▼ 

Les progrès récents dans la modélisation informatique des réseaux biologiques permettent maintenant aux chercheurs d'étudier le métabolisme cellulaire des organismes. Dans ce projet, ces approches ont été utilisées pour analyser le métabolisme de Trypanosoma brucei. Ce parasite protozoaire est responsable de la trypanosomiase africaine, une maladie mortelle chez l'homme et qui entraine des dégâts importants dans les élevages. Ce parasite est principalement retrouvé dans les régions d'Afrique sub-sahariennes. Durant cette thèse, des informations sur le métabolisme de T. brucei ont été recueillies à partir d'études publiées, bases de données et de communication personnelle avec des experts qui étudient les différents aspects du métabolisme des trypanosomatides. Cette information a été mise à disposition de la communauté à travers la base de données TrypanoCyc. La base de données a été publiée en Novembre 2014 et a eu plus de 4200 visiteurs provenant de plus de cent pays depuis Novembre 2015. Un modèle métabolique à l'échelle du génome de T. brucei a également été reconstruit sur la base des informations recueillies. Ce modèle a permis de faciliter l'étude du métabolisme de T. brucei en utilisant une approche de biologie des systèmes. Des algorithmes basés sur l'analyse de balance des flux ont été conçus pour optimiser la visualisation et l'étude des propriétés métaboliques du parasite. En utilisant l'algorithme iMat, des modèles spécifiques de la forme sanguine de T. brucei ont été générés à partir des informations fournies par les études publiées et les annotations présentent dans. Enfin, un algorithme a été conçu pour optimiser encore ces modèles spécifiques afin d'améliorer la cohérence de leurs prédictions avec les résultats publiés. Les modèles ainsi créés, spécifiques à la forme sanguine, ont montré une meilleure puissance prédictive que le modèle initial à l'échelle du génome, en particulier pour prédire le comportement métabolique spécifique de différents mutants de T. brucei.

Recent advances in computational modelling of biological networks have helped researchers study the cellular metabolism of organisms. In this project, these approaches were used to analyze Trypanosoma brucei metabolism. This protozoan parasite is the causative agent of African trypanosomiasis, a lethal disease which has been responsible for huge loss of lives and livestock in Sub- Saharan Africa since ancient times. Information on T. brucei metabolism was gathered from published studies, databases and from personal communication with experts studying different areas of Trypanosomatid research. This information has been presented to the public through the TrypanoCyc Database, a community annotated T. brucei database. The database was published in November 2014 and has had over 4200 visitors from more than 100 countries as of November 2015. A manually curated genome-scale metabolic model for T. brucei was also built based on the gathered information to facilitate the study of T. brucei metabolism using systems biology approaches. Flux…

Advisors/Committee Members: Jourdan, Fabien (thesis director).

▼ We identified 33 distinct genes in N. crassa that are believed to be responsive when shifting from sucrose to a poor carbon source (Quinic Acid) for 4 microarray experiment data sets. These 4 data sets were originally obtained from two confocal laser scanners, which made global normalization and thus comparison across all experiments difficult. To solve this problem, we processed each data set independently with background subtraction, logarithmic transformation and normalization. A combination of Ordinary Least Squares fitting (regression) and Least Median Squares fitting was applied to the normalized data to correct for large outliers which would distort the statistical estimates of the response. Advisors/Committee Members: Jaxk Reeves.

▼ Building quantitative models of biological systems is a challenging task as these models can consist of a very large number of components with complex interactions between them and the experimental data available for model validation is often sparse and noisy. The focus in this work is on modeling and parameter estimation of biological systems that are monitored using fluorescent reporter systems. Fluorescent reporter systems are widely used for various applications such as monitoring gene expression, protein localization and protein-protein interactions. This dissertation presents various techniques to facilitate modeling of biological systems containing fluorescent reporters with special attention given to challenges arising due to limited experimental data, simultaneous monitoring of multiple events and variability in the observed response due to phenotypic differences. First, an inverse problem is formulated to estimate the dynamics of transcription factors, a crucial molecule that initiates the transcription process, using data of fluorescence intensity profiles obtained from a fluorescent reporter system. The resulting inverse problem is ill-conditioned and it is solved with the aid of regularization techniques. The main contribution is that, with the presented technique, any complex dynamics of transcription factors can be estimated using limited data of fluorescence measurements. The technique has been evaluated using simulated data as well as experimental data of a GFP reporter system of STAT3. Second, an experimental design formulation is developed to facilitate the use of multiple fluorescent reporters, with overlapping emission spectra, in the same experiment. This work develops a criterion to select the fluorescent proteins for simultaneous use such that the accuracy in the estimated contributions of individual proteins to the overall observed intensity is maximized. This technique has been validated using mixtures of different E. coli strains which express different fluorescent proteins. Finally, a population balance model of a cell population containing a fluorescence reporter system is developed to describe the variability in the observed fluorescence in cells. Factors such as rate of fluorescent protein formation as well as partitioning of the fluorescent protein on cell division have been taken into account to describe the dynamics of fluorescence intensity distributions in the cell populations. The model has been used to obtain preliminary hypotheses to explain the difference in response of HeLa cells containing the Tet-on expression system on stimulation by different levels doxycycline. Thus, this work describes techniques for building robust predictive models of biological systems such as regularization for solving ill-posed estimation problems, experimental design techniques as well as using population balance modeling to model complex multi-scale dynamics. Moreover, while the examples discussed here are motivated for fluorescent reporter systems, the developed techniques can be… Advisors/Committee Members: Hahn, Juergen (advisor).

