphorylations) ou réduisent (acétylation : sirtuine 1 déacétylase NAD-dependante (Sirt1)) son activité (Pisarska et al. 2011) (Figure 21). La protéine FOXL2 est capable par exemple de stimuler les kinases 4 ou 6 (CDK4, CDK6) et de contrôler la phase de progression G1-S du cycle cellulaire des cellules de la granulosa. Ceci s’accompagne d’une protection accrue contre le stress oxydatif (augmentation de la réparation de l’ADN) (Benayoun et al. 2011). FOXL2 peut aussi moduler l’activité d’autres facteurs de transcription (ESR1, SMAD3, DP103 (DEAD box-containing)…) sans se fixer à l’ADN (Caburet et al. 2012) et réguler de manière indirecte les différentes voies de signalisation. Il se lie, par exemple, avec la protéine DEAD box- containing (DP103) et leur co-expression favorise l’apoptose in vitro (pour revue :(Caburet et al. 2012)). La réponse apoptotique induite par FOXL2 semble aussi dépendre de la caspase 8, BID (BH3 interacting domain death agonist) et BAK (BCL2-antagonist/killer 1) (Baillet et al. 2011). 2. Ovogenèse fœtale 2.1 Formation des cellules germinales primordiales BMP4, BMP8B (d’origine ectodermique) et BMP2 (d’origine endodermique) sont indispensables à la formation des CGP (Lawson et al. 1999; Ying et al. 2000; Ying and Zhao 2001). Le rôle des facteurs de transcription a également été démontré par des invalidations partielles ou totales de ces gènes chez la souris. Ainsi des gènes tels que prdm1 (PR Domain- 25 Figure22. Spécialisation des cellules somatiques en cellules germinales. Source (Bowles and Koopman 2010) Les facteurs extrinsèques BMP4, BMP8B et BMP2 agissent sur l’épiblaste pour définir une région permettant la formation des précurseurs des CGP. WNT3 agit sur les cellules de l’épiblaste pour les rendre aptes à répondre aux BMP. Le facteur intrinsèque LIN28 est nécessaire pour l’expression de prdm1 qui, avec PRDM14, semble inhiber l’expression des gènes somatiques et favoriser la ré-acquisition de la pluripotence. Enfin les modifications chromatiniennes spécifiques des CGP apparaissent et l’expression des gènes spécifiques des CGP est induite. Figure23. Cascade des événements conduisant à la formation des gonades. Source (Baillet et al. 2011) Plusieurs gènes sont nécessaires à la formation des crêtes génitales puis des gonades indifférenciées. La différenciation des cellules somatiques des gonades va être initiée sous l’action de gènes à expression sexespécifique pour aboutir au développement de gonades mâles ou femelle. Chapitre III Aspects moléculaires Ovogenèse fœtale Containing Protein 1 ou Blimp1), prdm14, répresseurs de transcription, sont essentiels pour la spécialisation des cellules somatiques en CGP (Vincent et al. 2005; Kurimoto et al. 2008) et leurs migrations. Même si le rôle précis de ces deux gènes est mal connu, ils seraient impliqués dans la répression de l’expression des gènes d’origine somatique au profit de ceux des CGP. Des marqueurs de pluripotence comme OCT4/NANOG (POU class 5 homeobox 1/nanog homeobox) sont exprimés dans les CGP et essentiels pour leur survie (Kehler et al. 2004; Yamaguchi et al. 2009). Enfin d’autres facteurs comme NANOS3 (nanos homolog 3, Drosophila) and DND1 (dead end homolog 1, zebrafish) protègeraient également les CGP de l’apoptose chez la souris (Tsuda et al. 2003; Youngren et al. 2005) (Figure 22). 2.2 Formation des crêtes génitales Plusieurs gènes, codant pour des facteurs de transcription, tels que lhx9 (LIM Homeobox gene 9), lim1 (LIM Homeobox gene 1) et emx2 (Empty Spiracles, Drosophila, 2, Homeobox of 2) (Shawlot and Behringer 1995; Miyamoto et al. 1997; Birk et al. 2000) jouent un rôle crucial dans la formation des crêtes génitales. D’autres facteurs comme WT1 (Wilms tumor 1) et SF1 (splicing factor 1) sont indispensables pour le maintien et le développement des gonades (Figure 23) (Kreidberg et al. 1993; Sadovsky et al. 1995). L’invalidation de ces gènes conduit à l’absence (agénésie) ou la dégénérescence des gonades (Tableau 4). Enfin, les facteurs CBX2 (M33 : Chromobox homolog 2, Drosophila, polycom class), le facteur de transcription 21 (Tcf21/POD1) et les protéines SMOCS 1 et 2 (SPARC-related Modular Calcium-Binding 1 et 2) participent aussi au maintien et à un développement normal des gonades (Katoh-Fukui et al. 1998; Cui et al. 2004; Pazin and Albrecht 2009). 2.3 Migration des CGP La migration et la multiplication des CGP sont contrôlées par de nombreux facteurs et dépendent d’interactions CGP-cellules somatiques. Parmi les facteurs impliqués, le facteur KITL exprimé par les cellules somatiques présentes le long des voies de migration et son récepteur KIT, exprimé par les CGP jouent un rôle de chimio-attractant dans le processus de migration. D’autres couples chimio-attractant comme SDF1-CXCR4 (ou CXCL12 chemokine (C-X-C motif) ligand 12/chemokine (C-X-C motif) receptor 4) et WNT5A-ROR2 (receptor tyrosine kinase-like orphan receptor 2) ont également été mis en évidence (Molyneaux et al. 2003; Laird et al. 2011). Des facteurs comme FGF2 (fibroblast growth factor 2, basic) et FGF4 interviennent respectivement dans la mobilité et le nombre des CGP (Takeuchi et al. 2005). BMP4 et BMP2 sont capables d’augmenter le nombre de CGP en culture chez la souris 26 Nom du gène Type de protéine Effet de l'invalidation chez la souris Références lhx9 Facteur de transcription Absence de formation des crêtes génitales Birk et al. (2000) lim1 Facteur de transcription Absence de formation des crêtes génitales Shawlot et al. (1995) emx2 Facteur de transcription Absence de formation des gonades indifférenciées Miyamoto et al. (1997) wt1 Facteur de transcription Dégénérescence des crêtes génitales néoformées Kreidberg et al. (1993) sf1 Facteur de transcription Dégénérescence des crêtes génitales néoformées Luo et al. (1994) Sadovsky et al. (1995) m33 Facteur de transcription Retard de la formation des gonades indifférenciées Katoh-Fukui et al. (1998) pod1 Facteur de transcription Hypoplasie des gonades indifférenciées Cui et al. (2004) smoc1 Protéine de la matrice extracellulaire Défaut de différenciation et absence du maintien des gonades indifférenciées Pazin et al. (2009) Tableau 4. Effet de l’invalidation de gènes intervenant dans la mise en place de la gonade chez la souris. Source (Baillet et al. 2011) Figure 24. La différenciation sexuelle chez les souris. Source (Schlessinger et al. 2010) Sry exprimé dans les cellules somatiques à partir du 10.5eme jour fœtal induit l’activation de Sox9 suivie par l’expression d’une cascade de marqueurs spécifiques mâles qui permettent le développement vers une voie testiculaire. Chez la femelle qui ne possède pas le gène sry, des gènes ovariens comme foxl2 et rspo1 vont commencer à s’exprimer. FOXL2 en particulier réprime l’expression de sox9 et en combinaison avec d’autres facteurs ovariens dirige le développement de la gonade femelle. Si FOXL2 est inactivé, sox9 est exprimé dans la gonade XX et aboutit à une inversion sexuelle. La flèche bleue indique des interactions antagonistes Chapitre III Aspects moléculaires Ovogenèse fœtale (Pesce et al. 2002; Puglisi et al. 2004; Ross et al. 2007) et l’invalidation du gène bmp7 chez la souris provoque une diminution du nombre des CGP (Ross et al. 2007). Les CGP ne migrent pas indépendamment mais grâce à des réseaux cytoplasmiques qui lient les CGP entre elles. Pendant cette migration, les protéines E-cadherine et B1-integrine sont présentes dans les jonctions adhérentes des CGP et nécessaires pour les interactions CGP-CGP (Bendel-Stenzel et al. 2000) et leur migration (Anderson et al. 1999). 2.4 La différenciation sexuelle Un seul gène sry (sex determining region Y), est donc nécessaire et suffisant pour déterminer la différenciation vers un testicule et donc la voie mâle (Figure 24). En l’absence de sry, les crêtes génitales XX se développent en ovaires (Koopman et al. 1991). L'expression par transgénèse du gène sry chez des souris XX induit un développement testiculaire (Koopman et al. 1991). SRY active le gène sox9 (SRY (sex determining region Y)-box 9) (Sekido 2008) qui va induire la différenciation des cellules de Sertoli (Chaboissier 2004) et entraîner l’expression de gènes tels que l'amh. 2.5 Différenciation précoce de l'ovaire La différenciation et le maintien des gonades femelles requièrent l’expression spécifique de gènes somatiques femelles (foxl2, rspo1, wnt4 …) (Figure 25). Les gènes rspo1 (R-spondin-1) et wnt4 sont initialement exprimés dans les cellules somatiques des gonades des deux sexes mais deviennent spécifiques de l’ovaire après la différenciation sexuelle et sont indispensables pour la différenciation des cellules somatiques ovariennes. La perte de fonction de ces deux gènes entraîne une masculinisation partielle des gonades XX chez les souris avec une vascularisation testiculaire, l’apparition de cellules androgéniques, la perte des cellules germinales femelles et une apparence testiculaire à la naissance (Chassot et al. 2008). Ces gènes vont activer la signalisatio = î ner la dégradation de SOX9 (Chassot et al. 2008). (Figure 25). Le maintien de la gonade femelle nécessite l’expression du facteur de transcription foxl2, et pour la gonade mâle l’expression du gène sox9. Chez la chèvre, la perte d’expression du gène FOXL2, liée à la délétion du locus PIS, conduit à la masculinisation des gonades XX dû, entre autre, à la surexpression du gène SOX9 et de l’AMH. Le premier événement moléculaire observé est une diminution drastique de l'expression du gène de l'aromatase (CYP19A1 : Cytochrome P450, family 19, subfamily A, polypeptide 1), enzyme clé de la synthèse d’œstradiol (Pailhoux 2002). Il a aussi été montré que le facteur de transcription FOXL2 27 Figure 25. Voies de signalisation (putative) impliquées dans l’organogenèse ovarienne de souris. Source (Liu et al. 2010) Deux facteurs secrétés par les cellules somatiques RSPO1 et WNT4 vont ac = dans les gonades XX et induire l’expression de wnt4. WNT4 inhibe alors l’expression de sox9 et une de ces cibles potentielles cyp26b1. Dans la gonade femelle, en l’absence de CYP26B1, l’acide rétinoïde (RA) n’est pas dégradé et induit l’expression stra8 et dazl*?également l’expression de fst qui maintien la survie de la gonade femelle (Yao et al. 2004)*@<Q[ \\[]^^&êche ainsi la formation de la vascularisation spécifique des testicules. Chapitre III Aspects moléculaires Ovogenèse fœtale régulait l'aromatase et contrôlerait donc la production d'œstrogènes dans l'ovaire fœtal (Pannetier et al. 2006). Cette perte d’expression de FOXL2 démontre donc que les œstrogènes pourraient intervenir dans la différenciation précoce de l'ovaire chez la chèvre. Dans d’autres espèces, des mutations perte de fonction dans le gène FOXL2 n’entraînent pas une inversion sexuelle totale. Elles sont, par exemple, associées à une ménopause précoce chez la femme et une malformation des paupières (syndrome BPES (Blepharophimosis Ptosis Epicantus inversus Syndrome)) (Crisponi et al. 2001) ou chez la souris à une insuffisance ovarienne précoce (IOP) (Uda et al. 2004). 2.6 L’induction de la méiose Après leur migration dans les gonades, les cellules germinales expriment les facteurs spécifiques de ces cellules, comme GCNA1 (germ cell nuclear antigen 1), DAZL (deleted in azoospermia-like) et DDX4 (ou VASA/ MVH; D-E-A-D (aspartate-glutamate-alanineaspartate) box polypeptide), et deviennent alors compétentes pour entrer en méiose (Bowles and Koopman 2010). GCNA1 est le premier marqueur exprimé par les ovogonies et son rôle n’est pas connu. DAZL et DDX4 sont des protéines qui se lient aux ARNs et régulent leur traduction. Seules les ovogonies qui expriment dazl pourront initier le processus de méiose. Chez la souris, l’inactivation de ce gène entraîne une infertilité des mâles et des femelles et l’absence d’expression de gènes impliqués dans l’initiation de la prophase I tel que stra8 (stimulated by retinoic acid gene 8) (Lin et al. 2008). DAZL régule également la traduction de ddx4, impliqué à son tour dans la régulation d’autres protéines et des petits ARN (piRNA) (Reynolds et al. 2005; Malone et al. 2009). DAZL agit enfin sur la régulation de la traduction de transcrits spécifiques de la méiose comme sycp3 (synaptonemal complex protein 3) (Reynolds et al. 2007). Dans les gonades fœtales XX en culture, il a été montré que l’induction de la méiose est sous le contrôle de l'expression du gène stra8. Il est nécessaire à la réplication de l’ADN, la condensation des chromosomes, la cohésion, les synapses et la recombinaison lors de la méiose. L’acide rétinoïque (RA) peut induire stra8 (Bowles et al., 2006; Koubova et al., 2006)(Li and Clagett-Dame 2009). C’est un facteur extrinsèque synthétisé par le mésonephros à partir de la vitamine A (rétinol). Il diffuse ensuite dans l’ovaire. Dans les ovogonies, RA se lie à des récepteurs nucléaires RAR (retinoic acid receptor) contrôlant ainsi la transcription de gènes, comme le gène stra8, qui est exclusivement exprimé dans les CGP pré-méiotiques des 2 sexes. La présence spécifique de cyp26b1 (cytochrome P450, family 26, subfamily b, 28 Figure 26. Régulation de la méiose par l’acide rétinoïque. Source (Spiller et al. 2012) Le mésonephros collé à l’ovaire ou au testicule exprime les enzymes RALDH2-3 lui permettant de produire de l’acide retinoïque (RA). RA se diffuse ensuite dans l’ovaire et agit directement sur les CGP. Il se lie au dimère RAR/RXRs présent sur les sites RAREs du promoteur de stra8 pour induire sa transcription. La méiose s'initie. RALDH1 faiblement exprimée par les cellules interstitielles et de granulosa peut aussi contribuer à la production locale de RA. Dans le testicule, les cellules interstitielles et de Sertoli expriment l’enzyme CYP26B1 qui dégrade RA et réprime ainsi la transcription de Stra8. En complément, FGF9 également produit par les cellules de Sertoli agit directement sur les cellules germinales testiculaires pour inhiber la méiose. Chapitre III Aspects moléculaires Ovogenèse fœtale polypeptide 1) dans les cellules de Sertoli fœtales permet de dégrader RA et ainsi d’empêcher l’expression de stra8. Il en résulte une absence d'entrée en méiose dans le testicule fœtal (Spiller et al. 2012) (Figure 26). Chez les femelles, la régulation de la méiose par RA n’est pas limitée aux rongeurs mais est retrouvée chez l’homme, la poule et les amphibiens (Spiller et al. 2012). Il est à noter que les profils d’expression de certaines enzymes permettant la production de RA (comme RALDH1 (rétinal-déhydrogénase 1)) sont différents entre la souris et la femme, ce qui suggère une régulation différente de l'initiation de la méiose par RA entre ces espèces (Le Bouffant et al. 2010). Une étude récente, de Kumar et ses collaborateurs, vient atténuer le rôle de RA sur l’induction de la méiose en suggérant que RA n’est pas indispensable à l’induction de la méiose et que l’enzyme CYP26B1 métaboliserait un substrat autre que RA capable d’induire l’expression de stra8 (Kumar et al. 2011). Cette étude est déjà controversée par Griswold et Spiller (Griswold et al. 2012; Spiller et al. 2012). Récemment, il a aussi été montré que la méiose est contrôlée par des facteurs somatiques comme RSPO1. Dans les gonades de souris mutantes XX rspo1-/-, la grande majorité des CGP restent bloquées en début de méiose. RSPO1 stimule l’entrée en méiose entrainant l’expression de stra8 (stimulée par RA) et réprimant celle de nanos2 (nanos homolog 2, Drosophila) (Chassot et al. 2011). Une fois la méiose initiée par STRA8, les marqueurs pré-méiotiques vont s’exprimer dans l'ovaire fœtal. 2.7 Les points de contrôle méiotiques A la suite du stade pachytène de première division, toutes les cassures doubles brin doivent être réparées. Les points de contrôle permettent de repérer les erreurs de réparation et bloquer l’entrée en métaphase. Cette régulation est effectuée par des protéines Kinase ATM (ataxia telangiectasia mutated homolog, human) et ATR (ataxia telangiectasia and Rad3 related) qui agissent en phosphorylant des protéines de la famille des BRCA (Brca1-2 (breast cancer 1-2)) ou JH2AX (H2A histone family, member X ) qui s’accumulent au niveau des régions des cassures double-brins (Turner et al. 2005). L'ensemble de ces protéines permet à la machinerie de réparation de fonctionner. De nombreux mutants de gènes impliqués dans le contrôle méiotique ont été produits chez la souris. Ils ont permis d’identifier les perturbations qui en découlent. L’étude de ces mutations montre l’importance de certains gènes (dmc1, spo11 (meiotic protein covalently bound to DSB homolog, S. cerevisiae), msh4 (mutS homolog 4, E. coli )…) dont l’invalidation chez la souris entraîne la stérilité chez les mâles et les femelles (Morelli and Cohen 2005). 29 Genes Protein/function Atg7 Involved in autophagy Bax Bcl2 family of apoptosis regulators Bcl2 Bcl2 family of apoptosis regulators Becn1 Involved in autophagy Casp2 Cysteine protease Mcl1 Bcl2 family of apoptosis regulators Evidence for role in follicle assembly Loss of germ cells by PND1 Increased oocyte survival reduced cyst breakdown and follicle formation Mutation results in reduced oocyte numbers, overexpression results in increased oocyte numbers Reduced oocyte numbers at PND1 Increased number of primordial follicles Expressed in oocytes during follicle formation References Gawriluk et al. (2011) Perez et al. (1999) and Greenfeld et al. (2007) Ratts et al. (1995) and Flaws et al. (2001) Gawriluk et al. (2011) Bergeron et al. (1998) Hartley et al. (2002) Tableau 5. Régulateurs de la mort programmée qui affectent la survie ovocytaires et la formation des follicules. Source (Pepling 2012) Chapitre III Aspects moléculaires Ovogenèse fœtale Le point de contrôle du fuseau méiotique à la reprise de la méiose, au cours de l’anaphase, est aussi essentiel pour s’assurer d’une ségrégation correcte des chromosomes. Mais ce point ne sera pas traité dans cette thèse car il relève de la phase de maturation de l’ovocyte (âge adulte). 2.8 Régulation de l’assemblage des follicules primordiaux Les manipulations génétiques chez la souris ont permis d’identifier un certain nombre de facteurs impliqués dans la régulation de la formation des follicules primordiaux. Ces facteurs interviennent à différents niveaux : mort cellulaire, transcription, voies de signalisation. a. La mort cellulaire programmée Comme énoncé dans le chapitre précédent, la mort programmée des ovocytes et la fragmentation des cordons ovigères semblent liées. Le nombre d’ovocytes dans les cystes est finement contrôlé par des mécanismes de mort programmée et de détection d’ovocytes en excès. La mort programmée fait intervenir des mécanismes d’apoptose mais aussi d’autophagie et de nécrose. Le rôle de certains gènes, régulateurs de la mort programmée, dans l’assemblage du follicule est listé Tableau 5. En particulier différents membres de la famille de BCL2 qui régulent l’apoptose sont connus pour être impliqués. b. Les facteurs de transcription Le premier facteur ovocytaire identifié pour son rôle dans la formation des follicules est le facteur de transcription FIGLA (folliculogenesis specific basic helix-loop-helix) qui possède un domaine bHLH (Helix loop helix). Son invalidation chez la souris empêche l’apparition des follicules après la naissance entrainant la disparition des ovocytes et une stérilité des femelles. Par contre, la délétion de figla n'affecte pas la migration des cellules germinales. Le rôle de FIGLA dans la formation des follicules primordiaux n'est donc pas totalement connu. Des mutations de ce gène ont aussi été retrouvées chez des femmes présentant une insuffisance ovarienne précoce (IOP) (Zhao et al. 2008). Le récepteur aryl hydrocarbon (AHR) est autre facteur de transcription à domaine bHLH présent dans les cellules de pré-granulosa et les ovocytes. Il régule le nombre de follicules primordiaux. Les souris mutantes pour ce gène possèdent un nombre plus important de follicules primordiaux dû à une diminution d’apoptose ovocytaire (Robles et al. 2000). D’autres facteurs spécifiques des cellules de granulosa comme FOXL2 sont aussi nécessaires à la formation des follicules primordiaux. Chez les souris mutantes foxl2-/- on observe un défaut d’organisation des cellules de la granulosa qui ne prolifèrent pas. Les ovocytes restent groupés 30 Genes Protein/function Evidence for role in follicle assembly Aryl hydrocarbon Primordial follicle receptor, basic helixformation is accelerated in Ahr loop-helix transcription mutants factor Factor in the germ line Mutants are defective in alpha, folliculogenesisfollicle formation and Figla specific basic helixexhibit perinatal oocyte loop-helix loss Mutants are defective in Forkhead box L2, follicle formation and winged helix Foxl2 exhibit perinatal oocyte transcription factor loss siRNA knockdown in rat Heterogeneous nuclear ovary organ culture caused Hnrnpk ribonucleoprotein K a block in cyst breakdown and follicle formation Nobox Newborn ovary homeobox-encoding gene Mutants have delayed follicle formation and oocyte loss Expressed in References Oocytes and granulosa cells Benedict et al. (2000) and Robles et al. (2000) Oocytes Soyal et al. (2000) Granulosa cells Schmidt et al. (2004) and Uda et al. (2004) Oocytes and granulosa cells Wang et al. (2011) Oocytes Rajkovic et al. (2004) Tableau 6. Facteurs de transcription impliqués dans la formation des follicules. Source (Pepling 2012) Chapitre III Aspects moléculaires Ovogenèse fœtale et entourés d’une couche de soutien (Uda et al. 2004). Il n’y a pas fragmentation des cordons ovigères et les souris sont infertiles. Enfin, la ribonucléoprotéine K (HNRNPK) est impliquée, grâce à ses interactions ADN/ARN, dans la régulation de la transcription, l’épissage alternatif et la traduction et peut jouer le rôle de facteur de transcription. Dans l’ovaire de souris, cette protéine est très exprimée dans le noyau des cellules de granulosa entourant l’ovocyte au moment de la formation des follicules (dès 1 jpp (jour post partum)). Des ovaires de souris traités par la stratégie d ARN interférence (pour invalidation du gène) montrent des zones très déstructurées présentant des paquets d’ovocytes non entourés de cellules de granulosa et des agrégats de cellules somatiques non associées aux ovocytes. Le nombre de follicules primordiaux dans ces ovaires est alors diminué (Wang et al. 2011). Les facteurs qui maintiennent la survie de l’ovocyte comme NOBOX (newborn ovary homeobox protein) vont aussi agir indirectement sur la formation des follicules (Rajkovic et al. 2004). L’effet de ces facteurs est résumé Tableau 6. c. Les facteurs de croissance et les voies de signalisation Différents facteurs de croissance comme les neurotrophines sont également impliqués dans ce processus ou du moins dans un maintien approprié du nombre de follicules primordiaux. ngf (nerve growth factor) est exprimé dans les ovocytes et les cellules de la pré-granulosa juste avant la formation des follicules. Les mutants homozygotes invalidés pour ngf ou son récepteur ntrk1 (~trka) (neurotrophic tyrosine kinase, receptor, type 1) possèdent moins de follicules primordiaux et davantage d’ovocytes sont retrouvés dans des cystes par comparaison aux animaux normaux (Dissen et al. 2001; Kerr et al. 2009). Le mutant invalidé pour le récepteur ntrk2 (neurotrophic tyrosine kinase, receptor, type 2) qui lie NT4 (neurotrophin 4) et BDNF (brain derived neurotrophic factor), possède aussi moins d’ovocytes et de follicules primordiaux (Ojeda et al. 2000). Différentes voies de signalisation interviennent dans l’assemblage des follicules comme par Q_@* ées avec de l’activine A présentent un nombre accru de follicules primordiaux (Bristol-Gould et al. 2006). A l’inverse les souris qui sur-expriment l’Inha, un antagonisme de l’activine, présentent plus de MOF (Multiple ovocyte follicles) (McMullen et al. 2001). L’invalidation de Fst, provoque également un retard de la rupture des cordons ovigères et de la formation des follicules (Kimura et al. 2011). Le TGFß1 ne semble pas intervenir directement dans l’assemblage mais il interagit avec le CTGF (connective tissue 31 Protein/function Evidence for role in follicle assembly Expressed in References Activin A TGFB family member Promotes follicle formation Oocytes and granulosa cells McMullen et al. (2001) and Bristol-Gould et al. (2006) Akt1 Serine/threonine kinase, also known as protein kinase B (PKB) Multiple oocyte follicles Oocytes and granulosa cells Brown et al. (2010) Amh Anti-Mullerian hormone, TGFB family member Genes Bdnf Bmp15 Ctgf Follistatin Gdf9 Brain-derived neurotrophic factor, neurotrophin signaling Bone morphogenetic protein 15, TGFB family member Connective tissue growth factor, CCN protein family member Activin antagonist, TGFB family member Growth differentiation factor 9, TGFB family member Activin antagonist, TGFB family member Follicle formation is reduced and oocyte number increased in Stromal cells mutants Blocking in organ culture results in Not detected in a reduction of neonatal oocyte ovary by RT-PCR survival (ND) Nilsson et al. (2011) Spears et al. (2003) Mutants have multiple oocyte follicles Oocytes Yan et al. (2001) Promotes follicle formation Oocytes Schindler et al. (2010) Reduced fertility, reduced follicle formation Oocytes, granulosa, and stromal cells Kimura et al. (2011) Mutants have multiple oocyte follicles Oocytes Yan et al. (2001) Overexpression causes multiple oocyte follicles Inhibition of Notch signaling reduces follicle formation Inhibition of Notch signaling reduces follicle formation ND McMullen et al. (2001) Oocytes Trombly et al. (2008) ND Trombly et al. (2008) Jagged1 Notch ligand Jagged2 Notch ligand Lunatic fringe Regulator of Notch signaling Mutants have multiple oocyte follicles Granulosa cells Hahn et al. (2005) Ngf Nerve growth factor, neurotrophin signaling Follicle formation is reduced in mutants Oocytes and granulosa cells Dissen et al. (2001) and Abir et al. (2005) Notch1 Notch receptor Inhibition of Notch signaling reduces follicle formation ND Trombly et al. (2008) Notch2 Notch receptor Granulosa cells Trombly et al. (2008) NT4 Neurotrophin 4, neurotrophin signaling ND Spears et al. (2003) Oocytes and somatic cells Kerr et al. (2009) Follicle formation and germ cell number is reduced in mutants Oocytes Spears et al. (2003) and Kerr et al. (2009) Primordial follicle formation is accelerated in mutants Oocytes and granulosa cells Rajareddy et al. (2007) Promotes follicle formation in hamster Granulosa cells Wang & Roy (2004) and Nandedkar et al. (2007) Ntrk1 Ntrk2 p27 Scf NGF receptor, neurotrophin signaling Receptor for NT4 and BDNF, neurotrophin signaling Cyclin-dependent kinase inhibitor 1, downstream of PI3K signaling Stem cell factor, kit signaling Inhibition of Notch signaling reduces follicle formation Blocking in organ culture results in a reduction of neonatal oocyte survival Follicle formation is reduced in mutants Tableau 7. Facteurs de croissance et de signalisation impliqués dans l’assemblage des follicules. Source (Pepling 2012) Chapitre III Aspects moléculaires Ovogenèse fœtale growth factor) qui favorise l’assemblage des follicules chez le rat (pour revue (Pepling 2012)). Enfin, chez la souris, les composants de la voie de signalisation NOTCH ((neurogenic locus notch homolog protein) sont aussi exprimés dans les cellules de pré-granulosa et/ou l’ovocyte (notch2, jag1 (protein jagged-1), hes1 (hairy and enhancer of split 1, Drosophila) et hey2 (HESrelated repressor protein 2)). Les invalidations des gènes impliqués dans cette voie de signalisation sont souvent létales. Lorsque cette voie de signalisation est inhibée chimiquement dans des ovaires néonataux de souris en culture in vitro, le nombre de follicules primordiaux diminue de moitié par rapport à des ovaires cultivés en milieu témoin (Trombly et al. 2009). La voie NOTCH2 semble donc bien être impliquée dans la formation du stock de follicules primordiaux. L’effet de ces gènes est résumé Tableau 7. d. Les hormones Des études menées chez les rongeurs soulignent le rôle des hormones stéroïdiennes dans le maintien des cordons ovigères. Des souris traitées en période périnatale avec des œstrogènes synthétiques (diethylstilbestrol : DES) présentent des ovaires avec davantage de MOF à cause d’une mauvaise fragmentation des cordons ovigères (Iguchi et al. 1990). Une exposition d’œstrogènes maternels pendant la vie fœtale maintien aussi les ovocytes en cystes et leur diminution à la naissance permettrait la fragmentation des cordons. Les différentes études menées sur ce sujet suggèrent donc que les œstrogènes inhibent la fragmentation des cordons ovigères (pour revue (Pepling 2012)). Par contre chez certaines espèces comme le hamster et le babouin les œstrogènes semblent avoir un effet positif sur la formation des follicules (Zachos et al. 2002; Wang et al. 2008). Chez ces espèces, si la production d’œstrogènes est bloquée la formation des follicules est perturbée. Pepling (Pepling 2012) a émis l'hypothèse que les différences entre espèces pourraient s’expliquer par des différences de concentration (des fortes concentrations inhiberaient et les faibles concentrations favoriseraient la formation des follicules) ou bien par des différences dans la voie de signalisation. La progestérone et l’hormone folliculostimulante (FSH) influencent aussi l’assemblage des follicules primordiaux. Le traitement néonatal des souris avec de la progestérone augmente le nombre de MOF (Kezele and Skinner 2003). A ces stades la progestérone peut être apportée par la circulation maternelle mais deux études chez la vache montrent qu’elle peut être produite par l’ovaire fœtal (Yang and Fortune 2008; Nilsson and Skinner 2009). L’effet de la testostérone est associé à sa transformation en œstrogènes et la progestérone diminue l’assemblage des follicules (Kezele and Skinner 2003). L’hormone FSH est également 32 Chapitre III Aspects moléculaires Ovogenèse fœtale impliquée dans l’assemblage. Elle est présente dans le sérum des souris et hamsters pendant la période néonatale et le transcrit du gène du récepteur FSH est détecté dans les ovaires de souris à cette même période de développement. L’inactivation de FSH par anticorps chez le hamster provoque une inhibition de la formation des follicules primordiaux. Chez la souris, la FSH favorise la fragmentation des cordons ovigères sur des cultures d’ovaires mais l’invalidation de FSH et de son récepteur ne bloque pas la folliculogenèse avant le stade pré-antral (pour revue : (Pepling 2012)). Les études menées dans ces différentes espèces suggèrent qu’il existe une régulation stéroïdienne de l’assemblage des follicules qui est fonction des niveaux d’œstrogènes et progestérone dans l’ovaire. 33 Figure 27. Représentation des facteurs impliqués dans la formation des CGP, des cordons ovigères et des follicules primordiaux. Source (Sánchez and Smitz 2012) Facteurs produits par les cellules somatiques (en bleu), les cellules de pre-granulosa (en violet), l’ovocyte (en rouge) et les ovocytes et cellules de ganulosa (en vert). Chapitre III Aspects moléculaires Ovogenèse fœtale En résumé (Figure 27) Les processus de l’ovogenèse sont contrôlés par de nombreux facteurs et dépendent d’interactions CGP-cellules somatiques. Plusieurs gènes jouent un rôle crucial dans la formation, le maintien et le développement des gonades (Lhx9, Sf1, Wt1…). L’invalidation de ces gènes conduit à l’agénésie ou la dégénérescence des gonades. La migration des CGP s’effectue de manière passive puis de manière active en réponse à des signaux directionnels émis par les cellules somatiques (BMP4, BMP7 …). Elle fait en particulier intervenir des couples chimio-attractant (KIT/KITL…) présents dans les CGP et les cellules somatiques. Chez les mammifères, le sexe est déterminé génétiquement à la fécondation selon que le spermatozoïde est porteur ou non du chromosome Y. La différenciation sexuelle des gonades dépend du gène sry, présent sur le chromosome Y. En l’absence de sry, les crêtes génitales XX se développent en ovaires. Après la différenciation sexuelle, les gonades femelles requièrent l’expression spécifique de gènes somatiques femelles (foxl2, rspo1, wnt4 …) pour leur différenciation et leur maintien. Après leur migration dans les gonades, les ovogonies expriment les facteurs spécifiques de ces cellules (GCNA1, DAZL, DDX4) et deviennent compétentes pour entrer en méiose. STRA8 peut alors, sous le contrôle de l’acide rétinoïque, initier la méiose. Les follicules primordiaux se forment, enfin, par fragmentation des cordons ovigères grâce à la coopération des différents types cellulaires. Des facteurs interviennent à différents niveaux pour réguler cette formation : mort cellulaire (famille BCL2), transcription (FIGLA, AHR, HNRPK…), voies de signalisation @_@$&* {|} les niveaux d’oestrogènes semblent aussi réguler l’assemblage des follicules. . 34 Figure 28. Rôle potentiel de la signalisation intra-ovocytaire de PI3K. Source (Zheng et al. 2012) A: Activation optimale : survie des follicules B : Activation élevée croissance des follicules C : Répression de l’activité PI3K : mort des ovocytes Chapitre III Aspects moléculaires Folliculogenèse basale 3. Folliculogenèse basale Les processus mis en œuvre sont encore mal connus à cause des difficultés d’accès au matériel biologique. Cependant, une avancée significative a été réalisée ces dernières années dans l’identification de plusieurs facteurs clés dont les fonctions sont indispensables pour le maintien et la croissance du follicule, notamment par l’étude de souris mutantes (knock-out, knock-in). Elles ont également révélé le rôle essentiel du dialogue moléculaire entre les compartiments dans la folliculogenèse, c'est-à-dire entre ovocytes et cellules somatiques de la granulosa. Enfin, elles ont confirmé que la folliculogenèse basale était capable de se dérouler en l’absence de FSH jusqu’au stade pré-antral (Abel et al. 2000). Il faut cependant noter que les mécanismes moléculaires et cellulaires ne sont pas toujours conservés entre les espèces. 3.1 Maintien ou activation de la réserve folliculaire Dans les années 1990, des études menées in vitro dans différentes espèces (bovine, simienne, souris, humaine) à partir de cultures d'ovaires fœtaux décrivent une activation spontanée des follicules primordiaux (Wandji et al. 1996; Hovatta et al. 1997; Fortune et al. 1998; O'Brien et al. 2003). Ces résultats suggèrent que la réserve folliculaire est maintenue in vivo grâce à l’action permanente de facteurs inhibiteurs et que l’activation des follicules pourrait être liée à une diminution de ces facteurs ou une augmentation de facteurs stimulants. Depuis, les modèles génétiques "souris" sont venus étayer cette hypothèse en identifiant différents facteurs inhibiteurs de l’activation comme FOXL2, AMH. Des données récentes montrent également le rôle important des voies de signalisations comme PI3K/PTEN. a. La voie de signalisation PI3K Dans l’ovaire, le maintien vs l’activation des follicules dépend de la coordination entre cellules somatiques et ovocytes et semblerait être sous le contrôle des voies de signalisation ovocytaires coordonnées PI3K/PTEN-AKT-mTORC1-S6K-RPS6 (Figure 18). Les signaux extra ovocytaires activateurs de PI3K (KITL, l’insuline…) provenant de l’environnement proche du follicule et les facteurs intra ovocytaires, inhibiteurs de la voie de signalisation PI3K (PTEN…), régulent finement le niveau optimal d’activation de PI3K. Un niveau de base intra ovocytaire de PI3K activée est ainsi maintenu et semble être un des garants de la survie des follicules (Adhikari and Liu 2009; Zheng et al. 2012) (Figure 28). Une synthèse des facteurs connus pour être impliqués dans le maintien et la survie des 35 Figure 29. Facteurs impliqués dans le maintien et la survie des follicules primordiaux. Source (Reddy et al. 2010) 1. Les études faites grâce à l'utilisation de différentes lignées de souris mutantes ont montré l’implication de ces gènes dans le maintien et la survie des follicules. 2. En l’absence d’expression de ces gènes, la réserve ovarienne disparait par activation massive ou apoptose. Figure 30. Expression de kitl et kit au cours de la folliculogenèse chez la souris. Source (Hutt et al. 2006) L’ARN et la protéine KITL (ou KL) sont faiblement exprimés dans les cellules de granulosa des follicules primordiaux. L’expression de kitl augmente dans le follicule primaire puis au cours des stades préantraux. Son expression diminue ensuite dans les cellules du cumulus oophorus des stades antraux. L’ARN et la protéine de KIT (ou c-Kit) sont très exprimés au cours de la folliculogenèse basale puis diminuent dans la phase tardive. Les thèques des follicules préantraux expriment modérément kit. Expression relative : + faible, ++ modérée, +++ forte Chapitre III Aspects moléculaires Folliculogenèse basale follicules primordiaux est présentée Figure 29. Les activateurs de PI3K KITL: Parrott et Skinner ont montré que l’activation des follicules primordiaux est stimulée par KITL dans des cultures d’ovaires alors que son anticorps bloque complètement l’activation spontanée des follicules (Parrott and Skinner 1999). Les mécanismes d’action de KITL sont encore mal connus mais l’activation du récepteur KIT aboutit, via son domaine tyrosine kinase, à la phosphorylation de protéines impliquées dans la régulation de l’apoptose. Le profil d’expression des gènes kitl et kit au cours de la folliculogenèse de la souris est présenté Figure 30. L’invalidation du gène pdk1 (pyruvate dehydrogenase kinase, isoenzyme 1) ou s6k1 dans l’ovocyte de souris entraîne une perte des follicules primordiaux à la puberté. Cet effet serait lié à la suppression de la voie de signalisation PDK1-AKT-S6K1-RPS6 (Reddy et al. 2009). Les inhibiteurs de PI3K PTEN: L’invalidation de ce gène dans l’ovocyte de la souris, abouti à une activation rapide de tous les follicules primordiaux (Reddy et al. 2008). L’absence de PTEN, augmente l’activité de PI3K (Reddy et al. 2008). PTEN n’est, par contre, pas essentiel pour le développement ultérieur des follicules ovariens (Reddy et al. 2008). TSC: L’invalidation conditionnelle du gène tsc2 dans l’ovocyte provoque l’activation de toute la réserve folliculaire, une activité élevée de mTORC1 et une activation de la protéine de signalisation S6K1(Adhikari et al. 2009). FOXO3A : Chez la souris, ce gène est exprimé dans le noyau des ovocytes primordiaux jusqu’au début du stade primaire et son expression diminue ensuite fortement dans les autres stades de développement (Liu et al. 2007). On observe, chez les souris mutantes foxo3a -/-, une diminution de la fertilité de manière âge-dépendant aboutissant à une stérilité à l’âge de 15 semaines avec disparition totale des follicules. Dès l’âge de 14 jours, la plupart des follicules sont en croissance et la réserve folliculaire est épuisée (Castrillon et al. 2003). Chez des souris transgéniques où foxo3a est exprimé de manière constante dans des follicules primaires, la croissance de l’ovocyte et le développement folliculaire sont retardés et les souris sont infertiles (Liu et al. 2007). Ces études montrent que FOXO3A maintient les follicules primordiaux dans la réserve et que l’inhibition de son activité est un pré-requis à l’activation des follicules. Foxo3a ne semble pas avoir un autre rôle dans l’ovaire de souris (John et al. 2007). Dans d’autres espèces comme l’Homme, les mutations détectées dans le gène FOXO3A ne sont pas 36 Chapitre III Aspects moléculaires Folliculogenèse basale associées à une IOP (Gallardo et al. 2008). Chez le porc, la protéine est fortement détectée dans le cytoplasme de l’ovocyte des follicules du stade primordial à secondaire et très faiblement détectée dans les cellules de granulosa. Il semblerait que la translocation de la protéine du noyau vers le cytoplasme dépende du stade de développement et de l’espèce (Ding et al. 2010). CDKN1B (P27, KIP1 : cyclin-dependent kinase inhibitor 1B): Chez la souris, p27 est exprimé dans le noyau des ovocytes et les cellules de granulosa des stades primordiaux à secondaires. Dans les follicules plus développés, l’expression de p27 diminue dans l’ovocyte mais subsiste dans les cellules de granulosa (Rajareddy et al. 2007). Chez les souris mutantes p27 -/-, tous les follicules primordiaux sont prématurément activés entrainant une IOP à l’âge adulte (Rajareddy et al. 2007). p27 agirait en inhibant l’activité de CDK1 (Cyclin-dependent kinase 2) et CDK2. Ces résultats indiquent que l’expression de p27 pendant la phase basale est déterminante pour réguler négativement l’activation des follicules. b. Le maintien de la réserve folliculaire Le maintien et la survie des follicules au sein de la réserve de cellules germinales dépendent de l’action constante de facteurs de survie provenant de l’environnement proche du follicule. Une élévation ou une réduction des niveaux de base disponibles pour le follicule peut entraîner une activation ou une mort immédiate des follicules. Foxl2 Les souris invalidées pour foxl2 montrent le même phénotype que les patientes atteintes du syndrome BPES chez la femme. Ces souris femelles ont des ovaires avec une croissance prématurée de la plupart des follicules. Huit semaines après la naissance, la réserve est épuisée, les ovocytes ont atteint leur taille définitive et ne sont entourés que de quelques cellules aplaties de granulosa qui n’ont pas proliféré et ne se sont pas différenciées en granulosa de stade primaire (Schmidt et al. 2004). Ces follicules dégénèrent ensuite rendant les souris stériles. Ces résultats montrent que l’expression de foxl2 dans les cellules de pré-granulosa inhibe la croissance ovocytaire et maintient le follicule à l’état quiescent (Schmidt et al. 2004). Les mécanismes précis qui interviennent à cette étape ne sont pas connus. AMH L’amh et son récepteur, amhr, sont exprimés dans les cellules de granulosa des follicules en croissance (à partir du follicule primaire). La cinétique d’expression d’AMH est similaire dans les espèces humaine, ovine et les rongeurs. Son expression est maximale des follicules secondaires aux follicules à petit antrum puis elle diminue progressivement pour disparaître 37 Chapitre III Aspects moléculaires Folliculogenèse basale au cours de leur développement terminal (Baarends et al. 1995). L’AMH semble exercer un contrôle subtil sur la composition de la population folliculaire. Chez les souris invalidées pour le gène (amh -/-), le nombre de follicules primordiaux est le même entre souris invalidées amh-/et souris sauvages jusqu’à la puberté (25 jours). A 4 mois (milieu de la période reproductive), les souris invalidées amh -/- présentent moins de follicules primordiaux, un pourcentage plus élevé de follicules en croissance (pré-antraux) et davantage de petits follicules atrétiques que les souris sauvages. A 18 mois, la plupart des souris invalidées n’ont plus de follicules primordiaux. Les souris hétérozygotes amh +/- présentent un nombre de follicules intermédiaires. Ces résultats suggèrent que cette hormone inhibe l’activation des follicules primordiaux (passage du follicule primordial au primaire) en fonction du nombre de copies du gène (Durlinger et al. 1999). Son mécanisme d’action concernant l’activation des follicules primordiaux est encore inconnu car les protéines AMH et AMHR2 ne sont pas détectées dans les follicules primordiaux de souris. Cependant, l’AMH est capable de diminuer l’expression de kit (qui lui stimule l’activation des follicules primordiaux) et de facteurs de la famille des BMP (Nilsson et al. 2007). Il est actuellement proposé que l’AMH est un des meilleurs paramètres d’estimation de la déplétion du pool des follicules ovariens et peut être le meilleur marqueur pour diagnostiquer l’IOP (Knauff et al. 2009). En ce qui concerne les espèces mono-ovulantes, le rôle de l’AMH au cours de la période basale est plus controversé. Deux études montrent, comme chez les rongeurs, une inhibition de l’activation de la réserve folliculaire chez la vache et la femme (Gigli et al. 2005; Carlsson et al. 2006). Deux autres mettent en évidence une activation de la croissance des follicules primordiaux chez la femme et la brebis (Schmidt et al. 2005; Campbell et al. 2012). Dans ces dernières études, l’AMH n’affecte pas l’activation des follicules primordiaux mais semble réguler la vitesse de croissance des follicules pré-antraux, alors que l’expression d’AMH est maximale. En effet, un blocage de l’activité AMH provoque une diminution de la population des follicules pré-antraux et petits antraux et augmente le nombre de follicules à antrum (Campbell et al. 2012). D’autres facteurs sont également connus pour inhiber le recrutement des follicules comme la cytokine CXCL12 (ou SDF1) et la somatostatine (SST). De plus, les ARN messagers et les protéines correspondant au gène sdf1 et son récepteur cxcr4 sont détectés dans les follicules primordiaux chez la souris (Holt et al. 2006). L’expression de la protéine SDF1- augmente au cours du développement folliculaire. La SST n’est pas détectée dans l’ovaire de souris mais les 38 Chapitre III Aspects moléculaires Folliculogenèse basale récepteurs de la somatostatine SSTR2 et SSTR5 sont détectés au niveau transcrit et principalement dans les cellules de granulosa au niveau protéique (Gougeon et al. 2010). Un traitement des ovaires de souris pendant la période néonatale avec un antagoniste de SSTR2 (BIM-23627) ou de SDF1- AMD3100) augmente spontanément le nombre de follicules activés. Des protéines déjà identifiées dans l’apoptose des ovocytes sont susceptibles d’intervenir dans le follicule comme BCL2 (Hsu et al. 1996) et (BCL2-associated X protein) (Perez et al. 1999). c. Activation de la réserve folliculaire Les facteurs de transcription L’expression précoce de certains facteurs de transcription est décisive pour l’activation des follicules primordiaux. Quatre facteurs de transcription dont l’expression est spécifique des ovocytes ont été identifiés en utilisant des souris mutantes : nobox, sohlh1 (spermatogenesis and oogenesis specific basic helix-loop-helix 1) et sohlh2, lhx8 (LIM homeobox protein 8). Excepté nobox qui est exprimé pendant toute la durée de la folliculogenèse, les trois autres facteurs de transcription sont exprimés dans les follicules primordiaux et leur expression diminue ensuite dans les stades primaires et secondaires. L’invalidation de ces gènes entraîne un blocage au stade primordial sauf pour celle de sohlh2 où de rares follicules primaires se développent. Leur invalidation provoque la sous expression de différents gènes dont gdf9. Le gène sohlh1, cible de sohlh2, est exprimé dès l’entrée en méiose des ovocytes et son invalidation provoque la sous-expression d’un ensemble de gènes comprenant nobox, et lhx8 (Pangas et al. 2006). Le gène sohlh2 s’exprime dans l’ovocyte avant l’entrée en méiose et son invalidation provoque la sous-expression d’un certain nombre de gènes impliqués dans la croissance folliculaire (sohlh1, nobox, figla, and stra8) (Choi et al. 2008). Les souris invalidées pour le gène lhx8 montrent le même phénotype que pour l’invalidation de sohlh1 (Pangas et al. 2006). Enfin, l’absence de NOBOX dans l’ovocyte (exprimé dès les cystes), entraîne également la sous expression de différents gènes (Rajkovic et al. 2004). Les facteurs de croissance et cytokines Différents facteurs produits localement agissent de manière autocrine ou paracrine pour réguler l’activation des follicules. Ces facteurs comprennent des facteurs de croissance de la famille 39 Chapitre III Aspects moléculaires Folliculogenèse basale des TGF (BMP4, BMP7,…), des FGF ( bFGF, KGF (FGF7 : keratinocyte growth factor)), des PDGF (platelet derived growth factor) mais aussi des cytokines (LIF (leukemia inhibitory factor)) et des neurotrophines (NT4, NGF, GDNF). Ils peuvent être produits par le stroma ovarien, les cellules de granulosa ou l’ovocyte. BMP4 et BMP7 sont par exemple, détectés respectivement dans les cellules du stroma et la thèque. Ces gènes agissent sur la croissance des follicules primordiaux (Adhikari and Liu 2009) par l’intermédiaire des SMAD3 et 5. En effet, l’invalidation des gènes smad 3 ou smad 5 entraîne une augmentation du nombre de follicules primordiaux chez la souris (Tomic et al. 2002; Kaivo-oja et al. 2006). bFGF est localisé dans les ovocytes des stades primordiaux et primaires chez la vache (van Wezel et al. 1995) et il stimule in vitro l’activation des follicules primordiaux dans des cultures d’ovaires de rat et de chèvre (Nilsson et al. 2001; Matos et al. 2007). Par contre, le fait qu’aucune activation n’ait été observée sur des explants de cortex bovin (Derrar et al. 2000) laisse supposer que cet effet pourrait être espèce-dépendant. Un autre membre de la famille du FGF, le KGF (ou FGF7) stimule également la transition primordial-primaire chez le rat (Kezele et al. 2005a). Les neurotrophines font partie d’une petite famille de protéines comprenant NGF, NT3 (neurotrophin 3), NT4/5 et BNDF. Ces protéines sont impliquées dans de nombreux processus de développement neuronal. Elles se fixent sur des récepteurs à tyrosine kinase (TRK ou RPTK pour receptor protein-tyrosine kinase) et sont présentes dans l’ovaire fœtal et néonatal de souris et l’ovaire fœtal de la femme (Spears et al. 2003; Dissen et al. 2009). D’une manière générale, les neurotrophines sont plus exprimées dans les cellules somatiques (cellules de granulosa et mésenchyme) alors que les récepteurs TRK sont plus exprimés dans l’ovocyte. NT4 est présent dans l’ovocyte du follicule primordial puis dans les cellules de granulosa des follicules en croissance (Paredes et al. 2004). TRKB (récepteur de NT4 et BNDF) est aussi présent dans l’ovocyte. En l’absence de toutes les isoformes de trkb, les follicules ne se développent pas au delà du stade primaire. Les récepteurs TRKB sont donc nécessaires pour le début de la croissance folliculaire. Ces récepteurs facilitent le développement de l’ovocyte et agissent sur les cellules de granulosa par l’intermédiaire des communications bidirectionnelles entre ces deux compartiments (Paredes et al. 2004; Dissen et al. 2009). Les hormones Différentes études in vivo et in vitro montrent que l’œstradiol et la progestérone (maternels 40 Figure 31. Différents facteurs impliqués dans l’activation, l’inhibition ou la survie des follicules primordiaux. modifié de (Oktem and Urman 2010) Chapitre III Aspects moléculaires Folliculogenèse basale et/ou ovariens) ont un effet inhibiteur sur la transition primordial-primaire chez le rat (période néonatale) et les bovins (période fœtale) (Kezele and Skinner 2003; Yang and Fortune 2008). Par contre, un traitement avec les androgènes augmente significativement le nombre de follicules primaires probablement par l’intermédiaire de l’activation de la voie de signalisation IGF1 (Insulin like growth factor) dans l’ovocyte de primates (in vivo dans l’ovaire de singe Rhésus de 6 à 13 ans) et les bovins (in vitro sur ovaires fœtaux) (Vendola et al. 1999; Fortune et al. 2011). Malgré le fait que les follicules se développent pendant la phase basale, la FSH stimule le développement et la survie des follicules chez la souris adulte (Allan et al. 2006) et favorise la différenciation des cellules somatiques en cellules de la granulosa chez le hamster (période fœtale) (Roy and Albee 2000). Par contre la FSH n’affecte pas le développement des follicules primordiaux dans des cultures de cortex ovariens fœtaux de vache (Oktay et al. 1997). Les mécanismes qui seraient impliqués dans cette régulation sont inconnus et les cellules de prégranulosa (présentes dans les follicules primordiaux) qu’elles soient de rongeurs, d’ovins, de bovins ou humains n’expriment pas le récepteur FSH. En conclusion, ces données bibliographiques montrent la complexité et la redondance des mécanismes mis en jeu dans l’activation et la survie des follicules primordiaux. Un bilan des molécules impliquées dans ces mécanismes est présenté Figure 31. La plupart des gènes identifiés proviennent d’études fonctionnelles obtenues après invalidation de gènes spécifiques de l’ovocyte (Oktem and Urman 2010; Adhikari and Liu 2009; Zheng et al. 2012). Par contre, le nombre de facteurs connus qui tiennent un rôle important et qui sont produits par les cellules de granulosa (comme PDGF par exemple) est, à ce jour, très limité (Monget et al. 2012). Ces facteurs sont principalement issus de données transcriptomiques sur follicules entiers sans distinction entre les cellules somatiques et les ovocytes (Park et al. 2005; Yoon et al. 2006). Après activation, les cellules de pré-granulosa changent de forme, deviennent des cellules de granulosa cuboïdales et commencent à exprimer l’antigène nucléaire de prolifération (PCNA). C'est la période de croissance des follicules. 3.2 La croissance folliculaire La croissance folliculaire basale est régulée par des facteurs intra ovariens. La communication bidirectionnelle entre ovocyte et cellules somatiques joue un rôle central dans ce processus. Le dialogue se fait par l’intermédiaire de deux mécanismes, les jonctions communicantes et les signaux paracrines et juxtacrines impliquant différentes voies de signalisation. L’ovocyte a un 41 Tableau 8. Expression des principaux composants fonction des espèces, des stades de développement et du compartiment folliculaire. Modifié de (Drummond et al. 2003; Juengel and McNatty 2005; Feary et al. 2007) Chapitre III Aspects moléculaires Folliculogenèse basale rôle actif dans la croissance folliculaire. Il contrôle la prolifération des cellules de la granulosa et son propre développement. Les cellules de granulosa, elles, sont les premières à fournir l’environnement physique et chimique nécessaire au développement de l’ovocyte. Les études concernant le rôle de ces facteurs pendant la période pré-antrale ont été menées le plus souvent « in vitro » sur culture d’ovaires ou de cortex ovarien ou sur culture de cellules de granulosa de la phase antrale. a. Le dialogue moléculaire Les signaux paracrines : Régulation des fonctions des cellules de granulosa par l’ovocyte ? [ Q_@* De nombreux membres de la famille des TGFß sont synthétisés et sécrétés par les cellules de granulosa, la thèque ou l’ovocyte et de manière stade-dépendant. Globalement, l’ovocyte exprime BMP6 et GDF9 à partir du follicule primordial, TGFß1 et BMP15 à partir du follicule primaire. Le tableau 8 présente les données d’expression disponibles pour les composants de la voie de signalisation des TGFß pour trois espèces : la brebis, la femme et la souris (et rongeurs). D’une manière générale, les membres de la famille des TGFß interviennent dans la régulation de la croissance des cellules de granulosa. Chez la brebis, différentes mutations ayant un effet majeur sur le taux d’ovulation ont été observées. Elles concernent trois gènes appartenant à cette voie de signalisation (BMPR1B (bone morphogenetic protein receptor, type 1B), BMP15 et GDF9). BMPR1B est exprimé dans de nombreux tissus mais GDF9 et BMP15 sont exprimés spécifiquement dans l’ovocyte à partir du stade primordial et primaire respectivement. Les brebis porteuses de la mutation FecBB localisée dans le gène BMPR1B sont plus prolifiques dès l'hétérozygotie. Les follicules ovulatoires sont plus nombreux (reflétant le taux d’ovulation >5), plus petits et ils montrent une maturité plus précoce. Le développement folliculaire basal est altéré dès la formation des follicules primordiaux. Pendant cette phase, les ovocytes de ces brebis mutants présentent des différences par rapport à des animaux sauvages (Reader et al. 2012) et ont : - un diamètre plus grand avec davantage de mitochondries, réticulum endoplasmique et ribosomes, - une plus grande surface de contact avec les cellules de la granulosa. Les brebis porteuses des mutations FecX localisées dans le gène BMP15 (six mutations identifiées qui provoquent une perte de fonction de la protéine) sont stériles à l’état 42 Chapitre III Aspects moléculaires Folliculogenèse basale homozygote par blocage de la folliculogenèse au stade primaire (Galloway et al. 2000; Bodin et al. 2007). L’utilisation de BMP15 recombinante a permis de mettre en évidence le rôle potentialisateur de cette protéine sur la prolifération des cellules de granulosa chez le rat (Otsuka et al. 2000), la femme (Di Pasquale et al. 2004) la brebis (McNatty et al. 2005). En complément, BMP15 stimule l’expression de KITL par les cellules de granulosa et de ce fait, intervient dans le dialogue ovocyte-granulosa ainsi que sur le développement ovocytaire (Otsuka and Shimasaki 2002). Ces résultats montrent que chez la brebis la signalisation BMP est nécessaire à la folliculogenèse. Paradoxalement, la mutation hétérozygote de BMP15 entraîne une augmentation de la prolificité. En effet, une activité réduite de la voie de signalisation BMP (brebis hétérozygotes) conduit à diminuer la prolifération des cellules de granulosa et augmenter la sensibilité à FSH. Ceci aboutit à l’ovulation de plusieurs follicules de plus petites tailles. Chez la femme, 13 mutations dans le gène BMP15 sont associées à une IOP (Di Pasquale et al. 2004; Di Pasquale et al. 2006; Dixit et al. 2006). Par contre BMP15 a un rôle moindre chez la souris, puisque son invalidation n’entraîne pas de stérilité mais une hypofertilité par diminution de la croissance folliculaire (Yan et al. 2001). Enfin, deux mutations FecG identifiées dans le gène GDF9 ovin présentent le même phénotype que pour BMP15 (Hanrahan et al. 2004; Nicol et al. 2009) soit une augmentation de la prolificité pour les brebis hétérozygotes et une stérilité pour les animaux homozygotes. De plus, les animaux homozygotes pour ces deux mutations montrent des défauts de développement folliculaire pendant la période basale. Beaucoup de follicules primordiaux sont observés. Les follicules secondaires ont une morphologie anormale (de deux à quatre couches de cellules de granulosa) (Nicol et al. 2009). Quelques follicules se développent jusqu’au stade antral mais comportent des ovocytes atrétiques et des cellules de granulosa désorganisées (Hanrahan et al. 2004). Chez la femme, trois mutations dans le gène GDF9 sont associées à une IOP (Laissue et al. 2006; Kovanci et al. 2007; Zhao et al. 2007). Chez la souris l’invalidation de GDF9 provoque également l’arrêt de la croissance au stade primaire avec des cellules de granulosa et un ovocyte de plus grosse taille (Dong et al. 1996). L’injection de GDF-9 chez des rates immatures provoque l’augmentation du nombre de follicules primaires et à antrum, et diminue le nombre de follicules primordiaux (Vitt et al. 2000). GFD9 et BMP15 sont donc indispensables pour le bon déroulement de la folliculogenèse basale. La famille FGF Très légèrement exprimé dans les tissus fœtaux, FGF8 est principalement exprimé dans l’ovocyte, les cellules de granulosa et de thèques des follicules primaires aux follicules 43 Chapitre III Aspects moléculaires Folliculogenèse basale secondaires chez la vache (Buratini et al. 2005) alors qu’il est spécifique de l’ovocyte chez le rat (Valve et al. 1997). Il est capable de stimuler dans cette espèce la voie de signalisation BMP-SMAD des cellules de granulosa (Miyoshi et al. 2010). Enfin FGF10 est détecté dans les ovocytes et quelques cellules de granulosa d’ovaires fœtaux humains (Oron et al. 2012) et stimule la croissance des follicules pré-antraux chez la chèvre (Chaves et al. 2010). Les signaux paracrines : le contrôle du développement ovocytaire par les cellules de granulosa KITL L’action de la protéine KITL change en fonction du stade de développement et peut être modulée par les jonctions communicantes (Klinger and De Felici 2002). Elle stimule en particulier la croissance de l’ovocyte pendant la période pré-antrale et régule l’activité de la thèque (Kezele et al. 2005b). La famille TGF. En complément de son rôle sur la transition primordial primaire, l’AMH joue un rôle plus tardif (stades pré-antraux avancés) dans le recrutement cyclique des follicules en diminuant la réceptivité des follicules à la FSH (revue : (Adhikari and Liu 2009)). L’expression des sous unités A et de l’activine, leurs récepteurs de type 1 et 2 ainsi que la follistatine (fst) est détectée dans les stades précoce de la folliculogenèse (primaire secondaire). Les activines et fst sont d’abord détectée dans les cellules de granulosa alors que leurs récepteurs sont exprimés dans tous les compartiments folliculaires. La FST et les inhibines sont des antagonistes des activines. Les activines stimulent le développement des follicules pré-antraux chez la brebis (Thomas et al. 2003), la femme (Telfer et al. 2008) et le rat (Zhao et al. 2001) alors que chez la souris, l’activine A, produite par les follicules secondaires, inhibe la croissance des follicules primaires (Mizunuma et al. 1999). L’invalidation de l’inha chez la souris accélère le développement pré-antral. La prolifération des cellules de la granulosa est accrue (Myers et al. 2009). FOXL2. Au stade pré-antral, FOXL2 est aussi capable de stimuler l’expression de l’aromatase (cyp19a1 : Cytochrome P450, family 19, subfamily A, polypeptide 1) (Baron et al. 2005), nr5a1 (récepteur liver homologue 1) et sf1 (Pisarska et al. 2004). Elle inhibe également la transcription du gène codant pour la protéine steroidogenesis acute response (star), enzyme qui catalyse une étape limitante de la steroïdogenèse: la translocation du cholestérol dans la 44 Chapitre III Aspects moléculaires Folliculogenèse basale membrane des mitochondries. FOXL2 empêcherait donc l’expression de star dans les follicules immatures et limiterait la production de stéroïdes. Ces résultats indiquent donc que FOXL2 contrôlerait la prolifération des cellules de la granulosa dans les stades précoces (pour revue (Pisarska et al. 2011)). Les signaux paracrines : le contrôle du développement folliculaire par les cellules de thèque Les cellules thécales contribuent aussi développement folliculaire basal par la sécrétion de testostérone et de nombreux facteurs de croissance (BMP4-7, NGF, FGF7, EGF, TGF) capables de stimuler la prolifération des cellules de granulosa. Celles-ci en retour régulent l’activité de la thèque. BMP4 et BMP7 Elles sont exprimées dans la thèque à partir du stade secondaire. Elles favorisent la croissance et inhibent l’atrésie folliculaire (Kayamori et al. 2009; Shimizu et al. 2012). Elles interviennent dans la régulation de la stéroïdogenèse de manière paracrine et autocrine. BMP4 et BMP7 stimulent aussi la production d’œstradiol, d’activine A, d'inhibine et de follistatine chez la vache (Glister et al. 2004). FGF1- FGF7 FGF1 est principalement exprimé dans la thèque et se localise à la surface des cellules de granulosa chez la vache, certainement à cause de sa liaison au récepteur. FGF1 est susceptible de réguler la stéroïdogenèse et l’apoptose des cellules de granulosa (pour revue (Chaves et al. 2012)). Des études récentes ont mis également en évidence une expression de FGF7 (KGF1) à partir des follicules primordiaux et jusqu’aux secondaires chez la vache (Buratini et al. 2007) et la femme (Abir et al. 2009). La protéine FGF7 est aussi présente dans tous les compartiments folliculaires des stades pré-antraux et du stroma chez la chèvre (Faustino et al. 2011). FGF7 (KGF) est capable de stimuler la prolifération des cellules de granulosa et d’inhiber la stéroïdogenèse « in vitro » (Parrott and Skinner 1998b), résultat renforcé par la présence du récepteur dans les cellules de granulosa (Berisha et al. 2004). Une boucle de régulation (similaire à celle décrite ci-après pour HGF (hepatocyte growth factor)) est également observée pour FGF7 (Parrott and Skinner 1998b). Ces résultats suggèrent son implication dans la régulation des stades pré-antraux HGF La thèque exprime également le Hepatocyte growth factor (HGF) et les cellules de granulosa son récepteur c-Met met proto-oncogene ((Parrott and Skinner 1998a; Ito et al. 2001). HGF 45 Figure 31. Contact intercellulaire entre ovocyte et cellules de granulosa. Source (Li and Albertini 2013) Les projections transzonales sont composées de jonctions mécaniques (adherens junction) et de jonctions communicantes (gap junction).. Chapitre III Aspects moléculaires Folliculogenèse basale stimule la prolifération des cellules de granulosa et augmente le nombre de follicules préantraux en culture d’ovaire ex vivo chez la souris (Guglielmo et al. 2011). Il influence indirectement le développement de l’ovocyte en stimulant l’expression de KITLG dans les cellules de granulosa (Guglielmo et al. 2011) et en retour KITLG stimule l’expression de HGF formant une boucle positive de régulation (Parrott and Skinner 1998b). Les signaux juxtacrines La signalisation NOTCH est une voie de signalisation juxtacrine entre deux cellules au contact l’une de l’autre puisque les ligands (DLL (Delta-Like Homolog ; Drosophila), JAG) et les récepteurs NOTCH sont des protéines membranaires. Cette voie de signalisation joue un rôle clé dans la communication cellulaire et influence la survie, l’apoptose ou la prolifération des cellules voisines. Cette signalisation interagit aussi avec les voies de signalisation WNT et Q_@*ériences d’hybridation in situ montrent que notch2, notch3 et le récepteur jag2 sont exprimés dans les cellules de granulosa des follicules en croissance alors que jag1 est exclusivement exprimé dans l’ovocyte des mammifères (Johnson et al. 2001). En présence d’inhibiteur de la voie NOTCH, les follicules primaires arrêtent de se développer, les cellules de granulosa se détachent et les ovocytes dégénèrent. NOTCH stimule le développement folliculaire en stimulant la prolifération des cellules de granulosa (Zhang et al. 2011). b. Les interactions physiques En complément des différents facteurs paracrines et juxtacrines impliqués dans le dialogue ovocyte-cellules somatiques, l’ovocyte et les cellules de granulosa mettent en place différents types de contacts intercellulaires appelés projections transzonales : jonctions mécaniques et communicantes (Figure 31). Ces projections transzonales augmentent en nombre et en complexité au cours de la croissance folliculaire. Les jonctions mécaniques sont composées : - de microvillosités sur la membrane ovocytaire et les cellules de granulosa - d'extension cytoplasmique des cellules de granulosa allant vers l’ovocyte et les cellules de granulosa adjacentes (zones adhérentes et desmosomes). Ces jonctions mécaniques apparaissent dès le stade primordial et se développent ensuite. Les jonctions communicantes apparaissent au stade secondaire et correspondent à des canaux transmembranaires principalement formés de protéines appartenant à la famille des connexines (Makabe et al. 2006). Treize protéines de cette famille ont été identifiées dans l’ovaire de différentes espèces dont la brebis (Grazul-Bilska et al. 1997). Parmi ces protéines, deux sont 46 Chapitre III Aspects moléculaires Folliculogenèse basale essentielles et jouent un rôle très différent : - la connexine 43 (CX43 ; CJA1) forme des jonctions entre les cellules de granulosa - la connexine 37 (CX37; CJA4) se localise dans les jonctions ovocyte-cellules de granulosa à partir du stade primaire. Les ovaires de souris déficientes en connexine 43 ont une folliculogenèse bloquée au stade primaire, sans multiplication des cellules de la granulosa et avec un retard dans la croissance ovocytaire (Juneja et al. 1999). L’invalidation de la connexine 37 chez la souris affecte la compétence méiotique et la croissance ovocytaire. On observe également une absence presque totale de follicules antraux. Cette connexine est essentielle pour le passage des follicules pré-antraux à antraux (Simon et al. 1997). c. Les signaux autocrines Deux des 19 protéines de la famille WNT, wnt2 et wnt4 sont exprimées dans les cellules de granulosa dès les stades précoces du développement folliculaire. L’invalidation conditionnelle de wnt4 dans l’ovaire de souris dès les stades précoces, aboutit à des ovaires avec peu de follicules antraux sains. Cette perte de follicules semble liée à une augmentation de l’atrésie folliculaire. Différentes protéines de la voie de signalisation (FDZ4, CTNNB1, SFRP4 (secreted frizzled-related protein 4)) sont aussi exprimées dans les cellules de granulosa (Boyer et al. 2010). CTNNB1 régule la transcription de gènes tels que CYP19A1 en interagissant avec son partenaire NR5A1. CTNNB1 agit sur la prolifération, la différenciation et la survie des cellules de granulosa. (pour revue (Boyer et al. 2010)). d. Le rôle des hormones et des facteurs de croissance Les hormones stéroïdes Les androgènes (androstenedione et testostérone) sont produits par la thèque. Ils agissent comme facteur paracrine essentiellement sur les cellules de granulosa en se fixant sur les récepteurs à androgènes (AR). In vitro, la testostérone favorise la croissance des follicules préantraux chez la vache (Yang and Fortune 2006) et la brebis (Steckler et al. 2005). Elle est capable d’inhiber l’expression de gdf9 chez la souris (Yang et al. 2010), d’augmenter l’expression d’IGF1 et de son récepteur dans les cellules de granulosa et dans l’ovocyte des primates (Vendola et al. 1999). 