Advanced search options

Advanced Search Options 🞨

Browse by author name (“Author name starts with…”).

Find ETDs with:

in
/  
in
/  
in
/  
in

Written in Published in Earliest date Latest date

Sorted by

Results per page:

Sorted by: relevance · author · university · dateNew search

You searched for +publisher:"Paris Sciences et Lettres" +contributor:("Mora, Thierry"). Showing records 1 – 2 of 2 total matches.

Search Limiters

Last 2 Years | English Only

No search limiters apply to these results.

▼ Search Limiters

1. Desponds, Jonathan. Systèmes stochastiques en interaction en biophysique : immunologie et développement : Stochatic interacting systems in biophysics : immunology and development.

Degree: Docteur es, Physique, 2016, Paris Sciences et Lettres

Nous présentons deux problèmes de biologie faisant appel à un traitement de données et des modèles issus de la physique statistique : la dynamique des populations en immunologie et la régulation génétique dans le développement embryonnaire. En immunologie, nous étudions le problème de la sélection somatique dans le système immunitaire adaptatif: la sélection cellulaire et la compétition qui s’y opèrent, constituant un système quasi Darwinien au sein de l’organisme. Dans un premier temps, nous considérons différentes hypothèses surla dynamique sélective : signaux déclenchant la division ou la mort cellulaire par liaison antigénique ou par cytokines, paramètres dynamiques de division, mort et fluctuations environnementales. Nous explorons leur influence sur la taille des clones dont la distribution à queue lourde a été observée à travers les espèces et les types de cellules. Deux familles de modèles émergent : un premier dans lequel le bruit est cohérent à l’échelle du clone et un second dans lequel le bruit varie de cellule à cellule. Nous montrons dans quelle mesure la distribution de taille de clones permet de déterminer le meilleur modèle et relions la forme de la distribution ainsi que l’exposant apparent de la loi de puissance aux paramètres biologiques. Dans un second temps, nous explorons les caractéristiques du réseau complexe et aléatoire formé par les clones et les antigènes : dimension, adjacence, dynamique. Nous nous intéressons à l’effet de la sélection dans le temps et à la vitesse d’évolution des clones.La deuxième partie de cette thèse est consacrée au développement embryonnaire. Dans l’embryon, il est essentiel pour le noyau de déterminer sa position avec une grande précision pour orienter la différentiation et construire un organisme structuré viable. Cette information positionnelle est acquise, transmise et conservée par la diffusion de protéines et l’activa- tion de circuits génétiques.Plus précisément, la formation de l’axe antéropostérieur chez la Drosophile est déterminée entre autres par l’activation du gène hunchback par la protéine Bicoid. Nous analysons des données issues d’expériences d’imagerie fluorescente dynamique dans les premiers cycles cellulaires de l’embryon. Nous construisons un modèle spécifique permettant d’analyser la fonction d’autocorrélation des traces temporelles de fluorescence qui prend en compte toutes les difficultés biologiques et expérimentales (bruit, calibration traces courtes, structure du gène artificiel) pour extraire les paramètre dynamiques d’activation de hunchback. Nous examinons différentes dynamiques potentielles (poisonnienne, markovienne ou non markovienne) et leur implication pour l’information dont la cellule dispose sur sa position ainsi que la précision de la lecture du gradient de Bicoid.

This work presents two problems of biology requiring data analysis and models from statistical mechanics: population dynamics in immunology and gene regulation in embryo development. In immunology I study the problem of somatic evolution in the adaptive immune…

Advisors/Committee Members: Walczak, Aleksandra (thesis director), Mora, Thierry (thesis director).

Subjects/Keywords: Immunologie; Développement; Dynamique des populations; Circuits génétiques; Immunology; Development; Population dynamics; Gene regulatory network; 530

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Desponds, J. (2016). Systèmes stochastiques en interaction en biophysique : immunologie et développement : Stochatic interacting systems in biophysics : immunology and development. (Doctoral Dissertation). Paris Sciences et Lettres. Retrieved from http://www.theses.fr/2016PSLEE037

Chicago Manual of Style (16th Edition):

Desponds, Jonathan. “Systèmes stochastiques en interaction en biophysique : immunologie et développement : Stochatic interacting systems in biophysics : immunology and development.” 2016. Doctoral Dissertation, Paris Sciences et Lettres. Accessed May 19, 2019. http://www.theses.fr/2016PSLEE037.

MLA Handbook (7th Edition):

Desponds, Jonathan. “Systèmes stochastiques en interaction en biophysique : immunologie et développement : Stochatic interacting systems in biophysics : immunology and development.” 2016. Web. 19 May 2019.

Vancouver:

Desponds J. Systèmes stochastiques en interaction en biophysique : immunologie et développement : Stochatic interacting systems in biophysics : immunology and development. [Internet] [Doctoral dissertation]. Paris Sciences et Lettres; 2016. [cited 2019 May 19]. Available from: http://www.theses.fr/2016PSLEE037.