▼ 

Background: Currently, the development of microbial strains for biotechnological production of chemicals and materials can be improved by using a rational metabolicengineering that may involve genetic engineering and/or systems biology techniques. Elementary ux mode analysis (EFM) and Flux balance analysis (FBA) are the twomost commonly used methods for probing the microbial network system properties for metabolic engineering purposes. EFM can be used to identify all possible pathways.However, combinatorial explosion of the number of EFMs obtained during EFM analysis, especially for large reaction networks, hinders the use of EFM data fordeveloping gene knockout strategies. The objective of this project was to identify interesting target products and design `proof of principle' Saccharomyces cerevisiaestrains capable of overproducing a target product; in this case lysine was chosen.Methods: EFMs were calculated for a reaction network from S. cerevisiae. In order to make sense of the large EFM solution space, a novel approach based on com-putational reduction and clustering of EFM datasets into subsets was developed,which aided the prediction of knockouts for lysine production. A Pattern analysismethod, based on regular expression matching, was also developed to interpret the EFM data. FBA frameworks, OptKnock and GDLS, were used to design in silcoproduction strains based on genome-scale models of yeast. Double and triple S. cerevisiae lysine producing strains were constructed using a PCR-based deletion method.Absolute and relative metabolome measurements for lysine and other metabolites in the single and double mutants were achieved using GC-TOF-MS.Results: The new computational and clustering methodology aided significantly the EFM-based in silico design of S. cerevisiae strains for enhanced yield of lysine andother value chemicals. Ethanol and lysine overproducing in silico strains were also developed by OptKnock and GDLS. Remarkably, the production strains with singledeletions, lsc2 and glt1, excreted into the medium five times the amount of lysine than the control strain. Five S. cerevisiae double mutant strains were successfullyconstructed. Two-fold increase in flux towards lysine production was demonstrated by S. cerevisiae double mutant M1, while both S. cerevisiae double mutants M4 andM5 showed about four-fold increase in lysine production.Conclusion: The general modelling and data reduction approaches developed here contributed in obviating the enormous problems associated with trying to obtainthe EFMs from large reaction network models and interpreting the resulting of large number of EFMs. EFM analysis aided the development of single and double S.cerevisiae mutant strains, capable of increased yield of lysine. The computational method was validated by construction of strains that are able to produce several foldmore lysine than the original strain.

Appendix A (CD attached to the back of thesis):List of reeactionsList of MetabolitesExplanation of amino acid abbreviations

Appendix B (CD attached to the…

Advisors/Committee Members: Pedrosa Mendes, Pedro.

▼ 

Décrypter le fonctionnement des réseaux biologiques est une des missions centrales de la biologie des systèmes. En particulier, les réseaux de transduction du signal sont essentiels pour la compréhension de la réponse cellulaire à des perturbations externes ou internes. Pour faire face à la complexité de ces réseaux, des modélisations aussi bien numériques que formelles sont nécessaires. Nous proposons un cadre de modélisation formelle, dans le cadre de réseaux logiques, afin d'obtenir des prédictions robustes sur le comportement et le contrôle des voies de signalisation. Nous modélisons la réponse des réseaux logiques de signalisation par du raisonnement automatique à l'aide de Programmation par Ensembles-Réponses (Answer Set Programming, ASP). ASP fournit un langage déclaratif pour la modélisation de divers problèmes de représentation des connaissances et de raisonnement. Des solveurs permettent plusieurs modes de raisonnement pour étudier la multitude d'ensembles réponses. En s'appuyant sur la richesse du langage de modélisation et ses capacités de résolution très efficaces, nous utilisons ASP pour modéliser et résoudre trois problèmes dans le contexte des réseaux logiques de signalisation: apprentissage de réseaux booléens, calculs de plan d'expériences, et l'identification des contrôleurs. Globalement, la contribution de cette thèse est de trois ordres. Premièrement, nous introduisons un cadre formel pour la caractérisation et le raisonnement sur la réponse des réseaux logiques de signalisation. Deuxièmement, nous contribuons à une liste croissante d'applications réussies d'ASP en biologie des systèmes. Troisièmement, nous présentons un logiciel fournissant un pipeline complet de raisonnement automatisé sur la réponse des réseaux logiques de signalisation.

Deciphering the functioning of biological networks is one of the central tasks in systems biology. In particular, signal transduction networks are crucial for the understanding of the cellular response to external and internal perturbations. Importantly, in order to cope with the complexity of these networks, mathematical and computational modeling is required. We propose a computational modeling framework in order to achieve more robust discoveries in the context of logical signaling networks. More precisely, we focus on modeling the response of logical signaling networks by means of automated reasoning using Answer Set Programming (ASP). ASP provides a declarative language for modeling various knowledge representation and reasoning problems. Moreover, available ASP solvers provide several reasoning modes for assessing the multitude of answer sets. Therefore, leveraging its rich modeling language and its highly efficient solving capacities, we use ASP to address three challenging problems in the context of logical signaling networks: learning of (Boolean) logical networks, experimental design, and identification of intervention strategies. Overall, the contribution of this thesis is three-fold. Firstly, we introduce a mathematical framework for…

Advisors/Committee Members: Siegel, Anne (thesis director), Schaub, Torsten (thesis director).