47 Stade Primordial Primaire Petit pré-antral Effets positifs IGF-1 (p) GDF-9 ( c ) Insuline (r,c,p) KL ( r ) bFGF ( r ) IGF-II (p) LIF ( r ) KGF ( r ) KITL ( r ) Progestérone ( r,c) Androgènes ( c ) Estradiol ( c ) FSH (r ) EGF ( r ) TGF-ß (r ) Activine (r ) Androgènes (p ) GDF-9 ( r,p,s ) BMP15 (s ) KITL ( r ) VEGF ( c ) FSH (p,c ) bFGF ( c ) Androgènes (p ) EGF ( c ) Activine (r,c ) TGF-ß (r ) KGF ( r ) KITL ( r ) IGF-1 (r, c ) Effets négatifs Sans effet IGF-1 ( c ) IGF-1 (c,r) GDF-9 ( r ) AMH ( r ) EGF (c ) Estradiol ( r ) Estradiol ( p) FSH (c ) EGF ( r ) TGF-ß (c ) activine (r ) bFGF (c ) BDNF ( r ) FSH (c ) FSH (c ) IGF-1 ( c ) Tableau 9. Résumé des effets des hormones et facteurs de croissance sur la croissance folliculaire. Modifié de (Fortune 2003) Entre parenthèsse : c=vache, r=rongeur, s=brebis, p=femme Chapitre III Aspects moléculaires Folliculogenèse basale VEGF Le VEGF, puissant mitogène des cellules endothéliales, est très exprimé dans les cellules de granulosa à partir du stade secondaire et à un moindre niveau dans les cellules thécales chez les primates (Taylor et al. 2004). Chez les rongeurs, la vache et la truie son expression pendant la phase basale est plus faible (Maisonpierre et al. 1997; Barboni et al. 2000; Greenaway et al. 2005) mais les profils d’expression sont similaires (Celik-Ozenci et al. 2003; Yang and Fortune 2007). Les récepteurs FLT1 (Fms-Related Tyrosine Kinase 1) et KDR (Fetal Liver Kinase 1) sont également présents dans les cellules de granulosa et de thèque interne de rat. VEGF stimule la transition primaire-secondaire des follicules de cortex ovarien en culture chez la vache (Yang and Fortune 2007) Les neurotrophines Les neurotrophines NTF5 et BDNF et leur récepteur NTRK2, présent sur l’ovocyte, peuvent ensemble diminuer le nombre de follicules secondaires (Paredes et al. 2004). Un résumé des effets des hormones et des facteurs de croissance dans différentes espèces est présenté Tableau 9. Une synthèse du dialogue entre types cellulaires est présentée Figure 32. Figure32. Dialogue moléculaire. 48 Figure 33. Biogenèse et régulation par les micro-ARN chez les mammifères. Source (Hossain et al. 2012) Ago1-4 : argonaute 1-4 ; m7G : 7-methyl-G cap - : inhibition de la traduction ; + : favorise la déadénylation Lieu d’expression Fonction identifiée Cible(s) Changements au cours du développement Espèce (référence) miR-224 Granulosa Stimule la prolifération cellulaire, Cyp19a1 et le niveau d’œstradiol Smad4 Augmente l’induction Q_@ follicules pré-antraux Souris (Yao . 2010) miR-383 Granulosa, ovocyte Stimule Cyp19a1 et le niveau d’œstradiol Rbms1 Diminue l’induction Q_@ Souris (Yin . 2012) follicules pré-antraux, miR-23a ND Pro-apoptotique dans la granulosa XIAP ND Femme (Yang . 2012) miR-26b Follicule Pro-apoptotique dans la granulosa ATM Augmente pendant l’atrésie folliculaire Truie (Lin . 2012) ND Inhibe la prolifération des cellules de granulosa Acvr1b, Ccnd2 ND Souris (Yan . 2012) Micro-ARN Tableau 10. Rôle des miRNA identifiés pendant la croissance basale. Modifié de (Donadeu et al. 2012) Chapitre III Aspects moléculaires L’atrésie ovocytaire et folliculaire e. Les micro-ARN L’expression des gènes est précisément régulée dans le temps et dans l’espace. Des études récentes mettent en évidence l’importance des micro- ARN (miRNA) dans cette régulation (souris, truie, vache et brebis). La biogènese et la régulation de ces micro-ARN chez les mammifères est décrite Figure 42. L’invalidation conditionnelle de dicer dans les ovocytes (ZP3-cre) rend les souris stériles car les ovocytes ne sont pas fertilisables et la méiose s’arrête en méiose I (Murchison et al. 2007). L’invalidation conditionnelle de dicer dans les tissus exprimant l’AMH perturbe le développement folliculaire et la maturation de l’ovocyte. On observe une accélération du recrutement folliculaire, une augmentation de l’atrésie folliculaire et une diminution du nombre de follicule pré-antraux (Lei et al. 2010). Quelques études « in vitro » plus ciblées sur les compartiments folliculaires ont été effectuées chez la souris, la jument et la vache et montrent des différences entre compartiments (Donadeu et al. 2012). Une synthèse des micro-ARN intervenant dans différents aspects du développement folliculaire est présentée Tableau 10. 4. L’atrésie ovocytaire et folliculaire 4.1 L’atrésie ovocytaire La dégénérescence ovocytaire dépend largement de l’action balancée de protéines pro apoptotiques et anti apoptotiques de la famille des BCL2 et concerne tous les stades de développement (ovogonies, CGP et ovocytes). Chez la souris, l’invalidation des gènes ou la délétion des protéines anti apoptotiques BCL2 et BCL2L1 (BCL2-like 1) réduit le nombre de follicules primordiaux de la réserve et provoque une déficience en ovocytes respectivement. Enfin, une délétion de la protéine pro apoptotique BAX (BCL2-associated X protein) augmente le nombre de follicules primordiaux dans les ovaires de souris à la naissance. La dégénérescence ovocytaire implique aussi des mécanismes alternatifs tels que l’autophagie (Aitken et al. 2011). 4.2 L’atrésie folliculaire Le mécanisme de base de l’atrésie folliculaire chez les mammifères est l’apoptose. C’est la balance entre les signaux de survie (anti-apoptotiques) et de mort cellulaire (pro-apoptotiques) qui va déterminer le devenir des follicules. Au cours de la folliculogenèse basale, les modalités de mise en place de l’atrésie sont peu étudiées mais différents facteurs influençant la croissance sont susceptibles d’intervenir. Une 49 Chapitre III Aspects moléculaires L’atrésie ovocytaire et folliculaire diminution de GDF9 produit par l’ovocyte induit, par exemple, l’activation de la caspase 3 et provoque l’apoptose des cellules de granulosa (Craig et al. 2007). La perturbation du couple KITL/KIT pourrait aussi entraîner la dégénérescence ovocytaire dans les stades pré-antraux (Packer et al. 1994). 50 Figure 34. Régulation du développement folliculaire basal. Source (Monniaux et al. 2009) Chapitre spects moléculaires Folliculogenèse basale En résumé (Figure 34) L’initiation et la croissance folliculaire sont des processus qui nécessitent une suite d’événements coordonnés impliquant des changements morphologiques et fonctionnels au sein du follicule ovarien. La folliculogenèse basale n’est pas contrôlée par les hormones gonadotropes hypophysaires mais par des facteurs locaux qui agissent de manière paracrines ou autocrines. e maintien vs l’activation des follicules primordiaux dépendent de la coordination entre cellules somatiques et ovocytes et impliquent un ensemble de voies de signalisation ovocytaires PI3K/PTEN-AKT-mTORC1-S6K- RPS6. e maintien s’effectue grâce à l’action permanente de facteurs inhibiteurs tels que FOXL2, AMH, PTEN, TSC.... ’activation des follicules semble être liée à une diminution de ces facteurs ou à une augmentation de facteurs stimulants (KITL, LIF, NOBOX..). Les signaux extra ovocytaires activateurs de PI3K comme KITL, l’insuline, etc, et la présence de facteurs inhibiteurs de la voie de signalisation intra ovocytaire, comme PTEN, régulent finement le niveau optimal d’activation de PI3K. Une diminution des signaux entraînerait une disparition des follicules primordiaux alors qu’une augmentation des signaux entraînerait une activation de la croissance. Les interactions, par exemple entre KIT ligand exprimé dans les cellules de granulosa et son récepteur KIT exprimé dans l’ovocyte, sont un point critique dans l’activation des follicules. a croissance folliculaire basale est contrôlée par des facteurs locaux. La communication bidirectionnelle entre ovocyte et cellules somatiques joue également un rôle central dans ce processus. Le dialogue se fait par l’intermédiaire de deux mécanismes: les projections transzonales et les signaux paracrines/juxtacrines, impliquant différentes voies de signalisation. L’ovocyte contrôle la prolifération des cellules de la granulosa et son propre développement. Dès le stade primaire, l’ovocyte commence à exprimer, par exemple les facteurs GFD9 et BMP15, qui sont indispensables pour la croissance des cellules de granulosa. Les cellules de granulosa stimulent la croissance de l’ovocyte (via KITL) et régulent l’activité de la thèque. 51 A I L 52 " ## !$%&'( ## ?##"^`X'$""@'&&%@'@+%& ??'X+*'@+%&"{J<=+^"&@'X" ?]&'X#"##@'@+#@+w"#*"#*%&&<"# ~#" ' ">"=>"*"#$}&"#"{J="##+%&"&=+>+"*'&#w&>%^J'=@+^"&@ `}&"#*+;;<="&@+"X#'w>%w=#*w*<["X%JJ"^"&@;%XX+>wX'+="J=<>%>" > ">"=>"*"#`+%^'=w"w=#"{J="##+%&&"X# \ \ \ _ 53 Microdissection à capture laser (LCM) icrodissection capture laser (LC ) Les ovaires de brebis ont été prélevés à la naissance et congelés à -80°C dans un milieu d’enrobage (OCT : optimal cutting temperature compound). Des coupes de 8μm sont ensuite posées sur des lames de verres et fixées dans un bain d’alcool de 70-75% pendant 30 s avant d’être colorées. Quatre types de colorations ont été évaluées : éosine-hématoxyline, histogène, toluidine, crésyl violet (Article 1, Matériel et méthodes). La microdissection à capture laser (LCM pour laser capture microdissection) a été effectuée sous microscope avec le grossissement 40 avec les appareils Arcturus Veritas et XT. Les follicules ont été isolés selon les critères de sélection suivants : ¾ PD (follicule primordial) : follicule d’un diamètre < 35 μm possédant un ovocyte entouré de 2 à 3 cellules de pré-granulosa aplaties ¾ PM (follicule primaire) : follicule d’un diamètre compris entre 35-50 μm avec un ovocyte entourés d’une couche de CG cuboïdales. ¾ SC (follicule secondaire) : follicule de 60 à 120 μm avec un ovocyte entouré de 2 couches de CG ¾ SA (follicule à petit antrum) : follicule de 250 à 500 μm avec un ovocyte entouré de CG et un petit antrum. Chaque compartiment de chaque stade a été capturé dans des capsules séparées pendant une durée maximale de 2heures. Chaque capsule a ensuite été congelée dans le milieu d’extraction des ARN. Etant donné les faibles quantités de matériel, chaque échantillon microdisséqué est issu de 2 à 20 capsules (et de plusieurs animaux) qui ont été mélangées avant extraction de l’ARN. Après extraction avec le kit « Picopure RNA isolation Kit » (Arcturus), les ARN ont été soumis à 2 tours d’amplification linéaire avec l’ARN polymérase T7 (RiboAmp HS plus Kit). La qualité de l’amplification a été contrôlée par électrophorèse en cytométrie de flux (Bioanalyseur Agilent). Des quantités croissantes de transcrits exogènes de Bacillus Subtilis (Affymetrix) ont été rajoutées à tous les échantillons d’ARN, avant amplification pour vérifier, à l’analyse des résultats RNA-seq, la linéarité de l’amplification. 54 Figure 35. Plan d’expérience Chaque compartiment (ovocyte, cellules de granulosa) a été capturé pour les quatre stades de développement : PD (primordial), PM (primaire), SEC (secondaire), SA (petit antrum). Enfin 4 répliques biologiques indépendantes ont été isolées par condition. Analyse du transcriptome Analyse du transcriptome 1. Support micro-array Pour l’hybridation sur puce Affymetrix bovine (~24000 sondes), trois protocoles de marquage de sondes des ARN d’ovaires fœtaux ont été comparés : - protocole classique Affymetrix (1 tour d’amplification) - marquage Affymetrix de l’ADN complémentaire (ADNc) après 2 tours d’amplification (Kit RiboAmp HS PLUS) - marquage indirect de l’ARN amplifié (ARNa) avec le kit « Biotin TURBO labeling Kit » après les 2 tours d’amplification La qualité des hybridations a été évaluée avec 3 paramètres donnés par l’algorithme d’Affymetrix : le nombre de sondes hybridées (présentes), le facteur d’échelle et le rapport 3’/5’ UTR. Le protocole expérimental n’inclut pas de répliques biologiques mais chaque échantillon est une moyenne de plusieurs animaux. Nous avons donc appliqué un filtre stringent pour la détection des sondes. Chaque transcrit qui est représenté par plusieurs sondes est déclaré "exprimé" uniquement si toutes ses sondes sont détectées. Ce transcrit est alors représenté par la sonde la plus en 3’UTR. 2. RNA-seq De nouvelles expériences de captures laser sont ensuite venues compléter les échantillons existants afin d’obtenir 3-4 répliques biologiques indépendantes par condition. Le plan d’expérience est présenté dans l’article 2, Supplemental File 1; Figure S1 et est représenté dans cette thèse en Figure 35. Deux cents nanogrammes de chaque ARNa ont été rétro-transcrits et chaque réplique a été étiquetée pour permettre sa reconnaissance (tagging). Le pyroséquençage s’est effectué avec la technologie Hiseq 2000 à raison de 3 échantillons par ligne en mélange aléatoire. En complément, 3 échantillons indépendants correspondant au mélange de 12 tissus ont également été séquencés (MT) pour évaluer la spécificité d’expression. 55 Analyse du transcriptome 2.1 Assemblageetannotation Compte tenu de la particularité du jeu de données (ARNa induisant un biais de distribution des lectures en 3’ UTR des gènes), deux types d’assemblage des séquences ont été effectués: l’assemblage de novo et l’alignement sur la séquence génomique ovine (OARV2). La procédure d’assemblage est détaillée dans l’article 2, Supplemental File 1; Figure S6. Les contigs (assemblage de novo) et les fragments de séquence génomique (alignement sur la séquence génomique) ont été annotés par alignement sur le génome bovin et par comparaison avec la position des transcrits bovins (élargie si nécessaire de 500pb, 1 ou 3 kb en 3’UTR). Le fichier final est constitué des fragments de séquence génomique les plus représentatifs des gènes (fragments localisés en 3’UTR et regroupant le plus de lectures) et complété par les gènes issus de l’assemblage de novo dont la séquence chez le mouton n’était pas disponible (~ 600 gènes). L’expression des gènes correspond au nombre de lectures du fragment de séquence génomique sélectionné pour chaque condition. 2.2 Validationexpérimentale Les lectures de chaque transcrit de Bacillus Subtilis ont été normalisées en RPKM (reads per kilobase of exon per million). Dans chaque échantillon, les transcrits ont été comparés au transcrit le plus abondant (DAP) pour rendre les échantillons comparables entre eux. 2.3 AnalysesstatistiquesdesdonnéesRNAseq Notre expérience a été conçue pour identifier de manière robuste (3-4 répliques biologiques) des différences entre compartiments et stades de développement. L’analyse statistique de ce jeu de données RNA-seq s’est donc effectuée en tenant compte de l’effet de 2 facteurs (compartiment; stades de développement) à plusieurs niveaux (respectivement 2 niveaux (ovocytes et CG) et 4 niveaux (PD, PM, SC, SA)) avec la méthode GLM du package DESeq implémenté dans R. Trois modèles linéaires ont été évalués : le modèle complet (expression~stade * compartiment), le modèle additif (expression ~stade + compartiment) et le modèle réduit (expression ~1). Les différences significatives d’expression entre compartiments, stades ainsi que les interactions stades*compartiments ont été ensuite recherchées avec le test «nbinomGLMTest». 56 Validation par PCR en temps réel a. echerche des gènes e pression enrichie dans un compartiment Les gènes à expression enrichie dans un compartiment ont été sélectionnés en réalisant un test des échantillons multi-tissus (mélange de 12 tissus)) avec les critères suivants : FDR (false discovery rate) <0,5% et un différentiel d’expression supérieur à 5 ou 10 pour les CG et ovocytes respectivement. b. ènes différentiels au cours du dé eloppement folliculaire précoce L’analyse statistique du modèle additif a été complétée par une analyse statistique deux à deux (nbinomTest). Les gènes différentiels ont été sélectionnés selon les critères suivants : FDR <5% pour les effets globaux et p value <1% pour les comparaisons deux à deux avec un différentiel d’expression supérieur ou égal à deux. c. echerche des biomarqueurs e pressionnels Les biomarqueurs de la croissance folliculaire préférentiellement exprimés dans un échantillon (PDO, PMO, SCO, SAO, PDG, PMG, SCG, SAG) ont été sélectionnés en réalisant un test de comparaison deux à deux (nbinomTest) (chaque échantillon contre les autres échantillons ovariens et les échantillons multi-tissus) avec les critères suivants : FDR <5% et un différentiel d’expression supérieur à 3 ou 10 en fonction des comparaisons. La capacité des biomarqueurs à grouper les classes de follicules a été évaluée en utilisant la méthode (s) PLS-DA implémentée dans le package mixOmics dans R alidation par C en temps réel Les profils d’expression ont été contrôlés par RT-PCR en temps réel (ABI Prism 7900 Sequence Detection System 2.1, Applied Biosystems®) selon le protocole publié dans notre article (Article 1). L’expression différentielle entre compartiments et ou au cours de la croissance folliculaire précoce a été mesurée par RT-PCR en temps réel sur l’ABI Prism 7900 (Sequence Detection System 2.1, Applied Biosystems®) selon le protocole publié dans notre article (Article 1) ou le Biomark de Fluidigm (896.96 Dynamic Array™ IFCs et BioMark™ HD System) après une 57 Interprétation biologique pré-amplification de 14/17 cycles. Après détection du nombre de cycles seuil pour chaque échantillon, nous avons appliqué la méthode PFAFFL pour calculer l’expression relative de chaque gène. L’expression relative a ensuite été normalisée par la moyenne géométrique provenant de 3 gènes de référence (RPL19 (ribosomal protein L19), actine et TMED4 (transmembrane emp24 protein transport domain containing 4)) et transformée en logarithme ou racine quatrième (en fonction du jeu de données). Les différentiels d’expression ont été ensuite évalués par la méthode ANOVA (analysis of variance) en considérant un modèle à 2 facteurs (stade et compartiment) et respectivement 2 niveaux (ovocytes et CG) et 4 niveaux (PD, PM, SC, SA). L’expression spécifique des compartiments et des bioamarqueurs expressionnels a été ensuite évaluée par un test de Student. Interprétation biologique Le logiciel Ingenuity Pathway Analysis (IPA) a été utilisé pour aider à l’interprétation biologique des différentiels d’expression. Ce logiciel combine les annotations fonctionnelles de nos gènes différentiellement exprimés (GDE) avec les données de la littérature pour identifier des fonctions et voies de signalisation statistiquement enrichies en GDE (test exact de Fisher). La significativité des voies de signalisation prend en compte 2 paramètres : 1- le rapport entre le nombre de gènes du jeu de données qui appartiennent à la voie de signalisation et le nombre total de gènes qui appartiennent à la voie de signalisation, 2- la valeur de p. Une fonction ou une voie de signalisation est considérée comme significative pour une valeur de p <0,05. Le module IPA « downstream effects analysis » de ce logiciel permet également en fonction du changement d’expression des gènes sélectionnés, de prédire les conséquences attendues dans les processus biologiques (augmentation ou diminution). Il recherche dans nos gènes cibles ceux qui sont connus dans la littérature pour réguler les fonctions, il compare le sens des changements d’expression par rapport à ceux attendus et prédit ainsi le sens du changement du processus biologique en utilisant l’algorithme « regulation Z-score ». Le module "IPA upstream regulator analysis” est utilisé pour comprendre la cause 58 Interprétation biologique pourraient expliquer en amont le changement d’expression des GDE. Enfin, pour chaque régulateur, ce module d’IPA compare le sens du changement d’expression des GDE par rapport aux changements décrits dans la littérature. Il prédit ensuite, avec l’algorithme « regulation Z-score algorithm », l’effet du régulateur sur l’expression de chaque gène puis le niveau global d’activation du régulateur (au niveau protéique) d’un échantillon par rapport à un échantillon contrôle. Dans cette analyse, nous avons limité la liste des régulateurs prédits aux régulateurs exprimés dans notre expérience. Ces analyses permettent de rechercher les fonctions métaboliques, voies de signalisation et régulateurs les plus pertinents pour l’expérience. 59 L A 60 RESULTATS PREAMBULE 63 CHAPITREI.METHODESD’ANALYSEDESSTADESPRECOCESDELAFOLLICULOGENES BASALECHEZLABREBIS 65 1.Résultats 66 1.1Isolementdesdifférentscompartimentsselonleursstadesdedéveloppement 66 1.2Morphologietissulaire 66 1.3Capture 66 1.4AmplificationdesARNmessagers 66 1.5Validationdelaspécificitédeséchantillons 67 1.6Analyseglobaled’expression 67 2.Conclusion 69 3.Article1 69 4.Annexesdel’article1 70 CHAPITREII.DESCRIPTIONDESTRANSCRIPTOMESDANSCHACUNDESDEUX COMPARTIMENTSOVARIENS:SPECIFICITESFONCTIONNELLESETDIALOGUE MOLECULAIRE. 1.Résultats 71 72 1.1Résultatsduséquençage 72 1.2Assemblage 72 1.3Descriptiondestranscriptomes 73 1.4Différentielsd’expressionglobaux 74 1.5Vérificationdelapertinencedenotrejeudedonnées 74 1.6Expressionenrichiedanslescompartiments 75 1.7ValidationparRT~PCRentempsréeldesdifférencesd’expressionentre compartiments 75 1.8Annotationfonctionnelle 76 1.9Mécanismesetvoiesdesignalisation 76 1.10Interactionscellulaires 77 2.Conclusion 78 3.Article2 78 61 4.Annexesdel’article2 CHAPITREIII.PROFILDD’EXPRESSIONSPATIO~TEMPORELDELAFOLLICULOGENESE BASALE:PREDICTIONDESPROCESSUSBIOLOGIQUESETSESREGULATIONS 1.Résultats 79 80 81 1.1Différentielsd’expressionaucoursdudéveloppementfolliculaire 81 1.2Analysefonctionnelleglobaledesfonctionsetvoiesdesignalisation 81 a.Lesfonctions b.Lesmécanismes 1.3Validationdudifférentield’expressionparRT~PCRentempsréel 81 82 83 1.4Prédictiondesconséquencesduchangementd’expression:processus biologiquesmisenœuvre 83 a.Dansl’ovocyte b.Danslescellulesdegranulosa c.Lescommunications 1.5Prédictiondescausesduchangementd’expression:régulationspendantle 83 83 84 développementprécoce 84 d.Facteursdecroissanceethormones e.Mécanismes f.Régulateurstranscriptionnels 1.6Latransitionfolliculeprimaire/folliculesecondaire 84 85 85 87 1.7Desmarqueursdelacroissancefolliculaireprécoce 87 2.Conclusion 87 2.Article3 89 3.Annexesdel’article3 90 62 Préambule réambule Une étude intégrée de la folliculogenèse doit inclure les changements d’expression des gènes pour tous les types cellulaires. Pourtant, l'entité follicule mise en place lors de la folliculogenèse basale et surtout les différents compartiments qui composent ces follicules (ovocyte et les cellules de la granulosa) font objet finalement de peu d'études. En effet, les études sont confrontées à deux difficultés majeures : 1- l’isolement des différents compartiments : la présence de tous les stades folliculaires dans l’ovaire rend l'isolement de chaque compartiment encore plus difficile. 2- les petites quantités de matériel cellulaire disponibles : pendant la folliculogenèse basale, les follicules sont de très petites tailles (40 à 200 μm). Différents protocoles ont déjà été développés pour isoler les follicules à un stade donné lors d'études in vitro chez l’homme, les rongeurs et les animaux domestiques, brebis incluse (Gupta and Nandi 2012). Ces protocoles utilisent une digestion enzymatique de l’ovaire suivie d’une sélection par gradient de ficoll (Martinez-Madrid et al. 2004; Dolmans et al. 2006), ou microdissection (Oktay et al. 1997), filtration (Hornick et al. 2012), ainsi que des techniques mécaniques (Amorim et al. 2000; Haag et al. 2013; Magalhães-Padilha et al. 2013). Cependant, ces techniques ne permettent pas d’isoler précisément les différents compartiments. L’étude d’expression de gènes requiert également du matériel biologique en quantité suffisante. Pour ces raisons, les études transcriptomiques disponibles proviennent principalement d’ovaire entier (Kezele et al. 2005; Dharma et al. 2009), de follicules entiers (Yoon et al. 2006) ou d’ovocytes isolés (Pan et al. 2005; Kocabas et al. 2006; Gallardo et al. 2007; Markholt et al. 2012). Elles ont permis d'identifier l’expression de nombreux gènes (dont des gènes nouveaux, des gènes spécifiques ou non de l'ovaire), et ont fourni une vue globale des voies de régulation pendant la phase basale de la folliculogenèse chez différentes espèces dont l’homme, la chèvre et la souris. Ces études transcriptomiques sont souvent complétées par des analyses en immunohistochimie qui précisent le positionnement spatial des protéines correspondantes. L’ovocyte des follicules primordiaux est considéré comme quiescent mais ces études 63 Préambule démontrent une activité transcriptionnelle et métabolique élevée (Kocabas et al. 2006; Markholt et al. 2012). Gallardo et ses collaborateurs (Gallardo et al. 2007) ont analysé l’expression des gènes dans des ovaires murins provenant de 4 stades de développement et couvrant la période de l’assemblage des follicules et la croissance précoce (1, 7 et 14 jours après la naissance) à l’aide d’un support microarray (puces Affymetrix). Ils ont conjointement analysé l’expression de 14 tissus somatiques. Un groupe de 348 gènes à expression ovocytaire enrichie a ainsi été mis en évidence chez la souris. Ces gènes montrent un enrichissement génique sur le chromosome X. Pan et ses collaborateurs (Pan et al. 2005) ont établi les profils d’expression des ovocytes de follicules primordiaux jusqu’aux follicules à grand antrum isolés à partir d'ovaires de 2, 6, 12, 17 et 22 jours par hybridation des ARNm ovocytaires sur microarrays (puces Affymetrix). Ils montrent que les changements d’expression plus importants dans l’ovocyte se situent à la transition primordial-primaire et identifient une surreprésentation en gènes impliqués dans le cycle cellulaire. Ces gènes sont ensuite majoritairement réprimés dans la suite du développement. Certains ligands impliqués dans des voies de signalisation telles que NOTCH, SHH (sonic hedgehog), EGF et TGFß, sont également détectés (Pan et al. 2005; Yoon et al. 2006). Une étude récente a aussi été menée à partir de follicules secondaires et début d’antrum provenant d’ovaires adultes de chèvre (Magalhães-Padilha et al. 2013). Cette étude met en évidence trois principales voies métaboliques pendant la période pré-antrale : le métabolisme lipidique, la mort cellulaire et le système hématologique. Ces études restent encore descriptives, essentiellement réalisées à partir de modèles rongeurs (espèce poly-ovulante) et tous les mécanismes moléculaires identifiés ne peuvent pas, à l’évidence, être entièrement transposés aux espèces mono-ovulantes. Enfin, aucune de ces études ne porte sur les cellules de granulosa isolées. Les analyses d’expression haut débit permettent maintenant de décrire plus précisément les niveaux d’expression des gènes. Néanmoins, le challenge actuel est d’intégrer et associer l’information biologique disponible dans les bases de données publiques (localisation cellulaire et chromosomique, fonction moléculaire, processus biologique), à ces listes de gènes issues du NGS (next generation sequencing) pour en dégager une information biologique intégrée et pertinente permettant de comprendre le processus physiologique. Les limites actuelles concernent les espèces non modèles (autres que souris voire l'humain…) où le manque d’information dans les bases de données est évident. 64 Titre de la publication Tissus/espèces Méthodologie Type d’appareillage de microdissection (LCM) Références Global gene analysis of oocytes from early stages in human folliculogenesis shows high expression of novel genes in reproduction Ovocytes de follicules primordiaux, intermédiaires et primaires de jeunes filles (11 et 21 ans) Puces oligonucléotides Affymetrix Arcturus Veritas (Markholt et al. 2012) Oocytes of baboon fetal primordial ovarian follicles express estrogen receptor beta mRNA. Ovocytes de follicules primordiaux de babouin RT-PCR Arcturus PixCell II LCM (Bocca et al. 2008) Genomewide discovery and classification of candidate ovarian fertility genes in the mouse. Ovocytes, cellules somatiques et du stroma d'ovaire de souris de 3 semaines Puces oligonucléotides Affymetrix Arcturus PixCell II LCM (Gallardo et al. 2007) . Pas de répliquat biologique New approach to in situ quantification of ovarian gene expression in rat using a laser microdissection technique: relationship between follicle types and regulation of inhibin-alpha and cytochrome P450aromatase genes in the rat ovary. Follicules pré antraux et antraux provenant d’ovaires de rat immature (24j) RT-PCR Leica Microsystems (Sakurada et al. 2006) Identification of genes expressed in primate primordial oocytes. Ovocytes de follicules primordiaux provenant de singe (Macacca mulatta) de 6–13 ans microarray humain de 8K (cDNA) PixCell II LCM system (Arraztoa et al. 2005) Expression of cell cycle regulatory genes during primordial-primary follicle transition in the mouse ovary Follicule primordiaux et primaires de souris (but : validation de résultats obtenus par hybridation soustractive suppressive) RT-PCR PixCell II LCM system (Park et al. 2005) Basic fibroblast growth factor expression in isolated small human ovarian follicles. Follicules primordiaux, primaires et secondaires provenant de biopsies d’ovaires de femmes fertiles de 26–34 ans RT-PCR PixCell II LCM system (Quennell et al. 2004) Tableau 11 iste des publications a ant utilisé la technologie C folliculogenèse basale de différentes espèces pour étudier la Chapitre I. Méthode d’analyse des stades précoces de la folliculogenèse basale chez la brebis Chapitre I. éthode d’analyse des stades précoces de la folliculogenèse basale che la brebis La microdissection à capture laser (LCM pour Laser Capture Microdissection) est une technique récente et prometteuse qui permet d’isoler une population de cellules spécifiques d’un tissu complexe et s’applique sur des coupes de tissu montées sur lame de microscope. Cette technique commence à être utilisée sur la thématique de la folliculogenèse ovarienne (Tableau 11) et le plus souvent, elle est couplée à de la RT-PCR pour étudier l’expression de gènes spécifiques ou valider certaines études globales. Seules trois études transcriptomiques, mais avec peu d’échantillons puisqu'elles nécessitent une quantité importante de matériel, ont été réalisées jusqu’à présent pour étudier la folliculogenèse. Pour atteindre le premier objectif et obtenir une vue globale de l’expression des gènes au cours des stades précoces de la folliculogenèse, il était donc nécessaire dans un premier temps d’optimiser les méthodologies aux petites tailles et quantités. Dans ce but, nous avons choisi de combiner 1) la microdissection laser permettant d’isoler spécifiquement les deux compartiments cellulaires d’intérêt (ovocytes et cellules de granulosa) au cours de la folliculogenèse basale chez la brebis, 2) l’amplification des ARNm et, 3) les puces à oligonucléotides (Affymetrix) permettant d’analyser l’expression d’un grand nombre de gènes simultanément. Les résultats de cette optimisation ont été publiés en 2011 : (Bonnet et al. 2011). Transcriptome profiling of sheep granulosa cells and ooc tes during earl follicular development obtained b aser Capture icrodissection 65 Chapitre I. Méthode d’analyse des stades précoces de la folliculogenèse basale chez la brebis Résultats 1. ésultats 1.1 Isolementdesdifférentscompartimentsselonleursstades dedéveloppement Dans un premier temps, l’observation de coupes d’ovaires colorées provenant des différents stades de développement (80 jpc, 100 jpc, 120 jpc, 135 jpc et naissance) a permis de vérifier la chronologie du développement folliculaire précoce dans la race de brebis Lacaune (Figure 2). Nous avons choisi de n’utiliser que des ovaires prélevés à la naissance puisque des quantités raisonnables de matériel ont été observées pour tous les stades de développement folliculaire. La qualité du matériel obtenu par LCM dépend de trois facteurs : la morphologie tissulaire, le succès de la capture et le maintien de l’intégrité moléculaire de l’ARN. 1.2 Morphologietissulaire Quatre methodes de coloration ont été evaluées (Bleu de Toluidine, Histogène, Hematoxyline Eosine, Crésyl Violet). La méthode de coloration au Cresyl Violet est, dans notre cas, la plus adaptée car elle permet de bien repérer les structures tout en maintenant une bonne qualité d’ARN (Article 1, Figure 1). 1.3 Capture Pour améliorer le succès de la capture laser, les coupes ont été déposées sur des lames froides (4°C), et la fixation s’est effectuée avec de l’éthanol froid (-20°C) et à 70% (contre 75% dans le protocole standard) (Article 1, Figure 2). Ce protocole maintient la qualité des ARN durant la période de microdissection (2h) (RIN (RNA integrity number) >6) (Article 1, Additional File 1). Les extractions d’ARN ont été effectuées après regroupement de plusieurs séries de microdissection. A ce stade là, la quantité d’ARN est trop faible pour pouvoir être dosée ou contrôlée. Avec ce protocole, les ARN de trois répliques indépendantes pour chaque compartiment folliculaire (cellules de granulosa (CG) et ovocyte (O) et au cours des quatre premiers stades de développement (follicule primordial (PD), follicule primaire (PM), follicules secondaires (SC) et petit follicule à antrum (SA) ont été obtenus, soit huit conditions en triple. 1.4 AmplificationdesARNmessagers Etant donné que la quantité d’ARN messager (ARNm) obtenue après LCM est faible, les ARNm ont été amplifiés deux fois par la méthode d’amplification linéaire T7 ARN 66 Chapitre I. Méthode d’analyse des stades précoces de la folliculogenèse basale chez la brebis Résultats Polymérase. Le spectre de taille des ARN amplifiés (ARNa) est compris entre 200 et 2000 pb (Article 1, Additional File 2). La Table 1 de l’article indique les quantités d’ARNa obtenus pour chaque échantillon. 1.5 Validationdelaspécificitédeséchantillons La qualité des échantillons a été évaluée en mesurant par PCR quantitative l’expression de gènes spécifiques de l’ovocyte ou des cellules de la granulosa. L’expression de 6 gènes ovocytaires et de trois gènes des cellules de la granulosa a été analysée (exemple : ovocyte : BMP15…; granulosa : AMH…) (Article1, Table 2). Des différences significatives d’expression sont observées (P value <5%) entre compartiments pour tous les gènes testés. Pour un compartiment donné, une augmentation significative d’expression au cours du développement folliculaire est aussi observée pour six gènes sur neuf. Nous avons donc des échantillons représentatifs des compartiments et des stades de follicules. 1.6 Analyseglobaled’expression Les expériences de transcriptome ont été effectuées sur un support bovin (Affymetrix), espèce la plus proche de la brebis en terme d’homologie de séquences et support le plus complet disponible au moment de l’expérience. Une première étape a consisté à vérifier que l’hybridation hétérologue entre l’ARN ovin et la puce Affymetrix bovine était comparable à une hybridation homologue ARN bovin sur puce bovine. Nous obtenons 49,8% de sondes d’ovaire fœtal ovin hybridées sur puce Affymetrix bovine contre 57,1% en sondes homologues (ARN d’ovaire fœtal de vache) (Article 1, Additional File 3). Ces résultats sont comparables à ceux obtenus par Flemming-Waddell et al : 40,6 % pour une hybridation de muscle ovin sur puce Affymetrix bovine et 55,6 % pour une hybridation de muscle bovin sur puce Affymetrix bovine (Fleming-Waddell et al. 2007). Dans un deuxième temps, afin de conserver des ARNa pour les étapes de validation par RTPCR en temps réel, nous avons évalué les performances du marquage indirect de sondes (protocole 3) par rapport aux protocoles préconisés par Affymetrix (Article 1, Additional File 3). Chaque tour d’amplification diminuant la longueur du transcrit, on observe pour les échantillons soumis à deux tours d’amplification, une légère diminution du nombre de sondes détectées et une augmentation du ratio 3’/5’. Les signaux d’hybridations obtenus par le marquage indirect sont comparables à ceux obtenus par le marquage Affymetrix (r=0,8). Les signaux d’hybridation des gènes exogènes (Bacillus Subtilis), avant et après amplification des 67 Chapitre I. Méthode d’analyse des stades précoces de la folliculogenèse basale chez la brebis Résultats ARN sont également comparables (r=0,92) et valident la qualité de l’amplification. L’hybridation des ARNa microdisséqués (un échantillon par stade et compartiment) identifie un répertoire de 11291 sondes oligonucléotidiques présentes au cours des premiers stades de la folliculogenèse basale. Ces sondes correspondent à 8652 transcrits annotés (Article 1, Table 2). Notre étude identifie 1050 gènes spécifiquement exprimés dans les cellules de la granulosa (par rapport à l’ovocyte) et 759 dans l’ovocyte. L’analyse de l’expression de 10 gènes par RTPCR en temps réel confirme la spécificité d’expression de ces gènes pour 9 d’entre eux (Article 1, Table 2). Une augmentation de l’expression au cours de la folliculogenèse basale est également observée pour 3 gènes (FST, MAEL (maelstrom), SIRT7 (sirtuin 7)) (Article 1, Figure 4). La pertinence biologique de ces deux listes de gènes (1050 gènes des cellules de granulosa et 759 gènes de l'ovocyte) a été recherchée in silico grâce au logiciel Ingenuity Pathway Analysis (IPA) (Article 1, Additional Files 4 et 5). Cette analyse fonctionnelle identifie les trois principaux événements cellulaires connus pour être impliqués dans la folliculogenèse basale (Article 1, Figure 5), à savoir : 1- le passage des CG d’une forme allongée à une forme cuboïdale qui est associé à trois fonctions cellulaires enrichies en gènes surexprimés dans les CG (mouvement, assemblage et organisation, et morphologie cellulaire). 2- une augmentation importante du nombre de CG décrite par deux fonctions cellulaires également enrichies en gènes surexprimés dans les CG (prolifération et croissance cellulaire, mort cellulaire). 3- une augmentation du volume de l’ovocyte associée à un enrichissement des gènes impliqués dans des mécanismes de guidage (« axonal guidance ») et de développement cellulaire de l’ovocyte (« cellular development ») (Tableau Annexe 5 de l’article). Nous mettons enfin en évidence des réseaux de gènes impliqués dans la communication entre cellules (« cell cell signaling and interaction» (Article 1, Figure 5), « cellular immune response ». Nous illustrerons ce dialogue d’une part, par une expression de BMP15 dans l’ovocyte et d’autre part, par une expression accrue de composants de la voie de signalisation des BMP (Figure Annexe 7 de l’article). D’autres gènes impliqués dans la communication entre compartiments sont également identifiés dans cette analyse comme l’AMH, KITL, IL1B. 68 Chapitre I. Méthode d’analyse des stades précoces de la folliculogenèse basale chez la brebis Conclusion . Conclusion En conclusion, l’association des technologies LCM, amplification des ARNm et support transcriptomique permet d’analyser l’expression des gènes pour de faibles quantités de cellules d’intérêt isolées à partir d’un tissu complexe. Cette approche a été optimisée dans cette étude pour caractériser l’expression génique dans les deux compartiments d’intérêt au cours de la folliculogenèse ovarienne basale. Ces résultats montrent que des données fiables d’expression peuvent être produites. L’étude préliminaire des répertoires d’expression des compartiments a identifié des gènes et mécanismes moléculaires connus, intervenant essentiellement dans les communications entre les compartiments. De nouvelles expériences vont maintenant être menées par séquençage haut débit, pour poursuivre le projet de manière plus exhaustive. 3. rticle 1 Transcriptome profiling of sheep granulosa cells and ooc tes during earl follicular development obtained b aser Capture icrodissection 69 Bonnet et al. BMC Genomics 2011, 12:417 http://www.biomedcentral.com/1471-2164/12/417 RESEARCH ARTICLE Open Access Transcriptome profiling of sheep granulosa cells and oocytes during early follicular development obtained by Laser Capture Microdissection Agnes Bonnet1*, Claudia Bevilacqua2, Francis Benne1, Loys Bodin3, Corinne Cotinot4, Laurence Liaubet1, Magali Sancristobal1, Julien Sarry1, Elena Terenina1, Patrice Martin2, Gwenola Tosser-Klopp1† and Beatrice Mandon-Pepin4† Abstract Background: Successful achievement of early folliculogenesis is crucial for female reproductive function. The process is finely regulated by cell-cell interactions and by the coordinated expression of genes in both the oocyte and in granulosa cells. Despite many studies, little is known about the cell-specific gene expression driving early folliculogenesis. The very small size of these follicles and the mixture of types of follicles within the developing ovary make the experimental study of isolated follicular components very difficult. The recently developed laser capture microdissection (LCM) technique coupled with microarray experiments is a promising way to address the molecular profile of pure cell populations. However, one main challenge was to preserve the RNA quality during the isolation of single cells or groups of cells and also to obtain sufficient amounts of RNA. Using a new LCM method, we describe here the separate expression profiles of oocytes and follicular cells during the first stages of sheep folliculogenesis. Results: We developed a new tissue fixation protocol ensuring efficient single cell capture and RNA integrity during the microdissection procedure. Enrichment in specific cell types was controlled by qRT-PCR analysis of known genes: six oocyte-specific genes (SOHLH2, MAEL, MATER, VASA, GDF9, BMP15) and three granulosa cellspecific genes (KL, GATA4, AMH). A global gene expression profile for each follicular compartment during early developmental stages was identified here for the first time, using a bovine Affymetrix chip. Most notably, the granulosa cell dataset is unique to date. The comparison of oocyte vs. follicular cell transcriptomes revealed 1050 transcripts specific to the granulosa cell and 759 specific to the oocyte. Functional analyses allowed the characterization of the three main cellular events involved in early folliculogenesis and confirmed the relevance and potential of LCM-derived RNA. Conclusions: The ovary is a complex mixture of different cell types. Distinct cell populations need therefore to be analyzed for a better understanding of their potential interactions. LCM and microarray analysis allowed us to identify novel gene expression patterns in follicular cells at different stages and in oocyte populations. * Correspondence: [email protected] † Contributed equally 1 INRA, UMR444 Génétique Cellulaire, Auzeville, BP52627, F-31326 CastanetTolosan, France Full list of author information is available at the end of the article © 2011 Bonnet et al; licensee BioMed Central Ltd. This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by/2.0), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited. Bonnet et al. BMC Genomics 2011, 12:417 http://www.biomedcentral.com/1471-2164/12/417 Background Many studies have been carried out to identify the mechanisms controlling early folliculogenesis (from follicle formation of the resting pool to the preantral stage). These early stages are important in regulating the size of the resting primordial follicle pool and the fate of the follicles, which in turn affects reproductive life span and fertility. Even if the events of folliculogenesis are well-conserved among mammals, differences exist between species in the timing of specific developmental changes and more specifically, the role of several genes was shown to be different between mono-ovulating and poly-ovulating species. The formation of primordial follicles occurs within a few days after birth in rodents and during fetal development in primates and ruminants such as sheep (75 days of gestation) [1]. The primordial follicles are composed of diplotene oocytes surrounded by flattened pregranulosa cells. Transcriptomic studies in human and in rodents, showed that a number of genes, such as transcription factors (Figure 1 alpha) [2], zona proteins, meiosis-specific enzymes and nerve growth factors [3] have already been identified as being involved in primordial follicle assembly. Once formed, primordial follicles remain in a dormant phase until they are recruited to initiate growth towards the primary stage. Orchestrated communication between oocytes and somatic cells (granulosa cells and thecal cells) is required during this transition and during the subsequent growth of follicles. Different components of the extra-cellular matrix, such as growth factors and cytokines, acting in an autocrine and paracrine manner, are involved in this cross Figure 1 Quality of tissue morphology with the four staining protocols. New born ovary staining section (100 × magnifications) produced by: A. Toluidin blue. B. Hematoxylin Eosin. C. Histogen®. D. Cresyl Violet®. Abbreviations: Oo: oocyte, GC: granulosa cells. Page 2 of 15 talk. For example, cytokines such as the kit-ligand, expressed in granulosa cells, and its receptor c-kit, expressed in oocyte and theca cells [4], are involved in the formation of primary follicles. Then, oocyte-secreted growth factors such as GDF9 and BMP15 are involved in primary to secondary follicle transition [5,6]. They co-operate to regulate proliferation of granulosa cells [7]. In addition, other factors such as FOXL2, AMH or NGF also play a role in these different steps of early folliculogenesis [8]. Until now, efforts to discover genes have mainly focused on rodents and only a small number of genes are currently known, meaning that our basic understanding of the gene expression patterns driving early folliculogenesis is still very poor. More specifically, the expression of various oocyte-specific genes was demonstrated to be essential at a specific time during early folliculogenesis but little is known exactly about which granulosa cell factors play a specialized role in follicular development. Moreover, all findings in rodent species are not necessarily applicable to other mammals, especially monoovulating species. Indeed, whereas mutations in the BMP15 gene cause infertility in ewes due to defects in folliculogenesis [9] and have been associated with premature ovarian failure (POF) in women [10-12], most defects in female mice lacking the bone morphogenetic protein BMP15 are confined to the ovulation process [13]. Finally, most transcriptomic studies of early folliculogenesis are based on homogenized tissues (whole ovary or follicles) [14-16], and do not take the multiplicity of cell types used in the analyses into consideration. Consequently, potentially valuable spatial information is lost and the minor cell components, expressed only in few cell types may be diluted below the level of detection. Laser capture microdissection (LCM) allows precise microscopic isolation of pure cell populations from heterogeneous tissues for subsequent extraction and analysis of nucleic acids [17]. Conducting LCM experiments for gene expression profiling requires an acceptable tissue morphology to allow for histological selection of the desired cell type and to guarantee RNA integrity. Particularly, single cell LCM requires a lot of time to search for and identify cells of interest in the tissue section. Preserving RNA quality during this long process is challenging. Indeed, most existing protocols [18-22] do not guarantee the integrity of RNA during the long time required for microdissection. In the present study, LCM was used to isolate oocytes and granulosa cells (GC) from new born sheep ovaries and their respective transcriptomes were compared using a 23 k bovine microarray and quantitative realtime PCR (qPCR). Bonnet et al. BMC Genomics 2011, 12:417 http://www.biomedcentral.com/1471-2164/12/417 We developed an LCM method allowing for a longer microdissection time without RNA degradation, to gain specific access to the follicular compartments, i.e. GC and oocytes, at each follicular developmental stage [23]. Starting from amplified RNA, gene expression profiles were monitored for each follicle population, according to cell type on an Affymetrix GeneChip Bovine array. Our results showed that microdissected samples were representative of the different compartments and stages and demonstrated the feasibility of using LCM and array hybridization to identify cell type and/or stage gene expression signatures in developing ovaries. Results LCM and RNA amplification The purpose of any tissue preparation protocol for LCM is to obtain tissue sections allowing for unambiguous Page 3 of 15 identification and successful capture of the cells of interest, while maintaining RNA integrity. Four staining protocols: Toluidin blue, Hematoxylin-Eosin (H&E), Histogen® and Cresyl Violet® were evaluated in terms of tissue morphology, maintenance of molecular integrity and capture success. Figure 1 shows that the best tissue morphology was provided by Cresyl Violet® and H&E staining. The RNA Integrity Number (RIN) analysis revealed significant RNA degradation with Toluidin blue and Histogen® staining (data not shown). Finally, although the Cresyl Violet® protocol was the best both for identifying structures and for maintaining the best RNA quality, the ovary sections were fixed too tightly to the glass and capture did not exceed 50%. Consequently, we developed a new cold fixation protocol (70% ethanol fixation at -10°C), allowing efficient single-cell capture (Figure 2). In these conditions, RNA quality did not Figure 2 Summary of the LCM capture of primordial follicular compartments. Representative photographs of a primordial follicle before (a) and after (b) microdissection. GC were selected (a, arrow), dissected (b1) and collected in a cap (c1). The oocyte was dissected (b2) and collected (c2). Abbreviation: Oo: oocyte. Bonnet et al. BMC Genomics 2011, 12:417 http://www.biomedcentral.com/1471-2164/12/417 Page 4 of 15 decrease more than 10% during the staining and microdissection period (up to 120 min). The RIN values typically obtained with RNA extracted from stained sections ranged between 6 and 8.7 and were similar to those obtained with standard fixation protocols (Additional file 1). Using this protocol, the follicular compartments, i.e. GC and oocytes, were captured for each follicle stage: primordial (Pd), primary (Pm), secondary (Sec) follicles and the first antral stage as control (small antral: SA). After RNA extraction and amplification, the LCMderived anti-sense-RNA (aRNA) samples appeared as a highly reproducible smear, ranging from 200 to 2000 bases in length across all samples (Additional file 2A). Table 1 summarizes the amount of estimated microdissected sections input and the aRNA yield for each LCM-sample. Validation of sample specificity The purity of the LCM-derived aRNA samples and the microarray data quality were examined by investigating specific gene expression of nine genes using quantitative real-time PCR (qPCR). Among them, six were oocytespecific genes (SOHLH2, MAEL, MATER, VASA, GDF9, BMP15) and three known to be expressed in GC (KL, GATA4, AMH). Table 2 summarizes the results of the statistical analyses (see Material and Methods) for each gene. We identified significant interaction effects between compartments (oocyte, GC) and between stages (including early stages (Pd, Pm, Sec) and the first antral stage (SA)) for six genes. Significant differential expression between the compartments was confirmed for all the genes tested. Moreover, four genes showed a significant increase in expression associated with early follicular development (Table 2). For example, BMP15, AMH and MAEL expression increased between the primary and secondary developmental stage respectively. By contrast, VASA, KL and SOHLH2 displayed no significant differences between stages (Figure 3, 4). These results demonstrated that the LCM-derived aRNA samples were representative of the cell type and/or developmental stage concerned. Global gene expression analysis To explore global gene expression in the cell types and/ or early developmental stages, the ovine LCM-derived aRNA samples were hybridized to the Affymetrix Bovine Genome Array, as generic microarray is not available in sheep, and the bovine and ovine genomes are phylogenetically close. First, to assess the reliability of the heterologous hybridization on the bovine microarray, we compared hybridizations with RNA from bovine and ovine fetal gonads. Hybridization with the ovine fetal gonad RNA sample revealed an average of 49.8% of the probe sets called as “present” (scored probe sets detected using the Affymetrix algorithm) compared to an average of 57.1% for the bovine counterpart sample. Around 90% of these probe sets were shared (Additional file 3). The percentage of ovine transcripts detected in this control experiment is similar to a previous report using ovine mRNA on the Affymetrix GeneChip Bovine array [24]. This result demonstrated the possibility of using heterologous hybridization in our conditions. Next, in order to keep LCM-derived aRNA samples for further expression experiments, we assessed the quality of Arcturus turbo™ labeling (indirect labeling after RNA amplification) compared to that of the Affymetrix labeling kit. Ovine fetal gonad RNA was subjected to three different labeling protocols (P1: Affymetrix standard target labeling, P2: two amplification rounds followed by Affymetrix cDNA labeling and P3: Arcturus turbo™ labeling kit) and hybridized to the Affymetrix Bovine Genome Array. The sensitivity Table 1 Microdissection and RNA yield Follicular stage Compartment Replicates Estimation of the number of sections input aRNA yield (μg) Primordial Oocyte 3 130-160 7-28 Granulosa 3 600 6-49 Primary Oocyte Granulosa 4 4 35-100 100-490 3-28 2-24 Secondary Oocyte 4 10-22 2-13 Granulosa 4 Corresponding to 12-20 follicles 4-16 Oocyte 2 13-15 4-20 Granulosa 2 Corresponding to 12-13 follicles 44-55 Small antral Estimated number of microdissection sections input and corresponding yield of aRNA for each sample. aRNA: amplified RNA Bonnet et al. BMC Genomics 2011, 12:417 http://www.biomedcentral.com/1471-2164/12/417 Page 5 of 15 Table 2 Results of qPCR analysis Gene Microarray analysis qPCR analysis Compartment effect (O/GC) O/GC Fold change Fold change P value class SOHLH2 VASA WEE O only 194.5 184.6 2.2 *** *** * MAEL MATER GDF9 BMP15 SIRT7 2.3 1.5 1.3 5.2 229.4 14.3 374.5 316.7 33.0 *** * *** *** ** KL GATA 4 LAS1L PHGDH -7.5 -2.1 GC only GC only -3.6 -8.7 -1.8 -3.6 ** * * NS: 0.067 AMH FST -7.3 -54.7 -697.5 * * Follicular stage Fold change P value class Interactions Compartment/stage Expression profile Oocyte ( ) GC ( ) * 4.2 33.9 13.9 627.2 12.2 * *** * * *** * *** ** * *** 1608.8 122.3 ** * ** * O/GC fold change corresponds to the highest oocyte expression of the 3 follicular stages versus the lowest ones. For genes overexpressed in GC, a minus sign was added to the GC/O fold change. Follicular stage fold change corresponds to the highest expression stage versus the lowest within a compartment. For each gene, a one-way ANOVA model was fitted with the 2 factors: “stage” (4 levels) and “compartment” (2 levels) with interactions using R statistical software. The expression profile column visualizes the expression level of each compartment: bold line is used for oocyte expression and double line for GC expression. The slope symbolizes a significant increase of the expression during the follicular development. P-value class: *: p < 0.05; **: p < 0.01; ***:p < 0.001; NS: non specific Abbreviations: O: oocyte (red line), GC: granulosa cells (blue line) and reliability of these protocols were evaluated using three measures of GeneChip performance (see Materials and Methods) provided by the Affymetrix algorithm (Additional file 3). The double round amplification data revealed a slight reduction in the number of “present” calls. The Scale Factor was similar in all hybridizations. Finally in labeling protocols from amplified RNA (P2; P3), the 3’/5’ signal ratio was higher than the 3’/M ratio signal for two housekeeping genes (GAPDH, GST), demonstrating that the mean size of the aRNA obtained was shorter than Affymetrix standard labeling kit. Similar observations have been reported by others [25,26]. Since each round of amplification shortens the length of the RNA transcript, eventually resulting in the loss of 5’ regions, the signal ratio between 3’ and 5’ probe sets consequently increases. In addition, the intensity signal of Arcturus turbo™ labeling aRNA showed a high level of concordance with the Affymetrix ones (r = 0.8). The analysis of signal intensity values for the four Bacillus subtilis control transcripts that were added to all LCM-derived RNA samples before amplification (see Materials and Methods) showed comparable amplification in all the LCM-derived RNA samples and the ovine fetal ovary (r average: 0.92). Cell profiling Different follicle population hybridizations enabled us to detect 11,291 probe sets corresponding to 8652 annotated transcripts, split into 6794 to 8344 probe sets according to the samples (Table 3). We also identified 1050 transcripts specifically expressed in GC and 759 transcripts expressed only in oocytes during early follicular development. Five genes (KL, GATA4, MAEL, MATER, GDF9) known as having compartment-specific expression were confirmed by microarray data and qPCR analyses (Table 2). Five additional genes (SIRT7, FST, LASL1, WEE, PHGDH) showing a new spatiotemporal expression were checked by qPCR and 4 of them were validated. Moreover, we observed a significant increase in SIRT7, MAEL and FST expression during early follicular development (Figure 4). The biological relevance of the two specifically expressed gene lists (1050 + 759) was evaluated in silico using Ingenuity Pathway Analysis (IPA). A total of 1689 genes were identified as eligible by IPA and used to generate networks. Seven significant biological networks for oocytes and ten significant biological networks for GC were selected (score > 18, Additional file 4). These networks identified common and specific top functions (Figure 5) with their Bonnet et al. BMC Genomics 2011, 12:417 http://www.biomedcentral.com/1471-2164/12/417 Figure 3 Gene expression profiles. Relative quantification throughout early follicular development and in the two follicular compartments (n = 3-4 except for Ant, n = 2). Profiles showed a significant increase in gene expression for BMP15 and AMH from the primary and secondary stage, respectively. By contrast, KL and VASA genes were expressed at all stages from the primordial follicular stage on, with no significant differential expression during the process of early folliculogenesis. The Y axis corresponds to the relative expression normalized by 2 reference genes (Actin b and RPL19). The X axis corresponds to the different follicular stages of the 2 follicular compartments. Abbreviations: Pd: primordial, Pm: primary, Sec: secondary, SA: small antrum. *< 0.05, **< 0.01. associated pathways (Additional file 5). The “Diseases and Disorders” catalog was specific to GC and included the most significant Genetic Disorder class, which contained 72% of the eligible genes. Genes from GC were also mainly involved in “Cell Growth and Proliferation”, “Cell Death” and “Lipid Metabolism” classes. We also identified GC functions involved in “Cell Movement and Cell Interactions”. The oocyte-specific gene list highlighted two specific functions: “Reproductive System and Function” that clearly targets folliculogenesis (including GDF9, FOXOA1 and SYCP3 genes) and the “Hematopoiesis Function” that mainly includes differentiation processes. Discussion Gene expression profiling through the use of oligoarrays is a powerful approach for characterizing the whole population of transcripts in a tissue, and amplification methods now allow these techniques to be used for very rare material. Nevertheless, it is still difficult to obtain Page 6 of 15 Figure 4 SOLHL2, MAEL, SIRT7 and FST expression profiles. Relative quantification of SIRT7, SOLHL2, MAEL and FST mRNA throughout early follicular development (Pd, Pm, Sec) and small antrum (SA) and in the 2 follicular compartments (n = 3-4 except for SA n = 2). The Y axis corresponds to the relative expression normalized by 2 reference genes (Actin b and RPL19). The X axis corresponds to the different follicular stages of the 2 follicular compartments. Abbreviations: Pd: primordial, Pm: primary, Sec: secondary, SA: small antrum. *< 0.05, ***< 0.001. cell type specific expression profiles from heterogeneous tissues. For these reasons, in the context of early folliculogenesis, our current knowledge has been largely derived from rodent whole ovaries [14,27,28] and the few isolation protocols available referred to oocytes [29,30] or whole follicles [16,31] and did not differentiate GC. Although the expression profile of some compartment-specific genes could be inferred, the presence together of different cell types confused the analysis. Consequently, little information about the role of GC during early folliculogenesis is available. The strength of the present study is to develop a method for obtaining reliable specific expression profiles and to characterize GC and oocytes separately at several key stages corresponding to major transitions during the development of the follicles. Quality of the LCM-derived aRNA To obtain reliable microarray results, LCM must produce a sufficient amount of high quality RNA. In the case of single cell LCM, we have to face the long Bonnet et al. BMC Genomics 2011, 12:417 http://www.biomedcentral.com/1471-2164/12/417 Page 7 of 15 Table 3 Microarray results Our data present probe sets Mouse data (pan, 2005) Unigene unique annotated genes PDO 7828 6300 9258 PMO 6794 5603 9494 9420 SECO 7379 6039 PDG 8344 6631 PMG 6931 5708 SECG 8092 6545 Total detected Chip representation 11291 24024 8652 12404 25535 Distribution of the detected probe sets and unique annotated genes among the LCM-derived RNA samples. ’Total detected’ refers to the whole detected probe sets within the LCM-derived RNA oocyte samples. LCM-derived RNA oocyte samples were compared to Pan et al. data (Mouse oocyte data). Figure 5 Statistically significant enriched functions of oocyte and granulosa cells. The 2 specifically expressed gene lists (oocyte/GC) were evaluated in silico using Ingenuity Pathway Analysis (IPA). Analysis revealed 3 statistically significant enriched categories (p-value < 10-3). The X axis corresponds to the ratio between the focus genes versus the genes of the class. GC data are in blue color and oocyte data are in red color. Bonnet et al. BMC Genomics 2011, 12:417 http://www.biomedcentral.com/1471-2164/12/417 microdissection period required and the extraction of only a limited amount of RNA. In this study, our modified protocol allowed us to capture the cells and to preserve the RNA integrity of the two follicular compartments (Table 1) throughout microdissection (up to 120 min, see Additional Data 2). First, we showed that, as previously described in other tissues [32-35], histological and RNA quality of the staining are tissue specific (Figure 1) and probably depend on cell component reactions and intracellular RNAse content. The success of capture depends on a number of tissue-slide adhesion factors such as the type of slides used or the method and temperature of fixation [19]. Sluka et al. [35] found that maintaining testis tissue at a cold temperature during fixation and subsequent processing (e.g. staining) was important to maximize preservation of tissue morphology. As recently described in mammary gland [36], we showed in this study, that cold temperature was also important for the capture process. Finally, our data showed that 500-600 single GCs were sufficient to produce enough aRNA to perform both microarray hybridization and qPCR experiments (Table 1). The decrease in the required number of oocytes captured according to the stage of follicular development is also in agreement with an increase in the diameter of the oocyte (34-73 μm) [23] and in their RNA content [37-39]. Gene expression patterns In this study, we documented nine ovine gene expression patterns in specific follicular compartments within in vivo microenvironment (Table 2). We confirmed cell type-specific expression in all the genes tested. As described by Luzzy et al. [40], we identified variability between the replicates (Figure 3) that could be associated with technical processing and/or with biological microheterogeneity and individual variability. The expression profiles of ovine BMP15, GDF9 MATER, VASA and SOHLH2 oocyte-specific genes and ovine KL, GATA4, AMH GC-specific genes are consistent with previous reports on sheep fetal ovaries [41], germinal vesicle (GV) oocytes [42] or other species [43-46]. In addition, we report here an increase in the expression of four cell type-specific genes during the early ovine folliculogenesis. Our data provide additional clues about species specificities. They underline differences in SOHLH2 and MAEL gene expression patterns from those identified in rodent species (Figure 4). The Sohlh2 gene is a spermatogenesis- and oogenesis-specific transcription factor that was recently discovered in mouse species with a restricted pattern of expression in oocytes of primordial and primary ovarian follicles in immature ovaries [47-49]. By contrast with mouse species, we observed Page 8 of 15 constant expression of SOHLH2 until