Council of Science Editors:

Desponds J. Systèmes stochastiques en interaction en biophysique : immunologie et développement : Stochatic interacting systems in biophysics : immunology and development. [Doctoral Dissertation]. Paris Sciences et Lettres; 2016. Available from: http://www.theses.fr/2016PSLEE037

2. Mayer, Andreas. Optimal immune systems : a ressource allocation and information processing view of immune defense : Systèmes immunitaires optimaux.

Degree: Docteur es, Physique, 2017, Paris Sciences et Lettres

Les organismes biologiques ont développé divers mécanismes immunitaires afin de se protéger des pathogènes. Nous développons ici des modèles mathématiques de systèmes immunitaires, adaptés de façon optimale aux statistiques des pathogènes. Au delà des détails moléculaires, ces mécanismes immunitaires diffèrent dans la manière d'acquérir, de réguler et de transmettre une protection immunitaire ; différences qui pourraient s'avérer essentielles pour la survie à long terme. Afin d'expliquer la diversité des stratégies qui sont observées, nous comparons l'adaptation à long terme de populations en fonction de la dynamique des pathogènes à laquelle elles sont confrontées et de la stratégie immunitaire qu'elles adoptent. Nous démontrons que la fréquence et l'échelle de temps caractéristique des pathogènes sont les deux déterminants clés d'une stratégie immunitaire optimale. En fonction de ces deux paramètres, nous identifions des modes d'immunité distincts, comprenant immunités innées, adaptatives, ou ressemblant au système CRISPR, qui récapitulent la diversité de systèmes immunitaires naturels. Nos résultats viennent s'étendre à la question générale de l'évolution dans des environnements variables pour laquelle nous apportons de nouveaux résultats analytiques au sein d'environnements temporairement corrélés. Le système immunitaire adaptatif assure une protection à partir d'un large répertoire de cellules spécifiques à différents pathogènes. Pour prédire des propriétés statistiques de répertoires adaptés, nous étudions quel répertoire minimise au mieux le risque d'infections pour une distribution de pathogènes donnée. La théorie prédit que les cellules spécifiques contre les antigènes rares sont surreprésentées par rapport à la fréquence de leurs rencontres et que les individus, exposés aux mêmes infections, possèdent des répertoires avec des récepteurs largement différents mais exploitent la réactivité croisée afin de parvenir à la même couverture d'antigènes. Nos résultats sont issus d'une opposition entre les statistiques de détection des pathogènes, qui soutiennent l'idée d'une plus large distribution de récepteurs, et les effets de la réactivité croisée, qui tend à concentrer le répertoire optimal sur un petit nombre de clones. Nos prédictions peuvent être testées à partir d'enquêtes à haut débit sur la diversité des récepteurs et de pathogènes. Par la suite, nous examinons explicitement comment le système immunitaire adaptatif peut apprendre de manière bayésienne les statistiques de l'environnement à partir de l'historique des infections précédentes. Nous montrons que les répertoires optimaux peuvent être atteints par prolifération sélective des cellules spécifiques. La perspective bayésienne sur la dynamique des répertoires fournit un cadre conceptuel unificateur qui explique un certain nombre de caractéristiques de la mémoire immunitaire et appelle à des expériences complémentaires.

Biological organisms have evolved diverse immune mechanisms to defend themselves against pathogens. Here we build mathematical…

Advisors/Committee Members: Walczak, Aleksandra (thesis director), Mora, Thierry (thesis director).

Subjects/Keywords: Biophysique; Immunologie; Physique statistique; Évolution; Biophysics; Immunology; Statistical physics; Evolution; 571.41; 571.42

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Mayer, A. (2017). Optimal immune systems : a ressource allocation and information processing view of immune defense : Systèmes immunitaires optimaux. (Doctoral Dissertation). Paris Sciences et Lettres. Retrieved from http://www.theses.fr/2017PSLEE026

Chicago Manual of Style (16th Edition):

Mayer, Andreas. “Optimal immune systems : a ressource allocation and information processing view of immune defense : Systèmes immunitaires optimaux.” 2017. Doctoral Dissertation, Paris Sciences et Lettres. Accessed May 19, 2019. http://www.theses.fr/2017PSLEE026.

MLA Handbook (7th Edition):

Mayer, Andreas. “Optimal immune systems : a ressource allocation and information processing view of immune defense : Systèmes immunitaires optimaux.” 2017. Web. 19 May 2019.

Vancouver:

Mayer A. Optimal immune systems : a ressource allocation and information processing view of immune defense : Systèmes immunitaires optimaux. [Internet] [Doctoral dissertation]. Paris Sciences et Lettres; 2017. [cited 2019 May 19]. Available from: http://www.theses.fr/2017PSLEE026.

Council of Science Editors:

Mayer A. Optimal immune systems : a ressource allocation and information processing view of immune defense : Systèmes immunitaires optimaux. [Doctoral Dissertation]. Paris Sciences et Lettres; 2017. Available from: http://www.theses.fr/2017PSLEE026

.