▼ 

Cette thèse porte sur la modélisation, l'analyse et le contrôle de réseaux de régulation génétique dans la bactérie E. Coli, avec les outils de la Théorie du Contrôle. On utilise plusieurs formalismes (qualitatif/quantitatif, déterministe/stochastique) pour décrire les différents systèmes. Dans la première partie de la thèse, on considère le problème du contrôle du taux de croissance pour les bactéries. Le taux de croissance est une caractéristique essentielle pour l'industrie des biotechnologies, et cette recherche peut ouvrir la voie à de nouvelles stratégies antimicrobiennes. Nous avons développé de nouveaux formalismes qualitatifs, basé sur les systèmes affines par morceaux différentiels, qui couplent l'expression des gènes et la croissance. Nous appliquons ces formalismes à de petits modèles de circuits génétiques synthétiques (conçus avec nos collaborateurs de Ibis, Inria Grenoble), et étudions des boucles de contrôle ouvertes ou fermées. Par une étude du portrait de phase et des bifurcations, nous montrons que la stratégie qualitative de contrôle proposée, qui agit sur la machinerie cellulaire globale, permet de contrôler le taux de croissance. Pour trouver les composants les plus représentatifs de cette machinerie cellulaire, nous testons plusieurs modèles de taux de croissance, avec des outils de calcul booléens. Dans la seconde partie de la thèse, nous développons un modèle simplifié de la machinerie cellulaire globale chez E. Coli, basé sur des équations différentielles, et dont les paramètres sont identifiés à partir de données de la littérature pour plusieurs taux de croissance.

This thesis deals with modelling, analysis and control of gene regulatory networks in the bacterium E. coli, with tools of Control Theory. Different mathematical methodologies (qualitative/quantitative, deterministic/stochastic) have been used to best describe the different biological systems under investigation. Notably, in the first part of the thesis we mainly addressed the problem of controlling the growth rate of bacterial cells. Growth control is essential in industrial biotechnology and fundamental research of this kind could pave the way to novel types of antimicrobial strategies. To this aim we developed new qualitative mathematical formalisms, derived from piecewise linear systems, to couple gene expression with growth rate. We applied these formalisms to small E. coli synthetic gene circuit models (conceived with our collaborators from Ibis, Inria Grenoble) implementing both open and closed loop configurations. By means of phase plane analysis and bifurcation diagrams we showed that the proposed qualitative control strategies, which act on the gene expression machinery (GEM), can mathematically control the cell growth rate. Moreover, in order to identify the key components of GEM that mostly determine the bacterial growth rate, we also tested several growth rate models using Boolean computational tools. In the second part of the thesis, we developed a coarse-grained, but quantitative, ODE model of E. coli GEM whose…

Advisors/Committee Members: Gouzé, Jean-Luc (thesis director), Chaves, Madalena (thesis director).

▼ Clostridium acetobutylicum, une bactérie anaérobie stricte, à Gram positif et sporulante est maintenant considérée comme l'organisme modèle pour l'étude du métabolisme complexe desClostridies solvantogènes. Néanmoins, malgré de nombreuses études sur le sujet, les mécanismes moléculaires impliqués dans l'induction de solvantogénèse ne sont pas encore totalement compris. Une souche témoin et trois mutants métaboliques simples avec une délétion dans les phases codantes de gènes clés impliqués dans les formations d’acides / de solvants, à savoir ΔadhE1, ΔadhE2 et ΔbukΔptb300, ont été analysés par une approche globale à l'échelle du système pour mieux caractériser la régulation de la formation de solvant chez C. acetobutylicum d’un point de vue physiologique.Tout d'abord, la souche témoin ΔCA_C1502Δupp a été cultivée en chemostat limité en phosphate sous trois états métaboliques différents: l’acidogénèse, la solvantogénèse, et l'alcoologénèse. Les cultures ont été analysées par une approche de transcriptomique et de protéomique quantitative associée à une analyse fluxomique, basée sur un modèle l’échelle du génome, iCac967, développé au cours de la thèse. Cette étude a permis de mesurer le nombre de molécules d'ARNm par cellule pour tous les gènes dans les trois conditions métaboliques ainsi que le nombre de molécules de protéines cytosoliques par cellule pour environ 700 gènes dans au moins une des trois conditions de régime permanent.ΔadhE1 et ΔadhE2 ont été analysés ensemble et comparés à la souche témoin dans les mêmes conditions par une analyse transcriptomique et fluxomique globale. En condition solvantogène, seul le mutant ΔadhE1 présentait des changements significatifs montrant une diminution de la production de butanol et des changements d'expression au niveau transcriptionel dans de nombreux gènes. En particulier, adhE2 était surexprimé montrant qu’AdhE2 peut remplacer partiellement AdhE1 pour la production de butanol en solvantogénèse. En condition alcoologène, seul le mutant ΔadhE2 a montré des changements frappants dans l'expression des gènes et des flux métaboliques, avec notamment une perte totale de la production de butanol.Il est par conséquent démontré que AdhE2 est essentiel pour la production de butanol en alcoologénèse et que les flux métaboliques ont été réorientés vers la formation du butyrate. En condition acidogène, les flux métaboliques n'ont pas été significativement modifiés chez les deux mutants, mise à part la perte complète de la formation de butanol chez ΔadhE2, mais de manière surprenante des changements importants ont été observés, par analyse transcriptionnelle, dans l'expression de nombreux gènes. En outre, la plupart des gènes sur- ou sous-exprimés de manière significative dans cette condition physiologique, le sont pour les deux mutants.Le mutant ΔbukΔptb300 a également été analysé et comparé à la souche témoin dans les mêmes onditions par une analyse transcriptomique et fluxomique globale. En condition acidogène, le principal métabolite était le butanol et un nouveau composé est… Advisors/Committee Members: Soucaille, Philippe (thesis director).