the SA stage. Likewise, mael is a Drosophila spindle-class gene required for Drosophila oogenesis that localizes to nuage (nucleolus-like bodies) and is implicated in miRNA/RNAi pathways [50]. Mael is expressed in the early drosophila germ line [51]. In mouse, Gallardo et al. showed that expression of Mael is high in primordial oocytes but rapidly decreases during follicle growth to disappear in the SA follicles [14]. We revealed that the expression of MAEL is maintained until small antral follicles in sheep. Such SOHLH2 and MAEL expression patterns suggest the existence of different mechanisms as a function of species that will need further investigation. This underlines the importance of acquiring expression data from different species and highlights certain species specificities. Accuracy of array data The originality of this preliminary study was to identify global gene expression in oocyte and GC separately for key stages of early folliculogenesis. Several observations support the accuracy of the expression data. First, the level of “present” call probes from the oocyte samples (43%) and the size of the annotated transcripts detected (Table 3) were in accordance with mouse oocyte data (43-47% of “present” call probes) [30] and bovine oocyte data (54% of “present” call probes) [52]. In addition, we also identified the great majority of genes previously found to be expressed in the four following studies: Dadé et al. [53], Arraztoa et al. [29], Pan et al. [30] and Gallardo et al. [14] (Additional file 6). The results of these studies mainly derived from oocytes (mouse and monkey species). Figure 6A shows that 41% of the oocyte genes reported in these studies were expressed in our sheep oocyte samples. Our data on GC during early folliculogenesis are quite unique, as even if some information about GC expression was previously available [14,30], it only concerned very few genes (33 genes). Figure 6B shows that 33% of these genes were also detected in our GC data sets. These percentages take into account the percentage of undetected genes (10 to 24%: Figure 6) which could be partly due to the relative specificity of heterologous hybridizations and the high percentage of missing genes (37 to 45%: genes reported in the previous studies that were missing in the bovine Affymetrix chip used here). This underlines the fact that genomics of livestock animals have to face with incomplete arrays and/or incomplete genome annotations [54]. Biological significance To confirm that these data are biologically meaningful and a rich source for functional analysis, two lists of compartment-specific genes were generated and subjected to Ingenuity Pathway Analysis (IPA). Bonnet et al. BMC Genomics 2011, 12:417 http://www.biomedcentral.com/1471-2164/12/417 Page 9 of 15 Figure 6 Accuracy of the gene data sets. Comparison of A - oocyte data sets and B - GC data sets with Arraztoa [29], Dadé [53], Gallardo [14] and Pan [30] data sets. This functional analysis identified the three main cellular events known to be involved in early follicle development (Figure 5) [23]. First, we observed three cellular functions in GC ("Cell Movement”, “Cellular Assembly and Organization”, and “Cell Morphology”) probably associated with the first cellular event, the switch of cell shape from flattened to cuboidal [55]. Second, the identification of genes involved in “Cellular Growth and Proliferation” and “Cell Death” is correlated with the second cellular event: the marked increase in the number of GC (× 40 in ovine species up to the secondary stage) [23], a key process in the initiation and the development of primordial follicles. Finally, in oocytes, the “Axonal Guidance Signaling” pathway (Additional file 5) and the “Cellular Development” function are consistent with the third cellular event: oocyte enlargement. Axonal guidance signaling refers to the different receptors and signal transduction cascades that drive axons towards their synaptic targets and finally lead to the reorganization of the cytoskeleton and confer the adhesive properties the cell requires for its spatial organization. This pathway was previously mentioned in the analysis of regulatory gene networks involved in primordial follicle development [56]. In addition, the importance of the crosstalk between the oocyte and GC during follicular development [57,58] may be illustrated by the expression of genes of the BMP signaling pathway in GC in response to oocyte BMP15 production (Additional file 7). This crosstalk was also highlighted by the “Cell to Cell Signaling and Interaction” function in both GC and oocytes (Figure 5) and “Inflammatory and Immune Response” mechanisms found in GC. These mechanisms featured the “Cytokine Signaling” pathway, “Cellular Immune Response” pathways and the “Genetic Disorder” class (genes mainly linked to inflammatory response mechanisms of the colon). They include members of the TGFb gene family such as AMH [46], and cytokines encoding genes such as KL [4] both expressed in GC and known to interact with oocytes and to play an essential role in early folliculogenesis. We also identified the specific GC expression of different interleukins such as the proinflammatory cytokine IL1-b previously reported in antral follicles for their involvement in ovarian steroidogenesis, in the ovulation process and in oocyte maturation [59,60] and which are up-regulated during primordialprimary follicle transition (from rat ovary culture experiments) [61]. Interestingly, the IL1 receptor gene (IL1R) appears to be only expressed in oocytes, which supports the hypothesis of cytokine oocyte-GC crosstalk. However, the exact function of these genes in this context remains to be elucidated. Thanks to these specific gene lists, we were able to show for the first time that expression of the SIRT7 gene is confined to the oocyte in sheep follicles (Figure 4). This gene was found to be expressed in most mouse and human tissues including -at a lower level of expression- the ovary [62,63]. The detailed expression pattern of the current study completes a previous rat expression pattern comparing ovaries enriched in different follicle populations [61]. The SIRT7 gene belongs to the sirtuin family and is involved in the regulation of a wide range of biological processes such as gene silencing, aging, cellular differentiation, and metabolism [64]. In human, the colocalization of SIRT7 with Polymerase I and the nucleolar transcription activator UBF suggest that SIRT7 is a positive regulator of Pol I transcription [65]. Its oocyte expression is consistent with the high demand for protein synthesis for oocyte growth. Like the basonuclin gene [66], this expression suggests a role for SIRT7 in the transcriptional regulation of sheep oocyte rDNA that will need further experiments to verify nuclear localization. Finally, this study underlines the precise expression pattern in GC of the FST gene that plays an important role in female fertility by regulating activin and members of the BMP subfamily [67]. Different studies have shown induction of the FST gene expression by recombinant human BMP15 [68] and suggested an inhibitory action of FST on BMP15 function [69]. Its strongly increased expression at the secondary stage in Bonnet et al. BMC Genomics 2011, 12:417 http://www.biomedcentral.com/1471-2164/12/417 sheep (Figure 4) combined with the BMP15 oocyteexpression pattern corroborate the results of these studies and are consistent with the BMP15 function to enable the primary-secondary transition. Page 10 of 15 water 2 s, 75% ethanol 30 s; 95% ethanol 30 s, diluted eosin (1/4) 5 s (Sigma-Aldrich, ref: HT110316), 75% ethanol 30 s, 95% ethanol 30 s, (100% ethanol 30 s) × 2, (xylene 5 mn) × 2 (Sigma-Aldrich ref: 296325). HistoGene™ LCM staining Conclusions In the present study, LCM and microarray analysis were used as tools to identify distinct gene expression patterns in ovary cell populations and led to the identification of genes of potential significance in female fertility. The data obtained here are in agreement with the literature regarding oocyte and GC-specific transcript lists. We identified specific expression patterns in sheep (SOHLH2, MAEL, SIRT7, FST). Our findings show that the mRNA repertoire in the different cell types is regulated dynamically during the transition from primordial to intermediate follicles. This study is a starting point for further investigation of the GC compartment in particular. Specific gene expression patterns in the oocyte and GC could be of great interest for deciphering the critical molecular processes and the complexity of the communication between these two compartments, who enable the folliculogenesis process to occur as it is expected. Methods Tissue processing and staining This study was conducted in compliance with institutional guidelines for research studies (animal experimentation authorization no 31-297, prefecture de la Haute Garonne). Twelve lambs from Langlade INRA experimental farm (Castanet-Tolosan, France) were euthanized at birth (< 1 day) with 3 ml of Dolethal (Vetoquinol, ALCYON ZI, France). The ovaries were removed and embedded in O.C.T. embedding matrix (CML, ref KMA-0100-00A, France), frozen in liquid nitrogen and stored at -80°C until use. Eight-micrometer serial frozen sections were cut on a cryostat at -20°C, mounted on cooled (4°C) sterile microscope glass slides and stored in a 50 ml plastic tube inside the cryostat chamber (-15°C) for few minutes [36]. The sections were fixed 30 s with 70-75% ethanol (Fluka, Ref: 02855, Sigma-Aldrich) and stained individually at room temperature before LCM. Four different staining protocols were compared: Toluidin blue, Hematoxylin-Eosin (H&E), Histogene® staining solution (Arcturus, Applied Biosystems ® ) and Cresyl Violet ® , LCM staining kit Ambion, Applied Biosystems®). The sections were conserved under vacuum until LCM capture (< 1 day). The experiment was performed in triplicates. Hematoxylin and eosin staining water15 s, Hematoxylin solution 5 s (Sigma-Aldrich, Ref: MHS16), Scott water 5 s (Sigma-Aldrich, ref: S5134), (Arcturus (Applied Biosystems ® ), ref: KIT0415) was performed according to the manufacturer’s recommendations. Toluidin blue staining Toluidin blue in alcoholic solution 1 mn (Sigma-Aldrich ref: 31393-1G), water 15 s, (95% ethanol 30 s) × 2, (100% ethanol 1 mn) × 2, (xylene 5 mn) × 2. Cresyl violet staining (Ambion Europe Ltd, LCM Staining Kit Ref AM 1935): 50% ethanol 20 s, cresyl violet 20-30 s, 50% ethanol 20 s, 75% ethanol 30 s, (95% ethanol 40 s) × 2, (100% ethanol 1 mn) × 2, (xylene 5 mn) × 2. Staining protocols were evaluated in terms of tissue morphology, capture success and maintenance of molecular integrity. The influence of the staining method on RNA quality was assessed by controlling the quality of total RNA extracted from tissue scrapes on the slide as described in the RNA extraction section, prior to and after fixation/staining steps using an Agilent 2100 bioanalyzer. The capture was improved by taking slide temperature, fixation temperature and fixation duration into account. The best capture efficiency for each section was obtained by using a cooled slide (4°C) that was fixed 30 sec with a ice cold 70% ethanol solution (-20° C). Laser capture microdissection The follicular compartments (i.e. granulosa cells (GC)) and oocytes were selected for each follicle stage (primordial (Pd), primary (Pm) and secondary (Sec) follicles and small antral (SA) as control) under microscope taking the observation of section series into account and according to the classification by Lundy et al [23]. Briefly, the following criteria for the follicle stage selection were applied: i) primordial follicles (Pd) were defined as an oocyte surrounded by 2-3 of flattened GC and no cuboidal GC, ii) primary follicles (Pm) were defined by a monolayer of cuboidal GC whatever the oocyte size, iii) secondary follicles (SEC) were defined by two layers of GC and iv) small antral follicles (SA) had a diameter less than 500 μm diameter. Dissections were carried out under 40× magnification microscopic visualization using the VERITAS™ and ARCTURUS XT apparatus (Arcturus, Applied Biosystems®). For the capture, the laser pulse was carefully adjusted for each section, so as to touch only the oocyte or the GC (laser length: 40-60 mw, duration: 10-20 ms). Taking care to not collect possibly atretic follicles (pycnotic oocytes or Bonnet et al. BMC Genomics 2011, 12:417 http://www.biomedcentral.com/1471-2164/12/417 fragmented nuclei, shredded ooplasm or disintegrated follicular structures), we were able to identify and collect into separate CapSure™ HS LCM caps (Arcturus, Ref LCM 0214) oocytes and GC for the different follicular stages. After two hours of microdissection, the cap was removed, treated with 10-15 μl of extraction buffer from Picopure RNA Isolation kit (Arcturus, ref: KIT0202) and stored at -80°C until use. RNA extraction Total RNA from pooled section scrapes corresponding to each cap was prepared by pipeting 50 μL of extraction buffer (Picopure RNA Isolation kit) directly onto the tissue section on the glass slide, using the pipette tip to gently scrape the tissue into the buffer Samples were then transferred into an RNase-free microcentrifuge tube and stored at -80°C. Total RNA was extracted using the PicoPure RNA Isolation Kit according to the manufacturer’s protocol, including on-column DNase treatment (Qiagen, ref 79254, Courtaboeuf, France). The quality of the RNA was assessed using an Agilent 2100 bioanalyzer (Agilent Technologies, Palo Alto, CA) with an RNA6000 Pico Lab Chip and analyzed by the RNA Integrity Number (RIN) algorithm [70]. For LCM-derived samples, as only very few cells were captured per cap, the caps were pooled before total RNA extraction, according to the quality of the total RNA extracted from their corresponding sections scrapes. Finally, each LCM-derived RNA sample (pool of 2 to 20 caps coming from 1 to 4 animals) was performed in triplicate/quadruplets. T7 linear amplification To generate sufficient RNA quantities for Genome-wide microarray analysis, LCM-derived RNA samples were subjected to 2 rounds of T7 linear amplification: aRNA was generated using RiboAmp® HS PLUS kit (Arcturus, ref KIT0525), following the manufacturer’s protocol. This protocol specified that a minimum input of 100500 picograms of total RNA are required for successful amplification with this kit designed specifically for lowinput total RNA samples, which is equivalent to 10-50 cells. The RiboAmp HS process has been already validated for generating highly reproducible microarray data, and the gene expression profiles obtained using this method have shown high fidelity when compared with profiles generated from unamplified samples [40]. After in vitro transcription, the optical density of antisense RNA (aRNA) was measured at 260 and 280 nm. The yield and the size distribution of each aRNA sample were evaluated using the Agilent Bioanalyzer 2100 with a RNA 6000 Nano Lab Chip. In complement, four B. Subtilis control transcripts (Affymetrix, GeneChip Eukaryotic Poly-A RNA Control Kit, ref 900433) were Page 11 of 15 added to each LCM-derived RNA sample before amplification. Based on the average of 500 pg of starting RNA (about 50 whole cells) the following serial dilutions were used: 1:20, 1:50, 1:50, 1:10, 1:20 and 1 μl of the final dilution 1:5 was added per RNA sample. Microarray experiments Ovine microarray experiments were performed using the Affymetrix Bovine Expression Array (representing approximately 23,000 transcripts). The quality of the cross-species hybridizations was checked by comparison of hybridization data of ovine fetal ovary RNA with bovine fetal ovary RNA, generated with the standard protocol (one Affymetrix round amplification). Three biotin-labeling protocols were compared from ovine fetal ovary total RNA: - Protocol 1: 3 μg of total RNA were labeled according to the standard Affymetrix protocol (one round of amplification [71,72]). - Protocol 2: total RNA was subject to two-rounds of amplification using the RiboAmp ® HS PLUS kit until the second-round cDNA synthesis. Biotin-labeled cRNAs were synthesized following the Affymetrix protocol using the second-round cDNAs as templates (440 ng/8 μl). - Protocol 3: total RNA was subject to two round of amplification using the the RiboAmp® HS PLUS kit. Fifteen micrograms of aRNA were labeled using the Arcturus biotin turbo™ labeling kit (Arcturus, ref KIT0608) [34]. Finally, one LCM-derived aRNA sample from each condition coming from pools of different animals (Primordial, Secondary stages: 2 animals and Primary stage: 4 animals) was labeled using the Arcturus biotin turbo™ labeling kit (protocol 3). In accordance with the Affymetrix technical manual, 10 μg of cRNA was purified, fragmented and hybridized at the concentration of 40 ng cRNA/μl hybridization mix to Affymetrix Bovine Expression Arrays, in the Microarray Core Facility of the Institute of Research of Biotherapy, CHRU-INSERM-UM1 Montpellier. Data management All microarray CEL files from this study comply with MIAME standards. They have been deposited in GEO (http://www.ncbi.nlm.nih.gov/geo), accession number GSE25652, using the BASE software adapted by SIGENAE bioinformatics platform (http://www.sigenae.org). Microarray data analysis Signal intensities and detection call of probe sets from each hybridized genechip were extracted using the Affymetrix software microarray suite 5 (MAS 5), using the default parameters. Bonnet et al. BMC Genomics 2011, 12:417 http://www.biomedcentral.com/1471-2164/12/417 In LCM-derived aRNA sample hybridizations, all probe sets called “absent” on all chips in the image interpretation were filtered out. Because the experimental design did not include technical or biological replicates we applied a stringent filter to the probe sets detected. For the transcripts, with different probe sets called as “present”, we selected the most in 3’ UTR of the gene and taking into account the probe set repetitions. Indeed, for half of the genes, the Affymetrix GeneChip system contains more than one probe sets, providing a high number of repeated experiments within a single chip for hybridization validation. However, the discordant probe set signals within a transcript may be the result of the ovine on bovine heterologous hybridization. Finally, only transcripts with a signal in all their probe set replicates were considered as ‘’detected”. The integrity of the RNA and the quality of hybridizations were evaluated using three measures of GeneChip performance provided by the Affymetrix algorithm: the number of “present” calls, the Scale Factor and and the 3’/5’ signal ratio. The number of “present” calls and the Scale Factor (multiplier used to normalize the whole chip to a target intensity of 100; inversely related to chip brightness) are sensitive to RNA sampling, labeling, scanning and data extraction. The 3’/5’ signal ratio is designed to detect the 3’ and 5’ regions of the mRNA; the 3’/middle ratio refers to the mRNA transcript from 3’ to the middle of the mRNA transcript. These values provide information about the quality and the integrity of the RNA. Probe set annotations and biological network analysis Primary annotation of probe set sequences were obtained from the NetAffx Analysis Center. Probe set sequences were also compared with Human and Bos Taurus refseq_rna NCBI databases by BLAST to confirm and complete Affymetrix annotations (performed by Sigenae team). Transcripts were then discussed by gene name (HUGO gene symbols). Ingenuity ® Pathway Analysis software (IPA; http:// www.ingenuity.com) was used to examine biological functions and molecular pathways. This software combines functional annotations of our selected genes (focus genes) and the corresponding bibliographic data to generate significant canonical pathways and biological networks. Biological analysis was focused on the two lists of genes specifically expressed in oocytes or in GC. The Bovine Genome Array was used as set reference. A threshold network score of 18 corresponding to the highest score obtained with the gene set reference was applied to select the highest significant networks for further analysis. Then, these selected networks were explored to identify statistically significant functional Page 12 of 15 categories (p-value < 10-3) and canonical pathways (pvalue < 5 10-2). Quantitative RT-PCR Gene primer designs were performed from ovine mRNA, ovine EST or ISGC Data sequences (https:// isgcdata.agresearch.co.nz/). Gene primers were designed in the 3’ UTR in the first 1000 base pairs using LightCycler Probe Design2 software (Roche Diagnostics). The intron-exon organization of ovine genes was deduced by comparison with the Human genome using the Iccare software [73]. The primer pairs were confirmed by Primer3 (http://frodo.wi.mit.edu/primer3/). Sequences are available in Additional file 8. The LCM-derived aRNA samples were reverse transcribed in a reaction volume of 20 μL combining 500 nanogram of aRNA, 250 nanogram of random hexamers (Promega, ref: C1181, Charbonnieres, France), 200 mM dNTP, 10 mM DTT, 4 μl of 5× SuperScript II FirstStrand Buffer, 40 U RNase inhibitor (Promega, Ref: N2111), and 200 U of SuperScript II (Invitrogen, ref: 18064-014, Cergy Pontoise, France). The reaction was incubated according to the manufacturer’s protocol. The reactions were completed to 50 μl and diluted at 1/12.5 before PCR. The assay for each gene consisted of 4-5 replicates per condition (except for SA = 2) and negative controls. The ovine fetal ovary total RNA sample was reverse transcribed using Primer p(dT)15 for cDNA synthesis (Roche Diagnostic, ref 10814270001, Meylan, France) according to the manufacturer’s protocol. QPCR was performed from 3 μl of the final dilution using SYBR green fluorescence detection during amplification on an ABI Prism 7900 Sequence Detection System 2.1 (Applied Biosystems ®) as previously described [74]. The real-time PCR amplification efficiency was calculated for each primer pair using six serial dilution points from the ovine fetal ovary cDNA sample (1:9; 1:3; 1:3; 1:3; 1:2; 1:2). After determination of the threshold cycle (Ct) for each LCM-derived aRNA sample, the PFAFFL method was applied to calculate the relative expression of each gene [75] using the 1:120 ovine fetal ovary cDNA dilution as calibrator sample. The relative expression was normalized by the corresponding geometric average of two reference genes using geNorm v3.4 [76]: b-actin gene that was slightly expressed in our micro-array experiment and RPL19 gene that was found to be highly expressed and not regulated during follicle development. The significance of the relative expression data was tested using the one-way ANOVA models of R statistical software system (the Comprehensive R Archive National, http://www.cran.r-project.org). Models on raw data outlined a clear violation of the hypothesis of Bonnet et al. BMC Genomics 2011, 12:417 http://www.biomedcentral.com/1471-2164/12/417 variance homogeneity. Therefore data were log transformed. No departure from model hypotheses was found in that case. For each gene, an ANOVA model was fitted, with the 2 factors “stage” (4 levels) and “compartment” (2 levels) with interactions. A backward variable selection procedure was applied for each gene, to decide whether the 2 factors have significant effects on the expression of the considered gene, that is: interaction effects, additive effects, “compartment” effect only, “stage” effect only or not differentially expressed. For that purpose, F tests were applied (lm and ANOVA functions in R). Additional material Page 13 of 15 Additional file 8: Primer sequence (5’3’) for real-time PCR. Acknowledgements We thank the Langlade INRA experimental farm that provided the lambs. Affymetrix microarrays were processed in the Microarray Core Facility of the Institute of Research of Biotherapy, CHRU-INSERM-UM1 Montpellier, http:// irb.chu-montpellier.fr/ We thank our colleagues at the genomic and Biochips platforms Toulouse Genopole (http://genomique.genotoul.fr/, and http:// biopuce.insa-toulouse.fr/) for their help on this work. We thank A. Vignal for english revision. Affymetrix annotations and GEO submission were processed by Sigenae team (http://www.sigenae.org/). This work was supported by a grant of the ANR “GENANIMAL édition 2007” program. Author details INRA, UMR444 Génétique Cellulaire, Auzeville, BP52627, F-31326 CastanetTolosan, France. 2INRA, UMR1313 Génétique Animale et Biologie Intégrative, Plateforme de Microgénomique expressionnelle ICE, F-78350 Jouy-en-Josas, France. 3INRA, UR631 Station d’Amélioration Génétique des Animaux BP52627, F-31326 Castanet-Tolosan, France. 4INRA, UMR1198 Biologie du Développement et de la Reproduction, F-78350 Jouy-en-Josas, France. 1 Additional file 1: RNA integrity along LCM. Influence of the fixation step and microdissection time on RNA quality. Y axis: the quality of total RNA extracted from each staining section was checked using an Agilent 2100 bioanalyzer. X axis: time required for microdissection of each section. The pink line corresponds to RIN from a staining section fixed with 70% ethanol. The blue line corresponds to RIN from a staining section fixed with 75% ethanol. Additional file 2: Quality control of labeled aRNA integrity. One microliter of labeled or unlabeled primordial granulosa cell aRNA was analyzed on an RNA LabChip and Agilent Bioanalyser. A: unlabeled aRNA. B: aRNA labeled with the Turbo labeling Kit (biotin). Additional file 3: Microarray performance. Comparison of methods used to generate biotinylated cRNA (see material and methods) using quality control measures: % “present call” probe sets is the percentage of scored probe sets detected by the Affymetrix Microarray suite 5.0 (MAS.5.0) Scale Factor is the multiplier used to adjust the trimmed mean signal of a probe array to a selected target signal value (100 by default). 3’/5’ ratio is the ratio of the 3’ probe set signal intensity to the 5’ probe set signal intensity of a transcript. 3’/M ratio is the ratio of the 3’ probe set signal intensity to the Medium (M) probe set signal intensity of a transcript. Additional file 4: Functional networks for compartment-specifically expressed genes (oocyte and GC). Additional file 5: Canonical pathways of ocyte and granulosa cells. Ten statistically significant enriched canonical pathway categories (pvalue < 5 10-2) were revealed in the specific oocyte and granulosa cell gene lists. The X axis corresponds to the ratio of focus genes to pathway genes. Red and blue numbers correspond to the number of focus genes that contributed to the pathway (oocyte vs GC). Additional file 6: Comparison of gene data sets with the literature. Literature data: 1 - Dadé: Differentially expressed genes in mouse oocytes compared to other tissues. The selection was performed by in silico differential display between 3 mouse oocyte cDNA libraries and 13 selected tissues cDNA libraries. 2 - Gallardo: set of ovarian factor from mouse Foxo3 ovaries. Gene classes were revealed by comparative profiling from Mouse RNA affymetrix hybridization data sets including ovary RNA extracted at four time points spanning follicle assembly and early growth, and 14 somatic tissues containing LCM primary oocytes and LCM somatic cells. 3 - Pan: Mouse oocyte differentially genes expressed between primordial and primary follicular stages. Overall change in oocyte gene expression was characterized using Pd, Pm, Sec, SA and antral mouse follicles. 4 - Arraztoa: Primate oocyte-enriched transcripts between microdissected primordial stage and placenta RNA (control). Additional file 7: BMP signaling pathway: an example of compartment crosstalk. From the microarray data, we visualize the focus genes involved in the BMP signaling pathway. The genes specifically expressed in the oocytes are in red color and the genes specifically expressed in GC are in green color. Authors’ contributions AB conceived and designed the study, performed LCM experiments, analyzed the microarray data, carried out the RT-PCR and statistical analyses, and was responsible for much of the writing. FB and JS participated in obtaining embedded ovary and staining sections. MS, helped in the statistical analyses. ET, CB and PM contributed to the development of the LCM protocol. LB provided the animals. LB, CB, CC, LL, PM, MS, GTK and BMP contributed to the conception and design of the study, and were involved in the drafting and revising the manuscript. All authors read and approved the final version of the manuscript. Received: 14 February 2011 Accepted: 18 August 2011 Published: 18 August 2011 References 1. McNatty KP, Smith P, Hudson NL, Heath DA, Tisdall DJ, O WS, Braw-Tal R: Development of the sheep ovary during fetal and early neonatal life and the effect of fecundity genes. J Reprod Fertil Suppl 1995, 49:123-135. 2. Soyal SM, Amleh A, Dean J: FIGalpha, a germ cell-specific transcription factor required for ovarian follicle formation. Development 2000, 127:4645-4654. 3. Oktem O, Urman B: Understanding follicle growth in vivo. Hum Reprod 2010, 25:2944-2954. 4. Hutt KJ, McLaughlin EA, Holland MK: Kit ligand and c-Kit have diverse roles during mammalian oogenesis and folliculogenesis. Mol Hum Reprod 2006, 12:61-69. 5. Dong J, Albertini DF, Nishimori K, Kumar TR, Lu N, Matzuk MM: Growth differentiation factor-9 is required during early ovarian folliculogenesis. Nature 1996, 383:531-535. 6. McMahon HE, Hashimoto O, Mellon PL, Shimasaki S: Oocyte-specific overexpression of mouse bone morphogenetic protein-15 leads to accelerated folliculogenesis and an early onset of acyclicity in transgenic mice. Endocrinology 2008, 149:2807-2815. 7. McNatty KP, Smith P, Moore LG, Reader K, Lun S, Hanrahan JP, Groome NP, Laitinen M, Ritvos O, Juengel JL: Oocyte-expressed genes affecting ovulation rate. Mol Cell Endocrinol 2005, 234:57-66. 8. Choi Y, Rajkovic A: Genetics of early mammalian folliculogenesis. Cell Mol Life Sci 2006, 63:579-590. 9. Bodin L, Di Pasquale E, Fabre S, Bontoux M, Monget P, Persani L, Mulsant P: A novel mutation in the bone morphogenetic protein 15 gene causing defective protein secretion is associated with both increased ovulation rate and sterility in Lacaune sheep. Endocrinology 2007, 148:393-400. 10. Di Pasquale E, Beck-Peccoz P, Persani L: Hypergonadotropic ovarian failure associated with an inherited mutation of human bone morphogenetic protein-15 (BMP15) gene. Am J Hum Genet 2004, 75:106-111. Bonnet et al. BMC Genomics 2011, 12:417 http://www.biomedcentral.com/1471-2164/12/417 11. Di Pasquale E, Rossetti R, Marozzi A, Bodega B, Borgato S, Cavallo L, Einaudi S, Radetti G, Russo G, Sacco M, et al: Identification of new variants of human BMP15 gene in a large cohort of women with premature ovarian failure. J Clin Endocrinol Metab 2006, 91:1976-1979. 12. Rossetti R, Di Pasquale E, Marozzi A, Bione S, Toniolo D, Grammatico P, Nelson LM, Beck-Peccoz P, Persani L: BMP15 mutations associated with primary ovarian insufficiency cause a defective production of bioactive protein. Hum Mutat 2009, 30:804-810. 13. Yan C, Wang P, DeMayo J, DeMayo FJ, Elvin JA, Carino C, Prasad SV, Skinner SS, Dunbar BS, Dube JL, et al: Synergistic roles of bone morphogenetic protein 15 and growth differentiation factor 9 in ovarian function. Mol Endocrinol 2001, 15:854-866. 14. Gallardo TD, John GB, Shirley L, Contreras CM, Akbay EA, Haynie JM, Ward SE, Shidler MJ, Castrillon DH: Genomewide discovery and classification of candidate ovarian fertility genes in the mouse. Genetics 2007, 177:179-194. 15. Herrera L, Ottolenghi C, Garcia-Ortiz JE, Pellegrini M, Manini F, Ko MS, Nagaraja R, Forabosco A, Schlessinger D: Mouse ovary developmental RNA and protein markers from gene expression profiling. Dev Biol 2005, 279:271-290. 16. Yoon SJ, Kim KH, Chung HM, Choi DH, Lee WS, Cha KY, Lee KA: Gene expression profiling of early follicular development in primordial, primary, and secondary follicles. Fertil Steril 2006, 85:193-203. 17. Espina V, Wulfkuhle JD, Calvert VS, VanMeter A, Zhou W, Coukos G, Geho DH, Petricoin EF, Liotta LA: Laser-capture microdissection. Nat Protoc 2006, 1:586-603. 18. Clement-Ziza M, Munnich A, Lyonnet S, Jaubert F, Besmond C: Stabilization of RNA during laser capture microdissection by performing experiments under argon atmosphere or using ethanol as a solvent in staining solutions. Rna 2008, 14:2698-2704. 19. Goldsworthy SM, Stockton PS, Trempus CS, Foley JF, Maronpot RR: Effects of fixation on RNA extraction and amplification from laser capture microdissected tissue. Mol Carcinog 1999, 25:86-91. 20. Huang LE, Luzzi V, Ehrig T, Holtschlag V, Watson MA: Optimized tissue processing and staining for laser capture microdissection and nucleic acid retrieval. Methods Enzymol 2002, 356:49-62. 21. Mikulowska-Mennis A, Taylor TB, Vishnu P, Michie SA, Raja R, Horner N, Kunitake ST: High-quality RNA from cells isolated by laser capture microdissection. Biotechniques 2002, 33:176-179. 22. Mojsilovic-Petrovic J, Nesic M, Pen A, Zhang W, Stanimirovic D: Development of rapid staining protocols for laser-capture microdissection of brain vessels from human and rat coupled to gene expression analyses. J Neurosci Methods 2004, 133:39-48. 23. Lundy T, Smith P, O’Connell A, Hudson NL, McNatty KP: Populations of granulosa cells in small follicles of the sheep ovary. J Reprod Fertil 1999, 115:251-262. 24. Fleming-Waddell JN, Wilson LM, Olbricht GR, Vuocolo T, Byrne K, Craig BA, Tellam RL, Cockett NE, Bidwell CA: Analysis of gene expression during the onset of muscle hypertrophy in callipyge lambs. Anim Genet 2007, 38:28-36. 25. Cope L, Hartman SM, Gohlmann HW, Tiesman JP, Irizarry RA: Analysis of Affymetrix GeneChip data using amplified RNA. Biotechniques 2006, 40:165-166, 168, 170. 26. King C, Guo N, Frampton GM, Gerry NP, Lenburg ME, Rosenberg CL: Reliability and reproducibility of gene expression measurements using amplified RNA from laser-microdissected primary breast tissue with oligonucleotide arrays. J Mol Diagn 2005, 7:57-64. 27. Hasegawa A, Kumamoto K, Mochida N, Komori S, Koyama K: Gene expression profile during ovarian folliculogenesis. J Reprod Immunol 2009, 83:40-44. 28. Dharma SJ, Modi DN, Nandedkar TD: Gene expression profiling during early folliculogenesis in the mouse ovary. Fertil Steril 2009, 91:2025-2036. 29. Arraztoa JA, Zhou J, Marcu D, Cheng C, Bonner R, Chen M, Xiang C, Brownstein M, Maisey K, Imarai M, Bondy C: Identification of genes expressed in primate primordial oocytes. Hum Reprod 2005, 20:476-483. 30. Pan H, O’Brien M J, Wigglesworth K, Eppig JJ, Schultz RM: Transcript profiling during mouse oocyte development and the effect of gonadotropin priming and development in vitro. Dev Biol 2005, 286:493-506. 31. Martinez-Madrid B, Dolmans MM, Langendonckt AV, Defrere S, Van Eyck AS, Donnez J: Ficoll density gradient method for recovery of isolated human ovarian primordial follicles. Fertil Steril 2004, 82:1648-1653. Page 14 of 15 32. Wang H, Owens JD, Shih JH, Li MC, Bonner RF, Mushinski JF: Histological staining methods preparatory to laser capture microdissection significantly affect the integrity of the cellular RNA. BMC Genomics 2006, 7:97. 33. Wang WZ, Oeschger FM, Lee S, Molnar Z: High quality RNA from multiple brain regions simultaneously acquired by laser capture microdissection. BMC Mol Biol 2009, 10:69. 34. Pietersen CY, Lim MP, Woo TU: Obtaining high quality RNA from single cell populations in human postmortem brain tissue. J Vis Exp 2009. 35. Sluka P, O’Donnell L, McLachlan RI, Stanton PG: Application of lasercapture microdissection to analysis of gene expression in the testis. Prog Histochem Cytochem 2008, 42:173-201. 36. Bevilacqua C, Makhzami S, Helbling JC, Defrenaix P, Martin P: Maintaining RNA integrity in a homogeneous population of mammary epithelial cells isolated by Laser Capture Microdissection. BMC Cell Biol 2010, 11:95. 37. Moore GP, Lintern-Moore S, Peters H, Faber M: RNA synthesis in the mouse oocyte. J Cell Biol 1974, 60:416-422. 38. Moore GP, Lintern-Moore S: A correlation between growth and RNA synthesis in the mouse oocyte. J Reprod Fertil 1974, 39:163-166. 39. Bachvarova R: Gene expression during oogenesis and oocyte development in mammals. Dev Biol (N Y 1985) 1985, 1:453-524. 40. Luzzi V, Mahadevappa M, Raja R, Warrington JA, Watson MA: Accurate and reproducible gene expression profiles from laser capture microdissection, transcript amplification, and high density oligonucleotide microarray analysis. J Mol Diagn 2003, 5:9-14. 41. Feary ES, Juengel JL, Smith P, French MC, O’Connell AR, Lawrence SB, Galloway SM, Davis GH, McNatty KP: Patterns of expression of messenger RNAs encoding GDF9, BMP15, TGFBR1, BMPR1B, and BMPR2 during follicular development and characterization of ovarian follicular populations in ewes carrying the Woodlands FecX2W mutation. Biol Reprod 2007, 77:990-998. 42. Bebbere D, Bogliolo L, Ariu F, Fois S, Leoni GG, Tore S, Succu S, Berlinguer F, Naitana S, Ledda S: Expression pattern of zygote arrest 1 (ZAR1), maternal antigen that embryo requires (MATER), growth differentiation factor 9 (GDF9) and bone morphogenetic protein 15 (BMP15) genes in ovine oocytes and in vitro-produced preimplantation embryos. Reprod Fertil Dev 2008, 20:908-915. 43. Anderson RA, Fulton N, Cowan G, Coutts S, Saunders PT: Conserved and divergent patterns of expression of DAZL, VASA and OCT4 in the germ cells of the human fetal ovary and testis. BMC Dev Biol 2007, 7:136. 44. Silva JR, van den Hurk R, van Tol HT, Roelen BA, Figueiredo JR: The Kit ligand/c-Kit receptor system in goat ovaries: gene expression and protein localization. Zygote 2006, 14:317-328. 45. LaVoie HA: The role of GATA in mammalian reproduction. Exp Biol Med (Maywood) 2003, 228:1282-1290. 46. Visser JA, de Jong FH, Laven JS, Themmen AP: Anti-Mullerian hormone: a new marker for ovarian function. Reproduction 2006, 131:1-9. 47. Ballow DJ, Xin Y, Choi Y, Pangas SA, Rajkovic A: Sohlh2 is a germ cellspecific bHLH transcription factor. Gene Expr Patterns 2006, 6:1014-1018. 48. Pangas SA, Choi Y, Ballow DJ, Zhao Y, Westphal H, Matzuk MM, Rajkovic A: Oogenesis requires germ cell-specific transcriptional regulators Sohlh1 and Lhx8. Proc Natl Acad Sci USA 2006, 103:8090-8095. 49. Choi Y, Yuan D, Rajkovic A: Germ cell-specific transcriptional regulator sohlh2 is essential for early mouse folliculogenesis and oocyte-specific gene expression. Biol Reprod 2008, 79:1176-1182. 50. Findley SD, Tamanaha M, Clegg NJ, Ruohola-Baker H: Maelstrom, a Drosophila spindle-class gene, encodes a protein that colocalizes with Vasa and RDE1/AGO1 homolog, Aubergine, in nuage. Development 2003, 130:859-871. 51. Clegg NJ, Frost DM, Larkin MK, Subrahmanyan L, Bryant Z, Ruohola-Baker H: maelstrom is required for an early step in the establishment of Drosophila oocyte polarity: posterior localization of grk mRNA. Development 1997, 124:4661-4671. 52. Fair T, Carter F, Park S, Evans AC, Lonergan P: Global gene expression analysis during bovine oocyte in vitro maturation. Theriogenology 2007, 68(Suppl 1):S91-97. 53. Dade S, Callebaut I, Mermillod P, Monget P: Identification of a new expanding family of genes characterized by atypical LRR domains. Localization of a cluster preferentially expressed in oocyte. FEBS Lett 2003, 555:533-538. Bonnet et al. BMC Genomics 2011, 12:417 http://www.biomedcentral.com/1471-2164/12/417 54. Bonnet A, Dalbies-Tran R, Sirard MA: Opportunities and challenges in applying genomics to the study of oogenesis and folliculogenesis in farm animals. Reproduction 2008, 135:119-128. 55. Da Silva-Buttkus P, Jayasooriya GS, Mora JM, Mobberley M, Ryder TA, Baithun M, Stark J, Franks S, Hardy K: Effect of cell shape and packing density on granulosa cell proliferation and formation of multiple layers during early follicle development in the ovary. J Cell Sci 2008, 121:3890-3900. 56. Nilsson EE, Savenkova MI, Schindler R, Zhang B, Schadt EE, Skinner MK: Gene bionetwork analysis of ovarian primordial follicle development. PLoS One 2010, 5:e11637. 57. Liu YX: Interaction and signal transduction between oocyte and samatic cells in the ovary. Front Biosci 2007, 12:2782-2796. 58. Gilchrist RB, Ritter LJ, Armstrong DT: Oocyte-somatic cell interactions during follicle development in mammals. Anim Reprod Sci 2004, , 82-83: 431-446. 59. Martoriati A, Gerard N: Interleukin-1 (IL-1) system gene expression in granulosa cells: kinetics during terminal preovulatory follicle maturation in the mare. Reprod Biol Endocrinol 2003, 1:42. 60. Gerard N, Caillaud M, Martoriati A, Goudet G, Lalmanach AC: The interleukin-1 system and female reproduction. J Endocrinol 2004, 180:203-212. 61. Kezele PR, Ague JM, Nilsson E, Skinner MK: Alterations in the ovarian transcriptome during primordial follicle assembly and development. Biol Reprod 2005, 72:241-255. 62. Thorrez L, Van Deun K, Tranchevent LC, Van Lommel L, Engelen K, Marchal K, Moreau Y, Van Mechelen I, Schuit F: Using ribosomal protein genes as reference: a tale of caution. PLoS One 2008, 3:e1854. 63. Ge X, Yamamoto S, Tsutsumi S, Midorikawa Y, Ihara S, Wang SM, Aburatani H: Interpreting expression profiles of cancers by genome-wide survey of breadth of expression in normal tissues. Genomics 2005, 86:127-141. 64. Blander G, Guarente L: The Sir2 family of protein deacetylases. Annu Rev Biochem 2004, 73:417-435. 65. Ford E, Voit R, Liszt G, Magin C, Grummt I, Guarente L: Mammalian Sir2 homolog SIRT7 is an activator of RNA polymerase I transcription. Genes Dev 2006, 20:1075-1080. 66. Tian Q, Kopf GS, Brown RS, Tseng H: Function of basonuclin in increasing transcription of the ribosomal RNA genes during mouse oogenesis. Development 2001, 128:407-416. 67. Welt C, Sidis Y, Keutmann H, Schneyer A: Activins, inhibins, and follistatins: from endocrinology to signaling. A paradigm for the new millennium. Exp Biol Med (Maywood) 2002, 227:724-752. 68. Li Q, Rajanahally S, Edson MA, Matzuk MM: Stable expression and characterization of N-terminal tagged recombinant human bone morphogenetic protein 15. Mol Hum Reprod 2009, 15:779-788. 69. Otsuka F, Moore RK, Iemura S, Ueno N, Shimasaki S: Follistatin inhibits the function of the oocyte-derived factor BMP-15. Biochem Biophys Res Commun 2001, 289:961-966. 70. Schroeder A, Mueller O, Stocker S, Salowsky R, Leiber M, Gassmann M, Lightfoot S, Menzel W, Granzow M, Ragg T: The RIN: an RNA integrity number for assigning integrity values to RNA measurements. BMC Mol Biol 2006, 7:3. 71. Joyce IM, Clark AT, Pendola FL, Eppig JJ: Comparison of recombinant growth differentiation factor-9 and oocyte regulation of KIT ligand messenger ribonucleic acid expression in mouse ovarian follicles. Biol Reprod 2000, 63:1669-1675. 72. Shou J, Qian HR, Lin X, Stewart T, Onyia JE, Gelbert LM: Optimization and validation of small quantity RNA profiling for identifying TNF responses in cultured human vascular endothelial cells. J Pharmacol Toxicol Methods 2006, 53:152-159. 73. Muller C, Denis M, Gentzbittel L, Faraut T: The Iccare web server: an attempt to merge sequence and mapping information for plant and animal species. Nucleic Acids Res 2004, 32:W429-434. 74. Bonnet A, Le Cao KA, Sancristobal M, Benne F, Robert-Granie C, Law-So G, Fabre S, Besse P, De Billy E, Quesnel H, et al: In vivo gene expression in granulosa cells during pig terminal follicular development. Reproduction 2008, 136:211-224. 75. Pfaffl MW: A new mathematical model for relative quantification in realtime RT-PCR. Nucleic Acids Res 2001, 29:e45. Page 15 of 15 76. Vandesompele J, De Preter K, Pattyn F, Poppe B, Van Roy N, De Paepe A, Speleman F: Accurate normalization of real-time quantitative RT-PCR data by geometric averaging of multiple internal control genes. Genome Biol 2002, 3:RESEARCH0034. doi:10.1186/1471-2164-12-417 Cite this article as: Bonnet et al.: Transcriptome profiling of sheep granulosa cells and oocytes during early follicular development obtained by Laser Capture Microdissection. BMC Genomics 2011 12:417. Submit your next manuscript to BioMed Central and take full advantage of: • Convenient online submission • Thorough peer review • No space constraints or color figure charges • Immediate publication on acceptance • Inclusion in PubMed, CAS, Scopus and Google Scholar • Research which is freely available for redistribution Submit your manuscript at www.biomedcentral.com/submit Chapitre I. Méthode d’analyse des stades précoces de la folliculogenèse basale chez la brebis Annexes de l’article 1 . nnexes de l’article 1 Transcriptome profiling of sheep granulosa cells and ooc tes during earl follicular development obtained b aser Capture icrodissection dditional file 1 integrit along C Influence of the fixation step and microdissection time on RNA quality. Y axis: the quality of total RNA extracted from each staining section was checked using an Agilent 2100 bioanalyzer. X axis: time required for microdissection of each section The pink line corresponds to RIN from a staining section fixed with 70% ethanol. The blue line corresponds to RIN from a staining section fixed with 75% ethanol. dditional file ualit control of labeled a integrit One microliter of labeled or unlabeled primordial granulosa cell aRNA was analyzed on an RNA LabChip and Agilent Bioanalyser. : unlabeled aRNA : aRNA labeled with the Turbo labeling Kit (biotin) 70 %Hybridized Probesets "presentcall" Scale GAPDH GAPDH factor 3'/5'ratio 3'/Mratio GST GST 3'/5' 3'/M ratio ratio Samples Protocol Bovinegonad Protocol 1 57.1 3.79 1.17 1.13 0.53 0.96 Ovinegonad Protocol 1 49.8 3.42 1.19 0.8 0.08 0.5 Ovinegonad Protocol 2 38.6 5.1 67.67 10.76 1.49 2.86 Ovinegonad Protocol 3 37.8 6.53 112.08 14.98 1.14 1.54 PDO Protocol 3 34.13 3.00 20.82 13.84 2.54 4.45 PMO Protocol 3 29.39 4.87 19.66 19.84 1.08 2.03 SECO Protocol 3 31.96 4.59 Na 25.19 2.23 Na PDG Protocol 3 36.52 2.36 10.58 13.89 0.5 1.42 PMG Protocol 3 30.12 4.83 31.25 21.08 4.5 5.03 SECG Protocol 3 35.41 3.03 23.85 18.55 1.57 2.68 dditional file 3 icroarra performance Comparison of methods used to generate biotinylated cRNA (see material and methods) using quality control measures: % “present call” probe sets is the percentage of scored probe sets detected by the Affymetrix Microarray suite 5.0 (MAS.5.0) Scale Factor is the multiplier used to adjust the trimmed mean signal of a probe array to a selected target signal value (100 by default). 3’/5’ ratio is the ratio of the 3’ probe set signal intensity to the 5’ probe set signal intensity of a transcript. 3’/M ratio is the ratio of the 3’ probe set signal intensity to the Medium (M) probe set signal intensity of a transcript. Chapitre I. Méthode d’analyse des stades précoces de la folliculogenèse basale chez la brebis Annexes de l’article I ID 1 2 Analysis Molecules in Network ADORA2B, ADRA1B, ALB, AMBP, APOA1, BMP1, C4ORF41, CCDC88C, CCL3, CCR1, CHEMOKINE, CHRM4, CLCA2 (includes EG:9635), CXCL10, DNTT, FST, Gpcr, GPLD1, IGHG1, IRF3, ITIH5, KRT7, Granulosa LGMN, MAP7D1, P2RY4, PDZRN4, peptidase, Pld, PLD4, PROC, SCN5A, STX1B, STXBP1, SYT7, TPP1 Granulosa ACTA1, Actin, ANXA13, AP4M1, CNN1, CSN1S1 (includes EG:1446), DCTN6, DNAJC13, DVL1, FCER1A, Filamin, FLNB, GPR37, HECW1, Hsp70, Ige, INPPL1, IPP, KLHL2, LALBA, MYRIP, NCALD, OSBP, PACRG, Pak, PAK6, PFN1, PLEC1, PPM1E, Profilin, ROCK1, SMG5, TFRC, VIPR1, XPO6 3 BCAS3, BCL9, C21ORF33, Cbp/p300, CD8A, CHRNA3, CISH, Creb, CREB5, Cyclin A, DAB2IP, DNMT3B, E4F1, EPO, ERAF, G6PD, HIRIP3, Histone h3, Histone h4, HMGA2, IL15, MPZ, MRAS, NCF1, Granulosa NDUFA3, NDUFB5, OPN1LW (includes EG:5956), PER2, Ras, RASSF1, RIN1, SATB1, SHOC2, SMC4, TBL1X 4 ADIPOQ, AQP7, CCL22, CD80, CD3EAP, CIITA, DGAT1, DNA-directed RNA polymerase, HSPA1A, IKBKAP, IL1, IL8, IL-1R, IL1A, IL1B, IL1RAP, NFKB2, NFkB (complex), NFKBIA, PDE8A, PDZK1, PMM1, POLR1A, POLR2L (includes EG:5441), POLR3K, Granulosa PPARG, PRMT2, Pro-inflammatory Cytokine, RELB, RNA polymerase II, SWI-SNF, TAF1A, TCERG1, TNNT1, ZBTB7A 5 ACIN1, ADAM2, ADAM8, ADAM17, Akt, ATPase, CARD11, CD53, CSK, DCK, DDX19B, DLG1, ERCC3, FZD4, GRB10, GRID2, INSR, Integrin, KITLG, MAD2L1, Metalloprotease, MIR1, MYLK2, NP, Granulosa Phosphorylase, PREX1, RUVBL2, SHANK2, SYT17, TAOK3, Transferase, TSC1, TSC22D4, TSPAN4, UBD 6 Granulosa ABL1, AKAP13, ATN1, ATXN7, BAG1, BCAR3, ENOX1, Estrogen Receptor, CGn5l, GIT1, GM2A, HEXA, ITGB3BP, LIFR, LSS, LYZ, MAX, N-cor, NEDD9, NR1H3, OSMR, PIP4K2A, POU1F1, PPARCG1B, Proteasome, PSMB10, Rb, RCC1 (includes EG:1104), Rxr, SETD7, STAM, TAF6, TOM1, tyrosine kinase, Ubiquitin Score 41 38 38 36 36 34 Focus Molecul es Top Functions 31 Infection Mechanism, Cardiovascular Disease, Tachycardia 29 Tissue Development, Cellular Assembly and Organization, Cellular Compromise 29 Cell Cycle, CellTo-Cell Signaling and Interaction, Cellular Growth and Proliferation 28 Gene Expression, Lipid Metabolism, Molecular Transport 28 Cardiac Output, Cardiovascular System Development and Function, Cell Cycle 27 Genetic Disorder, Metabolic Disease, Neurological Disease Chapitre I. Méthode d’analyse des stades précoces de la folliculogenèse basale chez la brebis Annexes de l’article I 7 8 9 10 1 2 3 Granulosa C1q, CD34, CD36, CD93, COL18A1, Collagen type I, Collagen(s), Complement component 1, CTSS, ERP44, FCGBP, FLI1, FMOD, GLYCAM1, HAPLN1, HSD11B1, IgG, IL2, IL18, IL12 (complex), IL12B, ITGB6, NCAN, PRRX1, PTX3, SELP, SERPING1, SRGN, Tgf beta, TGM2, TH1 CYTOKINE, Thyroid hormone receptor, TNC, TNFAIP6, ZNF384 14-3-3, Alcohol group acceptor phosphotransferase, ATYPICAL PROTEIN KINASE C, Calmodulin, CDK5, DKC1, DUSP26, EIF2AK2, ERCC6L, ERK, G6PC, GRK4, Hsp90, HSPB6, Ikk (family), IQGAP1, IRAK1, Granulosa KIF3A, KSR1, LLGL1, LYPLA2, MAP2K2, MAP2K5, MAP3K6, MAPK3, Mek, NEFM, Par6, PARD6B, PIM1, PLK1, PRKAA1, PRKCI, Rac, RGN Granulosa Granulosa ATP6V0C, CES5, CES2 (includes EG:8824), ELMO1, ELMOD2, HADHB, HDAC8, HNF4A, HPX, IFRD2, KIF3B, MIR124-1, MLKL, NUAK1, OSBP, PARP4, PARP16, PBX2, PGM1, PIGS, PNPLA6, PODXL, PROP1, RHOG, ROCK1, S100A9, SLC17A5, SLC39A7, SSFA2, STIM1, SULT1A1, TBC1D15, TCIRG1, TLE3, USP2 C3ORF34, C8ORF41, CCDC82, CEBPB, DLG4, E2F4, GUF1, HNF4A, ISOC1, L2HGDH, MRTO4, MSRB2, NUDT11, ONECUT1, ORMDL1, SEPX1, SGSH, SH3BGRL2, TMEM176A, TRAF6, TRMT6, VHL, ZNF146 Oocyte 14-3-3, AFP, Akt, AKT1S1, BAG2, BMP15, C5ORF22, CA9, CTNNAL1, DCC, DYRK1B, E2f, E2F1, ELOF1, FOXA1, GDF9, Histone h3, HN1, IL1R1, MLXIP, MTUS1, MYB (includes EG:4602), NEK1, NFKB1, NFKBIL2, NR5A2, P38 MAPK, PI3, PRLR, RHOBTB2, SKA2, THAP7, TRIB3, TSC2, ZNF350 Oocyte Ap1, APOB, ARG1, ATF3, BATF, CAMP, CEBPG, CNKSR1, Creb, CREB1, Cyclin A, DBT, DNER, DUSP10, EIF2S2, FANCC, FEN1, GIPC2, GTF2H3, Hsp70, Jnk, MAFK, MAPK10, NFkB (complex), QTRT1, Ras, Ras homolog, RHOG, RHOT2, RHPN1, RNASEH2A, RPA2, SEMA4B, TNFRSF4, UNC119 Oocyte Actin, Alpha tubulin, ATPase, CNP, COTL1, CRLF3 (includes EG:51379), DMAP1, DNASE1, DPYSL2, EPN2, F Actin, FHIT, GDA, MIR124, MYH1, MYH8, MYH9, Myosin, OCLN, Pak, PAK4, PFDN4, PHLDA1, PTBP1, PXN, Rac, RASGRP2, SLC15A4, SNRPA, STMN4, TBCD, Tubulin, VPS4B, WASF2, WBP4 32 30 21 19 45 38 36 26 Cell-To-Cell Signaling and Interaction, Tissue Development, Carbohydrate Metabolism 25 Amino Acid Metabolism, PostTranslational Modification, Small Molecule Biochemistry 20 Carbohydrate Metabolism, Cell Death, Developmental Disorder 16 PostTranslational Modification, Gene Expression, Cellular Development 30 Cell-To-Cell Signaling and Interaction, Reproductive System Development and Function, Tissue Development 27 Organismal Development, Gene Expression, Cell Morphology 26 Cellular Movement, Nervous System Development and Function, Cellular Assembly and Chapitre I. Méthode d’analyse des stades précoces de la folliculogenèse basale chez la brebis Annexes de l’article I Organization 4 5 6 7 Oocyte Calmodulin, CENPE, CENPF, CPNE2, CSNK1G2, CYP26A1, CYP4F2, DIO1, DRD5, DSP, EID1, Estrogen Receptor, GNA12, HEY1, Histone h4, Hsp90, MTA1, PCNT, Phosphoinositide phospholipase C, PLC, PLCB3, PLCD1, PLCZ1, PPP5C, Rar, Rb, RUNX2, Rxr, RYR1 (includes EG:6261), SLC9A1, SNAPC3, SOST, TRIM24, UBAC1, UBR4 Oocyte ACTN3, Alpha Actinin, CD37, CD82, COL10A1, Collagen type I, Collagen(s), CSPG4, FGB, Fibrinogen, ICAM1, IGF2, IGFBP5, Integrin, Integrin alpha 3 beta 1, Integrin alpha 4 beta 1, Integrin, ITGA3, ITGB2, LAMA3, Laminin, LGALS3, LMO7, LTBR, MHC Class II, Mmp, MMP13, MMP19, MMP23B, MYPN, PDLIM2, PLG, SERPINC1, XPNPEP2, ZYX Oocyte ACP1, BCR, BLNK, CD3, CD8, CD38, CD79B, CD8B, CUL4A, DDB2, IFN ALPHA RECEPTOR, Igm, KLRA1 (includes EG:10748), LAT, LCK, MED15, MHC Class I (complex), MHC CLASS I (family), NCK, PRUNE, PTPN6, PTPN22, RBBP5, RNA polymerase II, SLA2 (includes EG:84174), SLC27A2, SLC9A8, Sos, SYK/ZAP, TCR, TNNT2, TRIM11, VAV, XAB2, ZAP70 Oocyte ATG9A, BAT4, C6ORF165, C6ORF170, CCDC49, CCDC85B, CEBPZ, CHCHD3, ETV6, ETV7, FAM164C, FAM50B (includes EG:26240), FBXL6, FBXL7, FBXO32, HNF4A, HNRNPC, IPO13, KDM2B, KIAA1045, L3MBTL, MIR293, NFYB, PLXNC1, PRRG2, RBM41, SFRS17A, SKP1, SLC25A28, SLC39A8, STAT4, TLE6, TM7SF3, ZNF524, ZNF764 dditional file 35 30 26 20 26 Cell Morphology, Skeletal and Muscular System Development and Function, Cell-ToCell Signaling and Interaction 24 Cell-To-Cell Signaling and Interaction, Tissue Development, Cellular Movement 22 Cellular Development, Hematological System Development and Function, Hematopoiesis 18 Gene Expression, Cell Cycle, Cellular Movement Functional net or s for compartment specificall expressed genes ooc te and C Chapitre I. Méthode d’analyse des stades précoces de la folliculogenèse basale chez la brebis Annexes de l’article I dditional file Canonical path a s of oc te and granulosa cells Ten statistically significant enriched canonical pathway categories (p-value<5 10-2) were revealed in the specific oocyte and granulosa cell gene lists. The X axis corresponds to the ratio of focus genes to pathway genes. Red and blue numbers correspond to the number of focus genes that contributed to the pathway (oocyte vs GC). Chapitre I. Méthode d’analyse des stades précoces de la folliculogenèse basale chez la brebis Annexes de l’article I References adé ( ) Species Mouse Compartment oocyte Data Identified gene number Bovine Affymetrix chip Our data set resent gene number etected gene number ocyte detected gene number enriched by In silico DD 104 69 60 57 Class IA-follicle assembly/meiosis 32 8 6 6 Class IC-oocytespecific, early maturation only 14 3 3 3 Class IB-oocytespecific, early, and late maturation 66 12 9 7 Class III-Unfertized egg 84 50 37 31 Class ID-follicle growth, somatic 24 12 8 increase 197 116 89 80 decrease 213 135 120 109 somatic cells 9 9 5 enriched/placenta 79 44 36 ranulosa detected gene number oocyte allardo (2) Mouse somatic cells 6 oocyte PD/PM an ( ) Arra toa ( ) Mouse Monkey oocyte PD 5 31 dditional file Comparison of gene data sets ith the literature Literature data: Dadé: Differentially expressed genes in mouse oocytes compared to other tissues. The selection was performed by in silico differential display between 3 mouse oocyte cDNA libraries and 13 selected tissues cDNA libraries. Gallardo: set of ovarian factor from mouse Foxo3 ovaries. Gene classes were revealed by comparative profiling from Mouse RNA affymetrix hybridization data sets including ovary RNA extracted at four time points spanning follicle assembly and early growth, and 14 somatic tissues containing LCM primary oocytes and LCM somatic cells. Chapitre I. Méthode d’analyse des stades précoces de la folliculogenèse basale chez la brebis Annexes de l’article I 3- Pan: Mouse oocyte differentially genes expressed between primordial and primary follicular stages. Overall change in oocyte gene expression was characterized using Pd, Pm, Sec, SA and antral mouse follicles. 4- Arraztoa: Primate oocyte-enriched transcripts between microdissected primordial stage and placenta RNA (control). dditional file signaling path a an example of compartment crosstal From the microarray data, we visualize the focus genes involved in the BMP signaling pathway. The genes specifically expressed in the oocytes are in red color and the genes specifically expressed in GC are in green color. Chapitre I. Méthode d’analyse des stades précoces de la folliculogenèse basale chez la brebis Annexes de l’article I gene Reference Up primer Down primer GDF9 NM_001142888.1 CAACACTGTTCGCGTCTTCA CACGAGATCCACTGATGGAA BMP15 AF236078S2 CATGATGGCGCTGAAAGTAA C CCCGAGGACATACTCCCTTA MATER AY721594 CGTGGAGCGGTGTGGACTG GGTCTGTAGATTAGAGGTGGGATCG MAEL CU653136 CAAACACACCCACTGGTGAC GTATCCGTGTTTTGGGGATG SOHLH2 CU638088 ACACGACACCCCAACTGTCT GCGACCCAATAGGTGGTCTA VASA AF541971 CGAGGCGTGGATATTGAAAA TCGCAGTATTTCCACCACGA SIRT7 EE831540 TCGACGTCCTCATGGAT ACTATGCGTCGCTTCTT AMH EV97COZ06DJDPJ * CCTCAGTCGGACCCGAA TTCGCTGTGTAGCGTGT FST M63123 TCCAGCGACGTCTACAT GGGTAGGTCACTCCATCA GATA 4 XM_616466.4 CCCGGAGGTACGAGAGTTAT TGTGGGTTAGGGAAGGGTAT KITLG EWZ7IHI02DESHV * CACAGGATAACTTTGAGTCG TGTGTATGTGTATGTACTGTAAGTGT ACTINE NM_001009784 CCACGACGATGAAGATCAAG ACATCTCGTGGAAGGTGGAC RPL19 AY158223 CACAACGTGAAGCGAGACAA TGATGATTTCCTCCTTCTTGG * available at https://isCGdata.agresearch.co.nz/ dditional file rimer sequence ’3’ for real time C Chapitre I. Méthode d’analyse des stades précoces de la folliculogenèse basale chez la brebis Annexes de l’article I Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Le développement rapide des technologies de séquençage haut débit, RNA-seq, nous permet actuellement d’avoir accès à l’ensemble des transcrits exprimés dans nos deux compartiments d'intérêt et fournit une analyse plus globale et exhaustive de l’expression des gènes. Le couplage des deux technologies : LCM et séquençage haut débit, est encore peu répandu mais a démontré son efficacité à partir d'échantillons de maïs pour : - isoler des transcrits rares ou spécifiques d’un type cellulaire (Emrich et al. 2007), - décrire précisément la progression dynamique du transcriptome de la feuille de maïs en y incluant par exemple la composante "types cellulaires" (Li et al. 2010). Ces technologies ont également été utilisées chez d’autres végétaux, comme la tomate (Matas et al. 2011) ou Arabidopsis thaliana (Schmid et al. 2012a), le champignon Sordaria macroscopa (Teichert et al. 2012b) ou les mammifères (neurones de rat) (Chen et al. 2011). L’objectif ici est de décrire les transcriptomes des deux types cellulaires principaux de l’ovaire (CG et O) pendant la phase basale de la folliculogenèse, d’identifier leur spécificité d’expression, leur spécificité fonctionnelle et enfin de mettre en évidence un dialogue moléculaire entre ces deux compartiments. Les résultats obtenus ont été publiés en décembre 2013 dans BMC Genomics (Bonnet et al. 2013). “An overview of gene expression dynamics during early ovarian folliculogenesis: Specificity of follicular compartments and bi-directional dialog” 71 Figure 36. Synthèse du nombre de séquences obtenues par échantillon. Stratégie d’assemblage Génomique de novo 381 600 252 630 Nombre de gènes identifiés 18015 16310 % de gènes en communs 80,5 89 % de lectures annotées 42.1 33.7 Nombre de contigs/fragments > 20 lectures Tableau 12. Bilan des résultats obtenus avec les deux techniques d’assemblage. Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Résultats 1. Résultats 1.1 Résultatsduséquençage Trois à quatre répliques par échantillon ont été analysées par la technique de RNA-seq. Nous avons obtenu 2,65 milliard de séquences réparties sur l’ensemble des échantillons, soit une moyenne de 36 millions de paires de séquences pour les échantillons microdisséqués (8 conditions) et 48 millions de paires de séquences pour les échantillons multi-tissus (Figure 36). 1.2 Assemblage Deux types d’assemblage ont été évalués. L’assemblage de toutes les lectures sur le génome de référence ovin a généré une banque de 381 600 fragments de séquence génomique. L’assemblage de novo a généré 91 378 contigs et 185 845 séquences non assemblées (séquences uniques). Le tableau 12 synthétise les résultats obtenus par les deux assemblages. L’assemblage sur séquence génomique permet d'accroïtre l’annotation des lectures et le nombre de gènes identifiés (+ 10% / assemblage de novo). L’assemblage de novo permet d’annoter des lectures et d’identifier des gènes, dont la séquence n’est pas présente dans la version du génome ovin au moment de l’analyse (version V2), par comparaison avec d’autres espèces (bovin, humain). Nous avons donc choisi d’utiliser les résultats de l’assemblage sur la séquence génomique que nous avons complété avec les contigs des gènes seulement présents dans l’assemblage de novo, soit un total de 382 933 fragments de séquence (381 600 fragments de séquence génomique et 1 333 contigs). La taille médiane des séquences obtenues est de 440 paires de bases. Ces FS (fragment de séquence) regroupent 47,5% des lectures totales des échantillons microdisséqués. 221 716 FS restent non annotés. Ces résultats sont résumés dans l’article 2, Figure 1. Le résultat de l’assemblage et de l’annotation montre que la distribution de lectures le long des gènes est centrée sur les régions 3’UTR. Un exemple de distribution est donné en Annexe 1, Figure S7 avec le gène ZP4. Ce biais de distribution des lectures en 3’ UTR est attendu et est la conséquence de l’amplification de l’ARN qui a suivi la LCM (Schmid et al. 2012a; Teichert et al. 2012b). 86,8% des lectures annotées sont localisées dans la région comprenant le codon stop ou la région 3’UTR et 6,5% sont localisées dans les introns (Article 2, Figure 1). 72 Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Résultats Comme mentionné par différents auteurs (Ameur et al. 2011) (Teichert et al. 2012b), la présence de séquences introniques pourrait correspondre à des transcrits non matures ou des transcrits alternatifs. Finalement, chaque gène est représenté par une moyenne de 8 fragments de séquence (FS) (Annexe 1, Figures 7-8). En conséquence, pour quantifier l’expression des gènes, le fichier final conserve un seul FS par gène qui correspond au fragment le plus en 3’UTR et possède le nombre le plus important de lectures. Ce choix permet de s’affranchir du biais lié à la longueur du gène (Oshlack and Wakefield 2009). Ce fichier comprend 89,7 % des lectures annotées des échantillons microdisséqués. Les résultats sont disponibles dans l’Article 2, Supplemental File 2, Table 1. 1.3 Descriptiondestranscriptomes L’expression détectée de 15 349 gènes représente 78,6% des gènes présents dans la base de données ovine et localisés sur le génome ovin (version d’assemblage Sheep Genome v2.0 Livestock Genomics de 18,656 gènes) et 62% des gènes présents dans la base de données Ensembl bovine (UMD3.1 release 65). Comme attendu, le nombre de gènes exprimés est uniformément distribué entre chromosomes par comparaison au nombre attendu de gènes exprimés sauf pour le chromosome 15. Pour ce chromosome, le nombre de gènes exprimés est significativement plus bas (Annexe 1 Figure S1A) avec un pourcentage de gène transcrits de 57% contre une moyenne de 80% pour les autres chromosomes. La couverture en gènes exprimés de ce chromosome identifie deux régions moins exprimées (voir Article 2 ; Supplemental File 1, Figure S2B). Pour la description des transcriptomes, les niveaux d’expression des gènes de chaque échantillon sont mesurés en nombre de lectures par gène et normalisés par million de lectures totales alignées (RPM). L’expression des gènes s’étale de 0,2 à 1000 RPM et 95% des gènes regroupent 56% des lectures avec une expression médiane de 140 RPM (Article 2 ; Supplemental File 1, Figure 3A-B). Dans l’ovocyte, les gènes les plus exprimés contribuent peu au nombre total de lectures (1,2 à 4,7% des lectures pour les dix gènes les plus exprimés) et comprennent des gènes ovocyte-spécifiques (ZP2 et ZP3 (zona pellucida glycoprotein), GDF9). Dans les cellules de granulosa (CG) et les échantillons multi-tissus, les gènes très exprimés contribuent davantage au nombre total de lectures (5 à 9,2 et 16,84% pour CG et MT respectivement pour les dix gènes les plus exprimés) (Article 2 ; Supplemental File 1, Figure S3 C-D). Les gènes les plus exprimés dans les CG sont des gènes ribosomiques ou impliqués dans l’organisation de la cellule. Une diminution significative du nombre de gènes exprimés dans les ovocytes au cours du développement folliculaire précoce est aussi mise en 73 Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Résultats évidence (13 219 gènes dans les ovocytes de follicules primordiaux / 11 693 gènes dans les ovocytes de follicules à petit antrum) alors que le nombre de gènes exprimés reste stable dans les CG (Figure 55). 9 499 gènes présentent une expression ubiquitaire dans tous les échantillons (y compris les « échantillons multi-tissus ») mais leur expression varie entre les compartiments (comme RPL4 (ribosomal protein L4), VIM (vimentin), BSCL2 (BernardinelliSeip congenital lipodystrophy 2 homolog, human)). Une analyse en composantes principales montre la cohérence du jeu de données : 52% de la variabilité d’expression correspond à une différence d’expression entre les 2 compartiments folliculaires (O vs CG) et 15% de la variabilité d’expression est liée au développement folliculaire (Article 2, Figure 2B). 1.4 Différentielsd’expressionglobaux L’analyse statistique des données de séquençage révèle une différence d’expression entre compartiments cellulaires (5130 gènes : 33,4% des gènes (critères : FDR<0,5%, différentiel d’expression >2)) ainsi qu’une dynamique d’expression au cours du développement (3015 gènes : 19,6% des gènes (critères : FDR<1%, différentiel d’expression >2)). Enfin, 4,3% des gènes ont un profil d’expression différent entre les deux compartiments (nommé en statistique « effet d’interaction entre stade et compartiment » : 674 gènes (FDR <0,5%)). Parmi ces gènes, 2297 gènes sont sur exprimés dans les ovocytes et 2833 dans les CG. Les différentiels d’expression sont détaillés dans l’Article 2, Table 1. La suite de cette étude se limitera aux différentiels d’expression entre les deux compartiments (5 130 gènes). 1.5 Vérificationdelapertinencedenotrejeudedonnées Dans un premier temps, nous avons recherché le profil d’expression de 39 gènes, connus chez la souris pour être exprimés spécifiquement dans un de nos compartiments d'intérêt. Ces gènes sont détectés dans notre expérience. Trente sept d’entre eux présentent une expression différentielle significative dans notre analyse statistique RNA-seq en accord avec les résultats d’expression obtenus chez la souris. 