▼ 

La biologie des systèmes actuelle s’appuie sur des techniques d’analyse biologique à haut débit comme la transcriptomique ou la métabolomique. Cependant, ces techniques haut débit ont leurs limites et peuvent générer des erreurs. En croisant les résultats de différentes techniques d’analyse biologique, nous espérons pallier une partie de leurs limites. À cet effet, nous avons commencé à développer une plateforme de modélisation, MPSA (Metabolic Pathways Software Analyzer), permettant d’intégrer les données générées à des réseaux métaboliques. MPSA permet de représenter les graphes de voies métaboliques, d’effectuer des simulations basées sur la résolution de systèmes d’équations différentielles et d’étudier la structure des réseaux métaboliques par le calcul et la représentation des modes élémentaires. Nous avons développé différentes applications web permettant, d’une part, l’interprétation des résultats biologiques en utilisant des bases de données et, d’autre part, leur export vers MPSA. La base de données centrale de ce développement est myKegg, incluant l’ensemble des voies métaboliques humaines de la base de données publique KEGG ainsi qu’une base de synonymes construite elle aussi à partir de KEGG. Cette base permet d’identifier des voies métaboliques et de les importer dans MPSA. Une base de données de métabolomique, BioNMR, a aussi été construite spécifiquement pour organiser les résultats générés à partir de spectres de RMN. Une autre application web, GeneProm, a été développée pour l’analyse de promoteurs de gènes ou promotologie. Un protocole d’étude a été mis au point et testé sur un groupe de 4 gènes codant pour les isoformes 1 à 4 de la protéine ANT, transporteur mitochondrial d’ATP, chacune ayant un rôle et un profil d’expression spécifique dans la bioénergétique cellulaire. L’étude par promotologie de ces 4 gènes a permis d’identifier des éléments de régulation spécifiques dans leurs séquences promotrices et d’identifier des gènes potentiellement co-régulés. Ces gènes peuvent ensuite être exportés vers notre plateforme MPSA. L’ensemble de ce développement sera inclus au projet de plateforme intégrative de l’Unité de Nutrition Humaine de l’INRA.

Current systems biology relies on high-throughput biological analysis techniques such as transcriptomics or metabolomics. However, these techniques may generate errors. By crossing results from different analysis techniques, we hope to avoid at least part of these limits. For that purpose, we started to develop a modeling platform, MPSA (Metabolic Pathways Software Analyzer). MPSA allows integrating biological data on metabolic pathways. MPSA also ensures the display of metabolic pathways graphs, the simulation of models based on ordinary differential equations systems solving and the study of network structures using elementary flux modes. We have developed several web applications allowing on the one hand to interpret biological results by using databases, and on the other hand to export these data to MPSA. The main database of this work is myKegg. It…

Advisors/Committee Members: Stepien, Georges (thesis director).

▼ 

Les biotechnologies sont arrivées au point ou la quantité d'information disponible permet de penser les objets biologiques comme des systèmes complexes. Dans ce contexte, les phénomènes qui émergent de ces systèmes sont intimement liés aux spécificités de leur organisation. Cela pose des problèmes computationnels et statistiques qui sont précisément l'objet d'étude de la communauté liée à l'apprentissage statistique. Cette thèse traite d'applications de méthodes d'apprentissage pour l'étude de phénomène biologique dans une perspective de système complexe. Ces méthodes sont appliquées dans le cadre de l'analyse d'interactions protéine-ligand et d'effets secondaires, du phenotypage de populations de cellules et du plan d'expérience pour des systèmes dynamiques non linéaires partiellement observés.D'importantes quantités de données sont désormais disponibles concernant les molécules mises sur le marché, tels que les profils d'interactions protéiques et d'effets secondaires. Cela pose le problème d'intégrer ces données et de trouver une forme de structure sous tendant ces observations à grandes échelles. Nous appliquons des méthodes récentes d'apprentissage non supervisé à l'analyse d'importants jeux de données sur des médicaments. Des exemples illustrent la pertinence de l'information extraite qui est ensuite validée dans un contexte de prédiction.Les variations de réponses à un traitement entre différents individus posent le problème de définir l'effet d'un stimulus à l'échelle d'une population d'individus. Par exemple, dans le contexte de la microscopie à haut débit, une population de cellules est exposée à différents stimuli. Les variations d'une cellule à l'autre rendent la comparaison de différents traitement non triviale. Un modèle génératif est proposé pour attaquer ce problème et ses propriétés sont étudiées sur la base de données expérimentales.A l'échelle moléculaire, des comportements complexes émergent de cascades d'interactions non linéaires entre différentes espèces moléculaires. Ces non linéarités engendrent des problèmes d'identifiabilité du système. Elles peuvent cependant être contournées par des plans expérimentaux spécifiques, un des champs de recherche de la biologie des systèmes. Une stratégie Bayésienne itérative de plan expérimental est proposée est des résultats numériques basés sur des simulations in silico d'un réseau biologique sont présentées.

Biotechnologies came to an era where the amount of information one has access to allows to think about biological objects as complex systems. In this context, the phenomena emerging from those systems are tightly linked to their organizational properties. This raises computational and statistical challenges which are precisely the focus of study of the machine learning community. This thesis is about applications of machine learning methods to study biological phenomena from a complex systems viewpoint. We apply machine learning methods in the context of protein-ligand interaction and side effect analysis, cell population phenotyping and…

Advisors/Committee Members: Stoven, Véronique (thesis director).

▼ 

Dans cette these, nous identifions le réseau de régulation de gènes (RRG) agissant en aval de CROWN ROOTLESS1 (CRL1) et impliqué dans la formation des racines coronaires (RC) chez le riz, en vue d’identifier des gènes candidats pour moduler l’architecture du système racinaire (ASR) du riz et du maïs. Pour ce faire, nous avons généré une série temporelle transcriptomique, et l’avons utilisée pour inférer le RRG en jeu durant 45 heures après l’induction de CRL1, un intervalle couvrant les étapes précoces de l’initiation des RC. Nous avons partiellement validé ce réseau en utilisant des bases de données de prédiction de sites de liaison de facteurs de transcription, ainsi que la littérature décrivant des interactions connues. A partir de ce réseau validé, nous avons identifié une cascade de régulation reliant des gènes impliqués dans l’initiation des RC à d’autres genes impliqués dans le patterning et la maintenance des primordia de RC, et testé cette cascade par des essais de transactivation en protoplastes. Les résultats obtenus ont globalement confirmé la cascade prédite, ce qui démontre l’utilité des approches de biologie des systèmes pour mieux comprendre les mécanismes impliqués dans le développement des RC. Un autre jeu de données transcriptomique a été obtenu par microdissection laser des primordia de RC à trois stades développementaux. L’analyse différentielle par rapport au tissu cortical adjacent révèle la regulation transcriptionnelle en jeu après l’initiation des RC et l’organisation des primordia. A partir d’une analyse croisée entre données de la série temporelle, données issues de microdissection, autres listes de gènes publiées en lien au développement racinaire chez le riz, analyse formelle du RRG et curation de la littérature, nous avons établi quatre classements en fonction de différentes stratégies de pondération, et identifié les gènes les plus importants du RRG. A partir de ce méta-classement, deux gènes candidats ont été identifies. Leur impact sur la formation des RC et l’ASR sera étudiée au travers de la génération de lignées de surexpression ou knock-out, chez le maïs et le riz.

In this thesis, we aimed at identifying the gene regulatory network (GRN) acting downstream of CRL1 and involved in the formation of crown root (CR) primordia in rice. We used this information to identify candidate genes to modulate root system architecture of rice and maize. To do so, we generated a time-series transcriptomic dataset that was used to infer the GRN at play during the 45 hour following CRL1 induction, covering early steps of CR primordia formation. This network was partially validated using a database describing predicted transcription factor (TF) target genes and literature on available regulatory interactions. From this, a regulatory cascade linking genes involved in CR initiation to genes involved in CR primordia patterning and maintenance was proposed and tested using transient protoplast transactivation assays. Obtained data mostly confirmed the predicted regulatory cascade demonstrating the…

Advisors/Committee Members: Gantet, Pascal (thesis director).

▼ 

Mes travaux de thèse ont pour objet l'analyse et les prédictions bioinformatiques de réseaux d'interactions protéines-protéines contextualisés. Au cours de la première partie de mes travaux nous, avons prédit des interactomes tissulaires sur la base de la co-expression des deux interacteurs composant l'interaction dans un tissu. Par la suite nous avons analysé les caractéristiques fonctionnelles et topologiques des interactomes prédits. Cette analyse a permis de mettre en évidence l'existence d'un noyau d'interactions centrales dédiées aux fonctions de ménages, des interactions spécifiques localisées au centre dédiées aux processus de régulation et des interactions spécifiques localisées à la périphérie et dédiées aux accomplissements des fonctions physiologiques. Au cours de la deuxième partie de mes travaux, nous nous sommes intéressés à la contextualisation d'un interactome de macrophage via l'intégration de méta-données et des données de génomique (données d'expressions, annotation de termes) décrivant les interactions. Les résultats de la comparaison entre les analyses de trascriptomes et d'interactomes de macrophage suite à l'infection par le Mycobacterium tuberculosis se sont avérés complémentaires. En effet, alors que les analyses de transcriptomes mettent en évidence des processus immunitaires déployés par l'hôte, l'analyse des interactomes fait émerger des fonctions tout aussi cruciales pour l'éradication du pathogène telles que l'apoptose et sa régulation.