74 Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Résultats 1.6 Expressionenrichiedanslescompartiments Des études menées chez la souris ont déjà identifié des gènes à expression spécifique présentant des fonctions importantes en termes de développement de l’ovocyte et du follicule mais peu de données sont disponibles concernant uniquement les CG. Dans notre étude, nous ne parlerons pas de gènes à expression spécifique mais d’expression enrichie puisque les gènes ont été sélectionnés sur la base d’un fort différentiel d’expression entre l’un des deux compartiments étudiés et les 12 tissus plus l’autre compartiment (différentiel >5-10). Cette étude identifie donc 55 et 161 gènes à expression enrichie respectivement dans les CG (FDR<0,5% ; différentiel d’expression >5) et les ovocytes (FDR<0,5% ; différentiel d’expression >10). Parmi ces gènes, des gènes à expression granulosa-spécifique connus tels que WNT4, FSHR, PTEN et d'autres comme WEE2 (WEE1 homolog 2, S. pombe), DDX4, NRLP9, NLRP13, BMP15 exprimés dans les ovocytes, sont retrouvés. De nouvelles expressions enrichies au cours de la folliculogenèse basale sont aussi identifiées dans notre analyse, par exemple : - dans les CG, DEFB112 (defensin, beta 112) IFNE (interferon, epsilon), BMP1, IGFBP6 (insulin like growth factor 6), TCF23, CTP1 (CtIP-related endonuclease) - et dans l’ovocyte, MUSK (muscle, skeletal, receptor tyrosine kinase), BTG4 (B-cell translocation gene 4), ST8SIA3 (ST8 alpha-N-acetyl-neuraminide alpha-2,8-sialyltransferase 3), TECTA (tectorin alpha), ACCSL (1-aminocyclopropane-1-carboxylate synthase homolog ; Arabidopsis (non-functional)-like). Cette liste à expression enrichie comprend également des régulateurs transcriptionnels comme HDAC9 (histone deacetylase 9), ASB9 (ankyrin repeat and SOCS box containing 9) LZTS1 (leucine zipper, putative tumor suppressor 1), HOXC4 (homeobox C4) dans les CG et BSX (brain specific homeobox), SIX6 (sine oculis-related homeobox 6), PATL2 (protein associated with topoisomerase II homolog 2; yeast)), DMRTC2 (doublesex and mab-3 related transcription factor like family C2), etc, dans l’ovocyte. 1.7 ValidationparRTPCRentempsréeldesdifférences d’expressionentrecompartiments L’expression d’une sélection de gènes a été mesurée par RT-PCR en temps réel. Ces gènes ont été sélectionnés comme suit : 1- montrant un différentiel d’expression entre les 2 compartiments (11), 2- impliqués dans une voie de signalisation (2), 75 Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Résultats 3- présentant une expression enrichie dans un compartiment par rapport à l’autre et les 12 tissus (17). Le différentiel d’expression entre les deux compartiments a été confirmé pour tous les gènes testés (Article 2, Table 2). L’expression enrichie de 13 gènes sur les 17 testés est également confirmée (Article 2, Table 3). La qualité de la mesure de l’expression obtenue par RNA-seq est confirmée par la similitude des différentiels d’expression entre les 2 techniques (RNA-seq et par RT-PCR en temps réel) (Article 2, Supplemental File 1, Figure S4). La Figure 2D de l’Article 2 illustre de nouveaux profils à expression enrichie de compartiments mesurés par RT-PCR en temps réel. 1.8 Annotationfonctionnelle Dans l’ovocyte, les gènes surexprimés (2297 gènes) sont impliqués dans le blocage du cycle cellulaire (dont 14 gènes participant à la catégorie « arrêt de méiose »), la régulation de gènes, la morphologie cellulaire et la reproduction (infertilité : 66 gènes incluant BMP15, GDF9, BOLL (bol, boule-like (Drosophila)), FIGLA …). Dans les CG, les gènes surexprimés (2833) sont associés à la survie et mort cellulaire, la morphologie cellulaire, le métabolisme lipidique et à la fonction de reproduction (107 gènes dont 8 relatifs au « cancer des cellules de granulosa » incluant l’AMH, FOXL2, INHA, GATA4 (GATA binding protein 4)...). La Figure 3A regroupe les fonctions biologiques surreprésentées en GDE en 17 catégories principales (p value <0,05%). 1.9 Mécanismesetvoiesdesignalisation « IPA canonical pathway analysis » identifie 36 voies de signalisation significativement enrichies en gènes différentiels entre compartiments. Ces voies de signalisation sont présentées dans l’article 2, Figure 3A, B et C. Cette analyse souligne une implication différente dans les points de contrôle du cycle cellulaire en fonction du compartiment : un enrichissement des gènes du point de contrôle G1/S pour les CG et G2/M pour les ovocytes (Article 2, Figure 3B). Dans les CG, nous pouvons noter l’importance des mécanismes relatifs à la prolifération des cellules (catégorie « cancer ») et à l’apoptose ainsi que l’enrichissement en gènes impliqués dans la signalisation des récepteurs nucléaires comme ESR1 (estrogen receptor 1), AR (androgen receptor) ou PPARG (peroxisome proliferator-activated receptor gamma), 76 Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Résultats LRX/RXR (liver X receptor / retinoid X receptor) et PXR (pregnane x receptor)/RXR impliqués dans le métabolisme lipidique. Un enrichissement est également décrit pour les voies de signalisation impliquant le calcium, PTEN, eNos (nitric oxide synthase 3, endothelial cell), WNT/ß catenine et SHH. Nous observons aussi un enrichissement en gènes dans la voie de signalisation AMPK (protein kinase, AMP- activated, alpha 1 catalytic subunit), associée à la régulation de l’énergie. Enfin, nous montrons l’expression de facteurs de croissance tels que PDGF et HGF et de leurs récepteurs respectifs PDGFRA-B-L et MET. Finalement, des voies de transduction du signal sont spécifiquement enrichies comme la signalisation AMPc (adénosine monophosphate cyclique) et MAPKp38 (Article 2, Figure 3C et D). 1.10 Interactionscellulaires Une communication bidirectionnelle entre ovocyte et CG ou entre CG elles mêmes est indispensable pour l’acquisition de la compétence ovocytaire et le développement folliculaire. Le module « Canonical pathway analysis » du logiciel IPA montre un enrichissement en GDE de différentes voies de signalisation pouvant être impliquées dans ce dialogue. Parmi elles, nous trouvons les voies de signalisation IGF1, VEGF, FGF, NOTCH et les jonctions communicantes. Pour ces voies de signalisation, nous identifions également l’expression des ligands dans un compartiment et, dans l’autre compartiment, l’expression des récepteurs. La Figure 4 de l’Article 2 illustre, un exemple de dialogue moléculaire ovocyte-CG avec la surexpression d’IGF1R (IGF1 receptor) (FC (fold change) =3,33) dans l’ovocyte et la surexpression d’IGF1 dans les CG (FC 3,57). La régulation de cette voie de signalisation est complétée par la surexpression des gènes IGFBP2, IGFBP4, IGFBP6, IGFBP7 dans les CG. La voie de signalisation NOTCH souligne également une interaction entre compartiments avec la présence prédominante des transcrits NOTCH1, 2 et 3 dans CG et de ses ligands JAG1 dans l’ovocyte et CNTN1 (contactin 1) dans les CG (Figure 5A-B). De la même façon, VEGFA est très exprimé dans CG (FC 4,87) alors que son récepteur FLT1 est surexprimé dans l’ovocyte (2,86) (Article 2, Figure 5C). Enfin, l’implication de FGF2 dans le dialogue O-CG est aussi confirmée par la surexpression de FGFR1 et FGFR2 dans les CG. La surexpression nouvelle d’autres membres de la famille des FGF est aussi mise en 77 Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Conclusion évidence : FGF16 et FGF20 dans l’ovocyte et FGF1, FGF11 et FGF12 dans CG. Pour terminer, un différentiel d’expression est identifié pour les gènes impliqués dans les connections cellulaires et l’adhésion. GJA1 (connexin 43) est surexprimée dans les CG et GJA4 (connexin 37) est surexprimée dans les ovocytes (Tableau 19). Des gènes impliqués dans les jonctions adhérentes (caténine, cadhérines et afadine) et étroites (TJP1 (tight junction protein 1), claudines, cinguline) sont également surexprimés. 2. Conclusion En conclusion, cette étude décrit précisément le profil d’expression d’un grand nombre de gènes (15 349 gènes). Beaucoup de gènes sont exprimés dans les ovocytes mais ce nombre diminue de manière significative au cours du développement folliculaire précoce. Une analyse en composantes principales montre la cohérence du jeu de données. L’analyse statistique identifie une quantité importante de gènes différentiels entre les deux compartiments (5130) qui ont été intégrés avec les données bibliographiques. Notre analyse globale montre que ces gènes différentiels sont impliqués dans la fonction de reproduction mais aussi dans le contrôle du blocage de la méiose pour l’ovocyte et dans la prolifération pour les cellules de granulosa. Certaines voies de signalisation sont enrichies en gènes différentiels comme WNT et SHH dans les cellules de granulosa. Des voies de signalisation intervenant dans le dialogue entre ovocytes et cellules de granulosa sont soulignées (IGF1, FGF, NOTCH). Enfin, de nouveaux gènes majoritairement exprimés dans un compartiment, susceptibles de jouer un rôle important dans ces étapes de la folliculogenèse ont été identfiés. Ces données constituent une base précieuse pour approfondir nos connaissances sur les mécanismes qui peuvent conditionner la fertilité. 3. Article 2 “An overview of gene expression dynamics during early ovarian folliculogenesis: Specificity of follicular compartments and bi-directional dialog” 78 Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 RESEARCH ARTICLE Open Access An overview of gene expression dynamics during early ovarian folliculogenesis: specificity of follicular compartments and bi-directional dialog Agnes Bonnet1,2*, Cedric Cabau3, Olivier Bouchez1,2,4, Julien Sarry1,2, Nathalie Marsaud4,5,6,7, Sylvain Foissac1,2, Florent Woloszyn1,2, Philippe Mulsant1,2 and Beatrice Mandon-Pepin8 Abstract Background: Successful early folliculogenesis is crucial for female reproductive function. It requires appropriate gene specific expression of the different types of ovarian cells at different developmental stages. To date, most gene expression studies on the ovary were conducted in rodents and did not distinguish the type of cell. In mono-ovulating species, few studies have addressed gene expression profiles and mainly concerned human oocytes. Results: We used a laser capture microdissection method combined with RNA-seq technology to explore the transcriptome in oocytes and granulosa cells (GCs) during development of the sheep ovarian follicle. We first documented the expression profile of 15 349 genes, then focused on the 5 129 genes showing differential expression between oocytes and GCs. Enriched functional categories such as oocyte meiotic arrest and GC steroid synthesis reflect two distinct cell fates. We identified the implication of GC signal transduction pathways such as SHH, WNT and RHO GTPase. In addition, signaling pathways (VEGF, NOTCH, IGF1, etc.) and GC transzonal projections suggest the existence of complex cell-cell interactions. Finally, we highlighted several transcription regulators and specifically expressed genes that likely play an important role in early folliculogenesis. Conclusions: To our knowledge, this is the first comprehensive exploration of transcriptomes derived from in vivo oocytes and GCs at key stages in early follicular development in sheep. Collectively, our data advance our understanding of early folliculogenesis in mono-ovulating species and will be a valuable resource for unraveling human ovarian dysfunction such as premature ovarian failure (POF). Keywords: RNA-seq, Early folliculogenesis, Molecular dialog, Transcriptome, Sheep, Oocyte, Granulosa cells, Microdissection Background The major function of an ovary is to produce oocytes intended for fertilization as eggs and to create a favorable environment for the beginning of gestation. In adult mammals, the ovary is a heterogeneous organ containing follicles at various stages of development and corpora lutea, either active or at various stages of involution. The formation of primordial follicles (oocytes surrounded by flattened pre-granulosa cells) occurs during * Correspondence: [email protected] 1 INRA, UMR444 Génétique Cellulaire, Auzeville, BP52627, F-31326 Castanet-Tolosan, France 2 ENVT, UMR444, Laboratoire de Génétique Cellulaire, F-31326 Castanet-Tolosan, France Full list of author information is available at the end of the article fetal development in many species including human, sheep (from 75 days of gestation) [1], cattle, and goat, or after birth like in rodents. The primordial follicles represent a reserve of germ cells for the entire reproductive life of the female. They remain dormant until their recruitment and irreversible growth towards the primary, secondary and tertiary stages (with an antral cavity). The gradual exit of primordial follicles begins shortly after the formation of the primordial follicle pool and continues throughout the reproductive years [2]. Consequently, this early development is important as it regulates the size of the resting primordial follicle pool and the fate of the follicles, which, in turn, affects fertility and the reproductive life span. © 2013 Bonnet et al.; licensee BioMed Central Ltd. This is an open access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by/2.0), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited. Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 Early follicular development requires the appropriate expression of many genes at different developmental stages. Recent studies on natural mutations in sheep [3] and on mutant mouse models demonstrated that the expression of different oocyte-specific genes is essential during early folliculogenesis in a stage specific expression pattern [2]. Figla, Nobox, Pten, Foxo3A and nerve growth factor genes are involved in the formation of primordial follicles, whereas genes such as βFGF, GDF 9 and BMP 4 are involved in the transition from primordial to primary follicles. Other genes such as BMP15 are not expressed in the oocyte until the primary follicle stage and are involved in the transition from primary to secondary follicles, as shown in sheep (for a review see [4]). This process also requires orchestrated communication between oocytes and granulosa cells (GCs), which are the structural components of the early follicle. Oocytes and GCs regulate follicle growth in an autocrine and paracrine manner via secreted factors and direct gap junctional communications. On one hand, it is assumed that oocytes control the proliferation of GCs and later, their differentiation into steroid secreting cells and their metabolism [5]. On the other hand, GCs are indispensable to oocyte growth, meiosis, cytoplasmic maturation and control of transcriptional activity within the oocyte [6]. This dialog also takes place through GC cytoplasmic extensions that penetrate the zona pellucida (ZP) and form gap junctions with oocyte cell membrane [7]. Although some large scale expression studies have been conducted on rodent and human oocytes [8-11], expression profiling of follicular compartments is difficult to accomplish due to the very small size of the follicles and the mixture of preantral stages in the ovary. Two studies in particular identified the specific transcriptome of human oocytes in the quiescent state [10,11]. These studies highlighted enriched functions (transcription, RNA post transcriptional modifications) and molecular mechanisms (cell cycle, androgen signaling) in human oocytes, which were also identified in the only preliminary analysis conducted in sheep species to date [12]. But exactly which granulosa cell factors play a specialized role in early follicular development is not known. Our knowledge of the key mechanisms and the bidirectional communication underlying early folliculogenesis is consequently still very limited and is mainly derived from rodents (poly-ovulating species). Spatial and temporal information on gene expression patterns would facilitate the identification of the regulatory gene networks that underlie cell growth, differentiation, and the functional specification of each follicular compartment. The purpose of this study was thus to 1- describe global gene expression during early ovarian folliculogenesis Page 2 of 19 in each follicular compartment (oocyte, GCs) in monoovulating species using sheep as the experimental model (whose fertility, litter size, ovulation rate and fetus development is similar to humans, unlike rodents); 2- identify differential and specific gene expression between these two follicular compartments; 3- investigate specific functions and pathways, and 4- explore bi-directional communication between oocytes and GCs. This was achieved using laser capture microdissection (LCM) to isolate oocytes and GCs during the earliest stages of folliculogenesis. Gene expression profiles were monitored at each follicle stage according to cell type using RNA-seq technology. We report the successful isolation and generation of global gene expression data sets of pure oocytes and GC populations at key stages of early follicular development. We describe the expression profile of 15 349 genes with 33.4% of genes displaying differential expression between the two compartments. In addition, we identified oocyte and GCspecific gene expression and the pathways involved in oocyte-GC communication. Results We combined laser capture microdissection (LCM) [12] and RNA-sequencing technologies to detect separate GCs and oocyte global transcriptome for each stage of follicle development: primordial (PD), primary (PM), secondary (SC) follicles and the small antral stage (SA) as control. Three/four biological replicates were obtained per condition (8 conditions: cell type X stage). For the experimental protocol, see Additional file 1: Figure S1. The RNA-seq experiment generated around 2.647 billion 100 bp reads with an average of 73.7 million per LCM-derived amplified RNA sample (LCM-aRNA). The result of the bioinformatics and annotation processing is summarized in Figure 1 and detailed in Additional file 2. Briefly, the genome assembly approach (mapping to sheep genome sequence, assembly, followed by read counting) generated a collection of 382 933 fragments that aggregated 47.5% of LCM-aRNA reads. After 3′ UTR selection, the final dataset included 15 349 genes. 221 716 genomic fragments remained unannotated. Exploring global gene expression The 15 349 genes correspond to 62% of the bovine annotated genes in Ensembl UMD3.1 release 65, and to 78.6% of the ovine annotated genes in CSIRO Oarv2.0 (18 656 genes). As expected, the number of expressed genes was uniformly distributed between chromosomes according to the number of expected genes except for chromosome 15 on which significantly fewer genes were expressed (Additional file 1: Figure S2A). The percentage of genes transcribed for this chromosome was 57%, compared to an average of 80% for the other chromosomes Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 Page 3 of 19 Genomic Fragments (GF) /genes Reads 2647 million of reads : 73.7 million/LCM sample Mapping Genome assembly: Ovine genome De novo assembly: Bovine genome 381600 GF 1333 GF 47.5% reads 382933 GF Annotation Not annotated 73% reads Annotated 221720 GF 161213 GF Dataset filtration 15349 genes 3’ UTR Exons 86.8% 5.5% Introns 5’ UTR 6.5% 1.2% 2.6% 89.4% 30.7% from 2647 million of reads Figure 1 Summary of bioinformatics processes. The RNA-seq experiment produced a collection of 382,933 fragments that aggregated 47.5% of the LCM-aRNA reads. The annotation strategy assigned 73% of the mapped reads. A total of 221,716 genomic fragments remain unannotated. A total of 86.8% of the annotated reads are located in stop codon or 3′UTR regions, whereas only 5.5% are located in exons, 1.2% in start codon/ 5′UTR regions and 6.5% in introns. The final dataset conserved a single fragment per gene corresponding to the nearest 3′UTR region with the highest number of reads. This dataset aggregated 89.4% of the annotated LCM-aRNA reads (86.8% were located in 3′ UTR regions and 2.6% were located in exons). (SD = 7.9%). The chromosome coverage of the expressed genes overlays Oarv2.0 annotated genes (Additional file 1: Figure S2B) except for chromosome 15 on which we identified two regions with fewer expressed genes. The density of expressed genes in these two regions (45–50 MB and 77–80 Mb) was 75%-90% lower. For each sample, the expression levels were measured in read counts per gene (the 3′ UTR fragment being the most representative) and a normalized expression (RPM = sample gene read count/(sample total mapped read /1 000 000)) was calculated to describe the transcriptome of the tissue. First, we visualized a dynamic range of gene expression between 0.2 and 1 000 RPM (Additional file 1: Figure S3A-B). We estimated that 95% of the genes aggregated 56% of the reads. We then examined the highest expressed genes and detected a clear distinction between cell types (Additional file 1: Figures S3C-D). The highest oocyte-expressed genes contributed less to the total number of reads than GCs and multitissue samples (MT: 12 different tissues). For example, the ten highest oocyte-expressed genes contributed 4.2% to 4.7% of the total reads, while the highest expressed GC and MT genes contributed respectively 5% to 9.2% and 16.84% of the total reads. In oocytes, the most expressed genes included ZP2, ZP3 and GDF9, genes known to be oocyte specific, but also ACTG, PAIP1, PDK3. In GCs, the most expressed genes included mainly ribosomal genes, such as RPL4, RPL14, RPS23, genes involved in cellular assembly and organization, such as ACTG, collagens, VIM and cell growth regulators, such as MGP. Among these 15 349 expressed genes, we observed a significant decrease in oocyte-expressed genes during early follicular development, i.e., from 13 219 genes in primordial oocytes to 11 693 genes in small antrum oocytes (Figure 2A). Conjointly 9 499 genes were found to be expressed in all the samples (O + GCs + MT) and were considered as ubiquitously expressed genes. However, their relative expression levels varied depending on the type of cell, for example ribosomal genes (RPL4, RPL14), VIM, SPARC, and low expressed genes such as BSCL2. In addition to this qualitative assessment, the transcriptome data set was analyzed using the R software package, DESeq [13]. Principal component analysis of the DESeq normalized data confirmed the relevance of the data (Figure 2B). The first axis explained 52% of expression variability and separated the two follicular compartments (O and GC). The second axis explained 15% of expression variability and separated the samples according to their follicular stages. Global differential gene expression To identify differentially expressed genes, a generalized linear model was applied to the data after DEseq normalization (DESeq’s GLM method using the gene Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 A 14000 Gene number 13000 * Page 4 of 19 B 12000 11000 10000 9000 8000 7000 6000 C D Figure 2 Global gene expression. A: Number of expressed genes. For each condition (stage x compartment) expressed genes are genes with an average expression >10 reads for ¾ of the replicates. Ubiquitous genes are genes expressed in all the samples. *: pval < 0.05 between PDO-PMO and SCO-SAO. B: Principal component analysis (PCA) of the transcriptome. PCA was performed on the gene data set after normalization using the R DEseq package. The first axis explains 52% of the expression variability and separates the two follicular compartments (O vs. GCs). The second axis explains 15% of the expression variability and separates the samples according to their follicular stages. C: Heatmap display of supervised hierarchical clustering of all the differential genes between compartments. The 1,694 genes are displayed in rows and the mean of replicates per condition are displayed in columns. Red, black and green represent up, mean, and down expression, respectively. D: Specific expression profiles. Relative quantification of BTG4 MCF2L, STA8SIA3 oocyte-specific genes and IFNE, ITIH5, DEFB112 GC-specific genes in the 2 follicular compartments and throughout early follicular development ((n = 3-4), Pd: primordial, Pm: primary, Sc: secondary, SA: small antrum). Expression specificity was checked by comparison with the expression of 3 amplified multi-tissue samples (3 independent pools of 12 tissues = MT) and non-amplified individual tissues. X axis from the left: PDO, PMO, SCO, SAO, PDG, PMG, SCG, SAG, MT1, MT2, MT3, fetal ovary, pituitary gland, hypothalamus, muscle, skin, hurt, lung, intestine, stomach, liver, kidney, spleen, fetal ovary, theca. The left Y axis corresponds to the relative expression normalized by 2 reference genes (Actin β and RPL19) from qPCR data (red color). The right Y axis corresponds to the normalized counts from RNA-seq data (blue color). data set). This model allowed statistical evaluation of the factor effects (O, GC) and their interactions. The following criteria including FDR < 0.5% to 1% (BenjaminiHochberg procedure) and a fold change >2 were chosen to determine significant differentially expressed genes. Using these criteria, 33.4% of genes (FDR < 0.5%: 5 130 genes) were significantly differentially expressed between the two compartments; 19.6% of genes were significantly differentially expressed during early development (FDR < 1%, 3 015 genes). We observed differences in expression profiles during early folliculogenesis between the two compartments for 4.3% of the genes (interaction effect FDR < 0.5%, 674 genes). For example, the expression of the KCNN3 gene decreased in GCs during early development whereas its expression increased in oocytes. Differential expression is detailed in Table 1, which, interestingly, shows that genes were under expressed in oocytes compared to in GCs (2 833 genes). Focus on differential expression between compartments (O/GCs) We focused our analysis on the 5 130 significant differentially expressed genes (DEG) between compartments (Additional file 3). The aim was to provide an overview Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 Page 5 of 19 Table 1 Summary of differential gene expression Number of differential genes Total Up Down 5129 2297 2832 total 3015 1357 1658 oocyte 2173 1064 1109 granulosa cells 1192 408 784 total 674 oocyte 522 250 272 granulosa cells 262 91 171 Compartment effect: O/GCs Stage effect: SA/PD Interaction effect gene regulation of specific gene expression, mechanisms and functions in these cell types, which may be involved in the dialog between the oocyte and GCs, and regulate follicle development. First, we observed numerous genes on the DEG list already known to have cell-type specific expression. The expression of 39 genes known to be compartment specific was investigated and the expression of 36 of them was confirmed by the RNA-seq statistical analysis (Additional file 4). Last, the expression of 33% of the genes (1 694 genes) varied during early follicular development. Supervised hierarchical clustering was performed to identify groups of genes with similar expression profiles. This led to a clear separation between the two compartments and identified clusters of genes according to the stage of follicular development, suggesting a difference in the dynamics of transcription between oocytes and GCs (Figure 2C). Compartment specific expression Previous studies that were mainly devoted to rodent species identified oocyte-specific genes with important functions related to oocyte development and folliculogenesis. However, few data are available for GCs. To gain insight into the specific expression of each compartment, we performed a pair-wise comparison of the transcriptome of each compartment and both MT and the other compartment transcriptomes. In this way, we identified 55 highest differentially expressed genes in GCs (FDR < 0.5%, FC > 5) and 161 highest differentially expressed genes in oocytes (FDR < 0.5%, FC > 10. In so doing, we confirmed the specific expression of the genes already known as WNT4, FSHR, PTEN in GCs or WEE2, DDX4, NRLP9, NLRP13, BMP15 in oocytes. We also identified new compartment-specific expression of genes such as IFNE, DEFB112, BMP1, IGFBP6 and TCF23 in GCs and ST8SIA3, MUSK, TECTA, BTG4 and ACCSL in oocytes. Among these genes, we also identified oocyte- specific expression of 11 transcription regulators (BSX, PATL2, DMRTC2, SIX6, etc.) and the GC-restricted expression of four transcription regulators (HDAC9, LZTS1, HOXC4, ASB9). For a list of the highest differentially expressed genes, see Additional file 5. Validation of differential expression by quantitative real time RT-PCR To validate the RNA-seq analysis, the expression profiles of a subset of genes of interest were monitored using qRTPCR. These genes were selected as follows: (i) genes showing significant up or down expression in oocytes (11 genes: Table 2), (ii) genes involved in particular canonical pathways (2 genes: Table 2) or (iii) compartment-specifically expressed genes (17 genes: 8 oocyte-specific genes and 9 GC-specific genes; Table 3). Statistical analysis confirmed the differential expression between compartments observed in RNA-seq data for all the genes tested (Table 2) and the compartment-specific expression of 13 out of 17 genes (Table 3). The accuracy of our gene expression measurement was also confirmed by the similarity between RNA-seq and qRT-PCR fold change (Additional file 1: Figure S4). Figure 2D illustrates the new compartment-specific expressions checked by qRT-PCR in oocytes (BTG4, MCF2L, ST8SIA3) and in GCs (IFNE, ITIH5, DEFB112). Biological trends Biological functions To investigate the biological functions associated with the two compartments, the DEG list was subjected to Ingenuity Pathway Analysis (IPA) and tested for function Table 2 qRT-PCR validation Canonical pathways Gene RNA-seq analysis O/GCs Fold change IGF1 Gap junction Notch PI3K qPCR analysis O/GCs Fold change P value class * IGF1 0.284 0.52 INSL3 0.121 0.482 * IGF1R 3.334 7.35 * GJA4 20.84 4.247 * GJA1 0.117 0.278 *** *** JAG1 2.053 2.909 PIK3R3 P P KITLG 0.266 0.218 ** KIT 2.244 3.962 ** Paxilin PARVA P 3.5 * Others GATA2 7.028 10.906 * AMHR2 +∞ 0.64 *** MAEL 3.255 5.661 *** *: pval < 0.05; **: pval <0.01; ***: pval < 0.005. Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 Page 6 of 19 Table 3 Validation of gene expression specificity RNAseq data HUGO gene name qPCR data O/GCs FC Pvalue O/G FC Pvalue WEE2 40.25 MUSK 22.52 6.46E-15 56.15 * 1.40E-10 108.64 * SPO11 GAPT 13.16 7.71E-06 16.45 *** + 9991 2.5E-05 60.91 * MCF2L ST8SIA3 41.16 3.82E-03 29.04 NS(0.068) 16.54 4.4E-03 74.5 * TNIP3 41.79 GABRP 28.89 1.1E-03 21.74 NS(0.072) 1.79E-07 1369.57 * IFNE −999 5.18E-05 0.002 * TCF23 0.096 5.29E −08 0.051 *** TLL2 0.118 3.00E-11 0.148 * EFS 0.086 5.39E-06 0.24 *** WINT4 0.095 4.63E −03 0.106 * ITIH5 0.142 4.97E −03 0.101 *** HTRIF 0.007 2.21E-06 0 TMEM167A 0.012 8.16E −04 0.025 DEFB112 0.087 1.60E-12 0.005 2 * *: pval < 0.05; ***: pval < 0.005. 1 : expression only detected in oocytes. 2 : expression only detected in GCs. enrichment (Additional files 6 and 7). In the oocyte compartment (2 297 genes), we found a high statistical enrichment of genes involved in the cell cycle (with 14 genes contributing to the meiotic arrest), gene regulation, cell morphology and organization, and the reproductive system. The cell cycle function (mainly cell cycle progression) was also enriched in GCs. Last, we observed different involvement of oocytes and GCs in the reproductive system. On one hand, oocytes over-expressed 66 genes that have been shown to play important roles in fertility. The genes over-expressed in GCs (2 833 genes) were found to be mainly related to cellular proliferation and atresia (“cellular growth and proliferation”, “cell death” IPA functions), cell morphology (148 genes involved in the “formation of protrusions”) and movement, lipid metabolism and the reproductive system such as BMP15, GDF9, BOLL, FIGLA, MOS, PIWIL1, INSL6. On the other hand, GCs overexpressed 107 genes involved in ovarian tumors of which eight were related to GC cancer (AMH, FOXL2, GATA4, GNAS, INHA, KRAS, NR5A1, ZFPM2). Figure 3A is a graphic representation of the DEG biological functions in which the 17 main categories (FDR <0.05) are shown. Canonical pathways Based on the results of the IPA canonical pathway analysis, we identified 36 significant pathways that encompassed metabolism, regulatory and cell signaling. These pathways are shown in Figures 3B-D. This analysis underlined two different cell cycle checkpoint regulations according to the compartment: enrichment of genes involved in the G1/S checkpoint for GCs and in the G2/M DNA damage checkpoint for oocytes (Figure 3B). We observed significant cellular proliferation and apoptosis mechanisms in GCs, and gene enrichment in nuclear signaling receptors such as PPARG, LRX/RXR and PRX/RXR involved in lipid metabolism. We also identified GC-specific enrichment pathways such as cAMP-mediated, p38 MAPK, wnt/β-catenin and PDGF signaling pathways. Figures 3C-D provide further evidence for the over-expression of growth hormoneencoding genes in GCs compared to oocytes during early ovarian folliculogenesis, and for the involvement of PTEN, calcium, eNos and SHH signaling pathways in GCs. Last, we observed enrichment of genes involved in AMPK signaling related to GC energy regulation. Cell-cell interactions In mammals, bidirectional communications between oocyte-GC and GC-GC are required for meiotic maturation, acquisition of oocyte competence, and follicle development. Analysis of the canonical pathways identified molecular events involved in these communications including IGF1, VEGF, FGF, Notch and tight junction signaling pathways. Figure 4 illustrates oocyte-GC cross-talk with the over expression of IGF1R gene in oocytes (FC = 3.33) and the over expression of IGF1 gene in GCs (FC = 3.57). Regulation of the IGF1 system was then achieved through the over expression of IGFBP2, IGFBP4, IGFBP6, IGFBP7 genes in GCs. In the same way, VEGFA was highly expressed in GCs (FC = 4.87) while its receptor FLT1 was over expressed in oocytes (FC = 2.86) (Figure 5A). The involvement of FGF2 in oocyte-GC dialog was also evidenced by the over expression of FGF2 in oocytes and of FGFR1 and FGFR2 in GCs. We also revealed for the first time over expression of FGF family members such as FGF16 (FC = 7.14), FGF20 (FC = 4.3) in oocytes and FGF1 (FC = 8.3), FGF11 (FC = 4.3), FGF12 (FC = 6) in GCs. Notch signaling was assumed to be involved in two kinds of interactions. Firstly, the abundance of NOTCH1 transcripts in GCs and of its ligand JAG1 in oocyte confirmed compartmental interactions (Figure 5B). Secondly, this pathway could be involved in GC interactions via its functional ligand CNTN1 (Figure 5C). Finally, we detected the differential expression of genes involved in cellular connections and adhesions. GJA1 (cx43), which is over expressed in GCs, and GJA4 (cx37), which is over expressed in oocytes (Table 2), are known to participate to gap junctions and connect oocytes with GCs. We also observed over expression of Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 C 25 Gene enrichment (%) B - log(B-H P-value) Gene enrichment (%) A Page 7 of 19 11 20 Gene enrichment (%) 65 ** 15 10 15 5 0 25 18 32 20 *** 15 *** 8 7 10 10 5 22 18 *** 18 24 *** 8** 15 8 ** 34 * 34 21 62 ** 43** 28 17 * 31 18 *** ** 17 ** 8 0 BMP FGF GNRH HGF IGF1 36 ** 27 16 * ** 25 ** *** 6 11 3 PDGF TGFβ VEGF Oocyte Granulosa cells 18 29 20 20 19 *** *** *** 9 5 9 36 16 26 36 25 20 27 45 *** *** *** 18** 9** *** 23 6 23 15 63 ** *** 6 AHR D 12 * 12 30 18 28 27 *** ** *** *** 13 0 Figure 3 Functional enrichment and canonical pathways within oocyte and GCs. A: Functional enrichment. Genes differentially expressed between the 2 compartments were evaluated in silico using Ingenuity Pathway Analysis (IPA). The figure shows the most significant functional groups (p < 0.05, FDR < 5%). For each compartment, the gene list corresponds to up regulated genes compared to the other compartments. The bars represent the p-value at logarithmic scale. GC data are in red and oocyte data are in blue. Red and blue numbers correspond to the number of focus genes that contributed to the function concerned. B: Canonical pathways in oocytes and GCs. Significantly enriched canonical pathway categories (p-value < 0.05) identified in the 2 compartments. The Y axis corresponds to percentage gene enrichment in the pathway. Red and blue numbers correspond to the number of focus genes that contributed to the pathway concerned. *: FDR < 0.25 (likely to be valid 3 out of 4 times); **: FDR <0.10; ***: FDR < 0.05. C: Growth factor signaling pathways in oocytes and GCs. Significantly enriched growth factor signaling pathways (p-value < 0.05) identified in the 2 compartments. The Y axis corresponds to percentage gene enrichment in the pathway. Red and blue numbers correspond to the number of focus genes that contributed to the pathway concerned. *: FDR < 0.25; **: FDR <0.10; ***: FDR < 0.05. D: Signaling pathway in oocytes and GCs. Significantly enriched signaling pathways (p-value < 0.05) identified in the 2 compartments. The Y axis corresponds to percentage gene enrichment in the pathway. Red and blue numbers correspond to the number of focus genes that contributed to the pathway concerned. *: FDR < 0.25; **: FDR <0.10; ***: FDR < 0.05. genes involved in the adherent junctions (catenin, cadherins and afadin) and in the tight junctions (TJP1, claudins, cingulin) (Additional file 1: Figure S5). Transcription regulators Oocyte and GC transcription factors (FIGLA, NOBOX, FOXL2, etc.) play an important role in folliculogenesis [14]. They control both oocyte development and GC function. To identify new transcription regulators, we performed IPA upstream regulator analysis on the DEG data set. For each compartment, we predicted the transcriptional regulators that were over expressed and involved in the regulation of this DEG: 47 GC regulators and 9 oocyte regulators (pval < 0.05: Additional file 8). Among them, the oocyte transcription regulator NOBOX and 12 GC transcription regulators (GATA4, FOS, TP53, etc.) were predicted to have their protein activated. Discussion To our knowledge, this is the first comprehensive exploration of transcriptome from oocyte and granulosa cells separately and at several key stages corresponding Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 Normalised RNA-seq counts Page 8 of 19 100000 IGF1 10000 1000 100 Normalised RNA-seq counts PD PM SC SA 1000 100 IGF1R 10 PD PM SC SA Oocyte Granulosa cells Figure 4 IGF signaling pathway. Gene expression involved in the IGF1 signaling pathway. Genes in red are over expressed in oocytes. Genes in green are over expressed in GCs. Relative expression of IGF1 and IGF1R from RNAseq data in the graph. The Y axis corresponds to RNA-seq normalized read counts. to in vivo major transitions during early folliculogenesis in sheep. The study resulted in reliable transcriptional profiling in time and space. We explored changes in gene expression between the two follicular compartments and identified specific transcriptional programs in either oocyte or granulosa cells. In addition, we identified pathways involved in bidirectional communication. Thanks to mouse genetic models, a significant number of targeted molecular data (gene expression and proteins) has been accumulated during the past years. Recently, these data were complemented by mouse and human oocyte transcriptome data that give us more information about the molecular mechanisms involved in early folliculogenesis. Our study expanded transcriptome data to GC and enabled us to determine the precise expression of genes involved in these mechanisms in a mono ovulating species. Oocyte and GC Transcriptional profiling This study documented the expression of 15 349 genes (which represents the majority of ovine genes) in ovarian follicles during early follicular development. Thanks to the sensitivity of RNAseq, we estimated a larger number of genes expressed in oocytes (14 172 genes expressed in ¾ of replicates) than other microarray studies (Additional file 2; discussion section). In our study, 14 087 genes were also estimated to be expressed in GCs. These high numbers of expressed genes were close to the higher number of genes expressed in testis (15 000) compared to the other human and mouse tissues (11 000 to 13 000 genes from RNA-seq data) [15]. The high number of expressed genes in both oocytes and GC evidenced strong transcriptional activity. Interestingly, this analysis revealed a slight decrease in the number of oocyte expressed genes during follicular development from SC follicles that coincides with the gain in methylation from PM to SC follicle transition (oocyte diameter of at least ~50 mm) [16]. The detection of a large number of ubiquitous genes (Figure 2A) was previously reported by Ramköld et al. [15] suggesting that functional specialization is not associated with a large Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 Page 9 of 19 A B GC O GC GC NOTCH1/2/3 HES HERP Transcriptionof target genes Granulosa cells Oocyte C VEGFA GC VEGFC-D O FLT1 Figure 5 (See legend on next page.) Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 Page 10 of 19 (See figure on previous page.) Figure 5 VEGF and NOTCH signaling pathways. Gene expression involved in the VEGF and NOTCH signaling pathways. Genes in red are over expressed in oocytes. Genes in green are over expressed in GCs. Relative expression of VEGF and FLT1 from RNAseq data. The Y axis corresponds to RNA-seq normalized read counts. A: Oocyte-GC communications in the NOTCH signaling pathway. B: GC-GC communications in the NOTCH signaling pathway. C: Oocyte-GC communications in the VEGF signaling pathway. population of genes but results in more subtle and complex control. RNA-seq has made it possible to identify novel transcripts. In this study, we uncovered 221 716 genomic fragments that now need to be annotated. Some of them present a high expression level and compartmentspecific expression (FC > 100) suggesting they play an important role in early folliculogenesis. Further exploration using bioinformatics and gene expression validation will be necessary to refine these results. Differential expression between compartments reflects the fate of the cell types The development of the follicle and the maturation of oocyte require orchestrated communication between oocytes and GCs at all stages of early folliculogenesis. They also require the expression of compartment-specific genes. To investigate these molecular processes, we focused our analysis on differences in gene expression between oocytes and GCs and identified a large number (5 129) of differentially expressed genes. We identified functional differences between oocytes and GCs and described the characteristics of each compartment that lead to two specific cell fates. As described in our previous study [12], the top functions of differentially expressed genes illustrated the three main cellular events known to be involved in early follicular development: the change in the shape of the GC cell from flattened to cuboidal (IPA categories “cell movement”; “shape change of tumor cell lines”: 30 genes including FLNB, EDNRA), the marked increase in the number of GCs (x 40 in sheep species up to the secondary stage) and oocyte enlargement [17] (x 300 between the primordial and antral stages: IPA category “morphology of germ cells”: 31 genes including ASZ1, TDRD5). DEG comparison of genes identified in five previous studies validated this list (Additional file 2; discussion section). In addition to the information provided by our previous study [12], IPA RNA-seq analysis increased available information thanks to the identification of additional DEG. Meiotic regulation In most mammals, meiosis is initiated during fetal life and stops prenatally in the diplotene stage of prophase I at the G2/M transition until development into a Graafian follicle (before ovulation). This study highlights oocyte over expression of genes involved in the regulation of meiotic progression, acquisition of meiotic maturation, and maintenance of meiotic arrest. For instance, SPO11 is involved in initiating meiotic recombination by catalyzing DNA double strand breaks [18]. BTRC loss of function in mice results in slow progression through meiosis and abnormal divisions in spermatocytes [19]. We also observed a significant increase in sheep OVOL1 mRNA (FDR = 0.043) and ASZ1 mRNA (FDR = 0.017) during early folliculogenesis. Ovol1 is known to be involved in regulating the pachytene progression of male germ cells [20] and shown to be expressed during sheep early folliculogenesis [21]. In mice, the ASZ1 protein is a germ cell-specific protein located in the cytoplasm of oocytes at all stages of development that may act as an important signaling protein and/or transcriptional regulator during germ cell maturation [22]. The function of these genes is poorly understood in mammalian ovary development but their expression in early follicular development suggests they play a role in the regulation of female meiosis. Finally, we confirmed the expression of genes already known to be involved in the regulation of the oocyte and/or spermatocyte meiotic arrest (AURKA-C, PLK1, PDE3A, BTRC, CDC25B-C, WEE2 etc.). The establishment of GC steroid synthesis This study clearly shows that GCs over-expressed genes involved in steroid synthesis (such as CYP11A1, HSD3B and HSD17) and in steroid regulation (such as nuclear receptor genes (NRs)). NRs include orphan receptors (NR5A1, NROB2), steroid hormone receptors (ESR1, AR, LXR (NR1H2), FXR (NR1H4)), and retinoid acid receptors (RXRA), all of which are over expressed in GCs during preantral follicle stages. NR5A1 (SF-1), which has already been described in sheep GCs [23], is a master gene that regulates the expression of numerous genes including reproductive and steroidogenic enzyme-encoding genes [24]. GC specific SF-1 KO mice are infertile whose ovaries contain a reduced number of follicles and reduced expression of AMH, which partially correlates with the reserve of ovarian follicles [25]. E2 and androgens hormones exert their influence on early folliculogenesis via their respective receptors, ESR and AR. Like in mice, E2 probably plays a role in controlling the primordial follicle pool [26] and androgen signaling is crucial for normal folliculogenesis [27]. We Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 observed strong expression of AR in GCs, like in humans [28]. Finally, for the first time, we identified over expression of LXRB, FXRA and RXRA in GC preantral stages. RXR is a retinoid X receptor that binds as heterodimers (LXR/RXR, FXR/RXR…) and becomes transcriptionally active only in the presence of a ligand (RXR-selective ligand or ligands of the other dimer). LXRs are activated by oxysterols (generated by intermediates of steroid hormone and cholesterol synthesis (CYP21A1, STAR, P450scc products)) and are key regulators of ovarian steroidogenesis at antral stages [29]. FXRs are activated by bile acid, sterol and different lipids and are possibly important regulators of androgen homoeostasis in male gonads [30]. Complex regulation of follicular atresia Atresia is an important process in folliculogenesis and concerns the majority of the follicles. Apoptosis is found in the oocytes of primordial follicles and progressively extends to GCs of growing follicles. We characterized the expression of different genes of the BCL2 family either over expressed in oocytes (BCL2L1, BCL2L10, BCL2L11 (BIM), BCL2L14 (BCLG)) or in GCs (BCL2 BCL2L2, BOK) and that mainly prevent oocyte loss. For example, the BCL2L1 gene was shown to play a crucial role in the survival of germ cells [31]. BCL2L10 may antagonize BAX activities and may also play other roles related to cell cycle control and oocyte maturation (for a review see [32]). In sheep, the high expression of BCL2L10 in oocytes and its up-regulation during preantral stages reinforces its already important role in oocyte development. By decreasing GC atresia, the BCL2 gene family expressed in GCs, such as BCL2, was also believed to increase the number of germ cells and enhance their development. Lastly, BOK mRNA, was found to be restricted to reproductive tissue and was detected in GCs from PM to antral follicles in rat species [33]. GC signaling pathways The molecular pathways were mainly linked to GC proliferation, steroid production, and morphological change. Sheep GCs over expressed members of the Sonic hedgehog (Shh) signaling pathway (SMO, PTCH1 and GLI1-2-3), which is consistent with a potential role for the HH pathway in increased GC proliferation during preantral stages [34]. Last, genes of the WNT family and their receptors (WNT4-3A-5A-6, FDZ1, LRP1-11) and Rho-GTPase activating proteins (ARHGAP9-20-21-3136-44) were shown to be over expressed in GCs. In the ovary, the β-catenin dependant canonical pathway of WNT4 leads to ovarian determining pathways. WNT proteins can also signal via Rho-GTPases, using noncanonical pathways that involve changes in polarized cell Page 11 of 19 shape and cell migrations [35]. This pathway may promote changes in cell shape that affect GCs during early folliculogenesis. Cell-cell communications Follicular growth depends on close interactions between oocytes and GCs but also between GCs themselves. Two kinds of cell interactions are described in this study demonstrating the existence of complex dialogs between compartments: a molecular dialog (signaling pathways) and physical communications (gap junctions and transzonal projections). Signaling pathways: GC regulation of oocyte development GCs are known to play a role in supporting the growth of oocytes, regulating the progression of meiosis, and modulating global oocyte transcription activity. Nevertheless, so far, few factors have been identified that support these assumptions. To date, the most widely studied ligand-receptor systems (that were also identified in the present study) are the KIT/KITL and BMP pathways. Below we describe the involvement of other signaling pathways. The Notch signaling pathway plays many roles in cell communication by influencing cell proliferation, differentiation, and apoptosis [36]. In sheep, we found over expression of NOTCH1-2-3 in GCs and over expression of the NOTCH ligands JAG1 and DLL3 in oocytes that perfectly illustrate oocyte-GC crosstalk (Figure 5A) and that may influence oocyte apoptosis, like in postnatal mice [37]. In addition, we suggest that NOTCH is involved in GC proliferation [38] through NOTCH1/ CNTN1 binding (Figure 5B). Vascular endothelial growth factor (VEGF) was already known to promote early folliculogenesis [39]. In this study, we identified over expression of members of VEGF pathway including VEGFA and NRP1 (a VEGF receptor) in GCs, and over expression of FLT1 (another VEGF receptor) in oocytes. These gene expressions suggest a role for the VEGF pathway in GC-oocyte and GCGC crosstalks (Figure 5C). As already described, the VEGF pathway may protect GC against atresia [40]. The crucial role of the IGF system is largely described during terminal follicular growth [41] but is poorly documented in preantral stages. Ovarian IGF1 production was shown to vary with the species. IGF1 is mainly expressed by GCs in rat and pig species [42] but its protein was also detected in the oocyte of rat preantral follicles [43]. Moreover, the IGF1 transcript was not detected in adult sheep [44] or cattle ovaries [42] but its receptor IGF1R was expressed from primary follicles and its expression increased with follicular growth [44,45]. Our study provides a precise description of members of the IGF system in sheep species at preantral stages (IGF1-2, IGFBPs, IGF1R). Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 The IGF1 pathway (Figure 4) suggests a role for IGF1 in oocytes and GCs in agreement with studies on mice. Indeed, although insulin/IGF signaling is not essential in oocyte conditional knockout mice [46], IGF-1 significantly increases oocyte maturation [47]. In GCs, the expression of IGFR1 and the over expression of the downstream signaling molecules IRS1 and AKT2 are also in agreement with the involvement of IGF1 in the regulation of GC survival [48]. Additional immunohistochemistry to detect IGF1 and IGF1R proteins and in vitro early follicle cultures could be used to evaluate the effect of IGF1 on sheep preantral growth. In vitro early follicle cultures are described in Mochida et al [49]. Signaling pathways: Oocyte regulation of GC function Numerous studies have shown that oocytes are potent stimulators of GC proliferation. A compilation of oocyte-secreted factors that regulate GC function was published in 2008 [50]. Among these factors, we describe the over expression of FGF2 in sheep oocytes and FGFR1-2-L1 receptors in GCs that may influence primordial follicle development in accordance with in vitro goat and rat studies [51,52]. We also report the over expression of FGF16-20 in oocytes for the first time in mammals. A recent study on Nile tilapia species suggests that FGF16-20 are involved in early oocyte development in the female [53]. In other mammal tissues, FGF16 and FGF20 promote cell proliferation and differentiation. Physical interactions Transzonal projections (TZP) are GC specialized extensions corresponding to long cell projections and microvilli that are in close contact with the surface of the oolemma or invaginate the cortical area of the oocyte. These projections establish communicative (gap junctions) and adhesive junctions (tight junctions) both with the oocyte and neighboring transzonal projections. In this study, we observed an enrichment of genes involved in the formation of cellular protrusions in both GCs and oocytes (Additional files 5 and 6). We confirmed over expression of two gap junction genes that are indispensable for the regulation of folliculogenesis and oogenesis: GJA1 (Cx43) in GCs and GJA4 (Cx37) in oocytes. Moreover in our study, ZP2-4 were seen to significantly increase during preantral stages as shown in human fetal ovaries before the formation of zona pellicida [54]. Regulators In the present experiment, we identified a set of upstream transcriptional regulators able to regulate follicle gene expression and ovarian development. In sheep oocytes, NOBOX, which is known to promote follicular growth in mice, was detected in this study at Page 12 of 19 medium expression level in preantral oocytes and was predicted to increase gene expression of BMP15, DNMT1, GDF9, H1FOO, MOS, ZAR1 genes [55]. Analysis of IPA upstream regulators also predicted activation of AHR in oocytes (Additional file 9). AHR protein may act on oocyte gene expression through the receptor nuclear translocator ARNTL2 over expressed in oocytes. These findings are consistent with AHR regulation of follicular growth by affecting germ cell death during female gametogenesis [56]. In GCs, transcriptional regulators referred to sterol regulation (SREBF1, SREBF2) hormone response (EGR1, CREB, SKIL, ETS1), cellular growth (TP53, XBP1, MYC, NFIA, HIF1A), cellular differentiation (MITF), and increased transcription (MYC, NFIA). Here we describe for the first time, over expression of NFIA and HIF1A in GCs of preantral follicles. NFIA is a transcription factor involved in the control of cell growth in both humans and model systems [57]. HIF1A is an ARNT interacting protein that activates the transcription of target genes involved in energy metabolism, angiogenesis, and apoptosis [58]. We were able to predict the regulation of 59 genes by HIF1A and we observed an increased in its expression during early folliculogenesis, assuming it plays a role in preantral development. Genes preferentially expressed according to cell type Oocyte-specific genes and their role in folliculogenesis have been extensively studied in murine knockout models [59] but there is a relative paucity of information concerning GC-specific genes. In this study, we completed existing data by highlighting the expression of 216 preferentially expressed genes (161 O + 55 GCs), including genes whose function in ovarian folliculogenesis is unknown. Nevertheless, GCs exhibited fewer preferentially expressed genes than oocytes. In GCs, the DEFB112 gene is described for the first time as preferentially expressed. This gene is poorly documented but is reported to have a regionalized expression in the epididymis in rat and in human and to be related to sperm maturation [60]. As already described in sheep, the preferential expression of BMP1, which promotes BMP signaling via chordinase activities [61], was confirmed. Finally, the molecular chaperone TCP1, which assists the folding of proteins upon ATP hydrolysis (such as actin and tubulin), was specifically detected at a slight but constant level of expression during the preantral stage. TCP1 appears to play a key role in the cytodifferentiation of spermatids that relies on the high plasticity of microtubules [62]. Our result may be associated to the remodeling of the microtubule cytoskeleton during the change in cell shape. In oocytes, we identified the preferential expression of genes such as BTG4. Although much about the function of BTG4 remains unknown, it is known to be involved Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 in cell cycle arrest and to be endowed with antiproliferative properties. In mice, its expression is restricted to the olfactory epithelium, testis, and oocyte [63]. The role of BTG4 during preantral stages in sheep requires further investigation. Another gene of interest is PATL2, a RNAbinding protein (called P100) that was originally characterized as being oocyte specific in Xenopus laevis, where it acts as a translational repressor in a CPEB-containing complex [64]. In Xenopus laevis, PATL2 is maternally expressed in immature oocytes, but disappears upon meiotic maturation. Some authors suggest that PATL2 plays a role in regulating the translation of specific maternal mRNAs required for the progression of Xenopus laevis oocyte maturation [65]. The expression of PATL2 has not yet been documented in mammals; but here we describe for the first time increased specific expression of this gene in oocytes during preantral stages in sheep. In comparison with the role of PATL2 in Xenopus laevis, our finding suggests it plays an important role in the regulation of the translation in preantral oocytes in sheep. Finally, we identified over expression of MUSK in oocytes at preantral stages. MUSK is a receptor tyrosine kinase (RTK) which is induced during skeletal muscle differentiation, and is dramatically down-regulated in mature muscle [66]. This study highlighted involvement of new gene expression in early folliculogenesis. Further investigations are underway to estimate the implication of these genes in mammalian folliculogenesis. Page 13 of 19 guidelines for research studies (animal experimentation authorization no 31–297, prefecture de la Haute Garonne). As described in that study, the ovaries were removed from lambs at birth and embedded in O.C.T. embedding matrix, frozen in liquid nitrogen and stored at −80°C until use. LCM capture was performed using the Arcturus XT apparatus (Arcturus, Applied Biosystems®) from eight-micrometer frozen sections that were stained individually using Cresyl Violet. Each follicle stage was selected as a function of follicular diameter under the microscope taking the observation of series of sections into account and according to the classification of Lundy et al. [17]. Briefly, the following criteria were applied for the selection of the follicle stage : i) primordial follicles (PD <35 μM) were defined as an oocyte surrounded by 2–3 flattened GCs and no cuboidal GCs, ii) primary follicles (PM: 35-50 μM) were defined as a monolayer of cuboidal GCs whatever the size of the oocyte, iii) secondary follicles (SC: 60120 μM) were defined as two layers of GCs and iv) small antral follicles (SA: 250-500 μM) had a diameter of less than 500 μm. The follicular compartments (i.e. granulosa cells (GCs)) and oocytes (O) for each follicular stage were collected in separate CapSure™ HS LCM caps (Arcturus, Ref LCM 0214), treated with 10–15 μl of extraction buffer from Picopure RNA Isolation kit (Arcturus, ref: KIT0202) and stored at −80°C until use. RNA extraction Conclusions This work generated a significant amount of expression data that accurately document early folliculogenesis in sheep. The abundance of expressed genes and the differential expression profiles found in oocytes confirm the hypothesis that oocytes are dynamic cells. The decrease in the number of expressed genes following the development of oocytes is in accordance with a general decrease in transcription. This study identified specific functions and molecular mechanisms involved in each cell type during early folliculogenesis and in the dialog between the different cell types. We confirm and incorporate a large number of individual studies in different species. Last, we highlight new gene expressions that support and extend current knowledge on early folliculogenesis. This study is the first thorough, integrated overview of the molecular mechanisms involved in early folliculogenesis in a mono-ovulating species. It provides a valuable data base for future functional studies in mono-ovulating species including humans. Methods Laser capture microdissection Ovaries were sampled during the preliminary experiment [12] which was conducted in compliance with institutional As very few cells were captured per cap, each RNA LCMderived sample comprised pooled caps and was extracted using the PicoPure RNA Isolation Kit according to the manufacturer’s instructions, including on-column DNase treatment (Qiagen, ref 79254, Courtaboeuf, France) [12]. Finally, RNA of three/four independent replicates was extracted per biological condition (O and GC compartment from PD, PM, SC, SA stages). The 13 tissue samples (fetal ovary, pituitary gland, hypothalamus, muscle, skin, heart, lung, intestine, stomach, kidney, spleen, liver, and theca) were sampled in triplicate at the local slaughterhouse (3 individual animals), frozen in liquid nitrogen and stored at −80°C until RNA extraction. Total RNA was isolated using the Nucleospin RNA II kit (Macherey-Nagel GmbH & Co, ref 740 955 50, HOERDT, France). The 12 total RNA tissue samples (except fetal ovary) were pooled in three independent groups. T7 linear amplification A total of 31 RNA LCM-derived (3PDO, 4PMO, 4SCO, 4SAO, 4PDG, 4PMG, 4SCG and 4SAG) and three multitissue RNA samples were subjected to two rounds of T7 linear amplification using the RiboAmp®HS PLUS kit (Arcturus, ref KIT0525), as previously described [12]. Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 After in vitro transcription, the optical density of antisense RNA (aRNA) was measured at 260 and 280 nm. The integrity of the aRNA samples was checked by the Agilent Bioanalyzer 2100 with a RNA 6000 Nano Lab Chip. To complete the check, we added four Bacillus subtilis control transcripts with decreasing quantities and transcript length (6.54 kb; 3.36 kb; 2.4 kb and 1.6 kb) (provided by Affymetrix, GeneChip Eukaryotic Poly-A RNA Control Kit, ref 900433) to each LCMderived RNA and multi-tissue RNA sample before amplification (1 μl of 5*10-7 dilution). These control transcripts represented internal controls of gene expression for the experimental process. Library preparation and massive parallel sequencing All RNA-seq libraries were constructed from 200 ng of aRNA using Illumina TruSeq RNA Sample Prep (Illumina, San Diego, CA USA) according to the manufacturer’s instructions (Additional file 1: Figure S1). Each biological replicate was identified by a different index. Libraries were quantified using the QPCR NGS Library Quant Kit (Agilent). Three libraries were pooled and loaded randomly per lane at a concentration of 8 pM. The PDG4 library was loaded twice as a technical replicate (PDG4, PDG4b). The 11 flow cell lanes were split into five runs (four runs for LCM derived RNA samples and one run for RNA multi-tissue samples). Sequencing was performed on an Illumina HiSeq2000 using the Illumina TruSeq SBS kit v2 (209 cycles including the index) to obtain paired-end reads (2x100 bp). The quality of sequencing results was summarized and plotted using the NG6 storage platform (http://ng6.toulouse.inra.fr) [67]. Mapping strategy The sheep genome sequence recently became available in public databases but the 3′ UTR non-coding sequences of ovine genes were still poorly documented. Due to the specificity of our data (enrichment of 3′UTR non-coding sequences [68]), we evaluated two different assembly strategies to maximize transcript identification (Additional file 1: Figure S6A). Genome strategy For each sample, the reads were mapped with bwa aln to the sheep genome sequence [69] (CSIRO Oarv2.0 released March 2011: http://www.livestockgenomics.csiro.au/sheep/). Bam files were filtered (keeping only reads in a proper pair with mapq > 30) and converted into BED files. All BED files were individually merged (overlapped genomic fragments or which shared reads from same pair) and then grouped before being merged to produce a collection of genomic fragments. The number of reads per genomic fragment was computed and only genomic fragments with more than 20 reads were kept to perform annotations. Page 14 of 19 De novo transcriptome strategy Reads were assembled per condition using SOAPdenovoTrans-31kmer. After each assembly, GapCloser was used to resolve N-spacers introduced in the scaffolding process. All contig files were thereafter concatenated and a metaassembly was performed using TGICL. All contigs and singlets highlighted were used to create a reference to map back all input reads. Bam files were filtered to keep only reads in a proper pair with no more than four mismatches. A counting file was generated for each contig and each condition using all count files. Annotation strategy In comparison to sheep, more gene annotations are available for cattle. In agreement with Jager [70], our preliminary analysis showed that the use of bovine transcripts for the annotation substantially increased the number of genes identified. Consequently, genomic fragments and de novo contigs were aligned with the bovine genome sequence [71,72] (Ensembl Bos taurus UMD3.1) using Blat. Blat results were filtered to keep only hits with genomic fragment or contig coverage > = 80%, identity > = 90% and best hit score 3 fold greater than other hits. Blat targets (i.e. cattle slices) were crossed with the Ensembl Bos taurus GTF file (Bos_taurus.UMD3.1.65.gtf). Iteratively, for Bos taurus slices not linked to a described gene, we searched for overlaps with downstream gene regions extended by 500 bp, 1 kb and 3 kb (Additional file 1: Figure S6B). All the non-annotated genomic fragments and contigs (not mapped to the bovine transcript) were discarded from the data set. Finally, the annotated contigs (from the de novo strategy) were mapped to the sheep genome and contigs whose sequence was unknown in the public sheep genome database were added to the final data set. Dataset filtration As a gene was represented by a mean of eight genomic fragments (Additional file 1: Figure S8) and because most of the RNA-seq reads are located at the end of the genes (amplification bias), the genomic dataset was filtered to conserve only the best genomic fragment per gene (the genomic fragment with the highest count and the most 3′ UTR localization) with more than 20–30 reads per condition (20 reads for PDO in the three replicates and 30 reads for the other conditions in the four replicates). This counting method was the most informative for this experiment and did not require gene length normalization. This genomic data set was completed with the annotated contigs from the de novo strategy missing in the genome strategy data set. Experimental validation Increasing amounts of four Bacillus subtilis control transcripts were added to all LCM-derived RNA samples Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 before amplification to control the amplification and RNA-seq processes. For each sample, the reads were mapped with bwa aln on the 4 B. subtilis sequences. The RPKM (reads per kilobase of exon per million) was computed for each control transcript. To make the samples comparable for experimental validation, the amount of each B. subtilis control transcript was calculated for each sample in proportion to the highest one (DAP). Statistical analysis The significance of differential gene expression was determined using DESeq package for multifactor design [13] in R software (R 2.14.0; DESeq release 1.6.1) (Additional file 1: Figure S6C). Our experimental design included 2 factors: stage (with 4 levels: PD, PM, SC and SA) and compartment (2 levels: O, GCs) with interactions. After DESeq normalization, the best dispersion estimation of our data set was obtained using the following arguments: method ‘pooled’, sharingMode ‘fit-only’, fitType ‘local’. The GLM method was then used to estimate the coefficient and deviance for each gene. For inference, we specified three models: the full model regressing gene expression on both compartments and follicular stages and taking interaction effects into account (count ~ stage*compartment), the additive model (count ~ stage + compartment) and the reduced model (count ~ 1). We tested the effects of the compartments, follicle stages, and their interactions on gene expression using nbinomGLMTest. Differential gene expression between compartments and differential expression profiles between compartments (interaction effect) were selected with FDR < 0.5% (Benjamini-Hochberg procedure) and a fold change >2. To establish the differential expression profile during early follicular development, we selected genes whose intra-compartment variance was differentially expressed in at least one of the stages (nbinomGLMTest). Thereafter, for each compartment, the expression value of each gene at each follicle stage was compared using pairwise comparison (nbinomTest). Differential gene expression during early follicular development was selected with a FDR <5% for global ‘intracompartment’ effect (nbinomGLMTest) and pval <1% for pairwise comparison (nbinomTest) with a fold change >2. The most expressed genes in a specific compartment (O, GCs) were identified using pairwise comparisons with FDR <0.5% and a fold change >10 for the oocyte compartment (O/GCs + MT) and >5 for GC compartment (GCs/O + MT). Biological trends Ingenuity® Pathway Analysis software (IPA; http://www. ingenuity.com) was used to examine functional and molecular pathway enrichment for differentially expressed genes based on Fisher’s exact test. This software combines functional annotations of differentially expressed Page 15 of 19 genes (focus genes) and the corresponding bibliographic data to generate significant signaling pathways and regulation networks. The biological analysis focused on the list of differentially expressed genes. The Ingenuity Pathways Knowledge Base was used as the reference set. Functional category analysis identified the functions in the IPA library that were most significant to the input data set. The significance of the association between the data set and the functional category was determined by a P value calculated using Fischer’s exact test corrected for multiple testing (p-value < 0.05; FDR < 0.05 (Benjamini-Hochberg test)). Canonical pathway analysis identified the pathways in the IPA library of canonical pathways that were most significant to the input data set. The significance of the association between the data set and the canonical pathway was determined based on two parameters: (1) the ratio of the number of genes from the data set that mapped to the pathway divided by the total number of genes that mapped to the canonical pathway and (2) a P value calculated using Fischer’s exact test corrected for multiple testing to determine the probability that the association between the genes in the data set and the canonical pathway is due to chance alone (p-value < 0.05; FDR < 0.05-0.25 (FDR threshold <0.25 is proposed as appropriate for enrichment gene sets in BROAD GSEA analyses (http://www.broadinstitute.org/ gsea/doc/GSEAUserGuideFrame.html). In these conditions, the result is likely to be valid 3 out of 4 times). Downstream effects analysis was used to identify the expected effect of the observed change in gene expression on the functions (expected to increase or decrease). This analysis examined genes in our data set that are known to affect functions, compared the gene direction of change to expectations derived from the literature, and provided a prediction for each function based on the direction of change (in the list of differential gene expression). IPA uses the regulation z-score algorithm to make predictions. In the same way, IPA upstream regulator analysis was used to understand the cause of the observed change in gene expression. This analysis identifies the cascade of upstream transcriptional regulators (any molecules that can affect the expression of other molecules) that can explain the observed change in gene expression in the dataset. The overlap pvalue measures statistically significant differences between genes in the data set and the genes that are regulated by a transcriptional regulator. The activator z-score infers the activation state to the transcriptional regulator (activator z-score < −2 and >2). Without identified bias, this z-score can always be used as an independent test to call downstream regulators. A bias means that the activation z-score and pvalue must be used to call downstream regulators. The expression and/or differential expression of the transcriptional regulator in the data set provides more evidence for the biological mechanism. Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 Combining oocyte and GC upstream effect/ regulator analyses provided clues to the putative regulation involved in the oocyte-GC dialog. Quantitative real time RT-PCR analysis for gene expression Gene primers were designed from RNA-seq sequences (Additional file 10). The intron–exon organization of ovine genes was deduced by comparison with the Human genome using the NCBI database. Gene primers were designed preferentially in the 3′ UTR (last 1000 base pairs) or the last exon using LightCycler Probe Design2 software (Roche Diagnostics). The primer pairs were confirmed by Primer3 (http://frodo.wi.mit.edu/primer3/). Sequences are available in Additional file 8. The LCM-derived aRNA samples were reverse transcribed as previously described [12]. The resulting LCMderived cDNA samples were completed to 50 μl and diluted 1/20 before PCR. The assay for each gene consisted of four replicates per condition (except for PDO = 3) and negative controls. Total tissue RNA samples (2 μg) were reverse transcribed using Primer p(dT)15 for cDNA synthesis (Roche Diagnostic, ref 10814270001, Meylan, France) and 200 U of SuperScript II (Invitrogen, ref: 18064–014, Cergy Pontoise, France) according to the manufacturer’s instructions. The resulting tissue cDNA samples were completed to 50 μl and diluted 1/50 before PCR. The assay for each gene consisted of a pool of three independent replicates per tissue. QPCR for compartment specific genes (17 genes) was performed using 3 μl of the final dilution (~1.5 ng LCMderived cDNA samples (31 LCM-derived samples) and 2.4 ng tissue cDNA samples (12 tissue + fetal ovary) using SYBR green fluorescence detection during amplification on an ABI Prism 7900 Sequence Detection System 2.1 (Applied Biosystems®) as previously described [12]. The efficiency of real-time PCR amplification was calculated for each primer pair using five serial dilution points from an sheep fetal ovary cDNA sample (1:6 (~16 ng cDNA/point); 1:3; 1:3; 1:2; 1:2). The expression of genes involved in canonical pathways (28 genes) was analyzed using 96.96 Dynamic Array™ IFCs and the BioMark™ HD System from Fluidigm. Two specific target amplifications (STA) were performed on the 36 cDNA samples (31 LCM-derived aRNA samples, 3 multi-tissue aRNA samples, a calibrator sample (pool of all the LCM-derived aRNA samples) and a pool of cDNA from total fetal ovary RNA (for the calculation of PCR amplification efficiency) in 96-well PCR plates. A mix was prepared containing 132 μL 2X TaqMan® PreAmp Master Mix plus (ref 4391128, Applied Biosystem) 26.4 μL 10X Preamplification Primer Mix (500 nM each primer (for 60 genes + 2 reference Page 16 of 19 genes (β-actin and TMED4)), and 3.75 μL of this mix was added to each cDNA sample from aRNA (2 μl: 1 ng cDNA) and fetal ovary cDNA pool (2 μl =11 ng). Following a brief vortex and centrifugation, the plate was transferred to a thermal cycler and subjected to the following thermal protocol: 95°C for 10 min; 14/17 cycles of (95°C for 15 s; 60°C for 4 min); 4°C hold. RLP19 gene primers were not included in the STA Primer Mix. The resulting STA cDNA samples were then treated with Exonuclease I to digest the primers. A mix was prepared containing 24 μL 20 units/μL Exonuclease I (M02935, NEB), 12 μL 10 x Exonuclease I Reaction Buffer and 84 μL H2O. Two μL of this mix was added to 5 μl of each STA cDNA sample. Following a brief vortex and centrifugation, the plate was transferred to a thermal cycler and subjected to the following thermal protocol: 37°C for 30 min; 80°C for 15 min; 4°C hold. 3.5 μl of each STA cDNA sample were diluted by adding 9 μL buffer consisting of 10 mM Tris–HCl, pH 8.0; 0.1 mM EDTA (1/5 dilution) and stored at −20°C. For the determination of the PCR amplification efficiency specific to each gene, the STA cDNA sample of the fetal ovary cDNA pool (11 ng cDNA) was serial diluted (1, 1:3; 1:3; 1:2; 1:2). In order to load the chip, a sample pre-mix and primer pre-mix were prepared. The sample pre-mix consisted of 440 μL 2X Taqman Gene Expression Master Mix (ref 4369510, Applied Biosystem), 44 μL 20X DNA Binding Dye Sample Loading Reagent (ref 100–0388, Applied Biosystem), 44 μl 20X EvaGreen (ref BI1790, Interchim) and 132 μL 1X TE. A 6 μL aliquot of this mix was dispensed to each well of a 96-well assay plate. A 2 μL aliquot of diluted STA cDNA samples (14 cycle STA cDNA samples and 17 cycle STA cDNA samples) was added to each well and the assay plate was briefly vortexed and centrifuged. The primer pre-mix consisted of 440 μl of 2X assay loading reagent and 110 μl of 1X TE and 6 μl of this mix was dispensed to each well of a 96-well primer plate. Aliquots (2 μl, 20X) of individual primer assay were added to each well and the primer plate was briefly vortexed and centrifuged. Following priming of the IFC in the IFC Controller HX, 5 μL from each well of the 96-well assay plate (cDNA sample + reagent mix) were dispensed to each sample inlet of 96.96 IFC and 5 μL of each well of the 96-well primer plate were dispensed to each detector inlet of the 96.96 IFC. After loading, the chip was transferred to the BioMark HD and PCR was performed using the thermal protocol: UNG and Hot Start at 50°C for 120 s; 95°C for 600 s, PCR Cycles: 35 cycles of (95°C for 15 s; 60°C for 60 s) followed by a melting phase. Data was analyzed using Fluidigm Digital PCR Analysis software using the Linear (Derivative) Baseline Correction Method, the User (Global) Ct Threshold Method with the threshold set at 0.01, and a Ct Range of 12 to 25 cycles. Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 After determination of the threshold cycle (Ct) for each LCM-derived aRNA sample, the PFAFFL method was used to calculate the relative expression of each gene [73]. The relative expression was normalized by the corresponding geometric average of three reference genes using geNorm v3.4 [74]: β-actin, TMED4 and RPL19 genes, which were respectively slightly, moderately and highly expressed and not regulated during follicle development or between follicular compartments. The significance of compartment-specific and biomarkers differential gene expression was evaluated using Student’s test after fourth square transformation. The significance of the differential expression of genes involved in canonical pathways was tested using the oneway ANOVA model in the R statistical software system (the Comprehensive R Archive National, http://www.cran. r-project.org) after fourth square transformation of the data. For each gene, an ANOVA model was fitted, with the 2 factor stage (4 levels) and compartment (2 levels) with interactions. A backward variable selection procedure was applied as previously described [12]. Data access All the raw RNA-seq data have been deposited in [EMBLEBI ArrayExpress http://www.ebi.ac.uk/arrayexpress/ under accession number E-MTAB-1587]. Additional files Additional file 1: Supplemental Figures. This section includes 9 Supplemental Figures that illustrate the RNAseq design, bioinformatics processes, validation, and signaling pathways. Additional file 2: Supplemental Results and Discussion. This section provides a detailed description of LCM, RNA-seq, expression level preservation and reproducibility results followed by a comparative study of gene expression in 5 previous studies. Additional file 3: Differentially expressed genes (DEG) between compartments. Additional file 4: Gene expression of known genes. *: pval < 0.05; **: pval <0.01; ***: pval < 0.005. Additional file 5: Compartment specific gene analysis. Additional file 6: Oocyte functional enrichment. Additional file 7: CC functional enrichment. Additional file 8: Transcriptional regulators. Ingenuity identified the cascade of upstream transcriptional regulators that explain the observed changes in gene expression in our data set. Pval is based on a significant overlap between genes in our data set and known target regulated and transcriptional regulators. The activator z-score infers the activation state to the transcriptional regulator. Without identified bias, this z-score can always be used as an independent test to select downstream regulators. Bias means activation z-score and pval must be used to select downstream regulators. The fold change column lists FC in the data set: fold change =1 corresponds to a differential expression between compartments (>2); fold change ≠ 1 refers to the differential fold change during follicular development. Additional file 9: Upstream regulator analysis. Additional file 10: Primer sequences for real-time PCR. Page 17 of 19 Competing interests The authors declare that they have no competing interests. Authors’ contributions AB conceived and designed the study, performed the LCM experiments, analyzed the RNA-seq data, carried out the RT-PCR and statistical analyses, and was responsible for much of the writing. OB, NM and JS performed RNA sequencing. CC and SF carried out the RNA-seq bioinformatics analysis. FB and FW helped obtain embedded ovary and staining sections. PM and BMP contributed to the conception and design of the study, and were involved in the drafting and revising the manuscript. All authors have read and approved the final version of the manuscript. Acknowledgements We thank the Langlade INRA experimental farm that provided the lambs. LCM was processed at FR3450 set, TRI platform Toulouse, Genopole (http:// tri.genotoul.fr/index.php?id=36). RNA sequencing was processed at the genomic platform Toulouse, Genopole (http://genomique.genotoul.fr/). We thank Katia Feve for her help with Fluidigm experiment. We thank our colleagues at the Biochips platform Toulouse Genopole (http://biopuce.insatoulouse.fr/) for their help on this work. This work was supported by an INRA “Bioressources 2010” grant. Author details 1 INRA, UMR444 Génétique Cellulaire, Auzeville, BP52627, F-31326 Castanet-Tolosan, France. 2ENVT, UMR444, Laboratoire de Génétique Cellulaire, F-31326 Castanet-Tolosan, France. 3INRA, SIGENAE, UR83 Recherches Avicoles, F-37380 Nouzilly, France. 4GeT-PlaGe, Genotoul, INRA Auzeville, F31326 Castanet-tolosan, France. 5Université de Toulouse; INSA, UPS, INP; LISBP, 135 Avenue de Rangueil, F-31077 Toulouse, France. 6INRA, UMR792, Ingénierie des Systèmes Biologiques et des Procédés, F-31400 Toulouse, France. 7CNRS, UMR5504, F-31400 Toulouse, France. 8INRA, UMR1198 Biologie du Développement et de la Reproduction, F-78350 Jouy-en-Josas, France. Received: 6 June 2013 Accepted: 10 December 2013 Published: 19 December 2013 References 1. McNatty KP, Smith P, Hudson NL, Heath DA, Tisdall DJ, WS O, Braw-Tal R: Development of the sheep ovary during fetal and early neonatal life and the effect of fecundity genes. J Reprod Fertil Suppl 1995, 49:123–135. 2. Choi Y, Rajkovic A: Genetics of early mammalian folliculogenesis. Cell Mol Life Sci 2006, 63(5):579–590. 3. Fabre S, Pierre A, Mulsant P, Bodin L, Di Pasquale E, Persani L, Monget P, Monniaux D: Regulation of ovulation rate in mammals: contribution of sheep genetic models. Reprod Biol Endocrinol 2006, 4:20. 4. Monget P, Bobe J, Gougeon A, Fabre S, Monniaux D, Dalbies-Tran R: The ovarian reserve in mammals: a functional and evolutionary perspective. Mol Cell Endocrinol 2012, 356(1–2):2–12. 5. Su Y-Q, Sugiura K, Eppig JJ: Mouse oocyte control of granulosa cell development and function: paracrine regulation of cumulus cell metabolism. Semin Reprod Med 2009, 27(1):32–42. 6. Binelli M, Murphy BD: Coordinated regulation of follicle development by germ and somatic cells. Reprod Fertil Dev 2010, 22(1):1–12. 7. Gittens JE, Barr KJ, Vanderhyden BC, Kidder GM: Interplay between paracrine signaling and gap junctional communication in ovarian follicles. J Cell Sci 2005, 118(Pt 1):113–122. 8. Pangas SA, Choi Y, Ballow DJ, Zhao Y, Westphal H, Matzuk MM, Rajkovic A: Oogenesis requires germ cell-specific transcriptional regulators Sohlh1 and Lhx8. Proc Natl Acad Sci USA 2006, 103(21):8090–8095. 9. Yoon SJ, Kim KH, Chung HM, Choi DH, Lee WS, Cha KY, Lee KA: Gene expression profiling of early follicular development in primordial, primary, and secondary follicles. Fertil Steril 2006, 85(1):193–203. 10. Markholt S, Grondahl ML, Ernst EH, Andersen CY, Ernst E, Lykke-Hartmann K: Global gene analysis of oocytes from early stages in human folliculogenesis shows high expression of novel genes in reproduction. Mol Hum Reprod 2012, 18(2):96–110. 11. Grøndahl ML, Borup R, Vikeså J, Ernst E, Andersen CY, Lykke-Hartmann K: The dormant and the fully competent oocyte: comparing the transcriptome of human oocytes from primordial follicles and in metaphase II. Mol Hum Reprod 2013, 19(9):600–617. Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 12. Bonnet A, Bevilacqua C, Benne F, Bodin L, Cotinot C, Liaubet L, Sancristobal M, Sarry J, Terenina E, Martin P, et al: Transcriptome profiling of sheep granulosa cells and oocytes during early follicular development obtained by laser capture microdissection. BMC Genomics 2011, 12:417. 13. Anders S, Huber W: Differential expression analysis for sequence count data. Genome Biol 2010, 11(10):R106. 14. Pangas SA, Rajkovic A: Transcriptional regulation of early oogenesis: in search of masters. Hum Reprod Update 2006, 12(1):65–76. 15. Ramskold D, Wang ET, Burge CB, Sandberg R: An abundance of ubiquitously expressed genes revealed by tissue transcriptome sequence data. Plos Computational Biology 2009, 5(12):e1000598. 16. Denomme MM, White CR, Gillio-Meina C, Macdonald WA, Deroo BJ, Kidder GM, Mann MR: Compromised fertility disrupts Peg1 but not Snrpn and Peg3 imprinted methylation acquisition in mouse oocytes. Front Genet 2012, 3:129. 17. Lundy T, Smith P, O’Connell A, Hudson NL, McNatty KP: Populations of granulosa cells in small follicles of the sheep ovary. J Reprod Fertil 1999, 115(2):251–262. 18. Keeney S: Spo11 and the formation of DNA double-strand breaks in meiosis. Genome Dyn Stab 2008, 2:81–123. 19. Guardavaccaro D, Kudo Y, Boulaire J, Barchi M, Busino L, Donzelli M, Margottin-Goguet F, Jackson PK, Yamasaki L, Pagano M: Control of meiotic and mitotic progression by the F box protein beta-Trcp1 in vivo. Dev Cell 2003, 4(6):799–812. 20. Li BA, Nair M, Mackay DR, Bilanchone V, Hu M, Fallahi M, Song HQ, Dai Q, Cohen PE, Dai X: Ovol1 regulates melotic pachytene progression during spermatogenesis by repressing Id2 expression. Development 2005, 132(6):1463–1473. 21. Mandon-Pepin B, Oustry-Vaiman A, Vigier B, Piumi F, Cribiu E, Cotinot C: Expression profiles and chromosomal localization of genes controlling meiosis and follicular development in the sheep ovary. Biol Reprod 2003, 68(3):985–995. 22. Yan W, Rajkovic A, Viveiros MM, Burns KH, Eppig JJ, Matzuk MM: Identification of Gasz, an evolutionarily conserved gene expressed exclusively in germ cells and encoding a protein with four ankyrin repeats, a sterile-alpha motif, and a basic leucine zipper. Mol Endocrinol 2002, 16(6):1168–1184. 23. Logan KA, Juengel JL, McNatty KP: Onset of steroidogenic enzyme gene expression during ovarian follicular development in sheep. Biol Reprod 2002, 66(4):906–916. 24. Parker KL, Rice DA, Lala DS, Ikeda Y, Luo XR, Wong M, Bakke M, Zhao LP, Frigeri C, Hanley NA, et al: Steroidogenic factor 1: An essential mediator of endocrine development. Recent Progr Horm Res Reprod Horm Human Health 2002, 57:19–36. 25. Pelusi C, Ikeda Y, Zubair M, Parker KL: Impaired follicle development and infertility in female mice lacking steroidogenic factor 1 in ovarian granulosa cells. Biol Reprod 2008, 79(6):1074–1083. 26. Chen Y, Breen K, Pepling ME: Estrogen can signal through multiple pathways to regulate oocyte cyst breakdown and primordial follicle assembly in the neonatal mouse ovary. J Endocrinol 2009, 202(3):407–417. 27. Sen A, Hammes SR: Granulosa cell-specific androgen receptors Are critical regulators of ovarian development and function. Mol Endocrinol 2010, 24(7):1393–1403. 28. Saunders PTK, Millar MR, Williams K, Macpherson S, Harkiss D, Anderson RA, Orr B, Groome NP, Scobie G, Fraser HM: Differential expression of estrogen receptor-alpha and -beta and androgen receptor in the ovaries of marmosets and humans. Biol Reprod 2000, 63(4):1098–1105. 29. Beltowski J, Semczuk A: Liver X receptor (LXR) and the reproductive system - a potential novel target for therapeutic intervention. Pharmacol Rep 2010, 62(1):15–27. 30. Koutsounas I, Giaginis C, Theocharis S: Farnesoid X Receptor (FXR) from normal to malignant state. Histol Histopathol 2012, 27(7):835–853. 31. Rucker EB, Dierisseau P, Wagner KU, Garrett L, Wynshaw-Boris A, Flaws JA, Hennighausen L: Bcl-x and bax regulate mouse primordial germ cell survival and apoptosis during embryogenesis. Mol Endocrinol 2000, 14(7):1038–1052. 32. Boumela I, Assou S, Aouacheria A, Haouzi D, Dechaud H, De Vos J, Handyside A, Hamamah S: Involvement of BCL2 family members in the regulation of human oocyte and early embryo survival and death: gene expression and beyond. Reproduction 2011, 141(5):549–561. 33. Hsu SY, Kaipia A, McGee E, Lomeli M, Hsueh AJW: Bok is a pro-apoptotic Bcl-2 protein with restricted expression in reproductive tissues and heterodimerizes with selective anti-apoptotic Bcl-2 family members. Proc Natl Acad Sci USA 1997, 94(23):12401–12406. Page 18 of 19 34. Russell MC, Cowan RG, Harman RM, Walker AL, Quirk SM: The hedgehog signaling pathway in the mouse ovary. Biol Reprod 2007, 77(2):226–236. 35. Schlessinger K, Hall A, Tolwinski N: Wnt signaling pathways meet Rho GTPases. Genes Dev 2009, 23(3):265–277. 36. Artavanis-Tsakonas S, Rand MD, Lake RJ: Notch signaling: cell fate control and signal integration in development. Science 1999, 284(5415):770–776. 37. Xu J, Gridley T: Notch2 is required in somatic cells for breakdown of ovarian germ-cell nests and formation of primordial follicles. BMC Biol 2013, 11(1):13. 38. Zhang CP, Yang JL, Zhang J, Li L, Huang L, Ji SY, Hu ZY, Gao F, Liu YX: Notch signaling is involved in ovarian follicle development by regulating granulosa cell proliferation. Endocrinology 2011, 152(6):2437–2447. 39. Yang MY, Fortune JE: Vascular endothelial growth factor stimulates the primary to secondary follicle transition in bovine follicles in vitro. Mol Reprod Dev 2007, 74(9):1095–1104. 40. Greenaway J, Connor K, Pedersen HG, Coomber BL, Lamarre J, Petrik J: Vascular endothelial growth factor and its receptor, Flk-1/KDR, are cytoprotective in the extravascular compartment of the ovarian follicle. Endocrinology 2004, 145(6):2896–2905. 41. Mazerbourg S, Overgaard MT, Oxvig C, Christiansen M, Conover CA, Laurendeau I, Vidaud M, Tosser-Klopp G, Zapf J, Monget P: Pregnancy-associated plasma protein-A (PAPP-A) in ovine, bovine, porcine, and equine ovarian follicles: involvement in IGF binding protein-4 proteolytic degradation and mRNA expression during follicular development. Endocrinology 2001, 142(12):5243–5253. 42. Mazerbourg S, Bondy CA, Zhou J, Monget P: The insulin-like growth factor system: a key determinant role in the growth and selection of ovarian follicles? A comparative species study. Reprod Domest Anim 2003, 38(4):247–258. 43. Zhao J, Taverne MA, Van Der Weijden GC, Bevers MM, Van Den Hurk R: Insulin-like growth factor-I (IGF-I) stimulates the development of cultured rat pre-antral follicles. Mol Reprod Dev 2001, 58(3):287–296. 44. Perks CM, Denning-Kendall PA, Gilmour RS, Wathes DC: Localization of messenger ribonucleic acids for insulin-like growth factor I (IGF-I), IGF-II, and the type 1 IGF receptor in the ovine ovary throughout the estrous cycle. Endocrinology 1995, 136(12):5266–5273. 45. Wandji SA, Pelletier G, Sirard MA: Ontogeny and cellular localization of 125Ilabeled insulin-like growth factor-I, 125I-labeled follicle-stimulating hormone, and 125I-labeled human chorionic gonadotropin binding sites in ovaries from bovine fetuses and neonatal calves. Biol Reprod 1992, 47(5):814–822. 46. Pitetti JL, Torre D, Conne B, Papaioannou MD, Cederroth CR, Xuan S, Kahn R, Parada LF, Vassalli JD, Efstratiadis A, et al: Insulin receptor and IGF1R are not required for oocyte growth, differentiation, and maturation in mice. Sex Dev 2009, 3(5):264–272. 47. Kiapekou E, Loutradis D, Drakakis P, Zapanti E, Mastorakos G, Antsaklis A: Effects of GH and IGF-I on the in vitro maturation of mouse oocytes. Hormones (Athens) 2005, 4(3):155–160. 48. Mani AM, Fenwick MA, Cheng Z, Sharma MK, Singh D, Wathes DC: IGF1 induces up-regulation of steroidogenic and apoptotic regulatory genes via activation of phosphatidylinositol-dependent kinase/AKT in bovine granulosa cells. Reproduction 2010, 139(1):139–151. 49. Mochida N, Akatani-Hasegawa A, Saka K, Ogino M, Hosoda Y, Wada R, Sawai H, Shibahara H: Live births from isolated primary/early secondary follicles following a multistep culture without organ culture in mice. Reproduction 2013, 146(1):37–47. 50. Gilchrist RB, Lane M, Thompson JG: Oocyte-secreted factors: regulators of cumulus cell function and oocyte quality. Hum Reprod Update 2008, 14(2):159–177. 51. Matos MH, van den Hurk R, Lima-Verde IB, Luque MC, Santos KD, Martins FS, Báo SN, Lucci CM, Figueiredo JR: Effects of fibroblast growth factor-2 on the in vitro culture of caprine preantral follicles. Cells Tissues Organs 2007, 186(2):112–120. 52. Nilsson E, Parrott JA, Skinner MK: Basic fibroblast growth factor induces primordial follicle development and initiates folliculogenesis. Mol Cell Endocrinol 2001, 175(1–2):123–130. 53. Sun YL, Zeng S, Ye K, Yang C, Li MH, Huang BF, Sun LN, Zhou LY, Wang DS: Involvement of FGF9/16/20 subfamily in female germ cell development of the Nile tilapia, Oreochromis niloticus. Fish Physiol Biochem 2012, 38(5):1427–1439. 54. Törmälä RM, Jääskeläinen M, Lakkakorpi J, Liakka A, Tapanainen JS, Vaskivuo TE: Zona pellucida components are present in human fetal ovary before follicle formation. Mol Cell Endocrinol 2008, 289(1–2):10–15. Bonnet et al. BMC Genomics 2013, 14:904 http://www.biomedcentral.com/1471-2164/14/904 55. Rajkovic A, Pangas SA, Ballow D, Suzumori N, Matzuk MM: NOBOX deficiency disrupts early folliculogenesis and oocyte-specific gene expression. Science 2004, 305(5687):1157–1159. 56. Robles R, Morita Y, Mann KK, Perez GI, Yang S, Matikainen T, Sherr DH, Tilly JL: The aryl hydrocarbon receptor, a basic helix-loop-helix transcription factor of the PAS gene family, is required for normal ovarian germ cell dynamics in the mouse. Endocrinology 2000, 141(1):450–453. 57. Gronostajski RM: Roles of the NFI/CTF gene family in transcription and development. Gene 2000, 249(1–2):31–45. 58. Zagórska A, Dulak J: HIF-1: the knowns and unknowns of hypoxia sensing. Acta Biochim Pol 2004, 51(3):563–585. 59. Sun QY, Liu K, Kikuchi K: Oocyte-specific knockout: a novel in vivo approach for studying gene functions during folliculogenesis, oocyte maturation, fertilization, and embryogenesis. Biol Reprod 2008, 79(6):1014–1020. 60. Patil AA, Cai Y, Sang Y, Blecha F, Zhang G: Cross-species analysis of the mammalian beta-defensin gene family: presence of syntenic gene clusters and preferential expression in the male reproductive tract. Physiol Genomics 2005, 23(1):5–17. 61. Canty-Laird E, Carré GA, Mandon-Pépin B, Kadler KE, Fabre S: First evidence of bone morphogenetic protein 1 expression and activity in sheep ovarian follicles. Biol Reprod 2010, 83(1):138–146. 62. Soues S, Kann ML, Fouquet JP, Melki R: The cytosolic chaperonin CCT associates to cytoplasmic microtubular structures during mammalian spermiogenesis and to heterochromatin in germline and somatic cells. Exp Cell Res 2003, 288(2):363–373. 63. Buanne P, Corrente G, Micheli L, Palena A, Lavia P, Spadafora C, Lakshmana MK, Rinaldi A, Banfi S, Quarto M, et al: Cloning of PC3B, a novel member of the PC3/BTG/TOB family of growth inhibitory genes, highly expressed in the olfactory epithelium. Genomics 2000, 68(3):253–263. 64. Marnef A, Maldonado M, Bugaut A, Balasubramanian S, Kress M, Weil D, Standart N: Distinct functions of maternal and somatic Pat1 protein paralogs. RNA 2010, 16(11):2094–2107. 65. Nakamura Y, Tanaka KJ, Miyauchi M, Huang L, Tsujimoto M, Matsumoto K: Translational repression by the oocyte-specific protein P100 in Xenopus. Dev Biol 2010, 344(1):272–283. 66. Kim N, Burden SJ: MuSK controls where motor axons grow and form synapses. Nat Neurosci 2008, 11(1):19–27. 67. Mariette J, Escudié F, Allias N, Salin G, Noirot C, Thomas S, Klopp C: NG6: Integrated next generation sequencing storage and processing environment. BMC Genomics 2012, 13:462. 68. Li P, Ponnala L, Gandotra N, Wang L, Si Y, Tausta SL, Kebrom TH, Provart N, Patel R, Myers CR, et al: The developmental dynamics of the maize leaf transcriptome. Nat Genet 2010, 42(12):1060–1067. 69. Archibald AL, Cockett NE, Dalrymple BP, Faraut T, Kijas JW, Maddox JF, McEwan JC, Hutton Oddy V, Raadsma HW, Wade C, et al: The sheep genome reference sequence: a work in progress. Anim Genet 2010, 41(5):449–453. 70. Jager M, Ott CE, Grunhagen J, Hecht J, Schell H, Mundlos S, Duda GN, Robinson PN, Lienau J: Composite transcriptome assembly of RNA-seq data in a sheep model for delayed bone healing. BMC Genomics 2011, 12:158. 71. Zimin AV, Delcher AL, Florea L, Kelley DR, Schatz MC, Puiu D, Hanrahan F, Pertea G, Van Tassell CP, Sonstegard TS, et al: A whole-genome assembly of the domestic cow. Bos taurus. Genome Biol 2009, 10(4):R42. 72. Elsik CG, Tellam RL, Worley KC, Gibbs RA, Muzny DM, Weinstock GM, Adelson DL, Eichler EE, Elnitski L, Guigó R, et al: The genome sequence of taurine cattle: a window to ruminant biology and evolution. Science 2009, 324(5926):522–528. 73. Pfaffl MW: A new mathematical model for relative quantification in real-time RT-PCR. Nucleic Acids Res 2001, 29(9):e45. 74. Vandesompele J, De Preter K, Pattyn F, Poppe B, Van Roy N, De Paepe A, Speleman F: Accurate normalization of real-time quantitative RT-PCR data by geometric averaging of multiple internal control genes. Genome Biol 2002, 3(7). RESEARCH0034. Epub 2002 Jun 18. Page 19 of 19 Submit your next manuscript to BioMed Central and take full advantage of: • Convenient online submission • Thorough peer review • No space constraints or color figure charges doi:10.1186/1471-2164-14-904 Cite this article as: Bonnet et al.: An overview of gene expression dynamics during early ovarian folliculogenesis: specificity of follicular compartments and bi-directional dialog. BMC Genomics 2013 14:904. • Immediate publication on acceptance • Inclusion in PubMed, CAS, Scopus and Google Scholar • Research which is freely available for redistribution Submit your manuscript at www.biomedcentral.com/submit Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Annexes de l’article 2 4. Annexes de l’article 2 Supplemental File 1 This section includes nine Supplemental Figures that illustrate the RNAseq design, bioinformatics processes, validation, and signaling pathways. Figure S1: Experimental design 79 Figure S2: Genome-wide repartition of expressed genes A) Number of expected vs. observed expressed genes during early folliculogenesis on chromosomes based on the sheep genome Oarv2.0 build. The genes of chromosome 15 are significantly less implicated in the follicular process (Fisher’s exact test P-value <5%). Expected genes corresponded to 0.7865 (total expressed genes/total annotated genes (OarV2.0: 18656) X the number of annotated genes per chromosome (from OarV2.0). B) Distribution of expressed genes on chromosomes 1, 2, 10, 15, 23, X. The number of genes derived from OarV2.0 data are in blue. The number of expressed genes is in red. Y axis: Number of genes in the 1MB interval X axis: Distribution along the chromosome using 1MB interval. Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Annexes de l’article 2 Figure S3: transcriptome overview A-B) A dynamic range of gene expression: X axis: cumulative distribution of the expression level per gene (RPM/gene: read average /gene normalized by the total number of mapped reads per sample (expressed per million of mapped reads)) Y axis: cumulative percentage of expressed genes A: Gene expression in oocytes; B: Gene expression in granulosa cells C-D) Complexity of transcriptomes C: oocyte samples; D: Granulosa cell samples Fraction of reads derived from the most highly expressed genes in the different conditions: For example, the 10 most expressed genes in oocyte samples (C) aggregated an average of 4.4% of the reads. X axis: Cumulative number of genes ranked from highest to lowest expressed genes Y axis: Cumulative fraction of reads used. Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Annexes de l’article 2 Figure S4: RNA-seq and qPCR data comparison R=0.92 Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Annexes de l’article 2 Figure S5: Tight junction signaling pathway Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Annexes de l’article 2 Figure S6: workflow Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Annexes de l’article 2 A: Bioinformatic process: Genome assembly. After mapping to sheep genome, the overlapping reads were merged and the fragments assembled from each sample. Then, all samples were grouped and merged to produce a collection of genomic fragments. Last, the number of reads per genomic fragment was computed. De novo assembly. Reads were assembled for each sample to generate contigs. All contig files were thereafter concatenated and a meta-assembly was performed. All contigs and singlets highlighted were used to create a reference and to generate a counting file for each sample. B: Annotation process. Genomic fragments and de novo contigs were aligned with the Bos taurus UMD3.1 genome using Blat. Iteratively, for fragments or contigs not linked to a described gene, a search was made for overlaps with downstream gene regions extended by 500bp, 1kb and 3kb. All the non-annotated genomic fragments and contigs (not mapped to the bovine transcript) were discarded from the data set. Final data set corresponds to the annotated genomic fragments. Last, the annotated contigs (from the de novo assembly) were mapped to the sheep genome and added to the final data set if they did not map to sheep genome (unknown sequences in the public sheep genome database). C: Statistical process. The genomic data set was filtered to conserve only the best genomic fragment for each gene. After experimental validation, the normalization and significance of differential gene expression were determined using the DESeq package. Last, IPA was used to examine functional meaning. Figure S7: Example of distribution of reads in an annotated region (ZP4 gene) Graphs represent from top to bottom: - The sheep genomic location (OAR25), Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Annexes de l’article 2 - The number of total reads for each genomic fragment (y axis) identified in the dataset (blue curve), - Read coverage (log) and read alignment visualized by IGV software, - Location of the ZP4 gene exons (in blue). - Location of the genomic fragments identified by the bioinformatic workflow (red line). The non-uniformity of the sequence coverage by the reads is clearly visible with the maximum close to the 3’ UTR of the gene then a decrease towards the 5’. Figure S8: Number of genomic fragments per gene Figure S9: Level of gene expression preservation Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Annexes de l’article 2 For each condition (PDO, PMO, SCO, SAO, PDG, PMG, SCG, SAG, MT), each curve represents the percentage of measured transcripts compared to the DAP transcript. The Y axis corresponds to the % of each transcript compared to the DAP transcript. The black curve represents the theoretical profile (deduced from Affymetrix RNA amounts). The other colors represent the different replicates. The profile of all the samples is similar to the theoretical profile with a correlation >0.94 except for SCG3 (0.86), SAG2 (0.8) and SAG3 (0.84). Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Annexes de l’article 2 Supplemental File 2 This section provides a detailed description of LCM, RNA-seq, expression level preservation and reproducibility results followed by a comparative study of gene expression between 5 previous studies. Supplemental results Generation of compartment-specific samples using laser microdissection To better understand transcriptome dynamics during early ovarian follicular development and molecular cross-talk between oocyte and granulosa cells (GCs), we modified and optimized the Laser Capture Microdissection (LCM) protocol [1]. We combined this technology with high throughput sequencing (RNA-sequencing) to characterize the whole transcriptome. First, using LCM, GCs and oocytes were captured separately at each stage of follicle development: primordial (PD), primary (PM), secondary (SC) follicles and the small antral stage (SA). Three/four biological replicates were obtained per condition. Due to the limited amount of total RNA generated with this procedure, LCMRNA samples were subjected to two rounds of linear RNA amplification to obtain the amount of RNA required for Illumina cDNA library generation and QPCR validation. The experimental protocol is illustrated in Supplemental Figure S1. Generation of GCs and oocyte transcriptomes using RNA-sequencing Three cDNA libraries per lane were sequenced using a Hiseq 2000 (Illumina) with a paired-end protocol. In addition, three multi-tissue-RNA samples were amplified and sequenced to highlight compartment specific transcripts (Supplemental Figure S1). We obtained around 2.647 billion 100 bp reads with an average of 73.7 million per LCM-derived amplified-RNA sample (LCM-aRNA). Because of the animal model (sheep), two assembly strategies (genome assembly and de novo assembly) were evaluated to maximize transcript identification (Supplemental Figure S6A). The genome strategy produced 381 600 genomic fragments. The de novo assembly produced 91 378 contigs and 185 845 singlets. The genome strategy identified 10% more genes than the de novo transcriptome strategy and was consequently used for further analysis. The result of the bioinformatics processing is summarized in Figure 1. Processing produced a collection of 382 933 fragments (381 600 genomic fragments and 1 333 de novo contigs (genes from de novo strategy where the mRNA sequence was unknown in the public sheep genome or absent from the genome strategy dataset) that aggregated 47.5% of the LCM-aRNA reads. Last, the annotation strategy based on the bovine genomic sequence homology and annotation search was extended to downstream regions of the genes (500 bp, 1 kb and 3 kb, Supplemental Figure S6B) improved the read annotation by 8% and assigned 73% of the mapped reads. This strategy revealed a longer 3’ untranslated region than available in the EMBL sequence database for at least 3 186 genes (from the final data set). A total of 221 716 genomic fragments remain unannotated. The result of the assembly and annotation processes showed that the read distributed along the genes clustered mostly towards the 3’ UTR ends and is illustrated with ZP4 gene in Supplemental Figure S7. This 3’ bias was expected and reflects the RNA amplification that follows LCM [2, 3]. This bias increased the heterogeneity of expression along the genes. A total of 86.8% of the annotated reads were located in stop codon or 3’UTR regions, whereas only 5.5% were located in exons, 1.2% in start codon or 5’UTR regions, and 6.5% in introns (Figure 1). As reported by Ameur and Teichert [3, 4], the presence of intronic RNA might represent incompletely processed transcripts or alternative splicing events. In addition, we observed that a gene was represented by a median number of eight fragments (Supplemental Figures S7-8). Consequently, to quantify gene expression, the final dataset conserved a single fragment per gene that located closest to the 3’UTR region with the highest number of reads and aggregated 89.4% of the annotated LCM-aRNA reads (86.8% were located in 3’ UTR Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Annexes de l’article 2 regions and 2.6% were located in exons). For each sample, supplemental Table 1 (in Supplemental Results and Discussion) summarizes the number of reads, fragments and genes identified during the bioinformatic workflow. The level of expression throughout the experiment (amplification, RNA-seq) was examined using a set of 4 B. subtilis transcripts (Supplemental Figure S6C). Supplemental Figure S9 shows that the expression profile of these transcripts was similar to the theoretical expression profile (derived from the Affymetrix amount) for all the samples (correlation >0.8). As previously described [5, 6], the two rounds of amplification and RNA-seq processes resulted in no significant distortion of the transcript population. Finally, to evaluate the reproducibility of the RNA-seq measure, PDG4 was sequenced twice (PDG4 and PDG4B). The two technical replicate files showed a good correlation (r=0.99) and indicated that the transcript abundance measurement was reproducible. Supplemental Discussion Comparative studies of gene expression This RNA-seq study documented the global expression of 15 349 genes in ovarian follicles during early follicular development in sheep. Using this technology, we estimated a larger number of genes expressed in oocytes (14 172 genes expressed in ¾ of replicates) than other microarray studies performed on mouse and human during early follicular development. Pan et al. detected around 9 330 unigenes in PD, PM, SC and SA mouse oocytes [7] and Markholt et al. found a total of 6 301 unique genes expressed in PD/PM human oocytes [8]. Compared to our preliminary study [1], we found that RNA-seq technology was better and more sensitive for the study of basal folliculogenesis in sheep. In practice, microarray supports are often poorly annotated, poorly oriented and incomplete for non-model species and do not enable the study of complete processes like folliculogenesis [9]. On one hand, the bovine Affymetrix chip included 24 024 probes of which only 64% are annotated, corresponding to 12 404 unique genes. In addition, a great number of known ovarian genes are not present on bovine Affymetrix chip (37% of the oocyte genes and 47% of the GC genes already identified in four previous studies [1]). On the other hand, our RNAseq experiment identified the expression of 2.5 times more genes (14 561 genes in PD, PM and SC samples compared to 5 909 genes in the Affymetrix experiment). This significant difference between the two technologies can be attributed to more exhaustive detection combined with better detection by RNA-seq of weakly expressed genes. Indeed, we identified a large number of genes with a lower expression (the median expression was 140 RPM in a scale that ranged from 0.2 to 1 000 RPM). Finally, RNA-seq detected an additional 20% of known mouse genes compared to the bovine Affymetrix support. An increase of 22% in the number of genes detected by RNA-seq versus Affymetrix chip was also mentioned with respect to human colon cancer by Xu et al. [10]. Sixty-six percent of the specifically expressed genes reported in our preliminary sheep study using the bovine Affymetrix chip [1] were detected by RNA-seq but only 23% of them were confirmed as differentially expressed by DESeq (Supplemental Table 2: in supplemental Results and Discussion). Indeed, RNAseq statistical analysis described and accounted for the marked variation in biological replicates (3-4 biological replicates) and produced a more robust statistic (pval<0.5%) than previous microarray data (without replicate). Finally, our RNA-seq data recovered between 44% and 76% of the genes previously described in studies of mouse oocytes/ Paillisson et al. [11], Pan et al [7] and Gallardo et al. [12], Arraztoa et al. [13] (Supplemental Table 2: from supplemental Results and Discussion). Supplemental Tables Table 1 - Summary of bioinformatics data processing Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Annexes de l’article 2 The table summarizes the results of dataset processing in terms of the number of reads (columns 2-5) and genomic fragments (columns 6-8) for: 1- Mapping against the ovine genome sequence and bovine genome sequence (for annotated de novo contigs without ovine sequences)(columns 3 and 6), 2- The annotation using the bovine genome reference (columns 4 and 7) 3- The filtration process (columns 5 and 8)(see methods) Each independent biological replicate is noted 1, 2, 3, or 4. * corresponds to the number of expressed genes (see Methods: a single genomic fragment/ annotation) Sample Number of reads number of mapped reads number of annotated reads number of posttrimmed reads number of fragments number of annotated fragments number of post-trimmed annotated fragments* PDO1 59107022 29491038 21909066 19631107 136856 66644 14239 PDO2 78712828 36565964 26131630 22729122 106849 52346 13455 PDO3 52507048 25887008 18696000 16543170 83224 41212 12545 PMO1 66533942 31717742 23153342 20776619 100956 50312 13417 PMO2 54853348 28382894 20326266 17842928 100424 48642 13237 PMO3 74817756 36443126 25827283 22727998 82386 39525 12267 PMO4 67907894 34265311 24841668 21911423 167705 77813 14504 SCO1 28458350 13823263 9943772 8772385 73667 37139 12227 SCO2 76037636 34143054 23995757 20995166 56313 29439 11590 SCO3 134799296 67472656 48449300 43076217 91600 45448 13181 SCO4 82581444 40182001 28964036 25669933 103392 50055 13261 SAO1 104296372 47013302 33675297 29846215 63058 33146 12037 SAO2 76471372 39081300 29148055 25856211 71998 38993 12038 SAO3 48871602 26189650 19199688 17002822 97704 48588 12919 SAO4 86505876 43520726 31963871 28382605 105008 52207 12984 PDG1 86604614 37224960 26966837 23901793 42206 24291 11131 PDG2 54018012 25413078 19392375 17696441 113951 59895 13841 PDG3 68940288 30094125 22381382 20121546 116789 61000 14153 PDG4 115879260 51665660 38470899 35310535 56959 30249 11905 PDG4bis 107046614 56024584 41736494 38332627 35454 21782 10890 PMG1 62812266 29252010 21649829 19295340 90234 47001 13230 PMG2 85018548 41612883 30941975 27962486 122106 63168 14126 PMG3 63606594 29225551 21444332 19192578 73164 39176 12762 PMG4 86011686 41612635 30220703 26903780 118362 57917 13789 SCG1 53898266 26460705 19580775 17755101 113648 58361 13784 SCG2 52965602 23645969 16876449 15337656 58372 33977 12293 Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Annexes de l’article 2 SCG3 80019298 38465753 28445158 25718671 114032 59356 13778 SCG4 77829738 32695128 23602913 21414045 78404 43141 12848 SAG1 59971074 25976393 18723373 16636318 124343 68239 13967 SAG2 61153832 30256762 22904620 20571566 171387 86781 14614 SAG3 66867882 31460220 23000486 20452438 99503 56172 12912 SAG4 82098424 35892383 26382440 24039685 105829 57793 13268 MT1 101386238 45749122 33890909 29529526 75286 43735 12748 MT2 95179366 41085315 29208160 25055305 69103 40702 12761 MT3 93123920 41470348 29655324 25178294 74152 43671 12850 total 2646893308 1249462619 911700464 812169652 382933 161211 15349 Table 2 - Comparative studies of gene expression Literature data: 1- Bonnet: Transcriptome profiling of sheep granulosa cells and oocytes during early follicular development obtained by Laser Capture Microdissection (Affymetrix bovine chip) 2- Dadé: Differentially expressed genes in mouse oocytes compared to other tissues. The selection was performed by in silico differential display between three mouse oocyte cDNA libraries and 13 selected tissues cDNA libraries. 3- Gallardo: set of ovarian factors from mouse Foxo3 ovaries. Gene classes were obtained by comparative profiling from Mouse Affymetrix data sets including ovary RNA extracted at four time points spanning follicle assembly and early growth, and 14 somatic tissues containing LCM primary oocytes and LCM somatic cells. 4- Pan: - The overall change in oocyte gene expression was characterized using Pd, Pm, Sec, SA and antral mouse follicles. - Mouse oocyte differentially expressed genes between primordial and primary follicular stages. 5- Arraztoa: Primate oocyte-enriched transcripts between the microdissected primordial stage and placenta RNA (control). RNAseq Data references Experiment in present study Bonnet [1] Paillisson [7] Gallardo [9] species compartment Sheep Data O/ GCs O/GCs GCs/O DEG detected differential differential number gene gene gene number number number 5130 2297 2832 oocyte over expressed in oocyte 759 505 102 63 GCs over expressed in GCs 1050 690 66 175 oocyte enriched by In silico DD 104 79 26 11 Class IA-follicle assembly/meiosis 32 14 6 2 Class IC-oocytespecific, early 14 8 5 1 Sheep Mouse Mouse oocyte Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Annexes de l’article 2 maturation only somatic cells Pan [8] Mouse oocyte PD/PM Arraztoa [10] Monkey oocyte PD Class IB-oocytespecific, early, and late maturation 66 28 17 1 Class IIIUnfertized egg 84 46 11 12 Class ID-follicle growth, somatic 24 21 0 13 over expressed in oocyte 2578 1908 428 227 increase 197 125 18 6 decrease 213 121 13 6 enriched/placenta 79 36 4 9 References 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. BonnetA,BevilacquaC,BenneF,BodinL,CotinotC,LiaubetL,SancristobalM,SarryJ, TereninaE,MartinPetal:Transcriptomeprofilingofsheepgranulosacellsandoocytes duringearlyfolliculardevelopmentobtainedbylasercapturemicrodissection.BMC Genomics2011,12:417. SchmidMW,SchmidtA,KlostermeierUC,BarannM,RosenstielP,GrossniklausU:A powerfulmethodfortranscriptionalprofilingofspecificcelltypesineukaryotes:laser assistedmicrodissectionandRNAsequencing.PloSone2012,7(1):e29685~e29685. TeichertI,WolffG,KueckU,NowrousianM:CombininglasermicrodissectionandRNAseq tochartthetranscriptionallandscapeoffungaldevelopment.BmcGenomics2012,13. AmeurA,ZaghloolA,HalvardsonJ,WetterbomA,GyllenstenU,CavelierL,FeukL:TotalRNA sequencingrevealsnascenttranscriptionandwidespreadcotranscriptionalsplicinginthe humanbrain.NatureStructural&MolecularBiology2011,18(12):1435~U1157. NakazonoM,QiuF,BorsukLA,SchnablePS:Lasercapturemicrodissection,atoolforthe globalanalysisofgeneexpressioninspecificplantcelltypes:Identificationofgenes expresseddifferentiallyinepidermalcellsorvasculartissuesofmaize.(vol15,pg583, 2003).PlantCell2003,15(4):1049~1049. LangJE,MagbanuaMJ,ScottJH,MakrigiorgosGM,WangG,FedermanS,EssermanLJ,Park JW,HaqqCM:AcomparisonofRNAamplificationtechniquesatsubnanograminput concentration.BMCGenomics2009,10:326. PanH,O'BrienMJ,WigglesworthK,EppigJJ,SchultzRM:Transcriptprofilingduringmouse oocytedevelopmentandtheeffectofgonadotropinpriminganddevelopmentinvitro.Dev Biol2005,286(2):493~506. MarkholtS,GrondahlML,ErnstEH,AndersenCY,ErnstE,Lykke~HartmannK:Globalgene analysisofoocytesfromearlystagesinhumanfolliculogenesisshowshighexpressionof novelgenesinreproduction.MolecularHumanReproduction2012,18(2):96~110. BonnetA,Dalbiès~TranR,SirardMA:Opportunitiesandchallengesinapplyinggenomicsto thestudyofoogenesisandfolliculogenesisinfarmanimals.Reproduction2008,135(2):119~ 128. XuX,ZhangY,WilliamsJ,AntoniouE,McCombieWR,WuS,ZhuW,DavidsonNO,DenoyaP, LiE:ParallelcomparisonofIlluminaRNASeqandAffymetrixmicroarrayplatformson transcriptomicprofilesgeneratedfrom5azadeoxycytidinetreatedHT29coloncancer cellsandsimulateddatasets.BMCBioinformatics2013,14Suppl9:S1. Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Annexes de l’article 2 11. PaillissonA,DadeS,CallebautI,BontouxM,Dalbies~TranR,VaimanD,MongetP: Identification,characterizationandmetagenomeanalysisofoocytespecificgenes organizedinclustersinthemousegenome.BMCGenomics2005,6(1):76. 12. GallardoTD,JohnGB,ShirleyL,ContrerasCM,AkbayEA,HaynieJM,WardSE,ShidlerMJ, CastrillonDH:Genomewidediscoveryandclassificationofcandidateovarianfertilitygenes inthemouse.Genetics2007,177(1):179~194. 13. ArraztoaJA,ZhouJ,MarcuD,ChengC,BonnerR,ChenM,XiangC,BrownsteinM,MaiseyK, ImaraiMetal:Identificationofgenesexpressedinprimateprimordialoocytes.Hum Reprod2005,20(2):476~483. Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Annexes de l’article 2 Supplemental File 4: Gene expression of known genes *: pval<0.05; **: pval <0.01; ***: pval<0.005 genename AMH AMHR2 BMP15 BMP4 BMP7 GDF9 DDX4 KIT KITLG WNT4 WISP1 FSHR FGF2 FGF7 INHA FST NOBOX H1foo DAZL GATA4 NLRP5 NLRP9 NLRP13 NLRP14 GJA1 GJA4 MAEL SOHLH1 SOHLH2 FOXL2 OOSP1 AURKA AURKB AURKC FIGLA BOLL WEE2 FBXW7 FBXW8 pval *** *** *** NS * *** *** *** *** *** *** *** *** NS *** *** *** *** *** *** *** ** *** *** *** *** *** *** *** *** * *** NS *** *** *** *** *** *** foldchange O/GCs 0.0081 GCs/O 123.69 0.00 15.32 0.065 0.72 1.39 2.28 0.44 4.61 0.22 11.47 0.087 2.24 0.45 0.266 3.77 0.078 12.74 0.23 4.43 0.0081 127.17 3.94 0.25 0.737144137638324 1.36 0.012 86.77 0.038 26.38 2.6 0.38 3.46 0.29 2.00 0.50 0.232 4.32 8.01 0.12 10.88 0.092 14.60 0.068 6.23 0.16 0.12 8.54 20.84 0.048 3.255 0.31 1.71 0.58 2.91 0.34 0.159 6.29 4.48 0.22 2.33 0.43 0.67 1.49 4.83 0.21 3.58 0.28 7.22 0.14 32.49 0.031 2.11 0.47 2.00 0.50 Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Annexes de l’article 2 Supplemental File 10: Primer sequences for real-time PCR gene IGF1 INSL3 IGF1 R GJA4 GJA1 JAG1 PIK3R3 KITLG KIT PARVA GATA2 AMHR2 MAEL MUSK WEE2 SPO11 GAPT GABRP MCF2L Sequence reference Primer ARN (OARV2 genomic sequence location location) location Up 593, OAR3:1709949123' UTR Down 171001871 706 Up 59, OAR5:51594033' UTR Down 5159866 191 Up65, OAR18:71072153' UTR Down 7107814 187 Up 692, OAR1:94129043' UTR Down 9416358 801 Up 320, OAR8:169629813' UTR Down 16966101 431 Up 357, OAR13:34015563' UTR Down 3403964 477 Up 59, OAR1:202740173' UTR Down 20274794 191 Up 49, EWZ7IHI02DESHV 3' UTR Down 198 Up 105, E0FD4S101C5L19 Down 207 Up OAR15:400716641419, 3' UTR 40074907 Down 1526 Up 159, EE762537 Down 261 Up 283, OAR3:1328515113' UTR Down 132852079 382 Up 192, exon CU653136 Down 10-12 310 Up 259, OAR2:126726843' UTR Down 12674127 374 Uo 816, OAR4:104194933- exon 5Down 104196092 6 1033 UP 630, OAR13:581727083' UTR Down 58173549 748 Up 745, OAR16:210531233' UTR Down 21054051 878 Up 517, OAR16:2792484Down 2793152 618 OAR10:83074041exon Up 8, 83074322 18 Down Up primer Down primer sequence length CATTAGGATCGATATTCCTCTGC TGACTGGTCATTCATTATATCTGTCT 114 GACAGGAGATGACGGGAAA GGTGCAATCCAGTGCTTT 133 GTCCACGTGCCAGTCTC CTGTTGTGGTGTTGGGATTG 120 GGCTTTGTCCCAAGCATG GGGTAAGTTGTCTCCGAATCC 110 CAGAACACATGATCGATGGAC ATGAAGAGTTACAATGAGAAATGCTA 112 TCTGGGAGGGGTTTCAAG CCTGGGTCTGTCTGGTGA 121 GACAGGAGATGACGGGAAA GGTGCAATCCAGTGCTTT 133 CACAGGATAACTTTGAGTGC TGTGTATGTGTATGTACTGTAAGTGT 150 AACTACACCTTGTGGGTTCC AGCTGAATTGGAGAGATGG 103 TGTATTACGGAATCACTTTGCTGT GGCTAAATTGGAAGGACCAGATA 108 AAATACTGCCGATCCTTCT AGAGGACTGTGCTGATG 102 GTCCAGGTAGGTTGAGGATTTC TCCTCCCGTCTGCCATT 100 CAAACACACCCACTGGTGAC GTATCCGTGTTTTGGGGATG 179 TTCTCTTTCCCGTTTATTTGCTT TTCCCAGTGGAGTCCATACA 116 GCTGATTGGTTTCTCTCTGC CTCTTCCACTTTGGGATTGC 88 GAACATTTGTCCTTTGCACAAC CAAACTAAAATTTGGTGGGTGGAT 119 GCAGGAGCTGGTTCTCAGATA AGCATCACTGGTGGTTCG 134 GAGGTGGATGCCACTGTATG CAAAAATTAATGCTTGACTAGAGTTT 101 TGGAGACCTACACGGACTG GCTTTAAGGAGCAGCTTCG 114 Chapitre II. Description des transcriptomes dans chacun des deux compartiments ovariens : spécificités fonctionnelles et dialogue moléculaire. Annexes de l’article 2 121 ST8SIA3 OAR23:5721760957218888 exon TNIP3 OAR6:45267364527280 3' UTR IFNE OAR2:8974508989746281 SPEF2 OAR16:3867694138677774 DEFB112 OAR20:2260647122608526 3' UTR TCF23 OAR3:3379403333795108 3' UTR TLL2 OAR22:1699187116995168 EFS OAR7:2121859321219292 3' UTR WNT4 OAR2:244678863244679555 3' UTR HTRIF OAR1:154599556154600464 exon ITIH5 CL27200Contig1 exons 1-3 TMEM16 7A OAR4:112054095112054903 3' UTR Up 787, Down 929 Up 102, Down 225 Up 586, Down 714 Up 166, Down 303 Up 376, Down 509 Up 408, Down 519 Up 293, Down 407 Up 440, Down 550 Up 567, Down 666 Up721, Down 823 Up 110, Down 216 Up 322, Down 429 GGATTGGACAACTGATGCACTA CCCGCTATTTCCAACCAC 143 AGTCAGCAACGCCTGCTA AACTGGACTATGGCTCGTTT 124 CTGCAAACTGCTTATTCATGTC GCTAGCAACAATGAGAAATATTAGG 129 AGGACAACAGCCAAATCCA CCACAGGAACATGCTTGTCTTA 111 GGACACAACTTACAAAGCAGACT CCATGTTATTCCATATCTCACTCC 134 TCTTGGCAGCTGTGAGTGTA GAAGTCGGGTGAGCATCTT 112 AACAATGACAACACCACGAA GCTCAACCTGGTTACATCATT 115 CCTCAATAAACCGGGCTTTC CACAAACCCTAAAGGCAGAC 111 AGCTCTGGATGCTGCTACC TGCACCAGACTATTTCATGAGG 100 TCTCAATTCCCTTATAAACCCACT AACTTCTTTGAACTAACATCGACATC 103 TTCTCGGTGAAATCTACCATCAT ATCTGCATCTGAAACGTGAC 107 CTGAGTCTTGAAACCAGCATCT CTCAGCGGTGAGTACAACTT 108 Chapitre III. Profils d’expression spatio temporel de la folliculogenèse basale : Prédiction des processus biologiques et ses régulations Chapitre III. rofils d’e pression spatio temporel de la folliculogenèse basale : rédiction des processus biologiques et ses régulations Si les études globales d’expression décrivant le développement tardif de la folliculogenèse sont nombreuses chez l’homme et la souris, elles le sont beaucoup moins pour le développement précoce. Quelques études se sont focalisées sur la transition primordial/primaire du développement ovarien (Kezele et al. 2005; Dharma et al. 2009) ou des ovocytes (Markholt et al. 2012) mais seulement deux études ont été menées de manière plus précise sur le développement précoce. Elles concernent le développement de l’ovocyte (Pan et al. 2005) et le follicule entier (Yoon et al. 2006) (voir objectif de la thèse). Aucune étude à ce jour ne décrit les différentes étapes de folliculogenèse dans les deux compartiments folliculaires. L’objectif de ce chapitre est donc d’identifier les gènes impliqués dans le développement folliculaire précoce de la brebis et de mettre en évidence les processus moléculaires et facteurs importants et des « biomarqueurs » de la croissance folliculaire précoce. Les résultats obtenus sont en cours de rédaction en vue d'une publication : Spatio temporal gene expression profiling during earl ovarian folliculogenesis predicted biological processes and regulations 80 Chapitre III. Profils d’expression spatio temporel de la folliculogenèse basale : Prédiction des processus biologiques et ses régulations Résultats 1. ésultats 1.1 Différentielsd’expressionaucoursdudéveloppement folliculaire L’analyse statistique globale a été effectuée pour chaque compartiment folliculaire à partir du fichier d’expression des 15 349 gènes. Elle révèle une différence d’expression globale au cours du développement folliculaire pour 19,6% des gènes (3015 GDE (FDR<5%)). Une classification hiérarchique non supervisée des GDE montre une bonne séparation des compartiments et décrit une dynamique d’expression pour les deux compartiments (Article 3, Figure 1). Les changements d’expression globaux sont plus importants dans l’ovocyte que dans les CG (2173/1192 gènes). La majorité de GDE des CG a une expression qui diminue pendant le développement folliculaire précoce alors que le nombre de gènes sous ou sur exprimés est équivalent dans les ovocytes (Article 3, Table1). Chez la brebis et dans nos conditions expérimentales, peu de différences d’expression sont observées pendant la transition PD-PM (Article 3, Figure 2A et B). Dans l’ovocyte, les changements d’expression les plus importants commencent à la transition du follicule primaire à secondaire où 74% des GDE sont sous exprimés Le nombre de GDE se maintient ensuite pendant la transition SC-SA (Article 3, Figure 2A). Par contre, dans les CG, les changements d’expression se situent essentiellement pendant la transition PM-SC où 67 % des gènes sont sous exprimés (Article 3, Figure 2B). Le nombre de GDE chute ensuite pendant la transition SC-SA (55 GDE). (Article 3, Figure 2A et B). 1.2 Analysefonctionnelleglobaledesfonctionsetvoiesde signalisation Pour rechercher les fonctions biologiques associées au développement précoce nous avons créé six listes de GDE en tenant compte des analyses statistiques par paire, soit PMO/ PDO ; SCO/ PMO+PDO ; SAO/SCO+PMO+PDO pour l’ovocyte et de la même manière PMG/PDG ; SCG/PMG+PDG ; SAG/SCG+PMG+PDG pour les cellules de granulosa. a. Les fonctions L’analyse fonctionnelle effectuée par IPA met en évidence un changement important dans les fonctions ovocytaires au stade secondaire par rapport à PM et PD, alors que pour les cellules de granulosa ce changement est moins drastique (Article 3, Supplemental File 2, Figure S1) 81 Chapitre III. Profils d’expression spatio temporel de la folliculogenèse basale : Prédiction des processus biologiques et ses régulations Résultats (FRD<5%)). IPA identifie 11 catégories fonctionnelles majeures enrichies en GDE (FDR<5%) (Article 3, Figure 3). Dans les cellules de granulosa, les catégories relatives aux protéines (synthèse, dégradation et transport), ainsi que celle « production d’énergie » sont particulièrement enrichies en gènes (SCD (stearoyl-CoA desaturase (delta-9-desaturase)), BDH2 (3-hydroxybutyrate dehydrogenase, type 2), CPT (carnitine palmitoyltransferase)). Les catégories relatives aux protéines sont nettement enrichies en GDE aux stades secondaires par rapport aux autres stades (PD/PM). b. Les mécanismes Différents mécanismes sont préférentiellement enrichis en GDE dès la transition primaire/secondaire et sont présentés ci-dessous : Dans l’ovocyte (Article 3, Supplemental File 2, Figure S2), IPA identifie un enrichissement spécifique en gènes impliqués dans la régulation du cycle cellulaire (« cyclins and cell cycle regulation »), la méthylation de l’ADN et la répression transcriptionnelle (DNMT3B (DNA methyltransferase 3B), RBBP7 (retinoblastoma binding protein 7), DNMT1 (DNA methyltransferase (cytosine-5) 1), la signalisation ATM et les hormones stéroïdes (œstrogènes). D’autres mécanismes comme : - la transmission des signaux (« axonal guidance », « ephrin receptor signaling »), - les mécanismes d’endocytose (« Caveolar-mediated Endocytosis Signaling »), - et la réponse au stress et aux cytokines (« eNOS », « IL8 and interferon signaling ») sont également enrichis en DGE (Article 3, Supplemental File 3). Enfin, différentes voies de signalisation sont enrichies en GDE (Article 3, Figure 4) pendant la croissance pré-antrale (NF-KB (Nfkb1 : nuclear factor of kappa light polypeptide gene enhancer in B cells 1, p105), ERK/MAPK (mitogen-activated protein kinase 1), RhoGDI (Rho GDP dissociation inhibitor (GDI)), BMP et FGF). Une vue globale des GDE, composants des voies de signalisation BMP est présentée Figure 5 de l’Article 3. Dans les cellules de granulosa, les GDE regroupent aussi des gènes impliqués dans les voies de signalisation des protéines G couplées aux récepteurs et mTOR. Ils confirment l’enrichissement en gènes des voies de signalisation G12/13, PKA, Rho GTPase et WNT mis en évidence dans l’Article 2 (Article3, Figure 4). 82 Chapitre III. Profils d’expression spatio temporel de la folliculogenèse basale : Prédiction des processus biologiques et ses régulations Résultats 1.3 Validationdudifférentield’expressionparRTPCRen tempsréel L’expression différentielle de 21 gènes impliqués dans les voies de signalisation a été recherchée par RT-PCR en temps réel et 17 d’entre eux ont été validés statistiquement (Article 3, Table 2). 1.4 Prédictiondesconséquencesduchangement d’expression:processusbiologiquesmisenœuvre L’analyse IPA « Downstream Effects Analysis » a été utilisée pour prédire les conséquences des changements d’expression sur les processus biologiques (Article 3, Figure 6). a. ans l’o ocyte Le « contrôle de la méiose » est augmenté pendant la transition du follicule primordial à primaire. Ce contrôle implique les gènes AURKA (aurora kinase A), BTRC (beta-transducin repeat containing E3 ubiquitin protein ligase), CDC25B (cell division cycle 25B), CPEB1 (cytoplasmic polyadenylation element binding protein 1), DDX4, EXO1 (exonuclease 1), FANCL (Fanconi anemia, complementation group L), HSPA2 (heat shock 70kDa protein 2), KIT, MAEL (maelstrom), PDE3A (phosphodiesterase 3A cGMP-inhibited), RPS6KA3 (ribosomal protein S6 kinase, 90kDa, polypeptide 3), SMC1B structural maintenance of chromosomes 1B), TEX12 (testis expressed gene 12) (Article 3, Figure 6A). Enfin, 37 GDE, connus pour avoir un rôle important dans la fertilité (GDF9, BMP15, SOHLH2, FIGLA …) seraient également impliqués dans la transition PD-PM. b. ans les cellules de granulosa L'analyse IPA prédit une activation de la prolifération et de la différenciation à tous les stades du développement folliculaire précoce (Article 3 ; Figure 6A). Elle prédit aussi l’inhibition ou l’activation de processus spécifiques au cours de la croissance folliculaire précoce (Article 3, Figure 6A) : - une inhibition de l’atrésie, - une augmentation de la phosphorylation des protéines, - et une augmentation de la synthèse de stéroïdes. a. Les communications L’accroissement des communications physiques et moléculaires entre ovocyte et CG est prédit dès la transition PD-PM du follicule. 