This work aims at contextualizing and studying contextualized protein interaction networks. The first topic of my investigations is about predicting and analyzing tissular interactomes. Combined functional and topological analyses were performed. The combination of these features highlighted the existence of a functional core centrally located dedicated to housekeeping functions, central tissue-specific interactions involved in regulatory and developmental functions and peripheral tissue-specific interactions involved in organ physiological functions. This gradient of functions recapitulates the organization of organs, from cells to organs. The second topic of my thesis is the contextualization of macrophage interaction network. To infer the most likely macrophage interactome, we integrated the PPI dataset with other type of meta-data, statistically evaluated them and proposed a macrophage-contextualized interactome. The set of selected interactions is enriched in : experimentally verified interactions and immune related Biological Processes. The functional analysis of such networks brings valuable information on the cellular and molecular mechanisms sustaining the infection.

Advisors/Committee Members: Brun, Christine (thesis director).

▼ Biological systems are complex in that they comprise large number of interacting entities, and their dynamics follow mechanic regulations for movement and biological function organization. Established computational modeling deals with studying and manipulating biologically relevant systems as a powerful approach. Inner structure and behavior of complex biological systems can be analyzed and understood by computable biological networks. In this thesis, models and computation methods are proposed for biological networks. The study of Genetic Regulatory Networks (GRNs) is an important research topic in genomic research. Several promising techniques have been proposed for capturing the behavior of gene regulations in biological systems. One of the promising models for GRNs, Boolean Network (BN) has gained a lot of attention. However, little light has been shed on the analysis of internal connection between the dynamics of biological molecules and network systems. Inference and completion problems of a BN from a given set of singleton attractors are considered to be important in understanding the relationship between dynamics of biological molecules and network systems. Discrete dynamic systems model has been recently proposed to model time-course microarray measurements of genes, but delay effect may be modeled as a realistic factor in studying GRNs. A delay discrete dynamic systems model is developed to model GRNs. Inference and analysis of networks is one of the grand challenges in modern statistical biology. Machine learning method, in particular, Support Vector Machine (SVM), has been successfully applied in predictions of internal connections embedded in networks. Kernels in conjunction with SVM demonstrate strong ability in performing various tasks such as biomedical diagnosis, function prediction and motif extractions. In biomedical diagnosis, data sets are always high dimensional which provide a challenging research problem in machine learning area. Novel kernels using distance-metric that are not common in machine learning framework are proposed for possible tumor differentiation discrimination problem. Protein function prediction problem is a hot topic in bioinformatics. The K-spectrum Kernel is among the top popular models in description of protein sequences. Taking into consideration of positive-semi-definiteness in kernel construction, Eigen-matrix translation technique is introduced in novel kernel formulation to give better prediction result. In a further step, power of Eigen-matrix translation technique in feature selection is demonstrated through mathematical formulation. Due to structure complexity of carbohydrates, the study of carbohydrate sugar chains has lagged behind compared to that of DNA and proteins. A weighted q-gram kernel is constructed in classifying glycan structures with limitations in feature extractions. A biochemically-weighted tree kernel is then proposed to enhance the ability in both classification as well as motif extractions. Finally the problem of metabolite… Advisors/Committee Members: Ching, WK.

▼  We work on constructing mathematical models of gene regulatory networks for periodic processes, such as the cell cycle in budding yeast, using biological data sets and applying or developing analysis methods in the areas of mathematics, statistics, and computer science. We identify genes with periodic expression and then the interactions between periodic genes, which defines the structure of the network. This network is then translated into a mathematical model, using Ordinary Differential Equations (ODEs), to describe these entities and their interactions. The models currently describe gene regulatory interactions, but we are expanding to capture other events, such as phosphorylation and ubiquitination. To model the behavior, we must then find appropriate parameters for the mathematical model that allow its dynamics to approximate the biological data. This pipeline for model construction is not focused on a specific algorithm or data set for each step, but instead on leveraging several sources of data and analysis from several algorithms. For example, we are incorporating data from multiple time series experiments, genome-wide binding experiments, computationally predicted binding, and regulation inference to identify potential regulatory interactions. These approaches are designed to be applicable to various periodic processes in different species. While we have worked most extensively on models for the cell cycle in Saccharomyces cerevisiae, we have also begun working with data sets for the metabolic cycle in S. cerevisiae, and the circadian rhythm in Mus musculus. Advisors/Committee Members: Harer, John (advisor).

▼ This dissertation summarizes the development of experimental and analytical tools for single cell RNA sequencing (scRNA-Seq), including 1) scPLATE-Seq, a FACS- and plate-based scRNASeq platform, which is accurate, robust, fully automated and cost-efficient; 2) metaVIPER, an algorithm for transcriptional regulator activity inference based on scRNA-Seq profiles; and 3) iterClust, a statistical framework for iterative clustering analysis, especially suitable for dissecting hierarchy of heterogeneity among single cells. Further this dissertation summarizes biological questions answered by combining these tools, including 1) understanding inter- and intra-tumor heterogeneity of human glioblastoma; 2) elucidating regulators of β-cell de-differentiation in type-2 diabetes; and 3) developing novel therapeutics targeting cell-state regulators of breast cancer stem cells.