83 Chapitre III. Profils d’expression spatio temporel de la folliculogenèse basale : Prédiction des processus biologiques et ses régulations Résultats Dans les CG, l’analyse par IPA des GDE prédit une augmentation de la formation de microvillosités au stade primaire (« tubulation » : 25 gènes COL1A1 (collagen, type I, alpha 1), VIM, CAV1 (caveolin 1, caveolae protein), ITGB (Cdkn1a cyclin-dependent kinase inhibitor 1A (P21)), S1PR1 (sphingosine-1-phosphate receptor 1), ALCAM (activated leukocyte cell adhesion molecule)…) et une augmentation des projections cytoplasmiques (regroupe 2 catégories de 79 et 97 gènes : GJA1, KITLG, NOTCH1, ROBO1 (roundabout homolog 1, Drosophila), SLIT2 (slit homolog 2, Drosophila), WINT3A, MET…) et des déformations cellulaires (2 catégories de 128 et 168 gènes : ROR1 et 2 (receptor tyrosine kinase-like orphan receptor 2), FGF1 et 13, STMN2 (stathmin-like 2), DPYSL2 (dihydropyrimidinase-like 2), SEMA3D (sema domain, immunoglobulin domain (Ig), short basic domain, secreted, (semaphorin) 3D), ICAM5 (intercellular adhesion molecule 5, telencephalin)…) pendant toute la période basale. Dans l’ovocyte, seul le phénomène de déformations cellulaires semble s’amplifier pendant la période PD-SC (2 catégories de 70 et 121 gènes : KIT, LIFR (leukemia inhibitory factor receptor alpha), FIGF (c-fos induced growth factor) …). L’activation de la signalisation entre les compartiments cellulaires est aussi un mécanisme attendu pendant la transition du follicule primordial au follicule primaire dans les CG (« activation of cell », 156 gènes) et dans l’ovocyte (« neurotransmission », 46 gènes) (Article 3, Figure 6B). 1.5 Prédictiondescausesduchangementd’expression: régulationspendantledéveloppementprécoce Le module « IPA upstream regulator analysis » a été utilisé pour identifier des régulateurs potentiellement responsables du changement d’expression des gènes. Il prédit également un état et un niveau d’activation de ces régulateurs (au niveau protéique). a. acteurs de croissance et hormones L’analyse par IPA du différentiel d’expression au cours du développement folliculaire précoce permet de prédire l’effet de certains facteurs de croissance : EGF, PDGF et TNF (tumor necrosis factor) (Article 2, annexe 2, Figure S3A). Ces résultats sont appuyés par l’expression des récepteurs correspondants (Article 2, annexe 2, Figure S3B). Par exemple, IPA prédit une activation de la protéine PDGFC dans les CG et nous observons une augmentation de l’expression de PDGFC et des récepteurs PDGFRA et PDGFRB dans les CG. IPA prédit également l’inhibition de PDGFC dans l’ovocyte qui peut être associé à une 84 Chapitre III. Profils d’expression spatio temporel de la folliculogenèse basale : Prédiction des processus biologiques et ses régulations Résultats diminution de l’expression des récepteurs dans l’ovocyte. La protéine BMPER a une activité prédite accrue dans l’ovocyte au stade secondaire et EGF a une activité prédite accrue dès le stade secondaire. Enfin, IPA prédit une action accrue des hormones stéroïdes, telles que l’œstradiol, sur l’ovocyte et les cellules de granulosa (Article 3, Annexe 2, Figure S4). b. écanismes En complément de l’étude précédente, nous mettons en évidence une activation maximale des voies de signalisation SHH et WNT dans les cellules de granulosa pendant la transition PDPM suivie d’une diminution de cette activation dans les stades suivants. (Article 3, Annexe 2, Figure S5). Dans notre étude, le profil d’expression des antagonistes de WNT tels que DKK1, WIF1 et SFRP est précisément décrit et varie en fonction du compartiment et du stade de développement précoce (Article 3, Figure 7A et B). En particulier, l’expression de DKK1 augmente au cours de la croissance ovocytaire et sa protéine est identifiée comme un régulateur potentiel dans CG. Il est, en effet, le régulateur de 10 gènes cibles de notre liste de GDE somatiques comprenant WNT5A. c. égulateurs transcriptionnels 21 régulateurs transcriptionnels sont susceptibles d’être impliqués dans les changements d’expression mis en évidence au cours du développement folliculaire précoce (p value <5% et 2< z score >2). Les gènes codant pour ces régulateurs potentiels sont soit très exprimés dans l’un des deux compartiments (19 régulateurs « cellules spécifiques »), soit avec une expression qui varie au cours du développement folliculaire précoce (deux régulateurs « stades spécifiques » : 1 dans l’ovocyte and 1 dans les CG) (Article 3, Table 4). Les 19 régulateurs potentiels, dont les gènes sont surexprimés dans un des deux compartiments (3 régulateurs dans l’O et 16 dans les CG), présentent une activation accrue de leur protéine qui dépend du stade de développement folliculaire : - dès le stade primaire (8 régulateurs : EGR1 (early growth response 1), XBP1 (X-box binding protein 1), SOX10 (SRY-box containing gene 10 : ovocyte)…), - dès le stade secondaire (six régulateurs : FOXL2, NOBOX (ovocyte), SOX9, E2F1 (E2F transcription factor 1 (ovocyte…) - et enfin au stade petit antrum (cinq régulateurs : ETS2 (v-ets avian erythroblastosis 85 Chapitre III. Profils d’expression spatio temporel de la folliculogenèse basale : Prédiction des processus biologiques et ses régulations Résultats virus E26 oncogene homolog 2), SRF (serum response factor (c-fos serum response elementbinding transcription factor)), MITF (microphthalmia-associated transcription factor), NFIA (nuclear factor I/A), SREBF2 (sterol regulatory element binding transcription factor 2). La prédiction de l’état d’activation des protéines NOBOX dans l’ovocyte et de FOXL2 dans les CG, est, par exemple, illustrée Figure 8A et 8B (au stade SA). NOBOX est connu chez la souris pour activer l’expression des gènes BMP15, DNMT1, GDF9, H1FOO (H1 histone family, member O, oocyte-specific), MOS (Moloney sarcoma oncogene), ZAR1 zygote arrest 1) dans l’ovocyte (Rajkovic et al. 2004). Dans notre expérience, ces gènes sont surexprimés au stade SC et SA (Article 3, Figure 7A, gènes en rouge). Nos résultats sont en accord avec ceux décrit par Rajkovic et ses collaborateurs (Rajkovic et al. 2004), IPA prédit donc une activation de l’expression de chacun ces gènes par NOBOX dans notre expérience (Figure 7A flèches rouges). a protéine a une activité prédite globale accrue au stade SC et S par rapport aux autres stades et ou SC . Dans la littérature, la protéine FOXL2 stimule l’expression de FST, NR5A2 …. Elle inhibe celle de GDF9 et CYP26B1 (Pisarska et al. 2011; Caburet et al. 2012). Notre expérience identifie le même sens de changement d’expression dans les CG au stade SA et IPA prédit une activation (FST, NR5A2 (nuclear receptor subfamily 5, group A, member 2)…) ou une inhibition (GDF9, CYP26B1) de l’expression de ces gènes par FOXL2 (trait bleu). prédit donc une activation globale accrue de la protéine F les C par rapport aux stades rticle 3 Figure au stade SC et S dans et ou SC . Les 2 régulateurs transcriptionnels potentiels dont l’expression est régulée au cours du développement folliculaire précoce ont leur protéine potentiellement activée ou inhibée pour un stade de développement donné (Article3, Table 4). - l’activité protéique est accrue et les quantités d’ARNm augmentent au cours du développement folliculaire (HIF1A (hypoxia inducible factor 1, alpha subunit (basic helixloop-helix transcription factor)) : activation prédite dans les CG à partir du stade SC, Table 4) - l’activité protéique est inhibée et les quantités d’ARNm diminuent au cours du développement folliculaire. C’est le cas de KLF9 (Kruppel-like factor 9) (expression inhibée dans l’ovocyte et activité protéique inhibée au stade SA) (Article 3, Figure 7C). Dans la littérature, la protéine KLF9 active l’expression de Ccnd1 (cycline D1) et Col1a1 et inhibe celle de Calb2 (calbindin 2) et Ghr (growth hormone receptor). Dans notre expérience, nous observons les effets contraires au niveau de l’expression de ces messagers. IPA prédit donc 86 Chapitre III. Profils d’expression spatio temporel de la folliculogenèse basale : Prédiction des processus biologiques et ses régulations Conclusion une inhibition de l’activité protéique. 1.6 Latransitionfolliculeprimaire/folliculesecondaire Pendant cette transition, les GDE peuvent être associés aux mécanismes de jonctions cellulaires (Article 3, Table 5) et de dialogue moléculaire. Dans l’ovocyte, les voies de signalisation AHR, intégrines et PTEN sont statistiquement enrichies en gènes. Dans CG, les voies de signalisation identifiées correspondent à RHO GDI (Rho GDP dissociation inhibitor (GDI)), RHO GTPase et mTOR. Cinq gènes ovocytaires codant pour des régulateurs transciptionnels potentiels ont une expression qui diminue et l’activité de leur protéine inhibée pendant cette transition PM/SC (EDN1 (endothelin 1), BCL2, MET, TGFBR2 (transforming growth factor, beta receptor II), ETS1 (E26 avian leukemia oncogene 1, 5' domain)). Aucun régulateur caractéristique du passage du follicule primaire en secondaire n’a été identifié dans les cellules de granulosa. 1.7 Desmarqueursdelacroissancefolliculaireprécoce Différents protocoles ont été développés chez les espèces mammifères de rente (brebis, buffle, vache…) pour mener des études fonctionnelles in vitro ou évaluer des protocoles de cryoconservation de cortex ovarien. Il est important pour ces études de pouvoir disposer de marqueurs de la croissance folliculaire in vivo. Dans cet optique, nous avons effectué des comparaisons par paire (voir méthodes) et sélectionné 29 gènes à expression enrichie. Ce jeu de biomarqueurs moléculaire permet de séparer les différents stades de développement (Article 3, Figure 9A). Le différentiel d’expression de 24 de ces marqueurs a été validé par analyse statistique après quantification par RT-PCR en temps réel (Article 3, Table 5). La classification des échantillons est similaire à celle obtenue avec les données de RNA-seq (Article 3, Figure 9B). . Conclusion Cette étude in vivo montre que, dans des ovaires de brebis à la naissance, le transcriptome issu des différents compartiments ovariens varie au cours du développement avec des variations plus marquées lors de la transition du follicule primaire au secondaire. L’analyse fonctionnelle in silico des gènes différentiels, effectuée par comparaison avec les données bibliographiques, suggère les conclusions suivantes : 87 Chapitre III. Profils d’expression spatio temporel de la folliculogenèse basale : Prédiction des processus biologiques et ses régulations Conclusion ¾ Au cours de la transition du follicule primordial en primaire les gènes différentiels ovocytaires sont impliqués dans le contrôle de la méiose et dans le contrôle de la prolificité. Le contact et le dialogue moléculaire entre les deux compartiments se mettent en place. Des voies de signalisation comme SSH et WNT dans les cellules de granulosa et la voie de signalisation des œstrogènes dans l’ovocyte sont activées. ¾ La progression de la croissance du follicule primaire à secondaire est associée à des changements importants dans des fonctions biologiques des CG (« métabolisme protéique » et « production d’énergie») et de l’ovocyte (régulations du « cycle cellulaire » et « transcriptionnelle »). Des voies de signalisation s’enrichissent en gènes différentiels : - RhoGDI dans l’ovocyte - Rho GTPase, mTOR et WNT dans les CG. ¾ Dans le follicule à petit antrum, des voies de signalisation (NF-KB, BMP et FGF) sont enrichies en gènes différentiels et sont activées dans l’ovocyte. Enfin, PDGFC et WNT sont potentiellement impliqués dans les transitions entre stades. Vingt et un régulateurs transcriptionnels sont identifiés comme potentiellement la cause des changements d’expression et susceptibles de jouer un rôle important dans la croissance folliculaire précoce. Enfin, un jeu de 25 gènes, marqueurs de la croissance folliculaire précoce, a été obtenu et pourra être utilisé comme base de référence in vivo de la folliculogenèse basale. Cette étude améliore notre compréhension des mécanismes mis en œuvre dans la folliculogenèse basale. Elle décrit précisément le profil d’expression in vivo des gènes impliqués dans différents mécanismes et fonctions qui ont été le plus souvent étudiés in vitro et étudiés plutôt au cours du stade antral chez la brebis. Elle propose une implication nouvelle de gènes. Des expériences supplémentaires devront cependant être menées pour compléter ces résultats. 88 Chapitre III. Profils d’expression spatio temporel de la folliculogenèse basale : Prédiction des processus biologiques et ses régulations Article 3 3. rticle 3 n cours de rédaction Spatio temporal folliculogenesis gene net or expression profiling anal sis predicted during earl ovarian iological processes and regulations 89 Spatio-temporal gene expression profiling during early ovarian folliculogenesis: predicted biological processes and regulations Agnes Bonnet 1,2§,,Bertrand Servin1,2 , Julien Sarry 1,2, Katia Feve1,2, Florent Woloszyn 1,2 , Philippe Mulsant 1,2, Beatrice Mandon-Pepin 3 1 INRA, UMR444 Génétique Cellulaire, Auzeville, BP52627, F-31326 Castanet-Tolosan, France 2 ENVT, UMR444, Laboratoire de Génétique Cellulaire, F-31326 Castanet-Tolosan, France 3 INRA, UMR1198 Biologie du Développement et de la Reproduction, F-78350 Jouy-en-Josas, France § Corresponding author Email addresses: AB: [email protected] BS: [email protected] JS: [email protected] KF: [email protected] FW: [email protected] PM: [email protected] BMP: [email protected] 1 Abstract Background Results Conclusions Keywords RNA-seq, early folliculogenesis, molecular dialog, transcriptome, sheep, oocyte, granulosa cells, microdissection Background Results Previous experiment including three/four biological replicates per sample (Bonnet et al submitted) produced separate GCs and oocyte transcriptome for each stage of early follicle development: primordial (PD), primary (PM), secondary (SC) and small antral stage (SA) follicles. This study was achieved using 3 combined methodologies: laser capture microdissection, RNA amplification and RNA-seq. The first study focused to compartment specificity and bidirectional communications. To have a complete overview of the early folliculogenesis, the present study explored the expression profile of the 15,349 genes previously described in the RNA-seq dataset, to highlight genes that may be associated to early follicular development. Global differential gene expression during the early follicular development In order to bring out dynamic transcription over early follicular development, a generalized linear model (DESeq's GLM) was applied to each compartment dataset (O, GCs) using following criteria: FDR < 5% (Benjamini-Hochberg procedure) for global effects and pval <1% for pair wise comparison, fold change >2. With these criteria, we identified 19.6% of genes significantly differentially expressed (DEG) during early development (3,015 genes) (Supplemental File 1). An unsupervised hierarchical clustering was performed to explore DEG and confirmed the relevance of the data. The analysis led to a clear separation between the two compartments and allowed the classification of the genes according to the stage of follicular development. This appropriate clustering depicts the dynamics of transcription in oocytes and GCs (Figure 1). On the 3,015 DEG, we observed much more differentially expressed genes (DEG) in oocyte than in GC (2,173/1,192). A majority of DEG were down regulated in GC during the whole early folliculogenesis, while the number of up and down regulated genes was similar in oocytes (Table 1). Last we pointed out major change in expression that occurred between the PM and SC follicles (Figure 2A-B, Table 1). In our experimental condition, little differential expression was specifically identified during PD-PM transition. In oocytes, the greatest differences in expression began during PM-SC transition where 74% of the oocyte DEG showed a decreased expression. Then, the number of DEGs was maintained during SC-SA transition (476 in PM-SC/494 in SC-SA). At contrary, in GCs, the main changes in expression concerned PM-SC transition where 67.4 % of the GC DEG showed a decreased expression. Few differential expressions were found in GC during SC-SA transition: 55 genes (Figure 2A-B). To validate the RNA-seq analysis, the expression profiles of 24 genes of interest involved in canonical pathways were monitored using qRT-PCR and statistical analysis confirmed the DE observed in the RNA-seq dataset for 17 of them (Table 2). 2 Global outlook on gene functions and pathways To investigate the biological functions associated with the early follicular development, 6 global DEG lists taking account of all the pair wise comparisons, were created and subjected to Ingenuity Pathway Analysis (IPA)(oocyte lists (PMO/PDO, SCO/ others, SAO/ others); GC lists (PMG/PDG, SCG/ others, SAG/ others). These lists were tested for function and metabolism enrichment. Biological functions IPA analysis pointed out a major functional change at the secondary stages in oocytescompared to PM and PD, whereas the functional enrichment was more progressive in GCs (Supplemental File 2 Figure S1). Eleven main functional categories were identified as significantly enriched in DEG lists (pvalue<0.05) and presented in Figure 3. In Gc, We highlighted 4 specific enriched functions that referred to energy and protein (degradation, synthesis and trafficking). Energy production assembled SCD, BDH2, CPT, PPARGC1A… implicated in the fatty acid metabolism for energy storage. Genes coding for proteins categories are mainly over-represented in the secondary DEG list. Particularly, the protein trafficking was likely to play significant role in GC during this stage. Last, the DNA replication, recombination and repair category was involved in follicular development at 2 distinct follicular stages according to the compartment: oocytes of PM follicles and GCs of SA follicles. Canonical pathways: Based on the results of the IPA canonical pathway analysis, we identified significant pathways that encompassed cell cycle regulation, signaling pathways, cytokines and inflammatory signaling and were mainly enriched from secondary stages compared to PM an PD stages. This analysis was available in Supplemental File 3-4. Some pathways were only significantly enriched at SA stage. In oocytes (Figure S2), we pointed out a specific and progressive enrichment of genes involved in cell cycle regulation (for example G2/M DNA damage checkpoint), DNA methylation and transcriptional Repression Signaling (DNMT3B, RBBP7, DNMT1 ), ATM signaling and steroid hormone signaling (estrogen and androgen signaling) We also observed the DEG enrichment of additional pathways involved in neuronal signal transmission (axonal guidance, ephrin receptor signaling), endocytosis mechanisms (Caveolar-mediated Endocytosis Signaling), stress and cytokine response (eNOS, IL8 and interferon signaling) (supplemental File 3). Finally, Figure 4 exhibited different significantly enriched signaling pathways during early follicular development (NF-KB, ERK/MAPK and RhoGDI). It provided further evidence for the involvement of BMP signaling and FGF signaling in oocyte development. An overview of the DE of members of BMP signaling, their regulators and FGF families was presented respectively Figure 5 and Table 3. Last, NFkB signaling was only enriched in DEG at the end of the early follicular development (SAO). In GCs, we identified specific enrichment pathways such as G12/13, G protein coupled receptor signaling, PKA, Rho family GTPase, mTOR and WNT (Supplemental File 4) already identified in the previous article (Bonnet and al submitted). Figure 4 depicts the GC gene enrichment for some of these signaling pathways. Differential expression validation by quantitative real time RT-PCR To validate DEG during early folliculogenesis, the expression profiles of 21 genes, components of canonical pathways, were monitored using qRT-PCR and statistical analysis confirmed the DE observed in the RNA-seq dataset for 17 of them (Table 2). Global Predicted biological processes from DEG The IPA Downstream Effects Analysis examined the genes in our dataset that are known to affect function and, using the Z score algorithm, predicted the downstream effects of our observed gene expression change on the functions (expected activated or inhibited). The predicted downstream effects derived from our DEG lists was summarized Figure 6 (Supplemental File 4-5). In oocytes, the transport of molecules, DNA repair were predicted to be activated while the genes AURKA, BTRC, CDC25B, CPEB1, DDX4, EXO1, FANCL, HSPA2, KIT, MAEL, PDE3A, RPS6KA3, SMC1B, TEX12 controlled the meiosis at the primordial/primary transition (Figure 6A). Last, the predicted effect of the gene expression on fertility was mainly associated with oocyte 3 primordial/primary transition (37 DEG involved including fertility genes as GDF9, BMP15, SOHLH2, FIGLA…). In GCs, specific effects were associated to DEG such as inhibition of atresia (including genes as ESR1, FGFR2, FOXL2, GATA4, GATA6, RXRA, WNT5A…), and activation of protein phosphorylation, steroid production and vasculogenesis (already identified in the previous study) (Figure 6A). Figure 6B showed an active GC intracellular re-organization (cytoplasm, cytoskeleton, microtubule) during early folliculogenesis, while in oocytes the intracellular organization appeared to be maximum at PM and SC stages. Last cell-cell communication was implemented during PD/PM transition through mechanical and molecular dialog. IPA predicted an increase of tubulation formation, cytoplamic projection and protrusion in GC during early folliculogenesis. In oocytes, only protrusion formation amplified up to secondary stage. The cell to cell signaling and interaction was also expected to be activated in GCs (activation of cell: 156 genes involved) and in oocytes (neurotransmission, 46 genes involved) during PD/PM transition (Figure 6B). Putative regulators involved during early folliculogenesis IPA Upstream Regulator analysis was used to understand the cause of the observed gene expression change. The analysis identifies the cascade of upstream regulators that can explain the observed gene expression change in the dataset and predicts the activity of their encoded protein. It inferred an activation state to each regulator (activated state=activator z-score >2; inhibited state= activator zscore <2) (cf method section). Taking into account the gene expression profile (expressed and/or DE) for each predict upstream regulator gives more evidence for the biological mechanism. The results of this analysis are presented in Supplemental File 6. Growth factors and hormones: The IPA analysis predicted a spatio-temporal effect of different growth factors as EGF, PDGFs and TNF (Supplemental File 2, Figure S3A) during follicular development. This result was corroborated by the expression of their respective receptors (Supplemental File 2, Figure S3B). For example, we noticed in oocytes a decrease in PDGFC protein activity that may be associated to a decrease of its receptor gene expression (PDGFRA and PDGFRB). Last in oocytes, BMPER had a predicted increased activity status at SA stage and EGF from SC stages. Finally IPA underlined a predicted effect of steroid hormones during early folliculogenesis that was also supported by the presence of their receptor transcripts (Supplemental File 2, S4). E2 has a predict activity on oocytes and Gcs that began in PM/SC transition in oocytes. Canonical pathways: In complement to previous study that identified enriched signaling pathways as SSH, WNT in GC compartment (Bonnet et al in process), IPA predicted their maximal activation in PD/PM transition followed by a decreased activity in subsequent stages. Last this analysis highlighted a Ca ++ activity during oocyte PD/PM transition (Supplemental File 2, Figure S5). Finally, we identified putative regulation of the Wnt signaling pathway during early follicular development (Figure 7A). Indeed, The GC WNT signaling was balanced by antagonists as Dickkopf (DKKs), Wnt inhibitory factor 1 (WIF-1), secreted Frizzled-related proteins (SFRPs) and modulated by low density lipoprotein related receptors (LRPs). The pattern of expression of these inhibitors changed function of the compartment and the follicular stage (Figure 7B). Particularly, the expression of DKK1 increased in oocytes during early development and its protein was identified as a GC predicted regulator. In our experiment, it was predicted to act on 10 GC target molecules including WNT5A. Last WNT1 was also predicted to act in PD/PM oocyte transition (Figure 8C) and was associated to the increase of FDZ8 during PD/PM oocyte transition. Transcription regulator (TR): Using this procedure, we predicted the involvement of 21 TRs in gene regulation during early folliculogenesis (Table 4). Their corresponding genes were also present in the DEG lists. Indeed, they were differentially expressed between compartments (19 regulators) or differentially expressed during early development (2 regulators: 1 in oocyte and 1 in GC) (Supplemental File 6). The 19 potential TRs that were over expressed in one of the compartments (respectively 3 and 16 TR overexpressed in oocytes and GCs) had a predicted activation of their protein function of follicular stages. Eight TR showed an increased activation from PM to SA stages (EGR1, ETS1, XBP1, 4 SOX10…). Then, 6 TR (including FOXL2, NOBOX, SOX9…) showed an increased activation from SC stage and 5 TR (ETS2, MITF, MFIA, SREBF2, and SRF) from SA stage (Table 4). Figure 8A-B depicts the predicted effects of NOBOX expressed in oocytes and of FOXL2 expressed in GCs during sheep early folliculogenesis. In mice, Nobox activates the expression of BMP15, DNMT1, GDF9, H1FOO, MOS, ZAR1 genes in oocytes [1]. In our experiment, these genes were over expressed at SA stage compared to the other stages (Figure 7A; gene in red colour). Our results were in accordance with those of Rajkovic et al; IPA therefore predicted for each of these genes, a NOBOX activated status (Figure 7A, red arrow). Finally, IPA predicted a global increased of the NOBOX activation at SA stage compared to the other stages. In the same way, different authors showed that FOXL2 increases Fst, Nr5a2... expression and inhibited Gdf9 and Cyp26b1 expression. The same direction of change was identified in our experiment (GDF9 and CYP16B1 were down regulated in SA stage of GCs compared to the other stages) and IPA predicted an activated status for FST, NR5A2 ... and inhibited ones for GDF9 and CYP26B1 (Figure 7B, blue line). Our results were in agreement with literature and IPA predicted a global increased of the FOXL2 activation at SA stage of GCs compared to the other stages. Last, IPA predicted an increased or inhibited protein activation level, function of follicular stages, for 2 potential TRs showing a differential expression during early folliculogenesis: - Predicted protein activity and gene expression increased during early follicular development (eg HIF1A, predicted protein activation in GC at SC stage, Table 4). - Predicted protein activity and gene expression decreased during early follicular development (eg KLF9, predicted protein inhibited status in oocytes at SA stage, Figure 8C). Bibliography shows that KLF9 protein stimulates Ccnd1 and Col1a1 expression and inhibited Calb2 and Ghr ones. In our experiment we observed reverse effects and IPA predicted a protein inhibited status. Focus on PM/SC transition During this transition, cell junction signaling and WNT signaling were over represented in DEG in both compartments (Table 5) and may be associated to cell-cell communication. In oocyte, the Aryl Hydrocarbon Receptor, integrin and PTEN signaling were statistically enriched in DEG. In GCs, this transition was also associated with enriched RHO GDI, RHO GTPase and mTOR signaling pathways. Last, we identified 5 putative oocyte upstream transcriptional regulators (EDN1, BCL2, MET, TGFBR2, ETS1) with a decrease of their expression during PM/SC transition and a predicted protein inhibited state at this stage. In addition, GATA2, already described in this study, had an increased expression in oocytes during this transition and predicted to inhibit gene expression (Figure 9B). No transcriptional regulators were predicted in GCs (Supplemental File 7). Focus on biomarkers of early folliculogenesis A number of protocols were developed for many domestic species like cattle, buffalo, sheep to perform in vitro functional analysis, manipulation and embryo production; or to evaluate cryoconservation for sterility preservation. Identification of biomarkers that can be used to monitor the survival and development of follicles was of great importance. In this goal, to provide a set of biomarkers that may be used as “in vivo” reference to predict follicular development, we performed a pair wise comparison for each sample transcriptome against the other samples including multi-tissues samples (FDR<5%, FC>3-10) and selected the 29 most differentially expressed. PLS-DA analysis without variable selection was performed on the biomarker dataset to explore the classification and discrimination of the follicular stages (Figure 9A). This biomarker dataset provide a good separation of the follicular classes and compartments. Biomarker validations by quantitative real time RT-PCR To validate the biomarker dataset, the expression profiles of the 29 genes were monitored using qRTPCR. Statistical analysis confirmed the compartment differential expression observed in RNA-seq data for 24 genes upon the 29 genes tested (Table 6). The accuracy of the 24 gene expression was 5 confirmed by the similarity between RNA-seq and qRT-PCR PLS-DA analysis (Figure 9B).This list included known genes as SPO11, BMP15, FST and WEE2. Discussion Conclusions Methods To summary briefly the previous methods (Bonnet et al submitted): - The follicular compartments (i.e. granulosa cells (GCs)) and oocytes (O) were selected for each follicle stage function of follicular diameter (primordial (Pd<35μM), primary (Pm: 35-50μM), secondary (Sec: 60-120μM) follicles and small antral (SA: 250-500μM)), captured by laser capture microdissection and extracted using the PicoPure RNA Isolation Kit. Three/four independent replicates were obtained per sample. - Thirteen tissue samples (fetal ovary, pituitary gland, hypothalamus, muscle, skin, hurt, lung, intestine, stomach, kidney, spleen, liver, and theca) were sampled in triplicates at the local slaughterhouse (3 individual animals) for RNA extraction. The 12 total RNA tissue samples (except fetal ovary) were pooled into 3 independent groups. - A total of 31 RNA LCM-derived (3PDO, 4PMO, 4SCO, 4SAO, 4PDG, 4PMG, 4SCG and 4SAG) and 3 multi-tissue RNA samples were subjected to 2 rounds of T7 linear amplification. - Sequencing was performed on an Illumina HiSeq2000 using the Illumina TruSeq SBS kit v2 (209 cycles including the index) to obtain paired-end reads (2x100 pb). - Due to the specificity of our data (enrichment of 3’UTR non-coding sequences [2]), we used two different assembly strategies to maximize the transcript identification: assembly using the genome reference and de novo asssembly. - Genomic fragments and de novo contigs were aligned with Bos taurus UMD3.1 genome using Blat. - The genomic fragment dataset was filtered to conserve only the best genomic fragment per gene and was completed by the genes from de novo strategy of which no mRNA sequence was previously available or because there were absent in the genome strategy dataset. Statistical analysis Significance of differential gene expression was determined using DESeq package [3] in R software for multifactor design (R 2.14.0; DESeq release 1.6.1). Our experimental design included 2 factors: “stage” (with 4 levels: PD, PM, SC and SA) and “compartment” (2 levels: O, GCs). After DESeq normalization, the best dispersion estimation of our dataset was obtained using the following arguments: method ”pooled”, sharingMode “fit-only”, fitType “local”. Then, GLM method estimated coefficient and deviance for each gene. To establish the differential expression profile along early follicular development we identified the genes whose intra compartment variance was differentially expressed in at least one of the stages (nbinomGLMTest). For this, we specified 2 models: the stage model (count ~ stage) and the reduced model (count ~ 1) and applied them to each compartment dataset. Then for each compartment, the expression value of each gene was compared between each follicle stage using paired wise comparison (nbinomTest). Last, differential gene expression during early follicular development was selected with a FDR <5% for global intra compartment effect (nbinomGLMTest) and pval <1% for paired wise comparison (nbinomTest) with a fold change >2. The molecular biomarkers of early folliculogenesis (mostly expressed in PDO, PMO, SCO, SAO, PDG, PMG, SCG, SAG) was determined using paired wise comparisons with FDR <5% and a fold change >3-10. 6 We used the PLS regression for classification and discrimination of the samples ((s) PLS-DA). (s)PLS-DA is implemented in mixOmics package in R solftware. Quantitative real time RT-PCR analysis for gene expression Gene primer designs were performed from RNA-seq sequences. The intron–exon organization of ovine genes was deduced by comparison with the Human genome using the NCBI database. Gene primers were designed preferentially in the 3’ UTR (last 1000 base pairs) or the last exons using LightCycler Probe Design2 software (Roche Diagnostics). The primer pairs were confirmed by Primer3 (http://frodo.wi.mit.edu/primer3/). Sequences are available in Supplemental File 8. The LCM-derived aRNA samples were reverse transcribed as previously described (Bonnet et al 2011). The reactions were completed to 50μl and diluted at 1/20 before PCR. The assay for each gene consisted of 4 replicates per condition (except for PDO= 3) and negative controls. Briefly as previously described: - Two μg of total RNA samples (tissue RNA samples) were reverse transcribed and the reactions were completed to 50μl and diluted at 1/50 before PCR. The assay for each gene consisted of a pool of three independent replicates per tissue. - The expression of molecular biomarkers (29 genes) and genes involved in canonical pathways (24 genes) was analyzed using 96.96 Dynamic Array™ IFCs and the BioMark™ HD System from Fluidigm. - Two specific target amplifications (STA) were performed on the 37 cDNA samples (32 LCMderived aRNA samples, 3 multi-tissue aRNA samples, a calibrator sample (pool of all the LCMderived aRNA samples) and a pool of cDNA from total fetal ovaries RNA for PCR amplification efficiency calculation) in a 96-well PCR plates. A mix was prepared containing 132L 2× TaqMan® PreAmp Master Mix plus (ref 4391128, Applied Biosystem) 26.4L 10× Preamplification Primer Mix (500 nM each primer (for 60 genes + 2 reference genes (-actin and TMED4)), and 3.75L of this mix was added to each cDNA sample from aRNA (2μl: 1 ng cDNA) and fetal ovaries cDNA pool (2μl =11 ng). Following a brief vortex and centrifugation, the plate was transferred to a thermal cycler and subjected to 14/17 amplification cycles. RLP19 gene primers were not included in the STA reactions. Reactions were then treated with Exonuclease I in order to digest the primers. The final reaction was diluted (1/5) and stored at 20°C. For the determination of the PCR amplification efficiency specific to each gene, the STA reaction of foetal ovary cDNA pool (11 ng cDNA) was serial diluted (1, 1:3; 1:3; 1:2; 1:2). The final PCR was performed on the BioMark HD using 35 amplification cycles followed by a melting phase. Data was analyzed using Fluidigm Digital PCR Analysis software using the Linear (Derivative) Baseline Correction Method, the User (Global) Ct Threshold Method with threshold set at 0.01, and a Ct Range of 12 to 25 cycles. After determination of the threshold cycle (Ct) for each LCM-derived aRNA sample, the PFAFFL method was applied to calculate the relative expression of each gene [4]. The relative expression was normalized by the corresponding geometric average of three reference genes using geNorm v3.4 [5]: -actin, TMED4 and RPL19 genes that were respectively slightly, moderately and highly expressed and not regulated during follicle development or compartment. The significance of biomarkers differential gene expression was evaluated by student test after fourth square transformation. The significance of the relative expression data from genes involved in canonical pathways was tested using the one-way ANOVA model of R statistical software system (the Comprehensive R Archive National, http://www.cran.r-project.org) after fourth square transformation of the data. For each gene, an ANOVA model was fitted, with the 2 factors “stage” (4 levels) and “compartment” (2 levels) with interactions. A backward variable selection procedure was applied as previously described [6]. Biological trends Ingenuity® Pathway Analysis software (IPA; http://www.ingenuity.com) was used to examine functional and molecular pathways enrichment for differential expressed genes based on the Fisher’s Exact Test. This software combines functional annotations of our differentially expressed genes (focus genes) and the corresponding bibliographic data to generate significant signaling pathways and 7 regulation networks. The Biological analysis was focused on differential gene expression during follicular development The Ingenuity Pathways Knowledge Base was used as set reference. Functional categories analysis identified the functions, from the IPA library, which were most significant to the input data set. The significance of the association between the data set and the functional category was determined by a P value calculated using Fischer’s exact test. Canonical pathways analysis identified the pathways, from the IPA library of canonical pathways, which were most significant to the input data set. The significance of the association between the data set and the canonical pathway was determined based on two parameters: (1) A ratio of the number of genes from the data set that map to the pathway divided by the total number of genes that map to the canonical pathway and (2) a P value calculated using Fischer’s exact test determining the probability that the association between the genes in the data set and the canonical pathway is due to chance alone. We considered that functional categories and canonical pathways were statistically significant enriched if the p-value was below 5.10-2. Downstream Effects Analysis was used to identify the expected effect of our observed gene expression change on the functions (expected to increase or decrease). The analysis examines genes in our dataset that are known to affect functions, compares the genes’ direction of change to expectations derived from the literature, then issues a prediction for each function based on the direction of change (in the differential gene expression list). IPA uses the regulation z-score algorithm to make predictions. In the same way, IPA Upstream Regulator analysis was used to understand the cause of the observed gene expression change. It identifies the cascade of upstream transcriptional regulators (any molecules that can affect the expression of other molecules) that can explain the observed gene expression change in the dataset. The overlap pvalue measures statistically significance between the dataset genes and the genes that are regulated by a transcriptional regulator. The activator z-score infers the activation state to the transcriptional regulator (activator z-score <-2 and >2). If the DE is consistent with literature across gene list, IPA predicts that the upstream regulator is more active between the 2 conditions. If DE is anti-correlated with literature, IPA predicts an inhibition state. Without bias note this z-score can be use always as an independent test to call downstream regulators. Bias note means activation z-score and pval must use to call downstream regulators. The expression and/or differential expression of the transcriptional regulator in the dataset give more evidence for the biological mechanism. Combination of oocyte and GC Upstream effect/ Regulator analyses gave clues on putative regulation involved during oocyte- GC dialog. Data access All the raw RNA-seq data have been deposited in [EMBL-EBI http://www.ebi.ac.uk/arrayexpress/ under accession number E-MTAB-1587]. ArrayExpress Competing interests The author(s) declare that they have no competing interests'. Author’s contributions AB conceived and designed the study, performed LCM experiments, analyzed the RNA-seq data, carried out the RT-PCR, statistical and IPA analyses, and was responsible for much of the writing.BS performed the follicular modelisation and prediction. JS and KF participated in qRT-PCR experiments. PM and BMP contributed to the conception and design of the study, and were involved in the drafting and revising the manuscript. All authors read and approved the final version of the manuscript. Acknowledgements LCM was processed at FR3450 set, TRI platform Toulouse, Genopole (http://tri.genotoul.fr/index.php?id=36). RNA sequencing was processed at the genomic platform 8 Toulouse, Genopole (http://genomique.genotoul.fr/). We thank Katia Feve for their help on Fluidigm experiment. This work was supported by “Bioressources 2010” grant of INRA programs. References 1. 2. 3. 4. 5. 6. Rajkovic A, Pangas SA, Ballow D, Suzumori N, Matzuk MM: NOBOX deficiency disrupts early folliculogenesis and oocyte-specific gene expression. Science 2004, 305(5687):11571159. Li P, Ponnala L, Gandotra N, Wang L, Si Y, Tausta SL, Kebrom TH, Provart N, Patel R, Myers CR et al: The developmental dynamics of the maize leaf transcriptome. Nat Genet 2010, 42(12):1060-1067. Anders S, Huber W: Differential expression analysis for sequence count data. Genome Biology 2010, 11(10). Pfaffl MW: A new mathematical model for relative quantification in real-time RT-PCR. Nucleic Acids Res 2001, 29(9):e45. Vandesompele J, De Preter K, Pattyn F, Poppe B, Van Roy N, De Paepe A, Speleman F: Accurate normalization of real-time quantitative RT-PCR data by geometric averaging of multiple internal control genes. Genome Biol 2002, 3(7):RESEARCH0034. Bonnet A, Bevilacqua C, Benne F, Bodin L, Cotinot C, Liaubet L, Sancristobal M, Sarry J, Terenina E, Martin P et al: Transcriptome profiling of sheep granulosa cells and oocytes during early follicular development obtained by laser capture microdissection. BMC Genomics 2011, 12:417. Figure legend Figure 1 - Heatmap display of unsupervised hierarchical clustering of all the differential genes during early folliculogenesis. The genes are displayed in lines and the mean of replicates by condition are in columns. Red, black and green represent the expression level: up, mean and down respectively. Figure 2 - Analysis of the expression change during stage transition We report for each compartment the number of differentially expressed genes (total, down and up regulated for each follicular transition: oocytes (A), granulosa cells (B). Figure 3 - Metabolism enrichment The differentially expressed genes during early development were evaluated in silico using Ingenuity Pathway Analysis (IPA) for each compartment (FDR <5%).. Bar color corresponds to enriched functions from PM/PD gene expression comparison, SC enriched functions (vs PM and PD comparisons), SA enriched functions (vs SC, PM and PD comparisons). The X axis corresponds to the level of significance of the function: -log(B-H pvalue). GC data are in red color and oocyte data are in blue color. Numbers corresponds to the number of focus genes that contributed to the function. Figure 4 - I Signaling pathways *: Significant enriched canonical pathway categories (p-value<5 10-2) were revealed during follicular development The Y axis corresponds to gene enrichment in the dataset (%). Red and blue numbers correspond to the number of focus genes that contributed to the pathway (GCs vs oocytes). Figure 5 –Gene expression profiles of the genes involved in BMP signaling Y axis corresponds to normalized counts from RNA-seq data. GC data are in red color and oocyte data are in blue color. 9 Figure 6 – Predicted functional protein activation The figure refers for each compartmernt the direction of change per function (increase or decrease), based on the regulation z-score (Ingenuity prediction). Y axis: Activation Z-score ( z_score <>2 and pval<5%). Z-score >2 : activation ; Z-score<2 : inhibition. Figure 7 –Regulation of WNT signaling pathway The genes over expressed in oocyte compartment are in pink color, genes over expressed in granulosa cell compartment are in green color. A: The gene expression of the ligands, receptors and regulators expressed in follicles are reported on the WNT signaling pathway. The genes over expressed in oocyte compartment are in pink color, genes over expressed in granulosa cell compartment are in green color. B: Gene expression profiles of genes involved in the regulation of WNT signaling GC data are in red color and oocyte data are in blue color. Y axis corresponds to normalized counts from RNA-seq data. Figure 8– Predicted activation of NOBOX, FOXL2 and KLF9 prtoteins A: NOBOX activation in oocytes at SA stage compared to PD and/or PM and/or SC B: FOXL2 activation in GC at SA stage compared to PD and/or PM and/or SC C: KLF9 activation in oocytes at SA stage compared to PD and/or PM and/or SC Figure 9 – the (s)PLS-DA analysis of the biomarker set transcriptome (s) PLS-DA was performed on the biomarker dataset after normalization using the DEseq R package to classify follicular stages according to the gene expression. The figure visualized the three components of the analysis. A: RNA-seq dataset B: qRT-PCR dataset (four square transformation) Tables Table 1 - Summary of differential gene expression total total oocyte granulosa cells 3015 2173 1192 number of differential genes gene regulation Global stage effect up down PM sec SA 1357 1658 1064 1109 173 1005 2074 408 784 171 732 1074 10 Table 2 - QRT-PCR validation Canonical pathway Gene RNA-seq analysis qPCR analysis effect O/GC Fold change MAGED1 NOG BMP (1) AMH SMURF1 ACVRL1 IGF1 IGF1 INSL3 SPRY4 Gapjunction GJA1 WIF1 (1) WNT FGF Notch PI3K RAR activation μRNA Apoptosis 0,159 0,172 O Fold change GC Fold change 0,261 0,002 0,008 3,267 0,006 0,059 0,274 0,005 0,284 0,121 10,7/0,106 27,330 0,0036/579 6,800 0,117 0,175 2,814 FDZ1 LRP2 (1) WNT4 0,218 6,220 FGF16 JAG1 PIK3R3 KITLG KIT CRABP 1 MAEL BCL2 GATA2 MYC MOS 7,145 2,053 9,400 0,182 0,078 0,266 2,244 4,620 16,75/0,1 0,256 0,005 8,860 0,270 0,005 3,255 0,159 7,028 0,097 4,735 P value class 0,340 0,420 *** 0,104 ** ** 0,320 78,900 5,600 0,260 GC Fold change P O value Fold change class P value class NS 0,005 ** ** 64,870 *** * 3,21/0,0041 *** 3,068 0,520 0,482 ** 1,200 * 0,278 4,460 *** 0,153 ** * NS 42,240 * NS 5,600 * 0,289 * *** ** ** 0,554 6,464 *** 0,144 *** 7,887 2,909 *** 0,218 3,962 ** NS(0,079) 4,770 *** *** 0,070 *** *** 0,005 5,661 0,280 10,906 0,252 7,447 NS * 0,123 0,002 5,300 O/GC Fold change Interactions Stage effect *** ** * *** *** *** NS 2,38/0,16 *** NS NS 13,310 * NS *** * NS ~0,080 NS 0,730 * NS(0,06 ~ * 4,850 *** 3,970 * 5,080 *** NS * * * *** *:pval<0.05;**:pval<0.01;***:pval<0.005 (1) :genesstatisticallynodifferentialinRNA~seqdata 11 Table 3 – FGF family involvement during early follicular development GENE NAME O/GFold change FGF1 FGF2 0,12 3,93 FGF9 O/GFDR PM 2,32E~13 6,6910~4 SCO SAO 8,08E~02 ~2,70 ~6.96 FGF11 0,23 0,6910~4 FGF12 0,16 0,00E+00 FGF16 7,14 0,00E+00 FGF20 4,30 2,21E~08 PMG SCG SAG ~68.29 ~ 3.73 ~3.91 4.02 4.6 3.14 16.75 ~ 3.12 3.2 Significant fold change between the two compartments during early follicular development from RNA- seq data 12 Table 4 – Summary of the predicted TR activation status Protein predicted activation state way of regulation during development number of regulators activated 3 3 (NOBOX, SOX10, E2F1) GC 16 16 * total 19 location expression status oocytes expressed oocytes GC regulated during development total total down 1 up 1 1(HIF1A) 2 1 inhibited 1 (KLF9) 1 21 * EGR1, ETS1, GLI1, NF2L2, SKIL, CREB1, ETS2, FOXL2, MITF, NFIA, SREBF1, SREBF2, SRF, TP53, XBP1, SOX9 13 Table 5 – IPA significant canonical pathways from PM/SC DEG Ingenuity Canonical Pathways -log(pAnalysisName value) RhoGDI Signaling SCG/PMG 1,88E00 3,55E-02 Sertoli Cell-Sertoli Cell Junction Signaling SCG/PMG 1,81E00 3,59E-02 mTOR Signaling SCG/PMG 1,67E00 3,32E-02 Androgen Signaling Germ Cell-Sertoli Cell Junction Signaling Wnt/-catenin Signaling Signaling by Rho Family GTPases SCG/PMG 1,56E00 3,5E-02 Molecules CDH2,CDH3,DIRAS3,GNB2,ITGA5,PIP4K2A,G NG4 CTNNA2,PRKAR2B,CLDN15,TJP1,ITGA5,MT MR2,NOS2 TSC1,PRKCQ,DIRAS3,HIF1A,EIF3E,RPS17/R PS17L,PDGFC PRKCQ,PRKAR2B,GNB2,GTF2H5,GNG4 SCG/PMG 1,51E00 3,66E-02 CDH2,CTNNA2,TJP1,DIRAS3,ITGA6,MTMR2 SCG/PMG 1,39E00 3,47E-02 SCG/PMG 1,32E00 2,78E-02 Ovarian Cancer Signaling SCO/PMO 2,78E00 6,34E-02 Leukocyte Extravasation Signaling SCO/PMO 2,38E00 5,08E-02 Integrin Signaling SCO/PMO 2,27E00 4,83E-02 ILK Signaling SCO/PMO 1,87E00 4,69E-02 Wnt/-catenin Signaling SCO/PMO 1,67E00 4,62E-02 SCO/PMO 1,66E00 5,62E-02 SCO/PMO 1,54E00 4,35E-02 SFRP4,CDH2,GJA1,CDH3,DKKL1,BTRC CDH2,CDH3,DIRAS3,GNB2,ITGA5,PIP4K2A,G NG4 EDN1,PIK3CG,FGF9,PTGS1,CD44,MMP2,CC ND1,WNT5A,BCL2 RAC2,ITGAM,MMP28,CDH5,PIK3CG,CD44,JA M2,PECAM1,MMP2,DLC1 MYLK (includes EG:107589),RAC2,MPRIP,ITGAM,RND3,PIK3 CG,DIRAS3,CAV1,ITGB8,TSPAN6 RND3,KRT18,PIK3CG,DIRAS3,PPAP2B,PPP2 R2B,ITGB8,CCND1,DSP TGFBR2,SFRP4,SOX9,CDH5,PPP2R2B,CD44 ,CCND1,WNT5A MYLK (includes EG:107589),RAC2,MPRIP,RND3,DIRAS3 NR2F1,GSTM1,ALDH1A3,NFIB,CCND1,ESR1, CYP1B1 SCO/PMO 1,51E00 6,67E-02 Regulation of Actin-based Motility by Rho Aryl Hydrocarbon Receptor Signaling Myc Mediated Apoptosis Signaling PTEN Signaling SCO/PMO IL-8 Signaling SCO/PMO Germ Cell-Sertoli Cell Junction Signaling Estrogen-Dependent Breast Cancer Signaling Fatty Acid -oxidation SCO/PMO Ratio IGF1,PIK3CG,CASP8,BCL2 TGFBR2,RAC2,PIK3CG,PDGFRA,CCND1,BCL 2 RAC2,ITGAM,RND3,PIK3CG,DIRAS3,MMP2,C 1,43E00 3,92E-02 CND1,BCL2 TGFBR2,RAC2,TUBB3,RND3,PIK3CG,DIRAS3 1,38E00 4,27E-02 ,PPAP2B 1,48E00 4,44E-02 SCO/PMO 1,36E00 5,56E-02 IGF1,PIK3CG,CCND1,ESR1 SCO/PMO 1,33E00 9,52E-02 ALDH1A3,NAD+ 14 Table 5 – qRT-PCR validation of the biomarker set gene expression gene SPOCK1 IGF2BP1 KCNK9 TECTA CREG2 MEST BMP15 MUSK FSCB ACCSL SPO11 WEE2 BTG4 MAP1LC3C THSB2 BMP3B TMEM190A MPZL2 CNR1 NEPH SYNG1 DEFB112 FST GEM GABR CNTNAP5 CGGBP1 MCHR1 SEMA6B Oocyte RNAseq expression PD specificity PDO PDO PMO SCO PMO PMO SCO SCO SAO SAO SAO SAO SAO PDG PDG PDG PMG SCG SCG SCG SAG SCG SAG SAG SCO SCO PMG PMG PDO NS * NS NS * * NS *** *** *** * NS NS NS NS * * NS *** NS *** * NS NS NS NS Granulosa PM SC SA PD PM SC SA MT * NS * NS NS NS *** *** *** * * NS NS * *** *** * *** * *** *** NS NS NS NS NS ** *** * NS NS NS *** * * * * * * NS *** *** *** *** * *** *** NS NS NS *** *** * * * NS NS NS *** * * NS NS *** * *** NS *** * NS NS NS * NS * * * ** ** * *** *** * *** *** *** * NS *** *** *** *** * *** NS NS NS NS NS NS *** NS * ** NS * *** *** * *** *** *** * * NS NS NS *** *** * *** * *** * NS NS NS *** * * * * * *** * * *** *** *** * * NS NS NS * NS NS NS NS NS NS NS *** * ** * * * *** * NS *** *** *** * * NS NS NS *** ** * NS NS NS NS NS NS * * ** *** * ** *** *** NS *** *** *** * *** NS NS NS * *** NS * NS * NS NS NS NS NS NS qPCRexpression specificity PDO PD/PM PDO/PMO SCO PDO/PMO/SCO O PMO/SCO/SAO PMO/SCO/SAO SAO SAO SAO SAO PD SCG SCG SAG SC/SA SCG/SAG SCG/SAG NS NS NS NS *:pval<0.05;**:pval<0.01;***:pval<0.005 15 Supplemental data files Supplemental File 1 - follicular development statistical analysis Supplemental File 2 -Supplemental Figures Supplemental File 3: oocyte significant canonical pathways involved in follicular development Supplemental File 4: Granulosa cell significant canonical pathways involved in follicular development Supplemental File 5: Functional predicted functional activation Supplemental File 6: Predicted regulators Supplemental File 7: Predicted transcription regulators in PM/SC transition Supplemental File 8: Primer sequences for real-time PCR 16 Figure 1 Figure Figure 3 Figure Figure Figure A B Figure Figure Figure Chapitre III. Profils d’expression spatio temporel de la folliculogenèse basale : Prédiction des processus biologiques et ses régulations Annexes de l’article 3 . nnexes de l’article 3 upplemental ile 2 - upplemental igures Figure S1 functional enrichment during earl follicular development The differentially expressed genes during early development were evaluated in silico using Ingenuity Pathway Analysis (IPA) for each compartment. Bar color corresponds to enriched functions from PM/PD gene expression comparison, SC enriched functions (vs PM and PD comparisons), SA enriched functions (vs SC, PM and PD comparisons). The X axis corresponds to the level of significance of the function. The y axis corresponds to – log(FDR (Benjamini-Hochberg) GC data are in blue color and oocyte data are in red color. Numbers correspond to the number of focus genes that contributed to the function. 90 Figure S cell c cle regulation during earl follicular development *: Significant enriched canonical pathway categories (p-value<5 10-2) were revealed during follicular development The Y axis corresponds to gene enrichment in the dataset (%). Red and blue numbers correspond to the number of focus genes that contributed to the pathway (respectively GCs and oocytes). Chapitre III. Profils d’expression spatio temporel de la folliculogenèse basale : Prédiction des processus biologiques et ses régulations Annexes de l’article 3 Figure S3 ffects of ro th hormones during follicular development A) Activation Z-score infers to growth hormones (IPA upstream regulator analysis ) B) Significant fold change during early development identified by statistical analysis of the RNAseq data. Fold change =10: over expression in the compartment but not differential during follicular development.. Fold change =0.5: expressed genes (but not differentially expressed) Chapitre III. Profils d’expression spatio temporel de la folliculogenèse basale : Prédiction des processus biologiques et ses régulations Annexes de l’article 3 Figure S Steroid hormone action Y axis: Activation Z-score from IPA upstream regulator analysis Figure S Canonical path a s involvement during follicular development Activation Z-score infers canonical pathways (IPA upstream regulator analysis) I C I AL 91 DISCUSSIONGENERALE METHODOLOGIES 93 CARACTERISTIQUESDESTRANSCRIPTOMES 96 ETUDEDESCOMPARTIMENTS 99 1.Lesfonctions 99 2.Lesmécanismes 99 2.1L’ovocyte 99 2.2Lescellulesdegranulosa a.Prolifération b.Stéroïdogenèse 100 100 102 3.Lescommunicationscellulaires 103 4.Lesspécificitésdecompartiments 104 4.1Ovocyte 105 4.2Cellulesdegranulosa 105 LEDEVELOPPEMENTFOLLICULAIREPRECOCE 106 1.Lesfonctions 106 2.Mécanismesmisenplaceaucoursdudéveloppementfolliculaire 106 3.Régulationdelacroissance 107 3.1Voiesdesignalisationetfacteursdecroissance 108 3.2Régulateurstranscriptionnels 109 a.Danslescellulesdegranulosa b.Dansl’ovocyte 4.Lesspécificitésdestades 109 110 111 92 Méthodologies éthodologies La croissance folliculaire requiert l’expression coordonnée d’un grand nombre de gènes. Elle dépend aussi de l’expression spécifique de différents gènes ovocytaires ou somatiques et d’un dialogue moléculaire très étroit qui se met aussi en place entre les cellules somatiques et les cellules germinales. Pour mieux comprendre et maitriser ce processus, il est donc important d’identifier l’ensemble des gènes exprimés dans chaque compartiment. Les études disponibles sont cependant limitées dues à la taille et de la quantité du matériel d’intérêt accessible dans l’ovaire. Dans la première partie de cette étude, nous avons combiné et adapté un ensemble d’outils (LCM, amplification des ARN et RNA-seq) permettant d’obtenir le transcriptome le plus complet possible issu des compartiments folliculaires et des stades folliculaires précoces. Notre étude fait également partie d’« une étude pilote » pour la mise en place des nouvelles technologies de LCM et RNA-seq sur la genopole de Midi-Pyrénées. La première difficulté de l’étude concernait donc l’isolement des compartiments folliculaires et des stades précoces, en mélange au sein d’un tissu hétérogène. Un nouveau protocole de LCM a été développé pour permettre une capture correcte des compartiments en maintenant la qualité des ARN. L’amplification des ARN a ensuite permis d’obtenir des échantillons d’ARNa représentatifs des compartiments folliculaires et des stades précoces de la folliculogenèse en quantité suffisante pour mener des analyses transcriptomiques. Les profils d’expression de gènes connus pour avoir une spécificité d’expression, sont en accord avec les études précedentes (LaVoie 2003; Silva et al. 2006; Visser et al. 2006; Anderson et al. 2007; Feary et al. 2007; Bebbere et al. 2008). La variabilité entre répliques qui avait été mise en évidence par Luzzi et ses collaborateurs, est aussi également observée dans notre expérience (Luzzi et al. 2003). Elle peut être associée à une variabilité biologique. La deuxième difficulté de l’étude concernait l’analyse du transcriptome (ensemble des transcrits présents dans une cellule à un moment donné) dans une espèce possédant peu de supports transcriptomiques. Le transcriptome décrit donc les niveaux d’expression et le type des transcrits (isoformes). Différentes technologies ont été développées jusqu’à présent, pour caractériser le transcriptome telles que les hybridations sur micro-arrays (sondes ADNc ou oligonuclétidiques), le séquençage Sanger (technique SAGE (serial analysis of gene 93 Figure 3 . ertinence des eux de données. Source Article 1, Figure 6 Comparaison des gènes identifiés dans les 4 études par rapport aux :: A- gènes détectés dans l’ovocyte de brebis (total 789 gènes) B- gènes détectés dans les cellules de granulosa (total 33 gènes) Méthodologies expression) et depuis quelques années, la technologie de séquençage haut débit RNA-seq ou séquençage à ARN. Cette dernière avancée technologique, en particulier, est en plein développement car elle permet d’obtenir en théorie l'ensemble des séquences ARN présentes à un moment donné dans un tissu ou une cellule et autorise une analyse plus en profondeur de l’ARN (faibles expressions et isoformes). C’est une technologie intéressante qui contrairement aux technologies micro-arrays ou PCR, ne dépend pas de la connaissance des différents transcrits issus du matériel biologique de départ. Elle permet donc d’identifier des nouveaux transcrits. Pour l’espèce ovine, deux supports transcriptomiques commerciaux sont disponibles : le micro-array affymetrix bovin de 24 000 sondes (oligonucléotides de 20 paires de bases) et le micro-array Agilent ovin 15 000 sondes (oligonucléotides de 60 paires de bases). Le support le plus complet et le mieux annoté au moment de l’expérience est la puce oligonucléotidique Affymetrix bovine qui peut décrire l’expression de 12400 gènes uniques annotés. L’hybridation hétérologue d’ARN de brebis sur cette puce bovine est possible car l’homologie de séquences entre les deux espèces est supérieure à 95%. Une première analyse transcriptomique a donc été effectuée sur puce Affymetrix bovine (Article 1) suivie d’une deuxième analyse effectuée avec la technologie RNA-seq (Article 2). Dans notre étude, l’analyse transcriptomique sur puce Affymetrix bovine confirme la qualité des ARNa et la spécificité des échantillons microdisséqués. Le nombre de transcrits annotés détectés dans l’ovocyte est similaire aux études précedentes effectuées chez la souris et la vache (Table 2) (Pan et al. 2005; Fair et al. 2007). Si nous comparons nos résultats aux quatre études transcriptomiques principales (figure 37) (Dade et al. 2003; Arraztoa et al. 2005; Pan et al. 2005; Gallardo et al. 2007), nous observons que : ¾ 37 et 47 % des gènes identifiés dans ces quatre études, respectivement pour l’ovocyte et les CG, ne sont pas représentés sur la puce Affymetrix bovine ¾ 10 et 24 % (ovocyte-CG) des gènes identifiés dans les quatre études de la littérature et présents sur la puce Affymetrix ne sont pas détectés dans notre analyse. ¾ 41% des gènes ovocytaires identifiés (324/789 gènes) dans les quatre études sont détectés dans l’ovocyte de brebis, ¾ et enfin, 33% des gènes somatiques (CG) identifiés (11/33 genes) dans les 4 études sont détectés dans les CG de brebis. Nous détectons donc la majorité des gènes identifiés des 4 études préalablement citées 94 Méthodologies lorsqu'ils sont représentés sur la puce Affymetrix et nous décrivons aussi pour la première fois le transcriptome des CG pendant les stades précoces. A l'issu de nos expériences, nous pouvons constater que la technologie RNA-seq semble plus adaptée et plus sensible pour étudier la folliculogenèse basale de la brebis. La détection de transcrits connus chez la souris est augmentée de 20% par rapport à la puce Affymetrix bovine. Le séquençage ARN à haut débit détecte aussi une expression accrue de gènes (14561 gènes dans les échantillons PD, PM et SC, soit 68% de gènes supplémentaires (5909 gènes) par rapport à la puce Affymetrix (8652 gènes (Article 1)). Cette forte différence de détection entre les deux technologies peut s’expliquer par le fait que : ¾ Les supports transcriptomiques sont souvent mal annotés, mal orientés et incomplets pour les espèces non modèles et pour l’étude de certains processus comme la folliculogenèse (Bonnet et al. 2008). Pour la puce Affymetrix bovine disponible qui comprend 24024 sondes, seulement 64% de ces sondes sont annotées et représentent 12404 gènes uniques. Enfin, un grand nombre de gènes connus pour intervenir dans la folliculogenèse ne sont pas représentés sur cette puce (Figure 45). ¾ L’analyse RNA-seq a détecté, dans notre expérience, l’expression d’un grand nombre de gènes qui ont une expression globalement faible (médiane 140 RPM pour une échelle dynamique de 0,2 à 1000 RPM). Avec cette technique, l’augmentation du nombre de gènes exprimés (20% de détection supplémentaire de gènes connus) peut donc s’expliquer par une augmentation de la sensibilité de détection. Dans une étude sur le cancer du colon humain, Xu et collaborateurs (Xu et al. 2013) montrent également une augmentation de 22% des gènes détectés grâce à l'utilisation de la technique RNA-seq en comparaison avec les microarrays Affymetrix humains. Ils attribuent aussi ce résultat à une meilleure détection des gènes faiblement exprimés. La technique de RNA-seq est confrontée à différents challenges qui nécessitent le développement d’outils et de nouvelles compétences sur : ¾ la gestion des fichiers informatiques de grosse taille, ¾ la détection des biais techniques (composition en nucléotides GC (Benjamini and Speed 2012), répétition de motifs, biais d’amorçage (Zheng et al. 2011), biais de longueur des ADNc (Mortazavi et al. 2008; Oshlack and Wakefield 2009), biais de séquençage (Sudo et al. 1994)…), ¾ les biais expérimentaux (variabilité expérimentale (Hansen et al. 2012)…), 95 Caractéristiques des transcriptomes ¾ les biais bioinformatiques (alignement multiple, comptages (Wang et al. 2009),…) ¾ l’annotation des séquences, ¾ et l’analyse statistique des données (variabilité des petits comptages, normalisation, modèles statistiques) (Bullard et al. 2010). L’exploration des données est donc une étape préliminaire indispensable, en amont de l’analyse, et qui permet de s’assurer de la qualité des données. Comme concluait déjà Wright en 2003 : « Conducting data analysis is like drinking a fine wine. It is important to swirl and sniff the wine, to unpack the complex bouquet and to appreciate the experience. Gulping the wine doesn’t work” (Wright 2003). Une particularité de notre jeu de données provient de l’étape d’amplification de l’ARN qui induit un biais dans la distribution des lectures en 3’ UTR. Ce biais est attendu et a déjà été décrit dans d’autres études (Li et al. 2010; Schmid et al. 2012a; Teichert et al. 2012b). Les processus de traitements bioinformatiques et de nettoyage des données ont été adaptés pour tenir compte de cette spécificité et seule l’expression globale du gène peut, dans notre cas, être étudiée. Enfin, le positionnement des lectures en 3’UTR et un séquençage non orienté, rendent l’annotation et la détection de nouveaux transcrits plus difficile. Ceci peut expliquer qu’une grosse partie des lectures est ainsi restée sans annotation (>50%). Caractéristiques des transcriptomes Comme nous l’avons vu dans l’introduction, les études menées chez les rongeurs (espèces poly-ovulantes) ont permis d’accumuler une quantité importante de données d’expression qui demeurent essentiellement ovocytaires. Peu de données sont actuellement disponibles chez les espèces mono ovulantes. Ce travail décrit donc pour la première fois, un transcriptome séparé pour chaque compartiment et stade de la folliculogenèse basale de la brebis. En premier lieu, notre jeu de données d’expression décrit bien notre processus biologique puisque l’analyse descriptive en composantes principales sépare les compartiments et les différents stades de développement (Article 2, Figure 2B). 96 Caractéristiques des transcriptomes Le nombre élevé de gènes exprimés au cours de la folliculogenèse atteste d’une importante activité transcriptionnelle que ce soit dans l’ovocyte ou les cellules de granulosa (15349 gènes soit 78,6% des gènes annotés et localisés sur le génome ovin (version d’assemblage du génome Sheep Genome v2.0). Notre étude identifie aussi, comme Ramkold et ses collaborateurs (Ramskold et al. 2009), un nombre important de gènes ubiquitaires (exprimés dans les deux compartiments et les 12 tissus), ce qui suggère que la spécialisation des compartiments ne soit pas liée à un grand nombre de gènes mais résulte plutôt d’un contrôle complexe et subtil des gènes. L’analyse statistique globale identifie ensuite des différences d’expression entre les compartiments (5129 gènes) et au cours du développement folliculaire (3015 gènes). L’ensemble de cette étude met en évidence deux groupes d’expression bien distincts entre PD-PM et SC-SA qui montrent que la transition primaire- secondaire est une transition importante chez la brebis. Cette transition implique de gros changements d’expression et de fonctions, avec : ¾ une diminution significative du nombre de gènes exprimés dans l’ovocyte entre les 2 groupes (PD-PM et SC-SA : ~11% de gènes en moins, Article 2, Figure2A). ¾ des profils d’expression qui constituent clairement deux groupes d’expression (Article 2, Figure 2C ; Article 3, Figure 1). ¾ des différentiels d’expression dans l’ovocyte de brebis qui sont associés à une diminution de l’expression des gènes, soit 74% des GDE dans l’ovocyte (Article 3, Figure 2). ¾ Un changement dans l’expression ovocytaire qui reflète des variations importantes dans les fonctions à partir des stades secondaires (Article 3, Figure S1). Cette diminution du nombre de gènes et de transcrits dans l’ovocyte à partir du stade secondaire coïncide avec l’initiation de la méthylation de l’ADN de certains gènes à empreinte (~ovocytes de 50 μm) (Denomme et al. 2012) et pourrait être associée à ce processus. D’autres études rapportent également une augmentation du niveau de méthylation de l’ADN en fonction du stade folliculaire (Hiura et al. 2006; Song et al. 2009). L’étude de Pan et ses collaborateurs à partir d’ovocytes de souris (Pan et al. 2005), situe les changements majeurs d’expression entre le follicule primordial et primaire. Ce décalage entre les deux espèces (changements majeurs chez la brebis PM/SC et chez la souris PD/PM) pourrait refléter une différence dans la vitesse du développement ovocytaire. 