▼ I propose the use of the tandem fluorescent timer protein as a reporter of dynamic gene regulation. The tandem fluorescent timer is a fusion of two fluorophores with different maturation kinetics whose fluorescence ratio is a reporter of protein age. Traditional approaches to live single-cell tracking of dynamic gene expression involve the use of destabilized fluorescent reporters. The reduced stability of these reporters improve performance but also result in reduced signal and an increased signal to noise ratio. I first develop a platform to test reporter performance by designing and implementing an inducible synthetic network orthogonally in S. cerevisiae cells and by developing a microfluidics-enabled live cell-tracking pipeline. To test the performance of different reporters, I develop an algorithm to decode the underlying regulatory dynamic signal of a fluorescence profile. I then simulate the fluorescence output of my platform under dynamic regulatory signaling to demonstrate the potential reporter performance of a stable timer protein. Finally, I conduct live cell-tracking experiments of yeast cells expressing the timer under a periodic signal to test in vivo performance of the tandem fluorescent timer. I demonstrate that compared to a traditional stable fluorescent reporter, the tandem fluorescent timer is more accurate when tracking faster periodic signals and it is more robust to global fluctuations.

▼ Two-component signaling systems are found in bacteria, fungi and plants. They mediate many of the physiological responses of these organisms to their environment and display several conserved biochemical and structural features. This thesis identifies a potential functional role for two commonly found architectures in two-component signaling system, the split kinases and phosphate sink, which suggests that by enabling switch-like behaviors they could underlie physiological decision making. I report that split histidine kinases, where autophosphorylation and phosphotransfer activities are segregated onto distinct proteins capable of complex formation, enable ultrasensitivity and bistability. By employing computer simulations and analytical approaches, I show that the specific biochemical features of split kinases “by design” enable higher nonlinearity in the system response compared to conventional two-component systems and those using bifunctional (but not split) kinases. I experimentally show that one of these requirements, namely segregation of the phosphatase activity only to the free form of one of the proteins making up the split kinase, is met in proteins isolated from Rhodobacter sphaeroides. While the split kinase I study from R. sphaeroides is specifically involved in chemotaxis, other split kinases are involved in diverse responses. Genomics studies suggest 2.3% of all chemotaxis kinases, and 2.8% of all kinases could be functioning as split kinases. Combining theoretical and experimental approaches, I show that the phosphate sink motif found in microbial and plant TCSs allows threshold behaviors. This motif involves a single histidine kinase that can phosphotransfer reversibly to two separate response regulators and examples are found in bacteria, yeast and plants. My results show that one of the response regulators can act as a “sink” or “buffer” that needs to be saturated before the system can generate significant responses. This sink, thereby allows the generation of a signal threshold that needs to be exceeded for there to be significant phosphoryl group flow to the other response regulator. Thus, this system can enable cells to display switch-like behavior to external signals. Using an analytical approach, I identify mathematical conditions on the system parameters that are necessary for threshold dynamics. I find these conditions to be satisfied in both of the natural systems where the system parameters have been measured. Further, by in vitro reconstitution of a sample system, I experimentally demonstrate threshold dynamics for a phosphate-sink containing two-component system. This study provides a link between these architectures of TCSs and signal-response relationship, thereby enabling experimentally testable hypotheses in these diverse two-component systems. These findings indicate split kinases and phosphate as a microbial alternative for enabling ultrasensitivity and bistability - known to be crucial for cellular decision making. By demonstrating ultrasensitivity, threshold dynamics and their…

▼ Background: Currently, the development of microbial strains for biotechnological production of chemicals and materials can be improved by using a rational metabolicengineering that may involve genetic engineering and/or systems biology techniques. Elementary ux mode analysis (EFM) and Flux balance analysis (FBA) are the twomost commonly used methods for probing the microbial network system properties for metabolic engineering purposes. EFM can be used to identify all possible pathways. However, combinatorial explosion of the number of EFMs obtained during EFM analysis, especially for large reaction networks, hinders the use of EFM data fordeveloping gene knockout strategies. The objective of this project was to identify interesting target products and design `proof of principle' Saccharomyces cerevisiaestrains capable of overproducing a target product; in this case lysine was chosen. Methods: EFMs were calculated for a reaction network from S. cerevisiae. In order to make sense of the large EFM solution space, a novel approach based on com-putational reduction and clustering of EFM datasets into subsets was developed,which aided the prediction of knockouts for lysine production. A Pattern analysismethod, based on regular expression matching, was also developed to interpret the EFM data. FBA frameworks, OptKnock and GDLS, were used to design in silcoproduction strains based on genome-scale models of yeast. Double and triple S. cerevisiae lysine producing strains were constructed using a PCR-based deletion method. Absolute and relative metabolome measurements for lysine and other metabolites in the single and double mutants were achieved using GC-TOF-MS.Results: The new computational and clustering methodology aided significantly the EFM-based in silico design of S. cerevisiae strains for enhanced yield of lysine andother value chemicals. Ethanol and lysine overproducing in silico strains were also developed by OptKnock and GDLS. Remarkably, the production strains with singledeletions, lsc2 and glt1, excreted into the medium five times the amount of lysine than the control strain. Five S. cerevisiae double mutant strains were successfullyconstructed. Two-fold increase in flux towards lysine production was demonstrated by S. cerevisiae double mutant M1, while both S. cerevisiae double mutants M4 andM5 showed about four-fold increase in lysine production. Conclusion: The general modelling and data reduction approaches developed here contributed in obviating the enormous problems associated with trying to obtainthe EFMs from large reaction network models and interpreting the resulting of large number of EFMs. EFM analysis aided the development of single and double S.cerevisiae mutant strains, capable of increased yield of lysine. The computational method was validated by construction of strains that are able to produce several foldmore lysine than the original strain.