97 Caractéristiques des transcriptomes Nous observons également une dynamique d’expression différente entre les deux compartiments folliculaires. D’une part trois fois plus de gènes ont une expression qui varie au cours de la croissance précoce dans l’ovocyte (Tableau 21). D’autre part de gros changements d’expression s’observent au cours de la transition PM/SC et SC/SA dans l’ovocyte alors que es changements d’expression interviennent principalement au cours de la transition PM/SC dans les CG (Figure 16). Afin de mieux comprendre les processus moléculaires mis en place au cours de la croissance folliculaire basale, nos travaux se sont focalisés : ¾ d’une part sur les différences d’expression entre les deux compartiments folliculaires (O/CG) (Article 1 et 2 (5129 gènes)) pour nous permettre d’identifier un dialogue moléculaire entre les cellules ainsi que les expressions « spécifiques » de compartiments. ¾ et d’autre part sur les différences d’expression au cours de la croissance folliculaire basale (Article 3 : 3015 gènes) afin d’identifier les processus clés de cette croissance et d’en isoler des biomarqueurs expressionnels. L’interprétation biologique de ces listes de gènes différentiellement exprimés a été effectuée avec le logiciel IPA en recherchant les mécanismes enrichis en GDE, la conséquence (sens d’activation des mécanismes) et la cause des changements d’expression (état d’activation des régulateurs). Cette analyse apporte un éclairage sur l’implication de différentes fonctions et mécanismes dans ce processus biologique. 98 Figure 38. Réseau des gènes impliqués dans la regulation de l’atrésie ovocytaire. Source Article 2, Figure 6 La couleur rouge représente les gènes surexprimés dans l’ovocyte. Etude des compartiments Les fonctions tude des compartiments 1. es fonctions L’ensemble de ces travaux (puces Affymetrix et RNA-seq ; Article 1 et 2) montre que les gènes différentiellement exprimés interviennent dans des fonctions qui décrivent le devenir des deux types cellulaires : ¾ L’ovocyte a un volume qui augmente de l’ordre de 300 fois entre le stade primordial et antral (enrichissement de la catégorie fonctionnelle « morphology of germ ells ») (McNatty et al. 1999), se bloque en fin de méiose I (« cell cycle», « meiotic arrest ») et produit et stocke des ARN pour permettre le début de l’embryogenèse (« gene regulation »). ¾ Les CG changent de forme (forme aplatie à cuboïdale : catégories « cell movement »; « shape change of tumor cell lines »), se multiplient (x 40 chez la brebis jusqu’au stade secondaire : « cellular growth » et produisent des stéroïdes (« lipid metabolism »). . es mécanismes 2.1 L’ovocyte Deux mécanismes importants sont soulignés dans cette analyse : le blocage de la méiose et la survie de l’ovocyte. Chez les mammifères, la méiose est initiée pendant la vie fœtale et la prophase I reste bloquée au stade diplotène lors de la transition G2/M du cycle cellulaire jusqu’à la reprise de la méiose avant l’ovulation. Notre étude identifie la surexpression dans l’ovocyte d’un grand nombre de gènes impliqués dans la régulation de la méiose chez la souris (Morelli and Cohen 2005) (SYC1-3, FKBP6, DDX4 (Mvh), SPO11, BRCA2 (beta-transducin repeat containing E3 ubiquitin protein ligase 2), SMC1B, EXO1, PIW1L1 (piwi-like RNA-mediated gene silencing 1), DMC1, MSH4, CDC25B, PLK1 (pyruvate dehydrogenase kinase, isoenzyme 1)) (Article 2 supplemental File 6). 99 Etude des compartiments Les mécanismes L’atrésie folliculaire est un processus important qui concerne la majorité des follicules L’apoptose est détectée dans les ovocytes des follicules primordiaux puis se propage aux CG de follicules en croissance. L’augmentation de l’expression des gènes anti-apoptotiques dans l’ovocyte témoigne d’une protection contre l’atrésie (Figure 38 ; Article 2, Figure 6). Nous décrivons en détail, par exemple, différents gènes de la famille de BCL2 qui sont surexprimés dans l’ovocyte (BCL2L1-10-11-14). Les gènes BCL2L1, BCL2L10 et BCL2L11 sont déjà connus chez la souris et l’homme pour leur implication dans la survie, le développement et l’apoptose des ovocytes (revue (Sui et al. 2010; Boumela et al. 2011). La Figure 38 suggère également l’implication d’autres facteurs de survie comme VEGF, KIT, DAZL and FIGLA susceptibles de protéger l’ovocyte de l’atrésie. 2.2 Lescellulesdegranulosa Dans les CG, des mécanismes enrichis par les gènes surexprimés viennent appuyer les fonctions précédemment décrites : a. rolifération La croissance précoce des follicules est régulée localement par des facteurs de croissance autocrine et paracrines. Notre analyse identifie des facteurs bien connus pour stimuler la prolifération des cellules de granulosa, tels que la famille des BMP et FGF (Article 2 Figure 4 ; Article 1 Figure annexe 7). L’expression de PDGFC-D et de leurs récepteurs (PDGFRAB-L) qui avait été préalablement décrite chez la souris par Yoon et ses collaborateurs (Yoon et al. 2006) est aussi confirmée chez la brebis. ous détectons pour la première fois dans les C , l’expression de HGF et son récepteur MET ainsi qu’un enrichissement en gènes de sa voie de signalisation (Article 2, Figure 3). Chez la souris, hgf est faiblement exprimé dans les CG et montré essentiellement exprimé dans la thèque. La protéine HGF stimule in vitro la prolifération des cellules de granulosa et influence indirectement le développement de l’ovocyte en stimulant l’expression de KITLG dans les cellules de granulosa (Guglielmo et al. 2011). n complément des données existantes qui identifient l’expression de GLI3 dans l’ovocyte de souris pendant la phase basale (Pan et al. 2005), nos résultats montrent que les cellules de granulosa de brebis possèdent la machinerie des voies de signalisation SHH (gènes SMO, PTCH1 et GLI1-2-3). GLI3 est plus exprimé dans les CG que dans l’ovocyte chez la brebis et son expression ne varie pas de manière significative au cours de la croissance précoce. La 100 Etude des compartiments Les mécanismes voie de signalisation Hedgehog (HH) est impliquée dans la fonction ovarienne chez la drosophile mais son rôle est moins connu chez les mammifères. GLI3, par exemple, est un des facteurs de transcription centraux de cette voie de signalisation et régule des gènes comme les BMP et WNT (Cohen 2003). HH stimule la croissance des CG aux stades pré-antraux chez la souris (Russell et al. 2007). Nous ne détectons pas d’expression de gènes de la famille HH dans les follicules pré-antraux de brebis. Dans l’ovaire la voie de signalisation WNT/ caténine joue aussi un rôle important dans les processus de migration des CGP et dans la différenciation précoce de l’ovaire (Figure 18) puis, dans les stades tardifs, l’ovulation et la lutéinisation (Boyer et al. 2010). Cette voie de signalisation est par contre peu décrite au cours de la folliculogenèse basale. Seules les expressions de WNT 2 et WNT4 sont bien caractérisés dans les CG à ce jour. L’invalidation conditionnelle de wnt4 dans l’ovaire de souris dès les stades précoces, aboutit à des ovaires avec peu de follicules antraux sains. Cette perte de follicules semble liée à une augmentation de l’atrésie folliculaire (Boyer et al. 2010). Une activation constitutive et conditionnelle de ctnnb1 change également le devenir des CG en cellules pré-cancéreuses. Ces travaux montrent donc aussi le rôle important de ctnnb1 dans la prolifération des cellules de granulosa. En complément, WNT peut, dépendamment ou non de la CTNNB1, utiliser la voie de signalisation des Rho-GTPases pour favoriser un changement de forme et d’activité transcriptionnelle (Schlessinger et al. 2009). otre étude décrit donc l’expression de WNT4 et pour la première fois l’expression des ligands WNT 3A-5A-6 et des récepteurs FDZ1, LRP1-11 dans les CG de brebis. L’expression de CTNNB1 et un enrichissement en GDE de la voie de signalisation Rho-GTPases sont aussi identifiés. L’ensemble de ces résultats suggèrent un rôle dans la prolifération et ou dans le changement de forme des CG. Par ailleurs, la surexpression des gènes ESR1 et AR, récepteurs respectifs de l’œstradiol et des androgènes, propose l’implication des hormones stéroïdes dans le développement folliculaire. Le rôle des androgènes dans l’activation et la croissance des follicules a déjà été montré in vitro sur du cortex ovarien de vache (Yang and Fortune 2006). L’invalidation conditionnelle d’ar dans les souris induit aussi un POF avec des ovaires contenant plus de follicules préantraux (Sen and Hammes 2010). En complément, les voies de transduction du signal les plus impliquées dans les cellules de granulosa correspondent à l’AMPc et PKA. PKA est aussi capable d’interagir avec la signalisation p38 MAPK et ERK (Gerits et al. 2008) (Article 2, Figure 6D). 101 Etude des compartiments Les communications cellulaires b. téro dogenèse Dans les CG, nous observons l’expression de gènes impliqués dans les métabolismes des lipides et des stéroïdes comme par exemple CYP11A1 (cytochrome P450, family 11, subfamily A, polypeptide 1), HSD3B (hydroxy-delta-5-steroid dehydrogenase, 3 beta) et HSD17B (hydroxysteroid (17-beta) dehydrogenase) nécessaire à la synthèse des stéroïdes. Nous détectons aussi l’expression de gènes appartenant à la superfamille des récepteurs nucléaires : ¾ des récepteurs orphelins (NR5A1, NROB2 (NROB2 small heterodimer partner), ¾ des récepteurs d’hormones stéroïdiennes (LXR (NR1H2), FXR (NR1H4)), ¾ ainsi que le co-récepteur de l’acide rétinoïque RXRA Ces récepteurs nucléaires sont des régulateurs clés intervenant dans de nombreux processus (reproduction, croissance cellulaire, développement). L’invalidation conditionnelle de nr5a1 (sf1) dans les CG de souris provoque la stérilité. Les ovaires ont moins de follicules une expression réduite d’amh (Pelusi et al. 2008). Nous décrivons enfin pour la première fois dans l’ovaire, l’expression de gènes comme LXRB et FXRA qui se lient au récepteur RXRA pour former des hétérodimères. LXR est activé par les oxystérols, produits intermédiaires dans la production des hormones stéroïdes et la synthèse du cholestérol et est impliqué dans la régulation de la stéroïdogenèse chez la souris au stade antral (Beltowski and Semczuk 2010). FXR est activé par les acides biliaires, les stérols et différents lipides. C’est un régulateur probable de l’homéostasie des hormones androgènes dans la gonade mâle (Koutsounas et al. 2012). Les voies de signalisation PPAR et AMPK tiennent aussi des rôles importants dans le métabolisme lipidique. AMPK inhibe, par exemple, la production de progestérone dans plusieurs espèces (Dupont et al. 2008) (Article 2 Figure 3D). Ces résultats montrent que les follicules précoces possèdent la machinerie nécessaire pour produire les hormones stéroïdes. Ils renforcent les résultats précédents qui suggéraient une production et un effet des stéroïdes dès le stade primordial (chez la souris (Kezele et al. 2005) et la femme (stades PD/PM) (Markholt et al. 2012). 3. es communications cellulaires La communication bidirectionnelle entre ovocyte et cellules somatiques joue un rôle central dans la croissance folliculaire. Nos résultats tracent les deux types de communication mis en 102 Etude des compartiments Les communications cellulaires jeu : les interactions physiques (jonctions transzonales) et le dialogue moléculaire entre les deux compartiments. Le dialogue moléculaire entre les deux compartiments peut être illustré par les voies de signalisation NOTCH, VEGF et IGF1. ous retrouvons pour chacune de ces voies de signalisation l’expression des ligands dans un compartiment et les récepteurs dans l’autre. La présence des protéines respectives dans l’ovocyte et les CG reste à confirmer. Chez la brebis, nous détectons les transcrits 2 et 3 de NOTCH1, dans les CG et leurs ligands JAG1 et DLL3 (Delta-Like Homolog, Drosophila) et les facteurs de transcription cible HES1 et HEY dans l’ovocyte (Article 2, Figure 5A). En complément du rôle connu de NOTCH sur la croissance et la maturation de l’ovocyte (Trombly et al. 2009), notre étude suggère l’implication de NOTCH dans la prolifération des CG grâce à la liaison possible de NOTCH1 sur son récepteur CNTN1, également exprimé dans les CG (Zhang et al. 2011) (Article 2, Figure 5B). VEGF est un facteur de croissance déjà connu pour stimuler la transition primaire-secondaire chez la vache (Yang and Fortune 2007). Nous identifions l’expression de VEFGA et son corécepteur NRP1 (natriuretic peptide receptor 1) dans les CG. ’expression de son recepteur FTL1 est identifiée pour la première fois dans l’ovoc te o il est très exprimé (Article 2, Figure 5C). Comme nous l’avons mentionné dans l’introduction (Croissance folliculaire/Rôle des hormones et facteurs de croissance), Ftl1 et Kdr sont exprimés, chez les primates et les rongeurs et la brebis (CG). Notre étude montre que VEGFA pourrait intervenir comme facteur paracrine sur l’ovocyte par liaison sur son recepteur FLT1 pour agir sur la réorganisation de l’actine ovocytaire (Kearney et al. 2004). Chez les mammifères, le rôle de l’insuline et d’IGF1 est largement décrit pour les stades tardifs de la folliculogenèse. L’IGF1 et l’insuline régulent, à ces stades, la stéroïdogenèse et l’apoptose des cellules de granulosa. Le rôle d’IGF1 et de l’insuline est, par contre, peu étudié dans les stades précoces. Ces deux hormones agissent en se fixant sur leurs récepteurs INSR (insulin receptor) et IGF1R (IGF1 receptor). La production d’IGF1 par l’ovaire est différente en fonction des espèces. Igf1 est exprimé principalement par les cellules de la granulosa chez le rat et la truie (Mazerbourg et al. 2003) mais ce facteur est aussi présent dans l’ovocyte des follicules pré-antraux chez le rat (Zhao et al. 2001). Différemment, le transcrit ne semble pas être présent dans les ovaires de brebis adulte (hybridation in situ (Perks et al. 1995)) et de vache (Mazerbourg et al. 2003). L’expression de son récepteur IGF1R est détectée dans les 103 A B Figure 3 . ilan des connaissances sur le dialogue moléculaire A. B. Données connues dans la littérature Données obtenues dans notre expérience chez la brebis En rouge les gènes ou la signalisation des CG En jaune, les gènes ou la signalisation des ovocytes En vert, les nouvelles données Etude des compartiments Les spécificités de compartiments follicules dès le stade primaire et augmente avec la croissance folliculaire chez la brebis et la vache (Wandji et al. 1992; Perks et al. 1995). La signalisation insuline/IGF1 ne semble pas essentielle pour cette phase précoce dans l’ovocyte de souris (Pitetti et al. 2009). Chez les souris invalidées pour le récepteur Igf1r dans l’ovocyte seulement, les femelles sont fertiles avec un développement et une maturation ovocytaire normale. Cependant, les souris, pour lesquelles le gène Igf1 est invalidé, sont stériles car les follicules n’atteignent pas le stade antral. IGF1 semble essentiel pour la prolifération des CG (Kadakia et al. 2001). Notre étude fournit donc une description précise de l’expression des membres du système IGF chez la brebis pendant la période pré-antrale. lle montre pour la première fois comme chez le rat et la truie, une expression d’IGF1 et IGF2 et de différentes IGFBP principalement dans les C . Une expression enrichie de différents composants de cette voie de signalisation (Article 2, Figure 4) est aussi observée chez la brebis. L’expression de IGF1R est, elle, enrichie dans l’ovocyte. Même si la voie insuline/IGF1 n’est pas essentielle pour l’ovocyte (Pitetti et al. 2009), ces données suggèrent un effet d’IGF1 sur la maturation de l’ovocyte pendant la phase basale chez la brebis (Kiapekou et al. 2005). La figure 39 résume d’une part le dialogue moléculaire connu dans la littérature (A) et celui identifié dans notre expérience chez la brebis (B). Les nouveaux résultats sont identifiés en vert sur ce schéma. . es spécificités de compartiments Les gènes ovocytaires et leur rôle dans la folliculogenèse ont été relativement bien décrits grâce aux modèles « souris » mais peu d’information est disponible sur les gènes spécifiques des CG. Nous avons mis en évidence dans notre étude l’expression préférentielle de 216 gènes (161 ovocytaires et 55 somatiques) comprenant des gènes dont la fonction est inconnue dans la folliculogenèse. Peu de gènes préférentiellement exprimés ont été identifiés dans les CG. 4.1 Ovocyte Dans les ovocytes nous avons identifié des gènes comme BTG4, connus pour avoir des propriétés antiprolifératives et être impliqué dans l’arrêt du cycle cellulaire. Son expression est restreinte à l’épithélium olfactif, le testicule et l’ovocyte chez la souris. Son rôle au cours de la folliculogenèse basale est inconnu (Buanne et al. 2000). 104 Etude des compartiments Les spécificités de compartiments PATL2 (P100) est une protéine de liaison à l’ARN (Marnef et al. 2010), qui s’exprime spécifiquement dans l’ovocyte immature chez le xénope et disparait à la maturation méiotique. Il est impliqué dans la régulation de la traduction des ARN maternels nécessaires à la maturation de l’ovocyte (Nakamura et al. 2010). L’expression de ce gène n’est pas documentée chez les mammifères et nous décrivons pour la première fois l’expression et l’augmentation de son expression au cours de la croissance ovocytaire précoce chez la brebis. Nos résultats suggèrent un rôle important de ce gène dans la répression de la traduction des gènes pendant la période pré-antrale. Enfin MUSK est un récepteur à tyrosine kinase qui est exprimé à faible niveau dans les myoblastes en prolifération, qui induit la différenciation du muscle. La protéine diminue drastiquement dans les myoblastes différenciés et reste localisée au niveau des jonctions neuromusculaires (Kim and Burden 2008). Chez la brebis, son expression qui augmente au cours de la croissance folliculaire basale suggère son implication dans les déformations ovocytaires et la formation des projections transzonales nécessaires à la communication entre les compartiments (Article 3, Supplemental File 7). 4.2 Cellulesdegranulosa Dans les cellules de granulosa, DEFB112 est également décrit pour la première fois. Ce gène est peu documenté mais, chez le rat et l’homme, il est exprimé dans l’épididyme et la localisation de sa protéine est fonction de la maturation (Patil et al. 2005). Il est susceptible d’avoir un rôle équivalent dans l’ovaire. L’expression de BMP1 dans les CG de brebis est confirmée ici. Ce gène favorise la signalisation BMP (Canty-Laird et al. 2010). Enfin, CTP1 est une protéine chaperone exprimée de manière constante dans les CG. Elle a un rôle clé dans la cytodifférenciation des spermatides en lien avec la plasticité des microtubules (Soues et al. 2003). Son expression suggère un rôle dans le changement de forme des cellules et la formation des projections transzonales. L’expression nouvelle de ces gènes dans les follicules pré-antraux est en accord avec les données existantes et renforce leur rôle potentiel au cours de la folliculogenèse basale. 105 Le développement folliculaire précoce Les fonctions Le dé eloppement folliculaire précoce 1. es fonctions L’analyse des gènes différentiellement exprimés au cours de la croissance précoce montre que les changements d’expression génique dans l’ovocyte ne reflètent pas d’augmentation de la synthèse de protéines et suggère plutôt la mise en place d’un stockage des ARN (Article 3, Figure 3). Notre analyse ne montre pas non plus, de changement d’expression génique important pour les gènes impliqués dans la production d’énergie, ce qui suggère, comme au stade antral, une faible implication de l’ovocyte dans cette fonction. Différentes études montrent en effet, que la croissance et la maturation de l’ovocyte dépendent des cellules de granulosa pour la production d’énergie et la biosynthèse de cholestérol (Li and Albertini 2013). Pendant la phase antrale, les ovocytes ne peuvent pas métaboliser le glucose, synthétiser le cholestérol et assimiler l’alanine. Ces substances sont fournies par les CG. Les facteurs ovocytaires tels que BMP15, GDF9 et FGF8B favorisent ces changements métaboliques dans les CG en stimulant l’expression des transcrits codant pour les enzymes clés impliquées dans ces processus. Elles transforment par exemple le glucose et la cystine respectivement en pyruvate et cysteine avant de les transporter dans l’ovocyte (Sugiura et al. 2005; Su et al. 2008). Par contre dans les CG, cette catégorie « energy production» regroupe des gènes qui interviennent dans le métabolisme des acides gras, élément de stockage de l’énergie (SCD, BDH2, CPT). . écanismes mis en place au cours de du développement folliculaire Les changements d’expression dans l’ovocyte au cours de la phase de croissance décrivent d’une part : ¾ une intensification du contrôle du blocage de la méiose pendant la transition PD-PM (Article 3 Figure 6A). ¾ l’initiation de l’acquisition de la compétence méiotique à partir du stade secondaire (illustré par un enrichissement en DGE des mécanismes de régulation du cycle 106 Figure . Chronologie des modifications cellulaires potentielles mises en place pendant la croissance folliculaire basale. Le développement folliculaire précoce Régulation de la croissance cellulaire) (Article 3, Supplemental File 2, Figure S2), en accord avec les études de Pan et collaborateurs chez la souris (Pan et al. 2005). Une augmentation progressive de l’expression est en effet observée à partir du stade secondaire pour CCNB1 et CDK1 (CDC2), constituants du facteur MFP (maturation promoting factor) ainsi que des gènes susceptibles de contrôler son activation comme WEE2 (WEE1B) (Oh et al. 2011). ¾ une augmentation de la répression transcriptionnelle (augmentation de l’expression de DNMT3B et DNMT1 par exemple) à partir du stade secondaire qui peut être associée à la sous expression de la majorité des gènes différentiels à ce stade. Chez la souris cette répression semble intervenir à un stade plus tardif (SA) (Pan et al. 2005). Des modifications cellulaires sont mises en évidence au cours du développement. Elles s’achèvent globalement au stade secondaire pour l’ovocyte et se maintiennent pendant la durée de la croissance précoce dans les CG. Elles illustrent un changement de forme et la mise en place des interactions physiques : ¾ Dans l’ovocyte la réorganisation du cytoplasme et la déformation cellulaire sont en adéquation avec l’augmentation de taille de l’ovocyte. La surexpression de ZP2 et ZP4 à partir du stade secondaire et de GJA4 (CX37) signe la formation de la membrane pellucide et des jonctions communicantes dans l’ovocyte. ¾ Dans les CG, le changement de forme des cellules et la mise en place des jonctions communicantes (projections cytoplasmiques, villosités, déformations cellulaires) sont également mis en évidence. Ces résultats sont renforcés par la surexpression de GJA1 (CX43) gènes indispensables à la formation des jonctions communicantes : dans les CG. Ils complètent des analyses morphologiques et structurelles effectuées par microscopie chez la chèvre (Lucci et al. 2001). Ces résultats sont résumés Figure 40. 3. égulation de la croissance La croissance folliculaire basale est régulée par des facteurs intra ovariens et dépend d’un dialogue moléculaire étroit entre les types cellulaires. Cette étude suggère l’activation de différents mécanismes et régulateurs, capables d’expliquer les changements d’expression au cours de la croissance folliculaire. Les régulations les plus significatives sont résumées sur les Figures 41 et 42. 107 Figure 41. Régulateurs potentiels impliqués dans la croissance folliculaire basale. Figure 42. Facteurs de transcription potentiels impliqués dans la croissance folliculaire basale. Encadré jaune : gènes ovocytaires Encadré rose : gènes CG En vert sont représentés les protéines inhibées, en rouge les protéines activées Le développement folliculaire précoce Régulation de la croissance 3.1 Voiesdesignalisationetfacteursdecroissance Les membres de la famille WNT sont majoritairement exprimés dans les CG. Chez la brebis leur expression et celle de leurs récepteurs augmentent au cours de la croissance, ce qui renforce leurs rôles potentiels dans le développement précoce de la folliculogenèse. Par contre, les antagonistes de cette voie de signalisation présentent des profils d’expression spatio temporels différents, ce qui souligne la complexité des régulations (Figure 41). Chez la brebis l’expression de PDGFC et ses récepteurs PDGFRA et PDGFRB augmente au cours de la folliculogenèse basale, ce qui suggère comme chez la souris un rôle de ce facteur de croissance dans le contrôle de la prolifération des CG (Figure 41). Chez la brebis, différentes mutations ont été identifiées sur les gènes BMPR1B (bone morphogenetic protein receptor, type 1B) et BMP15 et ont montré que la signalisation BMP était indispensable à une folliculogenèse adéquate chez la brebis (Galloway et al. 2000; Fabre et al. 2003; Bodin et al. 2007). Une activité réduite de la voie de signalisation BMP (brebis hétérozygotes) conduit à diminuer la prolifération des cellules de granulosa et augmenter la sensibilité à FSH. Ceci aboutit à l’ovulation de plusieurs follicules de plus petites tailles. Notre étude propose l’implication de BMPER (BMP-binding endothelial regulator) pendant la transition du follicule primaire en secondaire (Figure 41). BMPER est un modulateur de la voie de signalisation de BMP (BMP2, BMP4, BMP6) (Willis et al. 2013) et présente une affinité importante avec un autre antagoniste des BMP : la chordine (CHRD) (Zakin et al. 2010). Dans la littérature, ce gène est peu documenté par rapport à une activité ovarienne. Chez la souris, bmper s’exprime à partir du stade primaire (ovaires de 8 jours : étude sur gel (Fenwick et al. 2011) mais n’est pas détecté dans l’ovocyte. Ce gène est décrit ici pour la première fois comme étant principalement exprimé dans l’ovocyte de brebis avec une expression qui augmente à partir du stade secondaire (Article 3, Figure5). Le gène CHRDL1 (chordin-like 1) est également exprimé dans les deux compartiments et son expression augmente dans les CG au cours du développement. Dans notre jeu de données, les cibles potentielles identifiées de BMPER sont ACTA2, ACVRL1 (activin A receptor type II-like 1), MGP (matrix Gla protein) et PECAM1 (platelet/endothelial cell adhesion molecule 1), dont leurs expressions diminuent au stade secondaire. Des expériences complémentaires sont nécessaires pour comprendre le rôle de BMPER au cours de la folliculogenèse. Les différentiels d’expression d’autres antagonistes de la voie de signalisation BMP sont aussi mis en évidence dans cette étude dans les CG et/ou les ovocytes : FST, WFIKKN2 (WAP, follistatin/kazal, immunoglobulin, kunitz and netrin domain containing 2), GREM2 (DAN 108 Le développement folliculaire précoce Régulation de la croissance domain family member 3; cysteine knot superfamily 1, BMP antagonist 1). Ceux-ci illustrent la complexité des régulations. 3.2 Régulateurstranscriptionnels Parmi les 21 régulateurs transcriptionnels potentiellement impliqués dans les changements d’expression, nous soulignons en accord avec la littérature, le rôle de NOBOX dans l’ovocyte et de FOXL2 dans les CG à partir du stade secondaire (Rajkovic et al. 2004). a. ans les cellules de granulosa Les régulateurs potentiellement activés sont associés à la régulation des stérols (SREBF2 (Sakakura et al. 2001)), la réponse hormonale (EGR1, CREB (cAMP responsive element binding protein 1), SKIL (SKI-like), ETS1), la croissance cellulaire et le développement (TP53, XBP1, MYC (myelocytomatosis oncogene), SOX9 (Guth and Wegner 2008), ETS2 (Dwyer and Liu 2010), NFIA, HIF1A, NFIA (Gronostajski 2000)), la différenciation (MITF (Wan et al. 2011), SRF (Modak and Chai 2010), IRF6 (Restivo et al. 2011)). Nous décrivons pour la première fois la surexpression de NFIA et HIF1A ainsi que l’activation de leur protéine dans les CG pendant la phase pré-antrale. Ces deux gènes sont susceptibles de jouer un rôle important dans la croissance folliculaire.NFIA est un facteur de transcription impliqué dans le contrôle de la croissance chez l’homme et la plupart des espèces modèles (Gronostajski 2000). HIF1A est une protéine qui interagit avec ARNT (aryl hydrocarbon receptor nuclear translocator) (voie de signalisation AHR) et active des gènes impliqués dans le métabolisme énergétique, l’angiogénèse et l’apoptose (Zagórska and Dulak 2004). L’expression de 59 gènes est potentiellement stimulée par HIF1A dans notre expérience et l’expression de ce gène augmente significativement au cours de la croissance (3,5 fois). MITF est aussi un facteur de transcription central reliant la signalisation extracellulaire et les gènes cibles de la mélanogenèse (spécialisation cellulaire précoce de l’œil (épithélium de la rétine) et le développement de la peau) (Wan et al. 2011). Il est lui-même activé par d’autres facteurs de transcriptions tels que les co-activateurs de PPARG (Shoag et al. 2013). Enfin, SREBP2 est un facteur de transcription ubiquitaire clé qui induit la biosynthèse de cholestérol (Sakakura et al. 2001) et des stéroïdes. Il active par exemple l’expression de star et cyp17a1 (cytochrome P450, family 17, subfamily A, polypeptide 1) (Shea-Eaton et al. 2001; Ozbay et al. 2006). 109 Le développement folliculaire précoce Régulation de la croissance n complément certains de ces régulateurs transcriptionnels sont aussi potentiellement spécifiques de stade. A l’exception de SOX9 (activé au stade PM), ils sont activés au stade SA (ETS2, MITF, SRF, IRF6, NFIA, SREBF2, PPARG1A) (Figure 42). b. ans l’o ocyte es facteurs de transcription spécifiques de stade sont impliqués dans : ¾ la différenciation (SOX10 (Guth and Wegner 2008), MEF2C (myocyte enhancer factor 2C) (Potthoff and Olson 2007)), ¾ la sensibilité aux oestrogènes (KLF9) (Natesampillai et al. 2008). L’activité de KLF9 ainsi que son expression diminuent en fin de stade pré-antral (SA). Ce facteur est impliqué dans un grand nombre de fonctions dont la fonction de reproduction. Il module la sensibilité des cellules à l’œstradiol dans les cellules de l’endomètre (Simmen et al. 2010). Dans les CG, il réprime la transcription de LDLR (low density lipoprotein receptor), cyp11 et stimule STAR (steroidogenesis acute response) (Natesampillai et al. 2008). Son rôle dans l’ovocyte reste à élucider. MEF2C, est un facteur de transcription important dans la différenciation de plusieurs types cellulaires et dans l’organogenèse (muscles, cerveau…). Il joue un rôle central dans la transmission des messages extracellulaires au génome et dans l’activation des programmes génétiques qui contrôlent la différenciation, prolifération, apoptose… (Potthoff and Olson 2007). L’expression et l’activité augmentée de MEF2C au stade avancé de différenciation de SA est en adéquation avec le développement de l’ovocyte. Enfin, les gènes de la famille SOX jouent un rôle très important dans l’embryogenèse et la différenciation des cellules. SOX9 est impliqué dans le développement de la gonade mâle (Introduction bibliographique, chapitre III, Ovogenèse foetale), des chondrocytes et des crêtes neurales et SOX10 dans la survie et la différenciation des cellules des crêtes neurales pendant leur migration (Guth and Wegner 2008). De manière surprenante, nous détectons une expression stable de SOX9 dans les GC chez la brebis au cours de la croissance précoce (période néonatale). Néanmoins chez la souris, même si la localisation spatiotemporelle est différente, la protéine est présente dans les follicules. Une expression transitoire de la protéine a été détectée dans les cellules de thèque interne des follicules pré-antraux et antraux en fonction du cycle sexuel chez l’adulte. Aucune protéine n’est détectée chez les souris immatures (Notarnicola et al. 2006). SOX9 active l’expression de l’amh et son rôle potentiel au stade secondaire chez la brebis est en accord avec un début d’expression de l’AMH dans ces cellules. (De Santa Barbara et al. 1998). SOX10 est identifié pour la première fois dans 110 Le développement folliculaire précoce Les spécificités de stades l’ovocyte au cours de la croissance folliculaire et son expression est accompagnée d’une activation prédite de la protéine au stade primaire. Le rôle de ces deux gènes SOX dans la croissance folliculaire reste à préciser. Les régulateurs de transcription spécifiquement activés à un stade donné sont présentés Figure 42. . es spécificités de stades Un jeu de 29 marqueurs expressionnels préférentiellement exprimés à un stade de développement folliculaire in vivo donné a été sélectionné. Les gènes BMP15, SPO11, WEE2, FST connus pour leur rôle important dans la transition primaire secondaire, la méiose et la folliculogenèse basale sont retrouvés parmi ces marqueurs expressionnels. Ces marqueurs sont, comme les gènes d’expression spécifique de compartiments, susceptibles de jouer un rôle important dans le développement ovarien. Le gène CNR1 (type 1-cannabinoid receptor) exprimé dans les CG au stade SC, par exemple, code un des récepteurs des cannabinoïdes impliqué dans la régulation des fonctions neuronales (Compagnucci et al. 2013) et dans les réponses inflammatoires (Gaffal et al. 2013). Une étude récente montre que ce récepteur régule la différenciation des spermatides. L’invalidation du gène influence le remodelage de la chromatique spermatique en réduisant le déplacement des histones (Cacciola et al. 2013). Son rôle dans les CG reste à définir. Le gène KCNK9 (potassium channel, subfamily K, member 9) exprimé dans l’ovocyte au stade PD, code pour une protéine de la famille des canaux potassium, présente chez la vache dans la membrane ovocytaire (Hur et al. 2009). Enfin le gène IGF2BP1 fait partie d’une famille de protéines oncofœtales se liant à l’ARNm. Ces protéines ne sont généralement pas exprimées dans les tissus adultes à l’exception du testicule. L’expression des protéines IGF2BP1, 2 et 3 a été confirmée dans les gonades femelles de souris et d’humain (Hammer et al. 2005). L’expression de la protéine IGF2BP1 est ubiquitaire jusqu’au stade embryonnaire de 16,5 jours chez la souris puis elle est restreinte aux cellules germinales. A 32 semaines de gestation, l’ovaire fœtal humain montre une expression faible de la protéine dans l’ovocyte. A l’âge adulte les trois protéines sont détectées dans les ovocytes à tous les stades et plus légèrement détectées dans les CG des follicules. Une expression similaire de la protéine a été mise en évidence dans des ovaires de brebis à la naissance (non publié). Nos résultats montrent ici un découplage entre la quantité 111 Figure 3. ènes montrant des différences d’expression les plus significatives. Encadré jaune : gènes ovocytaires Encadré rose : gènes CG Le développement folliculaire précoce Les spécificités de stades de transcrits et la celle de la protéine. IGF2BP1 reste néanmoins un marqueur expressionnel des ovocytes primordiaux. Les marqueurs montrant des différences d’expression les plus significatives sont représentés Figure 43. Différents protocoles de culture in vitro ont été développés pour étudier la folliculogenèse basale au niveau fonctionnel, produire des embryons ou évaluer les protocoles de cryoconservation de cortex ovarien. L’ensemble des marqueurs expressionnels mis en évidence dans notre étude sera très utile pour déterminer la qualité et le développement des cultures de cortex. 112 C CL I C I 113 Conclusions méthodologiques Conclusions méthodologiques Le challenge méthodologique de ce travail était d’obtenir une vue globale des gènes exprimés in vivo dans les deux compartiments folliculaires au cours des stades précoces de la folliculogenèse chez la brebis. Les nouvelles approches méthodologiques permettent maintenant d’investiguer les différents compartiments de tissus hétérogènes de plus en plus précisément et d’utiliser des quantités d'échantillons biologiques de plus en plus petites. Nous avons choisi d’optimiser 2 technologies complémentaires pour atteindre notre objectif : ¾ la LCM pour isoler le matériel biologique qui permet d’obtenir une précision d’isolement à l’échelle de la cellule et peut donc séparer nos deux compartiments folliculaires, ¾ et le RNA-seq pour les approches haut débit du transcriptome qui permet de s’affranchir de la connaissance à priori de la séquence génomique, qui est sans limite critique pour la détection du transcrit et permet donc la détection des transcrits de faible abondance. La combinaison de ces deux technologies présente l’avantage de fournir des transcriptomes très complets et spécifiques des types cellulaires (et non plus de l’organe), permettant ainsi d’explorer les interactions cellulaires. Cependant, des défis importants restent encore à relever. Ils concernent : ¾ l’amplification des ARN, ¾ le volume de données générées, ¾ les outils bioinformatiques et statistiques qui sont continuellement en développement et qu’il est difficile de standardiser, ¾ l’annotation fonctionnelle: l’approche couramment utilisée est de déduire la fonction des gènes par la recherche de similitude de séquence avec un organisme modèle. Toutefois, le transfert des fonctions des gènes d'un organisme à un autre peut conduire à des erreurs d'interprétation. . Conclusions biologiques Le travail entrepris dans le cadre de ce projet de thèse est un travail original qui a généré, pour la première fois chez une espèce mono ovulante, une base précieuse de profils d’expression 114 Conclusions biologiques pour les deux compartiments folliculaires, ovocytes et cellules de granulosa, au cours de la croissance précoce. Notre étude fait le lien entre les données obtenues pendant les périodes fœtale et adulte. Elle décrit précisément l’expression de gènes impliqués dans différentes fonctions et mécanismes qui ont été préalablement identifiés chez la souris au cours de la période fœtale ou dans les stades antraux. Il ressort de ce travail que dans nos conditions expérimentales: ¾ les ovocytes et les CG font l’objet d’une activité expressionnelle intense pendant la période basale (sur 79% des gènes ovins annotés). ¾ Les profils d’expression génique entre les deux compartiments sont bien distincts et participent à des fonctions qui décrivent le devenir des deux types cellulaires (cellules reproductrices (stockage d’ARNm et régulation de la méiose) et cellules nourricières (synthèse de protéines et d’énergie). ¾ Les follicules précoces expriment des composants de différentes voies de signalisation (NOTCH, WNT, IGF1, VEGF, SHH…). ¾ les follicules précoces possèdent la machinerie nécessaire pour produire et réguler les hormones stéroïdes. ¾ la transition du follicule primaire au secondaire chez la brebis est une transition capitale qui implique d'importantes variations d’expression et de fonctions. ¾ 161 et 55 gènes présentent une expression particulièrement enrichie, respectivement dans l’ovocyte et les cellules de granulosa, et sont susceptibles d’être des gènes importants pour le développement folliculaire basal. Les analyses fonctionnelles « in silico » suggèrent : ¾ une protection contre l’atrésie dans l’ovocyte, ¾ une activation des communications bidirectionnelles dès la transition primordialprimaire. Deux types de communications sont suggérés : * les interactions physiques (déformation cellulaire de l’ovocyte, projections cytoplasmiques et microvillosités somatiques) * la signalisation moléculaire entre cellules somatiques (WNT) et entre compartiments O-CG (NOTCH, VEGF, IGF1, BMP…) qui s’appuie sur l’expression spatio temporelle des ligands, récepteurs et transducteurs du signal. - une implication de facteurs de croissance (PDGF, HGF, TNF) 115 Perspectives Notre étude identifie des régulateurs tels que SOX10, KLF9, NOBOX, FOXL2, SOX9 … susceptibles d’être impliqués dans les changements d’expression au cours de la croissance folliculaire basale in vivo chez la brebis. Actuellement, de nombreuses interrogations existent encore quant aux mécanismes de régulation de la croissance folliculaire précoce. Disposer d’un jeu de biomarqueurs qui permettent de suivre la croissance précoce est un enjeu important pour évaluer les protocoles expérimentaux in vivo ou in vitro. L’expression des 25 gènes que nous avons sélectionnés permet de discriminer les stades folliculaires précoces et fournit donc une signature moléculaire de la croissance précoce. Ces gènes jouent probablement des rôles importants dans le processus de croissance folliculaire. erspecti es La technologie RNA-seq produit une quantité de plus en plus importante d’information de séquences et met en évidence des régions peu annotées dans le génome. Notre étude montre en particulier que plus de 50% des fragments de séquence génomique n’ont pas pu être associés à un gène. Certains de ces fragments apparaissent cependant particulièrement intéressants. Ils regroupent un nombre non négligeable de lectures et montrent une expression différentielle entre les deux compartiments supérieure à 100 fois. Ces données suggèrent l’existence de nouvelles régions transcrites. Des méthodes de prédiction de gènes pourront être utilisées pour investiguer ces nouvelles régions transcrites. Des validations biologiques par PCR en temps réel pourront aussi être envisagées pour confirmer l’expression de ces transcrits potentiels et déterminer leur nature. Les analyses fonctionnelles « in silico » ont permis de proposer l’implication de différentes voies de signalisation, régulateurs et gènes d’expression spécifiques au cours de la croissance folliculaire précoce. Une approche fonctionnelle est maintenant requise afin de déterminer le rôle précis de ces facteurs dans le dialogue bidirectionnel entre l’ovocyte et les CG ou dans le contrôle de l’expression des gènes et de la folliculogenèse. . 116 LI C LICA I ICA I 117 Articles onnet , Bevilacqua C, Benne F, Bodin L, Cotinot C, Liaubet L, Sancristobal M, Sarry J, Terenina E, Martin P, Tosser-Klopp G, Mandon-Pepin B 2011 Transcriptome profiling of sheep granulosa cells and oocytes during early follicular development obtained by laser capture microdissection. BMC Genomics. 2011 Aug 18;12:41 onnet , Cabau C, Bouchez O, Sarry J, Marsaud N, Woloszyn F, Mulsant P, Mandon-Pépin B 2013 “An overview of gene expression dynamics during early ovarian folliculogenesis: Specificity of follicular compartments and bi-directional dialog”, soumis, en revision. onnet , Servin B, Sarry J, Feve K, Woloszyn F, Mulsant P, Mandon-Pépin B “Spatiotemporal gene expression profiling during early ovarian folliculogenesis : network analysis predicted Biological processes and regulations” en cours de rédaction. Communications orales onnet 2012 « Identification de « biomarqueurs » de la croissance folliculaire précoce chez la brebis », retour d’expérience GetPlage (20mn), plateforme biostat (1h) génopole de Toulouse, séminaire de restitution AIP bioressources, INRA (20mn). onnet 2012 « Comprendre les mécanismes qui contrôlent le taux d’ovulation chez les mammifères de rente : Une dynamique d’expression coordonnée entre types cellulaires au cours du développement folliculaire ovarien précoce chez la brebis » Université Paul Sabatier, Albi (45 mm de présentation) : présentation de la technologie RNAseq. onnet 2011 « Identification de « biomarqueurs » de la croissance folliculaire précoce chez la brebis » Journée de, plateforme GeT, Genopole Midi-Pyrénées (10 mm de présentation) : retour d’expérience sur le séquenceur Illumina Hiseq 2000 onnet , 2011 « MonoPoly : workpage1 : oocyte collection » réunion de bilan du projet MonoPoly. osters onnet , Claudia Bevilacqua, Francis Benne, Loys Bodin, Corinne Cotinot, Laurence 118 Liaubet, Magali Sancristobal, Julien Sarry, Elena Terenina, Patrice Martin, Gwenola TosserKlopp, Beatrice Mandon-Pepin “Transcriptome profiling of sheep granulosa cells and oocytes during early follicular development obtained by Laser Capture Microdissection.” The 1st Meeting of the Ovarian Club “The Oocyte: from Basic Research to Clinical Practice” Barcelona, Spain, November 3-6, 2011 119 Transcriptome profiling of sheep granulosa cells and oocytes during early follicular development obtained by Laser Capture Microdissection. A. Bonnet1 㼲, Claudia Bevilacqua2, Francis Benne1, Loys Bodin3, Corinne Cotinot4, Laurence Liaubet1, Magali Sancristobal1, Julien Sarry1, Elena Terenina1, Patrice Martin2, Gwenola Tosser-Klopp1, Beatrice Mandon-Pepin4 1 INRA, UMR444 Génétique Cellulaire, Auzeville, BP52627, F-31326 Castanet-Tolosan, France UMR1313 Génétique Animale et Biologie Intégrative, Plateforme de Microgénomique expressionnelle ICE, F-78350 Jouy-en-Josas, France UR631 Station d’Amélioration Génétique des Animaux BP52627, F-31326 Castanet-Tolosan, France 4 INRA, UMR1198 Biologie du Développement et de la Reproduction, F-78350 Jouy-en-Josas, France 2 INRA, 3 INRA, In different species such as sheep or mice, studies identified oocyte mutations in genes expressed from the beginning of the ovarian follicle formation which could lead to sterility or hyper-prolificacy granulosa Secondary follicle according to the animal genotype. These reports demonstrate that Primary follicle a correct achievement of early folliculogenesis is a crucial step Primordial follicle which affects reproductive life span and fertility. Nevertheless, due to the difficulty in obtaining biological materiel, these early mechanisms are still poorly understood, especially in large mammals. ^JX'>"^"&@J%@% w'X+@<|*J+^+&+^w^ The challenge of this study is to provide new insights into the regulatory mechanisms of two compartments of follicles (granulosa cells and oocyte) during early folliculogenesis in sheep, animal model for studies of biomedicine including reproduction. ^JX'>"^"&@J%@% w'X+@<|*J+^+&+^w^ Capture C t off the th different diff t compartments t t (oocyte/granulosa) and stages (primordial/primary/secondary) 䘆 Validations: RNA amplification Gene expression identification Laser Capture Microdissection (100x) : a) Granulosa cell selection b) Granulosa cells captured c) Follicle after the capture qPCR Affymetrix geneship (24K genes) 䘆 Sample capture and amplification oocyte specific gene expression (qPCR) Pd: Primordial follicle Pm: Primary follicle Sec: Secondary follicle SA: Small antrum follicle 䘆 Biological significance Three main cellular events involved in early follicle development: 1- Switch of GC from flattened to cuboidal shape 2- Increase in the number of GC 䘆 Microarray results 3- Oocyte enlargement Red: Oocyte Green: Granulosa cells Statistically significant enriched functions of oocyte and granulosa cells using IPA 䘆 Crosstalk between the oocyte and GC The BMP signaling pathway Distribution of the detected probe sets and unique annotated genes among the LCM-derived RNA samples. 䘆 Oocyte vs GC transcriptome - 1050 Granulosa cell specific transcripts - 759 Oocyte specific transcripts Red: Oocyte gene expression Green: Granulosa cell gene expression These results demonstrated that the LCM-derived aRNA samples were representative of the cell type and/or developmental stage concerned. New experiments are in progress to identify oocyte and GC biomarkers and decipher the critical molecular processes and the complexity of the communication during early folliculogenesis. !"## C 120 Abel MH, Wootton AN, Wilkins V, Huhtaniemi I, Knight PG, Charlton HM. 2000. The effect of a null mutation in the follicle-stimulating hormone receptor gene on mouse reproduction. Endocrinology 141(5): 1795-1803. Abir R, Fisch B, Zhang XY, Felz C, Kessler-Icekson G, Krissi H, Nitke S, Ao A. 2009. Keratinocyte growth factor and its receptor in human ovaries from fetuses, girls and women. Mol Hum Reprod 15(2): 69-75. Adhikari D, Flohr G, Gorre N, Shen Y, Yang H, Lundin E, Lan Z, Gambello MJ, Liu K. 2009. Disruption of Tsc2 in oocytes leads to overactivation of the entire pool of primordial follicles. Mol Hum Reprod 15(12): 765-770. Adhikari D, Liu K. 2009. Molecular mechanisms underlying the activation of mammalian primordial follicles. Endocr Rev 30(5): 438-464. Aitken RJ, Findlay JK, Hutt KJ, Kerr JB. 2011. Apoptosis in the germ line. Reproduction 141(2): 139150. Allan CM, Wang Y, Jimenez M, Marshan B, Spaliviero J, Illingworth P, Handelsman DJ. 2006. Follicle-stimulating hormone increases primordial follicle reserve in mature female hypogonadal mice. J Endocrinol 188(3): 549-557. Ameur A, Zaghlool A, Halvardson J, Wetterbom A, Gyllensten U, Cavelier L, Feuk L. 2011. Total RNA sequencing reveals nascent transcription and widespread co-transcriptional splicing in the human brain. Nature Structural & Molecular Biology 18(12): 1435-U1157. Amorim CA, Lucci CM, Rodrigues AP, Carvalho FC, Figueiredo JR, Rondina D, Cecchi R, Giorgetti A, Martini A, Gonçalves PB. 2000. Quantitative and qualitative analysis of the effectiveness of a mechanical method for the isolation of preantral follicles from ovine ovaries. Theriogenology 53(6): 1251-1262. Anderson R, Copeland TK, Schöler H, Heasman J, Wylie C. 2000. The onset of germ cell migration in the mouse embryo. Mech Dev 91(1-2): 61-68. Anderson R, Fässler R, Georges-Labouesse E, Hynes RO, Bader BL, Kreidberg JA, Schaible K, Heasman J, Wylie C. 1999. Mouse primordial germ cells lacking beta1 integrins enter the germline but fail to migrate normally to the gonads. Development 126(8): 1655-1664. Anderson RA, Fulton N, Cowan G, Coutts S, Saunders PT. 2007. Conserved and divergent patterns of expression of DAZL, VASA and OCT4 in the germ cells of the human fetal ovary and testis. BMC Dev Biol 7: 136. Arraztoa JA, Zhou J, Marcu D, Cheng C, Bonner R, Chen M, Xiang C, Brownstein M, Maisey K, Imarai M et al. 2005. Identification of genes expressed in primate primordial oocytes. Hum Reprod 20(2): 476-483. Baarends WM, Uilenbroek JT, Kramer P, Hoogerbrugge JW, van Leeuwen EC, Themmen AP, Grootegoed JA. 1995. Anti-müllerian hormone and anti-müllerian hormone type II receptor messenger ribonucleic acid expression in rat ovaries during postnatal development, the estrous cycle, and gonadotropin-induced follicle growth. Endocrinology 136(11): 4951-4962. Baillet A, Mandon-Pepin B. 2012. Mammalian ovary differentiation - a focus on female meiosis. Mol Cell Endocrinol 356(1-2): 13-23. Baillet A, Mandon-Pépin b, Veitia R, Cotinot C. 2011. La différenciation ovarienne précoce et son contôle génétique. Vol 205, pp. 201-221. Biologie AUJOURD4HUI. Barboni B, Turriani M, Galeati G, Spinaci M, Bacci ML, Forni M, Mattioli M. 2000. Vascular endothelial growth factor production in growing pig antral follicles. Biol Reprod 63(3): 858864. Baron D, Batista F, Chaffaux S, Cocquet J, Cotinot C, Cribiu E, De Baere E, De Baeree E, Guiguen Y, Jaubert F et al. 2005. Foxl2 gene and the development of the ovary: a story about goat, mouse, fish and woman. Reprod Nutr Dev 45(3): 377-382. Bebbere D, Bogliolo L, Ariu F, Fois S, Leoni GG, Tore S, Succu S, Berlinguer F, Naitana S, Ledda S. 2008. Expression pattern of zygote arrest 1 (ZAR1), maternal antigen that embryo requires (MATER), growth differentiation factor 9 (GDF9) and bone morphogenetic protein 15 (BMP15) genes in ovine oocytes and in vitro-produced preimplantation embryos. Reprod Fertil Dev 20(8): 908-915. Beltowski J, Semczuk A. 2010. Liver X receptor (LXR) and the reproductive system - a potential novel target for therapeutic intervention. Pharmacological Reports 62(1): 15-27. Benayoun BA, Georges AB, L'Hôte D, Andersson N, Dipietromaria A, Todeschini AL, Caburet S, Bazin C, Anttonen M, Veitia RA. 2011. Transcription factor FOXL2 protects granulosa cells from stress and delays cell cycle: role of its regulation by the SIRT1 deacetylase. Hum Mol Genet 20(9): 1673-1686. Bendel-Stenzel MR, Gomperts M, Anderson R, Heasman J, Wylie C. 2000. The role of cadherins during primordial germ cell migration and early gonad formation in the mouse. Mech Dev 91(12): 143-152. Benjamini Y, Speed TP. 2012. Summarizing and correcting the GC content bias in high-throughput sequencing. Nucleic Acids Res 40(10): e72. Berisha B, Sinowatz F, Schams D. 2004. Expression and localization of fibroblast growth factor (FGF) family members during the final growth of bovine ovarian follicles. Mol Reprod Dev 67(2): 162-171. Birk OS, Casiano DE, Wassif CA, Cogliati T, Zhao L, Zhao Y, Grinberg A, Huang S, Kreidberg JA, Parker KL et al. 2000. The LIM homeobox gene Lhx9 is essential for mouse gonad formation. Nature 403(6772): 909-913. BLOCK E. 1953. A quantitative morphological investigation of the follicular system in newborn female infants. Acta Anat (Basel) 17(3): 201-206. Bocca SM, Billiar RB, Albrecht ED, Pepe GJ. 2008. Oocytes of baboon fetal primordial ovarian follicles express estrogen receptor beta mRNA. Endocrine 33(3): 254-260. Bodin L, Di Pasquale E, Fabre S, Bontoux M, Monget P, Persani L, Mulsant P. 2007. A novel mutation in the bone morphogenetic protein 15 gene causing defective protein secretion is associated with both increased ovulation rate and sterility in Lacaune sheep. Endocrinology 148(1): 393400. Bonnet A, Cabau C, Bouchez O, Sarry J, Marsaud N, Foissac S, Woloszyn F, Mulsant P, Mandon-Pepin B. 2013. An overview of gene expression dynamics during early ovarian folliculogenesis: specificity of follicular compartments and bi-directional dialog. BMC Genomics 14(1): 904. Bonnet A, Bevilacqua C, Benne F, Bodin L, Cotinot C, Liaubet L, Sancristobal M, Sarry J, Terenina E, Martin P et al. 2011. Transcriptome profiling of sheep granulosa cells and oocytes during early follicular development obtained by laser capture microdissection. BMC Genomics 12: 417. Bonnet A, Dalbies-Tran R, Sirard MA. 2008. Opportunities and challenges in applying genomics to the study of oogenesis and folliculogenesis in farm animals: Focus on Mammalian Embryogenomics. Reproduction 135(2): 119-128. Boumela I, Assou S, Aouacheria A, Haouzi D, Dechaud H, De Vos J, Handyside A, Hamamah S. 2011. Involvement of BCL2 family members in the regulation of human oocyte and early embryo survival and death: gene expression and beyond. Reproduction 141(5): 549-561. Bowles J, Koopman P. 2010. Sex determination in mammalian germ cells: extrinsic versus intrinsic factors. Reproduction 139(6): 943-958. Boyer A, Goff AK, Boerboom D. 2010. WNT signaling in ovarian follicle biology and tumorigenesis. Trends Endocrinol Metab 21(1): 25-32. Bristol-Gould SK, Kreeger PK, Selkirk CG, Kilen SM, Cook RW, Kipp JL, Shea LD, Mayo KE, Woodruff TK. 2006. Postnatal regulation of germ cells by activin: the establishment of the initial follicle pool. Dev Biol 298(1): 132-148. Buanne P, Corrente G, Micheli L, Palena A, Lavia P, Spadafora C, Lakshmana MK, Rinaldi A, Banfi S, Quarto M et al. 2000. Cloning of PC3B, a novel member of the PC3/BTG/TOB family of growth inhibitory genes, highly expressed in the olfactory epithelium. Genomics 68(3): 253263. Bullard JH, Purdom E, Hansen KD, Dudoit S. 2010. Evaluation of statistical methods for normalization and differential expression in mRNA-Seq experiments. BMC Bioinformatics 11: 94. Buratini J, Glapinski VF, Giometti IC, Teixeira AB, Costa IB, Avellar MC, Barros CM, Price CA. 2005. Expression of fibroblast growth factor-8 and its cognate receptors, fibroblast growth factor receptor (FGFR)-3c and-4, in fetal bovine preantral follicles. Mol Reprod Dev 70(3): 255-261. Buratini J, Pinto MG, Castilho AC, Amorim RL, Giometti IC, Portela VM, Nicola ES, Price CA. 2007. Expression and function of fibroblast growth factor 10 and its receptor, fibroblast growth factor receptor 2B, in bovine follicles. Biol Reprod 77(4): 743-750. 121 Caburet S, Georges A, L'Hôte D, Todeschini AL, Benayoun BA, Veitia RA. 2012. The transcription factor FOXL2: at the crossroads of ovarian physiology and pathology. Mol Cell Endocrinol 356(1-2): 55-64. Cacciola G, Chioccarelli T, Altucci L, Ledent C, Mason JI, Fasano S, Pierantoni R, Cobellis G. 2013. Low 17beta-estradiol levels in CNR1 knock-out mice affect spermatid chromatin remodeling by interfering with chromatin reorganization. Biol Reprod 88(6): 152. Campbell BK, Clinton M, Webb R. 2012. The role of anti-Müllerian hormone (AMH) during follicle development in a monovulatory species (sheep). Endocrinology 153(9): 4533-4543. Canty-Laird E, Carré GA, Mandon-Pépin B, Kadler KE, Fabre S. 2010. First evidence of bone morphogenetic protein 1 expression and activity in sheep ovarian follicles. Biol Reprod 83(1): 138-146. Carlsson IB, Scott JE, Visser JA, Ritvos O, Themmen AP, Hovatta O. 2006. Anti-Müllerian hormone inhibits initiation of growth of human primordial ovarian follicles in vitro. Hum Reprod 21(9): 2223-2227. Castrillon DH, Miao L, Kollipara R, Horner JW, DePinho RA. 2003. Suppression of ovarian follicle activation in mice by the transcription factor Foxo3a. Science 301(5630): 215-218. Celik-Ozenci C, Akkoyunlu G, Kayisli UA, Arici A, Demir R. 2003. Localization of vascular endothelial growth factor in the zona pellucida of developing ovarian follicles in the rat: a possible role in destiny of follicles. Histochemistry and Cell Biology 120(5): 383-390. Chassot A-A, Gregoire EP, Lavery R, Taketo MM, de Rooij DG, Adams IR, Chaboissier M-C. 2011. RSPO1/beta-Catenin Signaling Pathway Regulates Oogonia Differentiation and Entry into Meiosis in the Mouse Fetal Ovary. Plos One 6(10). Chassot AA, Ranc F, Gregoire EP, Roepers-Gajadien HL, Taketo MM, Camerino G, de Rooij DG, Schedl A, Chaboissier MC. 2008. Activation of beta-catenin signaling by Rspo1 controls differentiation of the mammalian ovary. Hum Mol Genet 17(9): 1264-1277. Chaves RN, de Matos MH, Buratini J, de Figueiredo JR. 2012. The fibroblast growth factor family: involvement in the regulation of folliculogenesis. Reprod Fertil Dev 24(7): 905-915. Chaves RN, Lima-Verde IB, Celestino JJ, Duarte AB, Alves AM, Matos MH, Campello CC, Name KP, Báo SN, Buratini J et al. 2010. Fibroblast growth factor-10 maintains the survival and promotes the growth of cultured goat preantral follicles. Domest Anim Endocrinol 39(4): 249-258. Chen H, Liu Z, Gong S, Wu X, Taylor WL, Williams RW, Matta SG, Sharp BM. 2011. Genome-Wide Gene Expression Profiling of Nucleus Accumbens Neurons Projecting to Ventral Pallidum Using both Microarray and Transcriptome Sequencing. Front Neurosci 5: 98. Choi Y, Yuan D, Rajkovic A. 2008. Germ cell-specific transcriptional regulator sohlh2 is essential for early mouse folliculogenesis and oocyte-specific gene expression. Biol Reprod 79(6): 11761182. Cohen MM. 2003. The hedgehog signaling network. Am J Med Genet A 123A(1): 5-28. Compagnucci C, Di Siena S, Bustamante MB, Di Giacomo D, Di Tommaso M, Maccarrone M, Grimaldi P, Sette C. 2013. Type-1 (CB1) cannabinoid receptor promotes neuronal differentiation and maturation of neural stem cells. PLoS One 8(1): e54271. Craig J, Orisaka M, Wang H, Orisaka S, Thompson W, Zhu C, Kotsuji F, Tsang BK. 2007. Gonadotropin and intra-ovarian signals regulating follicle development and atresia: the delicate balance between life and death. Front Biosci 12: 3628-3639. Cui S, Ross A, Stallings N, Parker KL, Capel B, Quaggin SE. 2004. Disrupted gonadogenesis and maleto-female sex reversal in Pod1 knockout mice. Development 131(16): 4095-4105. Dade S, Callebaut I, Mermillod P, Monget P. 2003. Identification of a new expanding family of genes characterized by atypical LRR domains. Localization of a cluster preferentially expressed in oocyte. FEBS Lett 555(3): 533-538. De Santa Barbara P, Bonneaud N, Boizet B, Desclozeaux M, Moniot B, Sudbeck P, Scherer G, Poulat F, Berta P. 1998. Direct interaction of SRY-related protein SOX9 and steroidogenic factor 1 regulates transcription of the human anti-Müllerian hormone gene. Mol Cell Biol 18(11): 66536665. Denomme MM, White CR, Gillio-Meina C, Macdonald WA, Deroo BJ, Kidder GM, Mann MR. 2012. Compromised fertility disrupts Peg1 but not Snrpn and Peg3 imprinted methylation acquisition in mouse oocytes. Front Genet 3: 129. Derrar N, Price CA, Sirard MA. 2000. Effect of growth factors and co-culture with ovarian medulla on the activation of primordial follicles in explants of bovine ovarian cortex. Theriogenology 54(4): 587-598. Dharma SJ, Modi DN, Nandedkar TD. 2009. Gene expression profiling during early folliculogenesis in the mouse ovary. Fertil Steril 91(5 Suppl): 2025-2036. Di Pasquale E, Beck-Peccoz P, Persani L. 2004. Hypergonadotropic ovarian failure associated with an inherited mutation of human bone morphogenetic protein-15 (BMP15) gene. Am J Hum Genet 75(1): 106-111. Di Pasquale E, Rossetti R, Marozzi A, Bodega B, Borgato S, Cavallo L, Einaudi S, Radetti G, Russo G, Sacco M et al. 2006. Identification of new variants of human BMP15 gene in a large cohort of women with premature ovarian failure. J Clin Endocrinol Metab 91(5): 1976-1979. Ding W, Wang W, Zhou B, Zhang W, Huang P, Shi F, Taya K. 2010. Formation of primordial follicles and immunolocalization of PTEN, PKB and FOXO3A proteins in the ovaries of fetal and neonatal pigs. J Reprod Dev 56(1): 162-168. Dissen GA, Garcia-Rudaz C, Ojeda SR. 2009. Role of neurotrophic factors in early ovarian development. Semin Reprod Med 27(1): 24-31. Dissen GA, Romero C, Hirshfield AN, Ojeda SR. 2001. Nerve growth factor is required for early follicular development in the mammalian ovary. Endocrinology 142(5): 2078-2086. Dixit H, Rao LK, Padmalatha VV, Kanakavalli M, Deenadayal M, Gupta N, Chakrabarty B, Singh L. 2006. Missense mutations in the BMP15 gene are associated with ovarian failure. Hum Genet 119(4): 408-415. diZerega GS, Hodgen GD. 1981. Folliculogenesis in the primate ovarian cycle. Endocr Rev 2(1): 27-49. Dolmans MM, Michaux N, Camboni A, Martinez-Madrid B, Van Langendonckt A, Nottola SA, Donnez J. 2006. Evaluation of Liberase, a purified enzyme blend, for the isolation of human primordial and primary ovarian follicles. Hum Reprod 21(2): 413-420. Donadeu FX, Schauer SN, Sontakke SD. 2012. Involvement of miRNAs in ovarian follicular and luteal development. J Endocrinol 215(3): 323-334. Doneda L, Klinger FG, Larizza L, De Felici M. 2002. KL/KIT co-expression in mouse fetal oocytes. Int J Dev Biol 46(8): 1015-1021. Dong J, Albertini DF, Nishimori K, Kumar TR, Lu N, Matzuk MM. 1996. Growth differentiation factor-9 is required during early ovarian folliculogenesis. Nature 383(6600): 531-535. Drummond AE. 2005. TGFbeta signalling in the development of ovarian function. Cell Tissue Res 322(1): 107-115. -. 2006. The role of steroids in follicular growth. Reprod Biol Endocrinol 4: 16. Drummond AE, Dyson M, Le MT, Ethier JF, Findlay JK. 2003. Ovarian follicle populations of the rat express TGF-beta signalling pathways. Mol Cell Endocrinol 202(1-2): 53-57. Dupont J, Chabrolle C, Rame C, Tosca L, Coyral-Castel S. 2008. Role of the Peroxisome ProliferatorActivated Receptors, Adenosine Monophosphate-Activated Kinase, and Adiponectin in the Ovary. Ppar Research. Durlinger AL, Kramer P, Karels B, de Jong FH, Uilenbroek JT, Grootegoed JA, Themmen AP. 1999. Control of primordial follicle recruitment by anti-Mullerian hormone in the mouse ovary. Endocrinology 140(12): 5789-5796. Dwyer JM, Liu JP. 2010. Ets2 transcription factor, telomerase activity and breast cancer. Clin Exp Pharmacol Physiol 37(1): 83-87. Emrich SJ, Barbazuk WB, Li L, Schnable PS. 2007. Gene discovery and annotation using LCM-454 transcriptome sequencing. Genome Res 17(1): 69-73. Eppig JJ, O'Brien MJ. 1996. Development in vitro of mouse oocytes from primordial follicles. Biol Reprod 54(1): 197-207. Eswarakumar VP, Lax I, Schlessinger J. 2005. Cellular signaling by fibroblast growth factor receptors. Cytokine Growth Factor Rev 16(2): 139-149. Fabre S, Pierre A, Pisselet C, Mulsant P, Lecerf F, Pohl J, Monget P, Monniaux D. 2003. The Booroola mutation in sheep is associated with an alteration of the bone morphogenetic protein receptor-IB functionality. J Endocrinol 177(3): 435-444. Fair T, Carter F, Park S, Evans AC, Lonergan P. 2007. Global gene expression analysis during bovine oocyte in vitro maturation. Theriogenology 68 Suppl 1: S91-97. 122 Faustino LR, Rossetto R, Lima IM, Silva CM, Saraiva MV, Lima LF, Silva AW, Donato MA, Campello CC, Peixoto CA et al. 2011. Expression of keratinocyte growth factor in goat ovaries and its effects on preantral follicles within cultured ovarian cortex. Reprod Sci 18(12): 1222-1229. Feary ES, Juengel JL, Smith P, French MC, O'Connell AR, Lawrence SB, Galloway SM, Davis GH, McNatty KP. 2007. Patterns of expression of messenger RNAs encoding GDF9, BMP15, TGFBR1, BMPR1B, and BMPR2 during follicular development and characterization of ovarian follicular populations in ewes carrying the Woodlands FecX2W mutation. Biol Reprod 77(6): 990-998. Feng XH, Derynck R. 2005. Specificity and versatility in tgf-beta signaling through Smads. Annu Rev Cell Dev Biol 21: 659-693. Fenwick MA, Mansour YT, Franks S, Hardy K. 2011. Identification and regulation of bone morphogenetic protein antagonists associated with preantral follicle development in the ovary. Endocrinology 152(9): 3515-3526. Fleming-Waddell JN, Wilson LM, Olbricht GR, Vuocolo T, Byrne K, Craig BA, Tellam RL, Cockett NE, Bidwell CA. 2007. Analysis of gene expression during the onset of muscle hypertrophy in callipyge lambs. Anim Genet 38(1): 28-36. Forabosco A, Sforza C, De Pol A, Vizzotto L, Marzona L, Ferrario VF. 1991. Morphometric study of the human neonatal ovary. Anat Rec 231(2): 201-208. Fortune JE. 2003. The early stages of follicular development: activation of primordial follicles and growth of preantral follicles. Animal Reproduction Science 78(3-4): 135-163. Fortune JE, Kito S, Wandji SA, Srsen V. 1998. Activation of bovine and baboon primordial follicles in vitro. Theriogenology 49(2): 441-449. Fortune JE, Yang MY, Muruvi W. 2011. In vitro and in vivo regulation of follicular formation and activation in cattle. Reprod Fertil Dev 23(1): 15-22. Gaffal E, Cron M, Glodde N, Bald T, Kuner R, Zimmer A, Lutz B, Tüting T. 2013. Cannabinoid 1 receptors in keratinocytes modulate proinflammatory chemokine secretion and attenuate contact allergic inflammation. J Immunol 190(10): 4929-4936. Gallardo TD, John GB, Bradshaw K, Welt C, Reijo-Pera R, Vogt PH, Touraine P, Bione S, Toniolo D, Nelson LM et al. 2008. Sequence variation at the human FOXO3 locus: a study of premature ovarian failure and primary amenorrhea. Hum Reprod 23(1): 216-221. Gallardo TD, John GB, Shirley L, Contreras CM, Akbay EA, Haynie JM, Ward SE, Shidler MJ, Castrillon DH. 2007. Genomewide discovery and classification of candidate ovarian fertility genes in the mouse. Genetics 177(1): 179-194. Galloway SM, McNatty KP, Cambridge LM, Laitinen MP, Juengel JL, Jokiranta TS, McLaren RJ, Luiro K, Dodds KG, Montgomery GW et al. 2000. Mutations in an oocyte-derived growth factor gene (BMP15) cause increased ovulation rate and infertility in a dosage-sensitive manner. Nat Genet 25(3): 279-283. Gerits N, Kostenko S, Shiryaev A, Johannessen M, Moens U. 2008. Relations between the mitogenactivated protein kinase and the cAMP-dependent protein kinase pathways: comradeship and hostility. Cell Signal 20(9): 1592-1607. Gigli I, Cushman RA, Wahl CM, Fortune JE. 2005. Evidence for a role for anti-Mullerian hormone in the suppression of follicle activation in mouse ovaries and bovine ovarian cortex grafted beneath the chick chorioallantoic membrane. Mol Reprod Dev 71(4): 480-488. Glister C, Kemp CF, Knight PG. 2004. Bone morphogenetic protein (BMP) ligands and receptors in bovine ovarian follicle cells: actions of BMP-4, -6 and -7 on granulosa cells and differential modulation of Smad-1 phosphorylation by follistatin. Reproduction 127(2): 239-254. Gook DA, Edgar DH, Borg J, Martic M. 2008. Detection of zona pellucida proteins during human folliculogenesis. Hum Reprod 23(2): 394-402. Goudet G, Mugnier S, Callebaut I, Monget P. 2008. Phylogenetic analysis and identification of pseudogenes reveal a progressive loss of zona pellucida genes during evolution of vertebrates. Biol Reprod 78(5): 796-806. Gougeon A. 1986. Dynamics of follicular growth in the human: a model from preliminary results. Hum Reprod 1(2): 81-87. -. 1996. Regulation of ovarian follicular development in primates: facts and hypotheses. Endocr Rev 17(2): 121-155. -. 2010. Human ovarian follicular development: from activation of resting follicles to preovulatory maturation. Ann Endocrinol (Paris) 71(3): 132-143. Gougeon A, Busso D. 2000. Morphologic and functional determinants of primordial and primary follicles in the monkey ovary. Mol Cell Endocrinol 163(1-2): 33-42. Gougeon A, Delangle A, Arouche N, Stridsberg M, Gotteland JP, Loumaye E. 2010. Kit ligand and the somatostatin receptor antagonist, BIM-23627, stimulate in vitro resting follicle growth in the neonatal mouse ovary. Endocrinology 151(3): 1299-1309. Grazul-Bilska AT, Reynolds LP, Redmer DA. 1997. Gap junctions in the ovaries. Biol Reprod 57(5): 947-957. Greenaway J, Gentry PA, Feige JJ, LaMarre J, Petrik JJ. 2005. Thrombospondin and vascular endothelial growth factor are cyclically expressed in an inverse pattern during bovine ovarian follicle development. Biol Reprod 72(5): 1071-1078. Griffin J, Emery BR, Huang I, Peterson CM, Carrell DT. 2006. Comparative analysis of follicle morphology and oocyte diameter in four mammalian species (mouse, hamster, pig, and human). J Exp Clin Assist Reprod 3: 2. Griswold MD, Hogarth CA, Bowles J, Koopman P. 2012. Initiating meiosis: the case for retinoic acid. Biol Reprod 86(2): 35. Gronostajski RM. 2000. Roles of the NFI/CTF gene family in transcription and development. Gene 249(1-2): 31-45. Guglielmo MC, Ricci G, Catizone A, Barberi M, Galdieri M, Stefanini M, Canipari R. 2011. The Effect of Hepatocyte Growth Factor on the Initial Stages of Mouse Follicle Development. Journal of Cellular Physiology 226(2): 520-529. Guigon CJ, Magre S. 2006. Contribution of germ cells to the differentiation and maturation of the ovary: insights from models of germ cell depletion. Biol Reprod 74(3): 450-458. Gupta PS, Nandi S. 2012. Isolation and culture of preantral follicles for retrieving oocytes for the embryo production: present status in domestic animals. Reprod Domest Anim 47(3): 513-519. Guth SI, Wegner M. 2008. Having it both ways: Sox protein function between conservation and innovation. Cell Mol Life Sci 65(19): 3000-3018. Haag KT, Magalhães-Padilha DM, Fonseca GR, Wischral A, Gastal MO, King SS, Jones KL, Figueiredo JR, Gastal EL. 2013. Equine preantral follicles obtained via the Biopsy Pick-Up method: histological evaluation and validation of a mechanical isolation technique. Theriogenology 79(5): 735-743. Hammer NA, Hansen T, Byskov AG, Rajpert-De Meyts E, Grøndahl ML, Bredkjaer HE, Wewer UM, Christiansen J, Nielsen FC. 2005. Expression of IGF-II mRNA-binding proteins (IMPs) in gonads and testicular cancer. Reproduction 130(2): 203-212. Hanrahan JP, Gregan SM, Mulsant P, Mullen M, Davis GH, Powell R, Galloway SM. 2004. Mutations in the genes for oocyte-derived growth factors GDF9 and BMP15 are associated with both increased ovulation rate and sterility in Cambridge and Belclare sheep (Ovis aries). Biol Reprod 70(4): 900-909. Hansen KD, Irizarry RA, Wu Z. 2012. Removing technical variability in RNA-seq data using conditional quantile normalization. Biostatistics 13(2): 204-216. Hara K, Kanai-Azuma M, Uemura M, Shitara H, Taya C, Yonekawa H, Kawakami H, Tsunekawa N, Kurohmaru M, Kanai Y. 2009. Evidence for crucial role of hindgut expansion in directing proper migration of primordial germ cells in mouse early embryogenesis. Dev Biol 330(2): 427439. Hiura H, Obata Y, Komiyama J, Shirai M, Kono T. 2006. Oocyte growth-dependent progression of maternal imprinting in mice. Genes Cells 11(4): 353-361. Holt JE, Jackson A, Roman SD, Aitken RJ, Koopman P, McLaughlin EA. 2006. CXCR4/SDF1 interaction inhibits the primordial to primary follicle transition in the neonatal mouse ovary. Dev Biol 293(2): 449-460. Hornick JE, Duncan FE, Shea LD, Woodruff TK. 2012. Isolated primate primordial follicles require a rigid physical environment to survive and grow in vitro. Hum Reprod 27(6): 1801-1810. Hossain MM, Sohel MM, Schellander K, Tesfaye D. 2012. Characterization and importance of microRNAs in mammalian gonadal functions. Cell Tissue Res 349(3): 679-690. 123 Hovatta O, Silye R, Abir R, Krausz T, Winston RM. 1997. Extracellular matrix improves survival of both stored and fresh human primordial and primary ovarian follicles in long-term culture. Hum Reprod 12(5): 1032-1036. Hsu SY, Lai RJM, Finegold M, Hsueh AJW. 1996. Targeted overexpression of Bcl-2 in ovaries of transgenic mice leads to decreased follicle apoptosis, enhanced folliculogenesis, and increased germ cell tumorigenesis. Endocrinology 137(11): 4837-4843. Hulshof SC, Figueiredo JR, Beckers JF, Bevers MM, van den Hurk R. 1994. Isolation and characterization of preantral follicles from foetal bovine ovaries. Vet Q 16(2): 78-80. Hur CG, Choe C, Kim GT, Cho SK, Park JY, Hong SG, Han J, Kang D. 2009. Expression and localization of two-pore domain K(+) channels in bovine germ cells. Reproduction 137(2): 237244. Hussein MR. 2005. Apoptosis in the ovary: molecular mechanisms. Hum Reprod Update 11(2): 162177. Hutt KJ, McLaughlin EA, Holland MK. 2006. Kit ligand and c-Kit have diverse roles during mammalian oogenesis and folliculogenesis. Mol Hum Reprod 12(2): 61-69. Iguchi T, Fukazawa Y, Uesugi Y, Takasugi N. 1990. Polyovular follicles in mouse ovaries exposed neonatally to diethylstilbestrol in vivo and in vitro. Biol Reprod 43(3): 478-484. Itman C, Mendis S, Barakat B, Loveland KL. 2006. All in the family: TGF-beta family action in testis development. Reproduction 132(2): 233-246. Ito M, Harada T, Tanikawa M, Fujii A, Shiota G, Terakawa N. 2001. Hepatocyte growth factor and stem cell factor involvement in paracrine interplays of theca and granulosa cells in the human ovary. Fertility and Sterility 75(5): 973-979. John GB, Shirley LJ, Gallardo TD, Castrillon DH. 2007. Specificity of the requirement for Foxo3 in primordial follicle activation. Reproduction 133(5): 855-863. Johnson J, Espinoza T, McGaughey RW, Rawls A, Wilson-Rawls J. 2001. Notch pathway genes are expressed in mammalian ovarian follicles. Mech Dev 109(2): 355-361. Jordan P. 2006. Initiation of homologous chromosome pairing during meiosis. Biochem Soc Trans 34(Pt 4): 545-549. Juengel JL, McNatty KP. 2005. The role of proteins of the transforming growth factor-beta superfamily in the intraovarian regulation of follicular development. Hum Reprod Update 11(2): 143-160. Juengel JL, Sawyer HR, Smith PR, Quirke LD, Heath DA, Lun S, Wakefield SJ, McNatty KP. 2002. Origins of follicular cells and ontogeny of steroidogenesis in ovine fetal ovaries. Mol Cell Endocrinol 191(1): 1-10. Juneja SC, Barr KJ, Enders GC, Kidder GM. 1999. Defects in the germ line and gonads of mice lacking connexin43. Biol Reprod 60(5): 1263-1270. Kadakia R, Arraztoa JA, Bondy C, Zhou J. 2001. Granulosa cell proliferation is impaired in the Igf1 null ovary. Growth Horm IGF Res 11(4): 220-224. Kaivo-oja N, Jeffery LA, Ritvos O, Mottershead DG. 2006. Smad signalling in the ovary. Reprod Biol Endocrinol 4: 21. Katoh-Fukui Y, Tsuchiya R, Shiroishi T, Nakahara Y, Hashimoto N, Noguchi K, Higashinakagawa T. 1998. Male-to-female sex reversal in M33 mutant mice. Nature 393(6686): 688-692. Kayamori T, Kosaka N, Miyamoto A, Shimizu T. 2009. The differential pathways of bone morphogenetic protein (BMP)-4 and -7 in the suppression of the bovine granulosa cell apoptosis. Mol Cell Biochem 323(1-2): 161-168. Kearney JB, Kappas NC, Ellerstrom C, DiPaola FW, Bautch VL. 2004. The VEGF receptor flt-1 (VEGFR-1) is a positive modulator of vascular sprout formation and branching morphogenesis. Blood 103(12): 4527-4535. Keeney S. 2008. Spo11 and the Formation of DNA Double-Strand Breaks in Meiosis. Genome Dyn Stab 2: 81-123. Kehler J, Tolkunova E, Koschorz B, Pesce M, Gentile L, Boiani M, Lomelí H, Nagy A, McLaughlin KJ, Schöler HR et al. 2004. Oct4 is required for primordial germ cell survival. EMBO Rep 5(11): 1078-1083. Kerr B, Garcia-Rudaz C, Dorfman M, Paredes A, Ojeda SR. 2009. NTRK1 and NTRK2 receptors facilitate follicle assembly and early follicular development in the mouse ovary. Reproduction 138(1): 131-140. Kezele P, Nilsson EE, Skinner MK. 2005a. Keratinocyte growth factor acts as a mesenchymal factor that promotes ovarian primordial to primary follicle transition. Biol Reprod 73(5): 967-973. Kezele P, Skinner MK. 2003. Regulation of ovarian primordial follicle assembly and development by estrogen and progesterone: endocrine model of follicle assembly. Endocrinology 144(8): 33293337. Kezele PR, Ague JM, Nilsson E, Skinner MK. 2005b. Alterations in the ovarian transcriptome during primordial follicle assembly and development. Biol Reprod 72(1): 241-255. Kiapekou E, Loutradis D, Drakakis P, Zapanti E, Mastorakos G, Antsaklis A. 2005. Effects of GH and IGF-I on the in vitro maturation of mouse oocytes. Hormones (Athens) 4(3): 155-160. Kim N, Burden SJ. 2008. MuSK controls where motor axons grow and form synapses. Nat Neurosci 11(1): 19-27. Kimura F, Bonomi LM, Schneyer AL. 2011. Follistatin regulates germ cell nest breakdown and primordial follicle formation. Endocrinology 152(2): 697-706. Klinger FG, De Felici M. 2002. In vitro development of growing oocytes from fetal mouse oocytes: stage-specific regulation by stem cell factor and granulosa cells. Dev Biol 244(1): 85-95. Knauff EA, Eijkemans MJ, Lambalk CB, ten Kate-Booij MJ, Hoek A, Beerendonk CC, Laven JS, Goverde AJ, Broekmans FJ, Themmen AP et al. 2009. Anti-Mullerian hormone, inhibin B, and antral follicle count in young women with ovarian failure. J Clin Endocrinol Metab 94(3): 786792. Kocabas AM, Crosby J, Ross PJ, Otu HH, Beyhan Z, Can H, Tam WL, Rosa GJ, Halgren RG, Lim B et al. 2006. The transcriptome of human oocytes. Proc Natl Acad Sci U S A 103(38): 1402714032. Kolas NK, Yuan L, Hoog C, Heng HH, Marcon E, Moens PB. 2004. Male mouse meiotic chromosome cores deficient in structural proteins SYCP3 and SYCP2 align by homology but fail to synapse and have possible impaired specificity of chromatin loop attachment. Cytogenet Genome Res 105(2-4): 182-188. Koopman P, Gubbay J, Vivian N, Goodfellow P, Lovell-Badge R. 1991. Male development of chromosomally female mice transgenic for Sry. Nature 351(6322): 117-121. Koutsounas I, Giaginis C, Theocharis S. 2012. Farnesoid X Receptor (FXR) from normal to malignant state. Histol Histopathol 27(7): 835-853. Kouznetsova A, Novak I, Jessberger R, Höög C. 2005. SYCP2 and SYCP3 are required for cohesin core integrity at diplotene but not for centromere cohesion at the first meiotic division. J Cell Sci 118(Pt 10): 2271-2278. Kovanci E, Rohozinski J, Simpson JL, Heard MJ, Bishop CE, Carson SA. 2007. Growth differentiating factor-9 mutations may be associated with premature ovarian failure. Fertil Steril 87(1): 143146. Kreidberg JA, Sariola H, Loring JM, Maeda M, Pelletier J, Housman D, Jaenisch R. 1993. WT-1 is required for early kidney development. Cell 74(4): 679-691. Kumar S, Chatzi C, Brade T, Cunningham TJ, Zhao X, Duester G. 2011. Sex-specific timing of meiotic initiation is regulated by Cyp26b1 independent of retinoic acid signalling. Nat Commun 2: 151. Kurimoto K, Yamaji M, Seki Y, Saitou M. 2008. Specification of the germ cell lineage in mice: a process orchestrated by the PR-domain proteins, Blimp1 and Prdm14. Cell Cycle 7(22): 35143518. Laird DJ, Altshuler-Keylin S, Kissner MD, Zhou X, Anderson KV. 2011. Ror2 enhances polarity and directional migration of primordial germ cells. PLoS Genet 7(12): e1002428. Laissue P, Christin-Maitre S, Touraine P, Kuttenn F, Ritvos O, Aittomaki K, Bourcigaux N, Jacquesson L, Bouchard P, Frydman R et al. 2006. Mutations and sequence variants in GDF9 and BMP15 in patients with premature ovarian failure. Eur J Endocrinol 154(5): 739-744. Lang JE, Magbanua MJ, Scott JH, Makrigiorgos GM, Wang G, Federman S, Esserman LJ, Park JW, Haqq CM. 2009. A comparison of RNA amplification techniques at sub-nanogram input concentration. BMC Genomics 10: 326. LaVoie HA. 2003. The role of GATA in mammalian reproduction. Exp Biol Med (Maywood) 228(11): 1282-1290. 124 Lawson KA, Dunn NR, Roelen BA, Zeinstra LM, Davis AM, Wright CV, Korving JP, Hogan BL. 1999. Bmp4 is required for the generation of primordial germ cells in the mouse embryo. Genes Dev 13(4): 424-436. Le Bouffant R, Guerquin MJ, Duquenne C, Frydman N, Coffigny H, Rouiller-Fabre V, Frydman R, Habert R, Livera G. 2010. Meiosis initiation in the human ovary requires intrinsic retinoic acid synthesis. Hum Reprod 25(10): 2579-2590. Lei L, Jin S, Gonzalez G, Behringer RR, Woodruff TK. 2010. The regulatory role of Dicer in folliculogenesis in mice. Mol Cell Endocrinol 315(1-2): 63-73. Li H, Clagett-Dame M. 2009. Vitamin A deficiency blocks the initiation of meiosis of germ cells in the developing rat ovary in vivo. Biol Reprod 81(5): 996-1001. Li P, Ponnala L, Gandotra N, Wang L, Si Y, Tausta SL, Kebrom TH, Provart N, Patel R, Myers CR et al. 2010. The developmental dynamics of the maize leaf transcriptome. Nat Genet 42(12): 10601067. Li R, Albertini DF. 2013. The road to maturation: somatic cell interaction and self-organization of the mammalian oocyte. Nat Rev Mol Cell Biol 14(3): 141-152. Lin Y, Gill ME, Koubova J, Page DC. 2008. Germ cell-intrinsic and -extrinsic factors govern meiotic initiation in mouse embryos. Science 322(5908): 1685-1687. Liu CF, Liu C, Yao HH. 2010. Building pathways for ovary organogenesis in the mouse embryo. Curr Top Dev Biol 90: 263-290. Liu K, Rajareddy S, Liu L, Jagarlamudi K, Boman K, Selstam G, Reddy P. 2006. Control of mammalian oocyte growth and early follicular development by the oocyte PI3 kinase pathway: new roles for an old timer. Dev Biol 299(1): 1-11. Liu L, Rajareddy S, Reddy P, Du C, Jagarlamudi K, Shen Y, Gunnarsson D, Selstam G, Boman K, Liu K. 2007. Infertility caused by retardation of follicular development in mice with oocyte-specific expression of Foxo3a. Development 134(1): 199-209. Lucci CM, Silva RV, Carvalho CA, Figueiredo R, Báo N. 2001. Light microscopical and ultrastructural characterization of goat preantral follicles. Small Rumin Res 41(1): 61-69. Lundy T, Smith P, O'Connell A, Hudson NL, McNatty KP. 1999. Populations of granulosa cells in small follicles of the sheep ovary. J Reprod Fertil 115(2): 251-262. Luzzi V, Mahadevappa M, Raja R, Warrington JA, Watson MA. 2003. Accurate and reproducible gene expression profiles from laser capture microdissection, transcript amplification, and high density oligonucleotide microarray analysis. J Mol Diagn 5(1): 9-14. Magalhães-Padilha DM, Geisler-Lee J, Wischral A, Gastal MO, Fonseca GR, Eloy YR, Geisler M, Figueiredo JR, Gastal EL. 2013. Gene Expression During Early Folliculogenesis in Goats Using Microarray Analysis. Biol Reprod. Magre S. 2011. La lignée germinale dans la différenciation ovarienne: un équilibre subtil entre présence nécessaire et disparition programmée. Vol Mai-Juin. Médecine clinique endocrinologie & diabète. Maisonpierre PC, Suri C, Jones PF, Bartunkova S, Wiegand SJ, Radziejewski C, Compton D, McClain J, Aldrich TH, Papadopoulos N et al. 1997. Angiopoietin-2, a natural antagonist for Tie2 that disrupts in vivo angiogenesis. Science 277(5322): 55-60. Makabe S, Naguro T, Stallone T. 2006. Oocyte-follicle cell interactions during ovarian follicle development, as seen by high resolution scanning and transmission electron microscopy in humans. Microsc Res Tech 69(6): 436-449. Malone CD, Brennecke J, Dus M, Stark A, McCombie WR, Sachidanandam R, Hannon GJ. 2009. Specialized piRNA pathways act in germline and somatic tissues of the Drosophila ovary. Cell 137(3): 522-535. Manova K, Nocka K, Besmer P, Bachvarova RF. 1990. Gonadal expression of c-kit encoded at the W locus of the mouse. Development 110(4): 1057-1069. Markholt S, Grondahl ML, Ernst EH, Andersen CY, Ernst E, Lykke-Hartmann K. 2012. Global gene analysis of oocytes from early stages in human folliculogenesis shows high expression of novel genes in reproduction. Molecular Human Reproduction 18(2): 96-110. Marnef A, Maldonado M, Bugaut A, Balasubramanian S, Kress M, Weil D, Standart N. 2010. Distinct functions of maternal and somatic Pat1 protein paralogs. RNA 16(11): 2094-2107. Martinez-Madrid B, Dolmans MM, Langendonckt AV, Defrere S, Van Eyck AS, Donnez J. 2004. Ficoll density gradient method for recovery of isolated human ovarian primordial follicles. Fertil Steril 82(6): 1648-1653. Matas AJ, Yeats TH, Buda GJ, Zheng Y, Chatterjee S, Tohge T, Ponnala L, Adato A, Aharoni A, Stark R et al. 2011. Tissue- and Cell-Type Specific Transcriptome Profiling of Expanding Tomato Fruit Provides Insights into Metabolic and Regulatory Specialization and Cuticle Formation. Plant Cell 23(11): 3893-3910. Matos MH, Lima-Verde IB, Bruno JB, Lopes CA, Martins FS, Santos KD, Rocha RM, Silva JR, Báo SN, Figueiredo JR. 2007. Follicle stimulating hormone and fibroblast growth factor-2 interact and promote goat primordial follicle development in vitro. Reprod Fertil Dev 19(5): 677-684. Matzuk MM, Lamb DJ. 2002. Genetic dissection of mammalian fertility pathways. Nat Cell Biol 4 Suppl: s41-49. Mazaud S, Oréal E, Guigon CJ, Carré-Eusèbe D, Magre S. 2002. Lhx9 expression during gonadal morphogenesis as related to the state of cell differentiation. Gene Expr Patterns 2(3-4): 373377. Mazerbourg S, Bondy CA, Zhou J, Monget P. 2003. The insulin-like growth factor system: a key determinant role in the growth and selection of ovarian follicles? a comparative species study. Reprod Domest Anim 38(4): 247-258. McMullen ML, Cho BN, Yates CJ, Mayo KE. 2001. Gonadal pathologies in transgenic mice expressing the rat inhibin alpha-subunit. Endocrinology 142(11): 5005-5014. McNatty KP, Heath DA, Lundy T, Fidler AE, Quirke L, O'Connell A, Smith P, Groome N, Tisdall DJ. 1999. Control of early ovarian follicular development. J Reprod Fertil Suppl 54: 3-16. McNatty KP, Juengel JL, Reader KL, Lun S, Myllymaa S, Lawrence SB, Western A, Meerasahib MF, Mottershead DG, Groome NP et al. 2005. Bone morphogenetic protein 15 and growth differentiation factor 9 co-operate to regulate granulosa cell function in ruminants. Reproduction 129(4): 481-487. McNatty KP, Smith P, Hudson NL, Heath DA, Tisdall DJ, O WS, Braw-Tal R. 1995. Development of the sheep ovary during fetal and early neonatal life and the effect of fecundity genes. J Reprod Fertil Suppl 49: 123-135. Merchant H. 1975. Rat gonadal and ovarioan organogenesis with and without germ cells. An ultrastructural study. Dev Biol 44(1): 1-21. Miyamoto N, Yoshida M, Kuratani S, Matsuo I, Aizawa S. 1997. Defects of urogenital development in mice lacking Emx2. Development 124(9): 1653-1664. Miyazono K, Koinuma D. 2011. Arkadia--beyond the TGF- pathway. J Biochem 149(1): 1-3. Miyoshi T, Otsuka F, Yamashita M, Inagaki K, Nakamura E, Tsukamoto N, Takeda M, Suzuki J, Makino H. 2010. Functional relationship between fibroblast growth factor-8 and bone morphogenetic proteins in regulating steroidogenesis by rat granulosa cells. Mol Cell Endocrinol 325(1-2): 84-92. Mizunuma H, Liu X, Andoh K, Abe Y, Kobayashi J, Yamada K, Yokota H, Ibuki Y, Hasegawa Y. 1999. Activin from secondary follicles causes small preantral follicles to remain dormant at the resting stage. Endocrinology 140(1): 37-42. Modak C, Chai J. 2010. Serum response factor: look into the gut. World J Gastroenterol 16(18): 21952201. Molyneaux KA, Zinszner H, Kunwar PS, Schaible K, Stebler J, Sunshine MJ, O'Brien W, Raz E, Littman D, Wylie C et al. 2003. The chemokine SDF1/CXCL12 and its receptor CXCR4 regulate mouse germ cell migration and survival. Development 130(18): 4279-4286. Monget P, Bobe J, Gougeon A, Fabre S, Monniaux D, Dalbies-Tran R. 2012. The ovarian reserve in mammals: a functional and evolutionary perspective. Mol Cell Endocrinol 356(1-2): 2-12. Monniaux D, Caraty A, Clement F, Dalbies-Tran R, Dupont J, Fabre S, Gerard N, Mermillod P, Monget P, Uzbekova S. 2009. Ovarian follicular development and ovulation in mammals. INRA Productions Animales 22(2): 59-76. Monniaux D, Huet C, Besnard N, Clément F, Bosc M, Pisselet C, Monget P, Mariana JC. 1997. Follicular growth and ovarian dynamics in mammals. J Reprod Fertil Suppl 51: 3-23. Morelli MA, Cohen PE. 2005. Not all germ cells are created equal: aspects of sexual dimorphism in mammalian meiosis. Reproduction 130(6): 761-781. 125 Mortazavi A, Williams BA, McCue K, Schaeffer L, Wold B. 2008. Mapping and quantifying mammalian transcriptomes by RNA-Seq. Nat Methods 5(7): 621-628. Murchison EP, Stein P, Xuan Z, Pan H, Zhang MQ, Schultz RM, Hannon GJ. 2007. Critical roles for Dicer in the female germline. Genes Dev 21(6): 682-693. Myers M, Middlebrook BS, Matzuk MM, Pangas SA. 2009. Loss of inhibin alpha uncouples oocytegranulosa cell dynamics and disrupts postnatal folliculogenesis. Dev Biol 334(2): 458-467. Myers M, Tripurani SK, Middlebrook B, Economides AN, Canalis E, Pangas SA. 2011. Loss of gremlin delays primordial follicle assembly but does not affect female fertility in mice. Biol Reprod 85(6): 1175-1182. Nakamura Y, Tanaka KJ, Miyauchi M, Huang L, Tsujimoto M, Matsumoto K. 2010. Translational repression by the oocyte-specific protein P100 in Xenopus. Dev Biol 344(1): 272-283. Nakazono M, Qiu F, Borsuk LA, Schnable PS. 2003. Laser-capture microdissection, a tool for the global analysis of gene expression in specific plant cell types: Identification of genes expressed differentially in epidermal cells or vascular tissues of maize. (vol 15, pg 583, 2003). Plant Cell 15(4): 1049-1049. Natesampillai S, Kerkvliet J, Leung PC, Veldhuis JD. 2008. Regulation of Kruppel-like factor 4, 9, and 13 genes and the steroidogenic genes LDLR, StAR, and CYP11A in ovarian granulosa cells. Am J Physiol Endocrinol Metab 294(2): E385-391. Nicol L, Bishop SC, Pong-Wong R, Bendixen C, Holm LE, Rhind SM, McNeilly AS. 2009. Homozygosity for a single base-pair mutation in the oocyte-specific GDF9 gene results in sterility in Thoka sheep. Reproduction 138(6): 921-933. Nilsson E, Parrott JA, Skinner MK. 2001. Basic fibroblast growth factor induces primordial follicle development and initiates folliculogenesis. Mol Cell Endocrinol 175(1-2): 123-130. Nilsson E, Rogers N, Skinner MK. 2007. Actions of anti-Mullerian hormone on the ovarian transcriptome to inhibit primordial to primary follicle transition. Reproduction 134(2): 209-221. Nilsson EE, Skinner MK. 2009. Progesterone regulation of primordial follicle assembly in bovine fetal ovaries. Mol Cell Endocrinol 313(1-2): 9-16. Notarnicola C, Malki S, Berta P, Poulat F, Boizet-Bonhoure B. 2006. Transient expression of SOX9 protein during follicular development in the adult mouse ovary. Gene Expr Patterns 6(7): 695702. O'Brien MJ, Pendola JK, Eppig JJ. 2003. A revised protocol for in vitro development of mouse oocytes from primordial follicles dramatically improves their developmental competence. Biol Reprod 68(5): 1682-1686. Oh JS, Susor A, Conti M. 2011. Protein tyrosine kinase Wee1B is essential for metaphase II exit in mouse oocytes. Science 332(6028): 462-465. Ojeda SR, Romero C, Tapia V, Dissen GA. 2000. Neurotrophic and cell-cell dependent control of early follicular development. Mol Cell Endocrinol 163(1-2): 67-71. Oktay K, Briggs D, Gosden RG. 1997a. Ontogeny of follicle-stimulating hormone receptor gene expression in isolated human ovarian follicles. J Clin Endocrinol Metab 82(11): 3748-3751. Oktay K, Nugent D, Newton H, Salha O, Chatterjee P, Gosden RG. 1997b. Isolation and characterization of primordial follicles from fresh and cryopreserved human ovarian tissue. Fertil Steril 67(3): 481-486. Oktem O, Urman B. Understanding follicle growth in vivo. Hum Reprod 25(12): 2944-2954. -. 2010. Understanding follicle growth in vivo. Hum Reprod 25(12): 2944-2954. Oron G, Fisch B, Zhang XY, Gabbay-Benziv R, Kessler-Icekson G, Krissi H, Ben-Haroush A, Ao A, Abir R. 2012. Fibroblast growth factor 10 in human ovaries. Reprod Biomed Online 25(4): 396401. Oshlack A, Wakefield MJ. 2009. Transcript length bias in RNA-seq data confounds systems biology. Biol Direct 4: 14. Otsuka F, Shimasaki S. 2002. A negative feedback system between oocyte bone morphogenetic protein 15 and granulosa cell kit ligand: its role in regulating granulosa cell mitosis. Proc Natl Acad Sci U S A 99(12): 8060-8065. Otsuka F, Yao Z, Lee T, Yamamoto S, Erickson GF, Shimasaki S. 2000. Bone morphogenetic protein15. Identification of target cells and biological functions. J Biol Chem 275(50): 39523-39528. Ottolenghi C, Colombino M, Crisponi L, Cao A, Forabosco A, Schlessinger D, Uda M. 2007. Transcriptional control of ovarian development in somatic cells. Seminars in Reproductive Medicine 25(4): 252-263. Ozbay T, Rowan A, Leon A, Patel P, Sewer MB. 2006. Cyclic adenosine 5'-monophosphate-dependent sphingosine-1-phosphate biosynthesis induces human CYP17 gene transcription by activating cleavage of sterol regulatory element binding protein 1. Endocrinology 147(3): 1427-1437. Packer AI, Hsu YC, Besmer P, Bachvarova RF. 1994. The ligand of the c-kit receptor promotes oocyte growth. Dev Biol 161(1): 194-205. Paillisson A, Dade S, Callebaut I, Bontoux M, Dalbies-Tran R, Vaiman D, Monget P. 2005. Identification, characterization and metagenome analysis of oocyte-specific genes organized in clusters in the mouse genome. BMC Genomics 6(1): 76. Pan H, O'Brien M J, Wigglesworth K, Eppig JJ, Schultz RM. 2005. Transcript profiling during mouse oocyte development and the effect of gonadotropin priming and development in vitro. Dev Biol 286(2): 493-506. Pangas SA, Choi Y, Ballow DJ, Zhao Y, Westphal H, Matzuk MM, Rajkovic A. 2006. Oogenesis requires germ cell-specific transcriptional regulators Sohlh1 and Lhx8. Proc Natl Acad Sci U S A 103(21): 8090-8095. Pannetier M, Fabre S, Batista F, Kocer A, Renault L, Jolivet G, Mandon-Pepin B, Cotinot C, Veitia R, Pailhoux E. 2006. FOXL2 activates P450 aromatase gene transcription: towards a better characterization of the early steps of mammalian ovarian development. J Mol Endocrinol 36(3): 399-413. Paredes A, Romero C, Dissen GA, DeChiara TM, Reichardt L, Cornea A, Ojeda SR, Xu B. 2004. TrkB receptors are required for follicular growth and oocyte survival in the mammalian ovary. Dev Biol 267(2): 430-449. Park CE, Cha KY, Kim K, Lee KA. 2005. Expression of cell cycle regulatory genes during primordialprimary follicle transition in the mouse ovary. Fertil Steril 83(2): 410-418. Parrott JA, Skinner MK. 1998a. Developmental and hormonal regulation of hepatocyte growth factor expression and action in the bovine ovarian follicle. Biology of Reproduction 59(3): 553-560. -. 1998b. Thecal cell-granulosa cell interactions involve a positive feedback loop among keratinocyte growth factor, hepatocyte growth factor, and Kit ligand during ovarian follicular development. Endocrinology 139(5): 2240-2245. -. 1999. Kit-ligand/stem cell factor induces primordial follicle development and initiates folliculogenesis. Endocrinology 140(9): 4262-4271. Patil AA, Cai Y, Sang Y, Blecha F, Zhang G. 2005. Cross-species analysis of the mammalian betadefensin gene family: presence of syntenic gene clusters and preferential expression in the male reproductive tract. Physiol Genomics 23(1): 5-17. Pawlowski WP, Cande WZ. 2005. Coordinating the events of the meiotic prophase. Trends Cell Biol 15(12): 674-681. Pazin DE, Albrecht KH. 2009. Developmental expression of Smoc1 and Smoc2 suggests potential roles in fetal gonad and reproductive tract differentiation. Dev Dyn 238(11): 2877-2890. Pelusi C, Ikeda Y, Zubair M, Parker KL. 2008. Impaired Follicle Development and Infertility in Female Mice Lacking Steroidogenic Factor 1 in Ovarian Granulosa Cells. Biology of Reproduction 79(6): 1074-1083. Pepling ME. 2006. From primordial germ cell to primordial follicle: mammalian female germ cell development. Genesis 44(12): 622-632. -. 2012. Follicular assembly: mechanisms of action. Reproduction 143(2): 139-149. Perez GI, Robles R, Knudson CM, Flaws JA, Korsmeyer SJ, Tilly JL. 1999. Prolongation of ovarian lifespan into advanced chronological age by Bax-deficiency. Nat Genet 21(2): 200-203. Perks CM, Denning-Kendall PA, Gilmour RS, Wathes DC. 1995. Localization of messenger ribonucleic acids for insulin-like growth factor I (IGF-I), IGF-II, and the type 1 IGF receptor in the ovine ovary throughout the estrous cycle. Endocrinology 136(12): 5266-5273. Pesce M, Klinger FG, De Felici M. 2002. Derivation in culture of primordial germ cells from cells of the mouse epiblast: phenotypic induction and growth control by Bmp4 signalling. Mech Dev 112(1-2): 15-24. 126 Picton H, Briggs D, Gosden R. 1998. The molecular basis of oocyte growth and development. Mol Cell Endocrinol 145(1-2): 27-37. Pisarska MD, Bae J, Klein C, Hsueh AJ. 2004. Forkhead l2 is expressed in the ovary and represses the promoter activity of the steroidogenic acute regulatory gene. Endocrinology 145(7): 3424-3433. Pisarska MD, Barlow G, Kuo FT. 2011. Minireview: Roles of the Forkhead Transcription Factor FOXL2 in Granulosa Cell Biology and Pathology. Endocrinology 152(4): 1199-1208. Pitetti JL, Torre D, Conne B, Papaioannou MD, Cederroth CR, Xuan S, Kahn R, Parada LF, Vassalli JD, Efstratiadis A et al. 2009. Insulin receptor and IGF1R are not required for oocyte growth, differentiation, and maturation in mice. Sex Dev 3(5): 264-272. Potthoff MJ, Olson EN. 2007. MEF2: a central regulator of diverse developmental programs. Development 134(23): 4131-4140. Puglisi R, Montanari M, Chiarella P, Stefanini M, Boitani C. 2004. Regulatory role of BMP2 and BMP7 in spermatogonia and Sertoli cell proliferation in the immature mouse. Eur J Endocrinol 151(4): 511-520. Quennell JH, Stanton JA, Hurst PR. 2004. Basic fibroblast growth factor expression in isolated small human ovarian follicles. Mol Hum Reprod 10(9): 623-628. Rajareddy S, Reddy P, Du C, Liu L, Jagarlamudi K, Tang W, Shen Y, Berthet C, Peng SL, Kaldis P et al. 2007. p27kip1 (cyclin-dependent kinase inhibitor 1B) controls ovarian development by suppressing follicle endowment and activation and promoting follicle atresia in mice. Mol Endocrinol 21(9): 2189-2202. Rajkovic A, Pangas SA, Ballow D, Suzumori N, Matzuk MM. 2004. NOBOX deficiency disrupts early folliculogenesis and oocyte-specific gene expression. Science 305(5687): 1157-1159. Ramskold D, Wang ET, Burge CB, Sandberg R. 2009. An Abundance of Ubiquitously Expressed Genes Revealed by Tissue Transcriptome Sequence Data. Plos Computational Biology 5(12). Reader KL, Haydon LJ, Littlejohn RP, Juengel JL, McNatty KP. 2012. Booroola BMPR1B mutation alters early follicular development and oocyte ultrastructure in sheep. Reprod Fertil Dev 24(2): 353-361. Reddy P, Adhikari D, Zheng W, Liang S, Hamalainen T, Tohonen V, Ogawa W, Noda T, Volarevic S, Huhtaniemi I et al. 2009. PDK1 signaling in oocytes controls reproductive aging and lifespan by manipulating the survival of primordial follicles. Hum Mol Genet 18(15): 2813-2824. Reddy P, Liu L, Adhikari D, Jagarlamudi K, Rajareddy S, Shen Y, Du C, Tang W, Hamalainen T, Peng SL et al. 2008. Oocyte-specific deletion of Pten causes premature activation of the primordial follicle pool. Science 319(5863): 611-613. Reddy P, Zheng W, Liu K. 2010. Mechanisms maintaining the dormancy and survival of mammalian primordial follicles. Trends Endocrinol Metab 21(2): 96-103. Restivo G, Nguyen BC, Dziunycz P, Ristorcelli E, Ryan RJ, Özuysal Ö, Di Piazza M, Radtke F, Dixon MJ, Hofbauer GF et al. 2011. IRF6 is a mediator of Notch pro-differentiation and tumour suppressive function in keratinocytes. EMBO J 30(22): 4571-4585. Reynolds N, Collier B, Bingham V, Gray NK, Cooke HJ. 2007. Translation of the synaptonemal complex component Sycp3 is enhanced in vivo by the germ cell specific regulator Dazl. RNA 13(7): 974-981. Reynolds N, Collier B, Maratou K, Bingham V, Speed RM, Taggart M, Semple CA, Gray NK, Cooke HJ. 2005. Dazl binds in vivo to specific transcripts and can regulate the pre-meiotic translation of Mvh in germ cells. Hum Mol Genet 14(24): 3899-3909. Robles R, Morita Y, Mann KK, Perez GI, Yang S, Matikainen T, Sherr DH, Tilly JL. 2000. The aryl hydrocarbon receptor, a basic helix-loop-helix transcription factor of the PAS gene family, is required for normal ovarian germ cell dynamics in the mouse. Endocrinology 141(1): 450-453. Ross A, Munger S, Capel B. 2007. Bmp7 regulates germ cell proliferation in mouse fetal gonads. Sex Dev 1(2): 127-137. Roy SK, Albee L. 2000. Requirement for follicle-stimulating hormone action in the formation of primordial follicles during perinatal ovarian development in the hamster. Endocrinology 141(12): 4449-4456. Russell MC, Cowan RG, Harman RM, Walker AL, Quirk SM. 2007. The hedgehog signaling pathway in the mouse ovary. Biology of Reproduction 77(2): 226-236. Sadovsky Y, Crawford PA, Woodson KG, Polish JA, Clements MA, Tourtellotte LM, Simburger K, Milbrandt J. 1995. Mice deficient in the orphan receptor steroidogenic factor 1 lack adrenal glands and gonads but express P450 side-chain-cleavage enzyme in the placenta and have normal embryonic serum levels of corticosteroids. Proc Natl Acad Sci U S A 92(24): 1093910943. Sakakura Y, Shimano H, Sone H, Takahashi A, Inoue N, Toyoshima H, Suzuki S, Yamada N, Inoue K. 2001. Sterol regulatory element-binding proteins induce an entire pathway of cholesterol synthesis. Biochem Biophys Res Commun 286(1): 176-183. Sakurada Y, Shirota M, Inoue K, Uchida N, Shirota K. 2006. New approach to in situ quantification of ovarian gene expression in rat using a laser microdissection technique: relationship between follicle types and regulation of inhibin-alpha and cytochrome P450aromatase genes in the rat ovary. Histochem Cell Biol 126(6): 735-741. Sawyer HR, Smith P, Heath DA, Juengel JL, Wakefield SJ, McNatty KP. 2002. Formation of ovarian follicles during fetal development in sheep. Biol Reprod 66(4): 1134-1150. Schlessinger D, Garcia-Ortiz JE, Forabosco A, Uda M, Crisponi L, Pelosi E. 2010. Determination and stability of gonadal sex. J Androl 31(1): 16-25. Schlessinger K, Hall A, Tolwinski N. 2009. Wnt signaling pathways meet Rho GTPases. Genes & Development 23(3): 265-277. Schmid MW, Schmidt A, Klostermeier UC, Barann M, Rosenstiel P, Grossniklaus U. 2012a. A powerful method for transcriptional profiling of specific cell types in eukaryotes: laser-assisted microdissection and RNA sequencing. PLoS One 7(1): e29685. -. 2012b. A powerful method for transcriptional profiling of specific cell types in eukaryotes: laserassisted microdissection and RNA sequencing. PloS one 7(1): e29685-e29685. Schmidt D, Ovitt CE, Anlag K, Fehsenfeld S, Gredsted L, Treier AC, Treier M. 2004. The murine winged-helix transcription factor Foxl2 is required for granulosa cell differentiation and ovary maintenance. Development 131(4): 933-942. Schmidt KL, Kryger-Baggesen N, Byskov AG, Andersen CY. 2005. Anti-Müllerian hormone initiates growth of human primordial follicles in vitro. Mol Cell Endocrinol 234(1-2): 87-93. Schultz RM, Letourneau GE, Wassarman PM. 1979. Program of early development in the mammal: changes in the patterns and absolute rates of tubulin and total protein synthesis during oocyte growth in the mouse. Dev Biol 73(1): 120-133. Sen A, Hammes SR. 2010. Granulosa Cell-Specific Androgen Receptors Are Critical Regulators of Ovarian Development and Function. Molecular Endocrinology 24(7): 1393-1403. Shawlot W, Behringer RR. 1995. Requirement for Lim1 in head-organizer function. Nature 374(6521): 425-430. Shea-Eaton WK, Trinidad MJ, Lopez D, Nackley A, McLean MP. 2001. Sterol regulatory element binding protein-1a regulation of the steroidogenic acute regulatory protein gene. Endocrinology 142(4): 1525-1533. Shimizu T, Kayamori T, Murayama C, Miyamoto A. 2012. Bone morphogenetic protein (BMP)-4 and BMP-7 suppress granulosa cell apoptosis via different pathways: BMP-4 via PI3K/PDK-1/Akt and BMP-7 via PI3K/PDK-1/PKC. Biochem Biophys Res Commun 417(2): 869-873. Shoag J, Haq R, Zhang M, Liu L, Rowe GC, Jiang A, Koulisis N, Farrel C, Amos CI, Wei Q et al. 2013. PGC-1 coactivators regulate MITF and the tanning response. Mol Cell 49(1): 145-157. Silva JR, van den Hurk R, van Tol HT, Roelen BA, Figueiredo JR. 2006. The Kit ligand/c-Kit receptor system in goat ovaries: gene expression and protein localization. Zygote 14(4): 317-328. Simmen RC, Pabona JM, Velarde MC, Simmons C, Rahal O, Simmen FA. 2010. The emerging role of Krüppel-like factors in endocrine-responsive cancers of female reproductive tissues. J Endocrinol 204(3): 223-231. Simon AM, Goodenough DA, Li E, Paul DL. 1997. Female infertility in mice lacking connexin 37. Nature 385(6616): 525-529. Smith P, O WS, Hudson NL, Shaw L, Heath DA, Condell L, Phillips DJ, McNatty KP. 1993. Effects of the Booroola gene (FecB) on body weight, ovarian development and hormone concentrations during fetal life. J Reprod Fertil 98(1): 41-54. Song Z, Min L, Pan Q, Shi Q, Shen W. 2009. Maternal imprinting during mouse oocyte growth in vivo and in vitro. Biochem Biophys Res Commun 387(4): 800-805. 127 Soues S, Kann ML, Fouquet JP, Melki R. 2003. The cytosolic chaperonin CCT associates to cytoplasmic microtubular structures during mammalian spermiogenesis and to heterochromatin in germline and somatic cells. Exp Cell Res 288(2): 363-373. Spears N, Molinek MD, Robinson LL, Fulton N, Cameron H, Shimoda K, Telfer EE, Anderson RA, Price DJ. 2003. The role of neurotrophin receptors in female germ-cell survival in mouse and human. Development 130(22): 5481-5491. Spiller CM, Bowles J, Koopman P. 2012. Regulation of germ cell meiosis in the fetal ovary. Int J Dev Biol 56(10-12): 779-787. Steckler T, Wang J, Bartol FF, Roy SK, Padmanabhan V. 2005. Fetal programming: prenatal testosterone treatment causes intrauterine growth retardation, reduces ovarian reserve and increases ovarian follicular recruitment. Endocrinology 146(7): 3185-3193. Stoop H, Honecker F, Cools M, de Krijger R, Bokemeyer C, Looijenga LH. 2005. Differentiation and development of human female germ cells during prenatal gonadogenesis: an immunohistochemical study. Hum Reprod 20(6): 1466-1476. Su Y-Q, Sugiura K, Wigglesworth K, O'Brien MJ, Affourtit JP, Pangas SA, Matzuk MM, Eppig JJ. 2008. Oocyte regulation of metabolic cooperativity between mouse cumulus cells and oocytes: BMP15 and GDF9 control cholesterol biosynthesis in cumulus cells. Development 135(1): 111121. Sudo K, Chinen K, Nakamura Y. 1994. 2058 expressed sequence tags (ESTs) from a human fetal lung cDNA library. Genomics 24(2): 276-279. Sugiura K, Pendola FL, Eppig JJ. 2005. Oocyte control of metabolic cooperativity between oocytes and companion granulosa cells: energy metabolism. Dev Biol 279(1): 20-30. Sui X-X, Luo L-L, Xu J-J, Fu Y-C. 2010. Evidence that FOXO3a is involved in oocyte apoptosis in the neonatal rat ovary. Biochemistry and Cell Biology-Biochimie Et Biologie Cellulaire 88(4): 621628. Sánchez F, Smitz J. 2012. Molecular control of oogenesis. Biochim Biophys Acta 1822(12): 1896-1912. Takeuchi Y, Molyneaux K, Runyan C, Schaible K, Wylie C. 2005. The roles of FGF signaling in germ cell migration in the mouse. Development 132(24): 5399-5409. Taylor PD, Hillier SG, Fraser HM. 2004. Effects of GnRH antagonist treatment on follicular development and angiogenesis in the primate ovary. J Endocrinol 183(1): 1-17. Teichert I, Wolff G, Kueck U, Nowrousian M. 2012a. Combining laser microdissection and RNA-seq to chart the transcriptional landscape of fungal development. Bmc Genomics 13. Teichert I, Wolff G, Kück U, Nowrousian M. 2012b. Combining laser microdissection and RNA-seq to chart the transcriptional landscape of fungal development. BMC Genomics 13: 511. Telfer EE, McLaughlin M, Ding C, Thong KJ. 2008. A two-step serum-free culture system supports development of human oocytes from primordial follicles in the presence of activin. Hum Reprod 23(5): 1151-1158. Thibault C, Levasseur MC. 2001. Reproduction in mammals and man. La reproduction chez les mammiferes et l'homme: 928 pp.-928 pp. Thomas FH, Armstrong DG, Telfer EE. 2003. Activin promotes oocyte development in ovine preantral follicles in vitro. Reprod Biol Endocrinol 1: 76. Thomas FH, Vanderhyden BC. 2006. Oocyte-granulosa cell interactions during mouse follicular development: regulation of kit ligand expression and its role in oocyte growth. Reprod Biol Endocrinol 4: 19. Tisdall DJ, Fidler AE, Smith P, Quirke LD, Stent VC, Heath DA, McNatty KP. 1999. Stem cell factor and c-kit gene expression and protein localization in the sheep ovary during fetal development. J Reprod Fertil 116(2): 277-291. Tisdall DJ, Quirke LD, Smith P, McNatty KP. 1997. Expression of the ovine stem cell factor gene during folliculogenesis in late fetal and adult ovaries. J Mol Endocrinol 18(2): 127-135. Tomic D, Brodie SG, Deng C, Hickey RJ, Babus JK, Malkas LH, Flaws JA. 2002. Smad 3 may regulate follicular growth in the mouse ovary. Biol Reprod 66(4): 917-923. Trombly DJ, Woodruff TK, Mayo KE. 2009. Suppression of Notch signaling in the neonatal mouse ovary decreases primordial follicle formation. Endocrinology 150(2): 1014-1024. Tsuda M, Sasaoka Y, Kiso M, Abe K, Haraguchi S, Kobayashi S, Saga Y. 2003. Conserved role of nanos proteins in germ cell development. Science 301(5637): 1239-1241. Turner JM, Mahadevaiah SK, Fernandez-Capetillo O, Nussenzweig A, Xu X, Deng CX, Burgoyne PS. 2005. Silencing of unsynapsed meiotic chromosomes in the mouse. Nat Genet 37(1): 41-47. Törmälä RM, Jääskeläinen M, Lakkakorpi J, Liakka A, Tapanainen JS, Vaskivuo TE. 2008. Zona pellucida components are present in human fetal ovary before follicle formation. Mol Cell Endocrinol 289(1-2): 10-15. Uda M, Ottolenghi C, Crisponi L, Garcia JE, Deiana M, Kimber W, Forabosco A, Cao A, Schlessinger D, Pilia G. 2004. Foxl2 disruption causes mouse ovarian failure by pervasive blockage of follicle development. Hum Mol Genet 13(11): 1171-1181. Valve E, Penttilä TL, Paranko J, Härkönen P. 1997. FGF-8 is expressed during specific phases of rodent oocyte and spermatogonium development. Biochem Biophys Res Commun 232(1): 173-177. van Wezel IL, Umapathysivam K, Tilley WD, Rodgers RJ. 1995. Immunohistochemical localization of basic fibroblast growth factor in bovine ovarian follicles. Mol Cell Endocrinol 115(2): 133-140. Vendola K, Zhou J, Wang J, Famuyiwa OA, Bievre M, Bondy CA. 1999. Androgens promote oocyte insulin-like growth factor I expression and initiation of follicle development in the primate ovary. Biol Reprod 61(2): 353-357. Vincent SD, Dunn NR, Sciammas R, Shapiro-Shalef M, Davis MM, Calame K, Bikoff EK, Robertson EJ. 2005. The zinc finger transcriptional repressor Blimp1/Prdm1 is dispensable for early axis formation but is required for specification of primordial germ cells in the mouse. Development 132(6): 1315-1325. Visser JA, de Jong FH, Laven JS, Themmen AP. 2006. Anti-Mullerian hormone: a new marker for ovarian function. Reproduction 131(1): 1-9. Vitt UA, Hayashi M, Klein C, Hsueh AJ. 2000. Growth differentiation factor-9 stimulates proliferation but suppresses the follicle-stimulating hormone-induced differentiation of cultured granulosa cells from small antral and preovulatory rat follicles. Biol Reprod 62(2): 370-377. Vizziano-Cantonnet D, Baron D, Mahè S, Cauty C, Fostier A, Guiguen Y. 2008. Estrogen treatment upregulates female genes but does not suppress all early testicular markers during rainbow trout male-to-female gonadal transdifferentiation. J Mol Endocrinol 41(5): 277-288. Wan P, Hu Y, He L. 2011. Regulation of melanocyte pivotal transcription factor MITF by some other transcription factors. Mol Cell Biochem 354(1-2): 241-246. Wandji SA, Pelletier G, Sirard MA. 1992. Ontogeny and cellular localization of 125I-labeled insulinlike growth factor-I, 125I-labeled follicle-stimulating hormone, and 125I-labeled human chorionic gonadotropin binding sites in ovaries from bovine fetuses and neonatal calves. Biol Reprod 47(5): 814-822. Wandji SA, Srsen V, Voss AK, Eppig JJ, Fortune JE. 1996. Initiation in vitro of growth of bovine primordial follicles. Biol Reprod 55(5): 942-948. Wang C, Prossnitz ER, Roy SK. 2008. G protein-coupled receptor 30 expression is required for estrogen stimulation of primordial follicle formation in the hamster ovary. Endocrinology 149(9): 44524461. Wang N, Zhang P, Guo X, Zhou Z, Sha J. 2011. Hnrnpk, a protein differentially expressed in immature rat ovarian development, is required for normal primordial follicle assembly and development. Endocrinology 152(3): 1024-1035. Wang Z, Gerstein M, Snyder M. 2009. RNA-Seq: a revolutionary tool for transcriptomics. Nat Rev Genet 10(1): 57-63. Webb R, Nicholas B, Gong JG, Campbell BK, Gutierrez CG, Garverick HA, Armstrong DG. 2003. Mechanisms regulating follicular development and selection of the dominant follicle. Reprod Suppl 61: 71-90. Willis MS, Dyer LA, Ren R, Lockyer P, Moreno-Miralles I, Schisler JC, Patterson C. 2013. BMPER regulates cardiomyocyte size and vessel density in vivo. Cardiovasc Pathol 22(3): 228-240. Wright DB. 2003. Making friends with your data: improving how statistics are conducted and reported. Br J Educ Psychol 73(Pt 1): 123-136. Xu X, Zhang Y, Williams J, Antoniou E, McCombie WR, Wu S, Zhu W, Davidson NO, Denoya P, Li E. 2013. Parallel comparison of Illumina RNA-Seq and Affymetrix microarray platforms on transcriptomic profiles generated from 5-aza-deoxy-cytidine treated HT-29 colon cancer cells and simulated datasets. BMC Bioinformatics 14 Suppl 9: S1. 128 Yamaguchi S, Kurimoto K, Yabuta Y, Sasaki H, Nakatsuji N, Saitou M, Tada T. 2009. Conditional knockdown of Nanog induces apoptotic cell death in mouse migrating primordial germ cells. Development 136(23): 4011-4020. Yan C, Wang P, DeMayo J, DeMayo FJ, Elvin JA, Carino C, Prasad SV, Skinner SS, Dunbar BS, Dube JL et al. 2001. Synergistic roles of bone morphogenetic protein 15 and growth differentiation factor 9 in ovarian function. Mol Endocrinol 15(6): 854-866. Yang JL, Zhang CP, Li L, Huang L, Ji SY, Lu CL, Fan CH, Cai H, Ren Y, Hu ZY et al. 2010. Testosterone induces redistribution of forkhead box-3a and down-regulation of growth and differentiation factor 9 messenger ribonucleic acid expression at early stage of mouse folliculogenesis. Endocrinology 151(2): 774-782. Yang MY, Fortune JE. 2006. Testosterone stimulates the primary to secondary follicle transition in bovine follicles in vitro. Biol Reprod 75(6): 924-932. -. 2007. Vascular endothelial growth factor stimulates the primary to secondary follicle transition in bovine follicles in vitro. Mol Reprod Dev. -. 2008. The Capacity of Primordial Follicles in Fetal Bovine Ovaries to Initiate Growth In Vitro Develops During Mid-Gestation and Is Associated with Meiotic Arrest of Oocytes. Biol Reprod. Yao HHC, Matzuk MM, Jorgez CJ, Menke DB, Page DC, Swain A, Capel B. 2004. Follistatin operates downstream of Wnt4 in mammalian ovary organogenesis. Developmental Dynamics 230(2): 210-215. Ying Y, Liu XM, Marble A, Lawson KA, Zhao GQ. 2000. Requirement of Bmp8b for the generation of primordial germ cells in the mouse. Mol Endocrinol 14(7): 1053-1063. Ying Y, Zhao GQ. 2001. Cooperation of endoderm-derived BMP2 and extraembryonic ectodermderived BMP4 in primordial germ cell generation in the mouse. Dev Biol 232(2): 484-492. Yoon SJ, Kim KH, Chung HM, Choi DH, Lee WS, Cha KY, Lee KA. 2006. Gene expression profiling of early follicular development in primordial, primary, and secondary follicles. Fertil Steril 85(1): 193-203. Youngren KK, Coveney D, Peng X, Bhattacharya C, Schmidt LS, Nickerson ML, Lamb BT, Deng JM, Behringer RR, Capel B et al. 2005. The Ter mutation in the dead end gene causes germ cell loss and testicular germ cell tumours. Nature 435(7040): 360-364. Zachos NC, Billiar RB, Albrecht ED, Pepe GJ. 2002. Developmental regulation of baboon fetal ovarian maturation by estrogen. Biol Reprod 67(4): 1148-1156. Zagórska A, Dulak J. 2004. HIF-1: the knowns and unknowns of hypoxia sensing. Acta Biochim Pol 51(3): 563-585. Zakin L, Chang EY, Plouhinec JL, De Robertis EM. 2010. Crossveinless-2 is required for the relocalization of Chordin protein within the vertebral field in mouse embryos. Dev Biol 347(1): 204-215. Zhang CP, Yang JL, Zhang J, Li L, Huang L, Ji SY, Hu ZY, Gao F, Liu YX. 2011. Notch Signaling Is Involved in Ovarian Follicle Development by Regulating Granulosa Cell Proliferation. Endocrinology. Zhao H, Chen ZJ, Qin Y, Shi Y, Wang S, Choi Y, Simpson JL, Rajkovic A. 2008. Transcription factor FIGLA is mutated in patients with premature ovarian failure. Am J Hum Genet 82(6): 13421348. Zhao H, Qin Y, Kovanci E, Simpson JL, Chen ZJ, Rajkovic A. 2007. Analyses of GDF9 mutation in 100 Chinese women with premature ovarian failure. Fertil Steril 88(5): 1474-1476. Zhao J, Taverne MA, van der Weijden GC, Bevers MM, van den Hurk R. 2001a. Effect of activin A on in vitro development of rat preantral follicles and localization of activin A and activin receptor II. Biol Reprod 65(3): 967-977. Zhao J, Taverne MA, Van Der Weijden GC, Bevers MM, Van Den Hurk R. 2001b. Insulin-like growth factor-I (IGF-I) stimulates the development of cultured rat pre-antral follicles. Mol Reprod Dev 58(3): 287-296. Zheng W, Chung LM, Zhao H. 2011. Bias detection and correction in RNA-Sequencing data. BMC Bioinformatics 12: 290. Zheng W, Nagaraju G, Liu Z, Liu K. 2012. Functional roles of the phosphatidylinositol 3-kinases (PI3Ks) signaling in the mammalian ovary. Mol Cell Endocrinol 356(1-2): 24-30. A IA I 129 ACC L 1-aminocyclopropane-1-carboxylate synthase homolog; Arabidopsis (non-functional)like AC L1 activin A receptor type II-like 1 ADNc ADN complémentaire A aryl hydrocarbon receptor AKT1 thymoma viral proto-oncogene 1 ALCAM activated leukocyte cell adhesion molecule)…) ALK activin receptor-like kinase AM anti-Mullerian hormone AM 2 récepteur de l'AMH type 2 AMPc adénosine monophosphate cyclique AMPK protein kinase, AMP-activated, alpha 1 catalytic subunit ANOVA ANalysis Of Variance C adenomatosis polyposis coli A androgen receptor A KADIA/ nf11 ring finger 111, E3 Ubiquitin-Protein Ligase ARN Acide ribonucléotidique ARNa Acide ribonucléotidique amplifié ARNm Acide ribonucléotidique messager ARNT aryl hydrocarbon receptor nuclear translocator A B ankyrin repeat and SOCS box containing 9 ATM ataxia telangiectasia mutated homolog, human AT ataxia telangiectasia and Rad3 related A KA aurora kinase A BAD BCL2-associated agonist of cell death BAMBI BMP and Activin membrane bound inhibitor BA BCL2-associated X protein BCL2 B cell leukemia/lymphoma 2 BCL2L1 BCL2 like 1 BD 2 3-hydroxybutyrate dehydrogenase, type 2 BD F brain derived neurotrophic factor BID BH3 interacting domain death agonist BMP Bone Morphogenetic Protein BMP BMP-binding endothelial regulator BMP 1B bone morphogenetic protein receptor, type 1B B LL bol, boule-like (Drosophila) BPES Blepharophimosis Ptosis Epicantus inversus Syndrome B CA1 breast cancer 1 B CL2 Bernardinelli-Seip congenital lipodystrophy 2 homolog, human B brain specific homeobox BTG B-cell translocation gene 4 BT C beta-transducin repeat containing E3 ubiquitin protein ligase CA 1 caveolin 1, caveolae protein CALB2 calbindin 2 CB 2/M33 Chromobox homolog 2, Drosophila, polycom class CC D1 cycline D1 CDC2 ou CDC1 cyclin-dependent kinase 1 CDC25B cell division cycle 25B CDK Cyclin-dependent kinase CDK 1B (p2 kip1) cyclin-dependent kinase inhibitor 1B C cellules de granulosa C cellules germinales primordiales C D chordin C DL1 chordin-like 1 C T 1 contactin 1 C 1 type 1-cannabinoid receptor CP B1 cytoplasmic polyadenylation element binding protein 1) C T carnitine palmitoyltransferase C B cAMP responsive element binding protein 1 CT F connective tissue growth factor CTP1 CtIP-related endonuclease CT B1 catenin (cadherin-associated protein), beta 1 C L1A1 collagen, type I, alpha 1 C 3 ou C A connexin 37 C 3 ou C A1 connexin 43 C CL12 ou DF1 chemokine (C-X-C motif) ligand 12 C C chemokine (C-X-C motif) receptor 4 C P11A1 cytochrome P450, family 11, subfamily A, polypeptide 1 C P1 A1 cytochrome P450, family 17, subfamily A, polypeptide 1 C P1 A1 aromatase, Cytochrome P450, family 19, subfamily A, polypeptide 1 C P26A1 cytochrome P450, family 26, subfamily a, polypeptide 1 C P26B1 cytochrome P450, family 26, subfamily b, polypeptide 1 differential screening selected gene abberative in neuroblastoma Dazl deleted in azoospermia-like DD / A A/Mvh D-E-A-D (aspartate-glutamate-alanine-aspartate) box polypeptide) D FB112 defensin, beta 112 D diethylstilbestrol DKK dickkopf DLL Delta-Like Homolog, Drosophila DMC1 disrupted meiotic cDNA 1 homolog DM TC2 doublesex and mab-3 related transcription factor like family C2 D D1 dead end homolog 1, zebrafish D MT1 DNA methyltransferase (cytosine-5) 1 D MT3B DNA methyltransferase 3B DP103 DEAD box-containing DP L2 dihydropyrimidinase-like 2 D 1 endothelin 1 2F1 E2F transcription factor 1 GF Epidermal growth factor G 1 early growth response 1 M 2 Empty Spiracles, Drosophila, 2, Homeobox of 2 eNos nitric oxide synthase 3, endothelial cell K/MAPK1 mitogen-activated protein kinase 1 1 estrogen receptor 1 T 2 v-ets avian erythroblastosis virus E26 oncogene homolog 2 130 1 exonuclease 1 FA CL Fanconi anemia, complementation group L FA TNF receptor superfamily member 6 FC Fold change / differentiel d’expression FDR false discovery rate FGF fibroblast growth factor FGF2 fibroblast growth factor 2, basic FGF fibroblast growth factor receptor FIGLA folliculogenesis specific basic helix-loop-helix FIGF c-fos induced growth factor KC K potassium channel, subfamily K, member 9 FKBP-12/ FKBP1a FK506 binding protein 1a F FK506 binding protein 6 FLT1 Fms-Related Tyrosine Kinase 1 F G2 zinc finger protein, FOG family member 2 FC Fold change F L2 FORKHEAD box L 2 F 3A Forkhead o3a FS fragments de séquence FSH hormone folliculostimulante F follicle stimulating hormone receptor F T follistatine F D Frizzed family receptor GAB1 growth factor receptor bound protein 2-associated protein 1 GATA2 GATA binding protein 2 GATA GATA binding protein 4 GC A1 germ cell nuclear antigen 1 GDE gènes différentiellement exprimés GDF Growth Differentiation Factor 9 G growth hormone receptor GLI1 Glioma-Associated Oncogene Homolog 1 GLI2 Glioma-Associated Oncogene Homolog 2 3 Glioma-Associated Oncogene Homolog 3 GLM Modèle linéaire généralisé GMPc guanosine monophosphate cyclique Gn uteinizing-releasing hormone GPC G-Protein Coupled Receptor G M1 et 2 DAN domain family member 3; cysteine knot superfamily 1, BMP antagonist 1 et 2 G P3/ A G P3 RAS guanyl releasing protein 3 (calcium and DAG-regulated) G K3 glycogen synthase kinase 3 beta 1 H1 histone family, member O, oocyte-specific DAC histone deacetylase 9 1 hairy and enhancer of split 1, Drosophila 2 HES-related repressor protein 2 GF hepatocyte growth factor IF1A hypoxia inducible factor 1, alpha subunit (basic helix-loop-helix transcription factor)) PK ribonucléoprotéine K C homeobox C4 D3B D1 B PA2 IAP ICAM5 IF IGF1 IGF1 IGFBP IGF2BP1 IL1B I I IOP IPA ITGB AG1 jpc jpp KD KGF FGF KIT ou c-KIT KITL KLF LCM LDL LH L 8 L LIF LIF LIM1 L P L l L T 1 MA L M F2C MITF M T/c-M T MGP MOF M MPF M mTORC1 S M C A G hydroxy-delta-5-steroid dehydrogenase, 3 beta hydroxysteroid (17-beta) dehydrogenase heat shock 70kDa protein 2 Inhibitors of apoptosis intercellular adhesion molecule 5, telencephalin interferon, epsilon insulin like growth factor 1 IGF1 receptor insulin-like growth factor binding protein insulin-like growth factor 2 binding protein 1 interleukin 1, beta inhibine insulin receptor insuffisance ovarienne précoce Ingenuity Pathway Analysis software Cdkn1a cyclin-dependent kinase inhibitor 1A (P21) protein jagged-1 jour post coïtum jour post partum Fetal Liver Kinase 1 keratinocyte growth factor v-kit Hardy-Zuckerman 4 feline sarcoma viral oncogene homolog Kit-ligand appelé aussi Stem cell factor Kruppel-like factor 9 Laser capture microdissection (microdissection à capture laser) low density lipoprotein receptor Hormone lutéinisante LIM homeobox protein 8 LIM Homeobox gene 9 leukemia inhibitory factor leukemia inhibitory factor receptor alpha LIM Homeobox gene 1 Low Density Lipoprotein Receptor-Related Protein iver X receptor leucine zipper, putative tumor suppressor 1 maelstrom myocyte enhancer factor 2C) microphthalmia-associated transcription factor met proto-oncogene matrix Gla protein Multiple ovocyte follicles Moloney sarcoma oncogene maturation promoting factor mutS homolog 4 ,E. coli mamalian target of rapamycin muscle, skeletal, receptor tyrosine kinase myelocytomatosis oncogene Nanog homeobox 131 A 2 S3 nanos homolog 2, Drosophila nanos homolog 3, Drosophila FIA nuclear factor I/A NF-KB/ Nfkb1 nuclear factor of kappa light polypeptide gene enhancer in B cells 1, p105 GF nerve growth factor NGS next generation sequencing L P NLR family, pyrin domain containing B newborn ovary homeobox protein TC neurogenic locus notch homolog protein G noggin NPPC natriuretic peptide type C P 1 natriuretic peptide receptor 1 1 2/L nuclear receptor subfamily 1, group H, member 2 1 /F nuclear receptor subfamily 1, group H, member 4 r a1 SF 1 : récepteur liver homologue 1,nuclear receptor subfamily 5, group A, member 1 5A2 nuclear receptor subfamily 5, group A, member 2 6A1 nuclear receptor subfamily 6, group A, member 1 B2 NROB2 small heterodimer partner T3 neurotrophin 3 T / TF5 neurotrophin 4/5 T K1/T KA neurotrophic tyrosine kinase, receptor, type 1 T K2 neurotrophic tyrosine kinase, receptor, type 2 O ovocyte CT optimal cutting temperature compound ct POU class 5 homeobox 1 PATL2 protein associated with topoisomerase II homolog 2 ; yeast P53/TP53 tumor protein p53 P CAM1 platelet/endothelial cell adhesion molecule 1 PD follicule primordial PD 3A phosphodiesterase 3A cGMP-inhibited PDGF platelet derived growth factor PDK1 pyruvate dehydrogenase kinase, isoenzyme 1 PI3K protéine kinase 1 3- phosphoinositide-dépendante PIP2 phosphoinositol 4,5bis phosphate PIP3 phosphoinositol 3,4,5 triphosphate PI IL1 piwi-like RNA-mediated gene silencing 1 PM follicule primaire POF premature ovarian failure P 5F1/ CT / CT3 POU class 5 homeobox 1 transcription factor PPA G peroxisome proliferator-activated receptor gamma P DM1/ limp1 PR Domain-Containing Protein 1 PTC 1 patched1 PTC 2 patched2 PT Phosphatase and Tensin homolog PTG 2/C -2 prostaglandine synthase 2 P pregnane x receptor RA acide rétinoïque ALD rétinal-déhydrogénase A retinoic acid receptor RARE r etinoic acid response element A / A 1 Harvey rat sarcoma virus oncogene 1 RHO GDI Rho GDP dissociation inhibitor (GDI) RIN RNA integrity number RNA-seq séquençage à ARN B 1 roundabout homolog 1, Drosophila 2 receptor tyrosine kinase-like orphan receptor 2 ROS Reactive Oxygen Species : espèces radicalaires de l'oxygène activées RPK/RPTK receptor protein- tyrosine kinase PL ribosomal protein L4 PL1 ribosomal protein L19 RPM nombre de lectures par gène et normalisés par million de lectures totales alignées RPKM nombre de lectures pour mille paires de bases d’exon et normalisés par million de lectures totales alignées P 6 ribosomal protein S6 P 6KA3 ribosomal protein S6 kinase, 90kDa, polypeptide 3 P 1 R-spondin-1 RT-PCR Reverse transcription P olymerase Chain Reaction retinoid X receptor 6K1/ P 6KB1 ribosomal protein S6 kinase, polypeptide 1 SA follicule à peit antrum A A/ F zinc finger, FYVE domain containing 9 SC follicule secondaire SCD stearoyl-CoA desaturase (delta-9-desaturase) MA3D sema domain, immunoglobulin domain (Ig), short basic domain, secreted, (semaphorin) 3D KIL SKI-like LIT2 slit homolog 2, Drosophila 5A1/ F-1 Steroidogenic Factor 1 F P secreted frizzled-related protein sonic hedgehog I T1 sirtuin 1 déacétylase NAD-dependante I T sirtuin 7 I 6 sine oculis-related homeobox 6 MAD Mothers Against Decapentaplegic, Drosophila, Homolog Of MC1 structural maintenance of chromosomes 1B M / F D11 Smoothened M C 1 et 2 SPARC-related Modular Calcium-Binding 1 et 2 M F SMAD specific E3 ubiquitin protein ligase 1 L spermatogenesis and oogenesis specific basic helix-loop-helix 10 SRY-box containing gene 10 2 SRY-box containing gene 2 SRY (sex determining region Y)-box 9 10 SRY-Related HMG-Box Gene 10 S 11 meiotic protein covalently bound to DSB homolog, S. cerevisiae 1P 1 sphingosine-1-phosphate receptor 1 BF2 sterol regulatory element binding transcription factor 2 F serum response factor (c-fos serum response element-binding transcription factor) 132 sex determining region Y sonic hedgehog T somatostatine T récepteur de la somatostaine TAG3 stromal antigen 3 TA steroidogenesis acute response TAT signal transducer and activator of transcription TM 2 stathmin-like 2 T A8 stimulated by retinoic acid gene 8 T8 IA3 ST8 alpha-N-acetyl-neuraminide alpha-2,8-sialyltransferase 3 CP synaptonemal complex protein TAF II TAF2 RNA Polymerase II, TATA Box Binding Protein (TBP)-Associated Factor TAF B RNA Polymerase II, TATA Box Binding Protein (TBP)-Associated Factor 4B TBP TATA-binding protein TCF21/P D1 facteur de transcription 21 TCF23 transcription factor 23 T CTA tectorin alpha Tex12 testis expressed gene 12 TGFB 2 transforming growth factor, beta receptor II TGF Transforming Growth Factor, Beta TM D transmembrane emp24 protein transport domain containing 4 T P1 tight junction protein 1 T F tumor necrosis factor T K récepteur à tyrosine kinase T C Tuberculous sclerosis complex T : UnTranslated Region F vascular endothelial growth factor IM vimentin 2 WEE1 homolog 2, S. pombe FIKK 2 WAP, follistatin/kazal, immunoglobulin, kunitz and netrin domain containing 2 IF1 WNT Inhibitory Factor 1 T Wingless-Type MMTV Integration Site Family T1 Wilms tumor 1 BP1 X-box binding protein 1 A 1 zygote arrest 1 1 3 zona pellucida glycoproteins 1-2-3 2A H2A histone family Résumé en français Le bon déroulement de la folliculogenèse ovarienne basale, est une étape clé qui conditionne la fertilité des femelles à l'âge adulte. Pourtant, les mécanismes moléculaires contrôlant ce processus sont encore mal connus et les études d’expression limitées par la difficulté d'obtention du matériel biologique. Les données actuelles proviennent essentiellement d’études réalisées chez les rongeurs (espèces poly-ovulantes). L’objectif de ce travail est de décrire, pour les deux compartiments folliculaires (ovocytes et cellules de granulosa), les spécificités d’expression et les gènes impliqués dans le dialogue moléculaire entre ces compartiments ainsi qu'aux différents stades de développement folliculaire basal « in vivo » chez une espèce mono-ovulante : la brebis. Nous avons développé, dans un premier temps, une méthode d'analyse du transcriptome pour les stades précoces qui combine microdissection à capture laser, amplification des ARN et microarrays. Puis, nous avons présenté, par la technique RNA-seq, et pour la première fois, un répertoire de 15349 gènes décrivant le profil d’expression de ces gènes dans chaque compartiment folliculaire et en fonction de leur stage de développement. L’analyse statistique révèle une différence d’expression entre compartiments folliculaires (5130 gènes) ainsi qu’une dynamique d’expression au cours du développement (3015 gènes). Nous avons également identifié 161 et 55 gènes présentant une expression préférentiellement enrichie dans l’ovocyte et dans les cellules de granulosa, respectivement. L’analyse fonctionnelle « in silico » combinée avec les données d’expression mettent en évidence des voies de signalisation (IGF1, VEGF, FGF, NOTCH) susceptibles d’être impliquées dans le dialogue moléculaire entre les deux compartiments folliculaires. Enfin, dans nos conditions expérimentales, nous montrons d’importantes variations d’expression au cours du développement folliculaire basal, lors de la transition du follicule primaire en secondaire chez la brebis. La cinétique d’expression de gènes impliqués dans des voies de signalisation tels que BMP et WNT a été précisément décrite. Un jeu de 25 gènes a été sélectionné en tant que biomarqueurs expressionnels des différentes classes folliculaires. Il pourra être utilisé pour évaluer la croissance folliculaire basale. Abstract Correct achievement of early ovarian folliculogenesis is a crucial step which determines female fertility in adulthood. However, molecular mechanisms controlling this development are not well characterized. Furthermore, gene expression studies are restricted by the difficulty to collect biological material. Moreover, available data are mainly derived from rodent models (poly-ovulating species). In this project, we intended to describe, in both follicular compartments (oocytes and granulosa cells), the specificity of expression, to point out genes involved in molecular dialog and during early follicular development in sheep species (mono-ovulating species). First, we developed a transcriptome methodology to study early folliculogenesis that combined laser capture microdissection, RNA amplification and microarrays. Then, we described for the first time, the gene expression profile of 15349 genes for each follicular compartment during early follicular development using RNA-seq technology. Statistical analysis underlined differential expression between compartments (5120 genes) and during development (3015 genes). We identified 161 and 55 genes with a preferentially enriched expression in oocytes and granulosa cells respectively. “In silico” fonctional analysis combined with gene expression data underlined signaling pathways as IGF1, VEGF, FGF,and NOTCH that may be involved in molecular dialog between the two follicular compartments. Last, in our experimental conditions we showed important gene expression changes occurred during primary to secondary follicular transition in sheep. The expression profiles of genes involved in pathways as BMP and WNT were precisely described. A set of 25 genes was selected as follicular class biomarkers that may be used to evaluate early follicular growth.