▼ T cells are critical decision-makers in the immune system and their activation determines whether a cell or molecule constitutes a threat to the body and needs to be eliminated or whether it should be ignored and tolerated by the immune system. Many molecules that play a role in T cell activation and their interactions with each other have been identified, but an overall understanding of the decision-making processes that lead to changes in T cell behaviour remain enigmatic. We are studying human T cell activation through a combination of in vitro experimental stimulation experiments and mathematical modelling. Our minimal experimental platform allows us to systematically vary the input signals the T cell receives by modulating antigen dose, antigen affinity, stimulation time and costimulatory ligands, and by stimulating through either a TCR or a CAR. We show here that T cell activation (measured as cytokine production) shows an adaptation phenotype in response to all antigen doses and affinities. A detailed study of TCR downregulation and the incorporation into a mathematical model revealed that TCR downregulation is sufficient to explain this adaptation. The intrinsic inactivation of the T cells is contextdependent and the cells can be re-activated with a higher affinity ligand. Furthermore, we show that the inactivated cells can be re-activated when a non-stimulating pMHC is presented together with a costimulatory ligand. We generated a similar dataset for CAR T cells and showed that they can equally get desensitised by antigen and that the CAR is also downregulated depending on antigen dose and affinity, suggesting that a similar model may apply. We used the resulting mathematical model of T cell activation to predict the potential effects of costimulatory molecules on the dose response profiles, including, for example, adhesion effects or signal amplification. We then systematically stimulated T cells with ligands to CD2 and CD28 and compared the responses to the model predictions. We found that CD28 primarily lowers the threshold for T cell activation downstream of the TCR whereas CD2 showed a more complex phenotype with a strong adhesion effect combined with amplifying effects on downstream signalling.

▼ 

Lactococcus lactis est une bactérie lactique couramment utilisée dans l’industrie laitière. Elle assure en tant que ferment des fonctions technologiques multiples qui impactent la flaveur et la texture finale des produits. Cependant, la diversité fonctionnelle constatée au sein des levains de cette espèce impose de mettre en place un processus de sélections des souches. Ces travaux ont pour objectif d’identifier les déterminants de la spécificité organoleptique dite « crème » de la souche industrielle L. lactis ssp. lactis. Dans un premier temps, un diagnostic macro-cinétique de l’activité de ce ferment a été réalisé en lait pour évaluer l’impact sur la physiologie cellulaire (l’acidification, le stress oxydatif, et la thermisation différentielle du lait). Définir la singularité de notre souche d’intérêt nécessite d’évaluer la diversité fonctionnelle de levains laitiers de L. lactis ssp. lactis. Cette démarche s’est appuyée sur une approche de biologie intégrative du génotype au phénotype. Pour réduire le temps d’expérimentation, une sélection des variables discriminantes à été conduite. L’un de ses composés clef de cette typicité a fait l’objet d’une étude approfondie afin de tester les différents paramètres pouvant influencer sa synthèse. La dernière partie, plus applicative, s’est articulée sur la modélisation de la signature en fonction de quatre facteurs industriels (matière grasse, sèche, oxygénation et température) par utilisation de la méthodologie des surfaces de réponse.

The lactic acid bacterium Lactococcus lactis is widely used in dairy industry. Used as a starter, L. lactis subsp. lactis is in charge of many functional characteristics which determine the final texture and flavour of fermented products. However, the phenotypic diversity observed within the species requires strain selection development. This PhD aims at identifying the determinants of the creamy sensory specificity of the industrial strain L. lactis subsp. lactis. Firstly, a diagnosis of macro-kinetic activity of ND5F was carried out to assess the impact on cellular physiology of three environmental parameters (acidification, oxidative stress, and milk heat treatments). In order to assess the uniqueness of our strain of interest, a system biology approach from genotype to phenotype was implemented to study the functional diversity of L. lactis subsp. lactis starters. A group of nine strains representative of the genetic diversity of this subpopulation was made up. 82 variables selected as important dairy features; including physiological descriptors, production of metabolites and volatile organic compounds (VOCs); were monitored. This study demonstrated the phenotypic uniqueness of each of these genetically closely related strains, allowing strain discrimination in dairy products. To reduce the time-consuming experimentation, we developed a method of variable selection. Twenty VOCs were therefore identified as major phenotypic determinants of this diversity. They define four robust stain clusters depending on their metabolic…

Advisors/Committee Members: Loubière, Pascal (thesis director).

▼ To characterize the behavior and robustness of cellular circuits is a major challenge for Systems Biology. Many of the published methods that address this question quantify the local robustness of the models. In this thesis, I tried to underpin the inappropriateness of such local measures and proposed an alternative solution: a glocal measure for robustness that combines both global and local aspects. It comprises a broad exploration of the parameter space and a further refinement based on different local measures. The method is general and such glocal analysis could be applied to many problems. Along with the theoretical and formal aspects of this new analysis method, I developed sampling algorithms that efficiently investigate the generally high-dimensional parameter space of models. To show the usefulness of my method, I applied it on different models of cyclic systems such as the circadian clock and the mitotic cycle. I first considered two models of the cyanobacterial circadian clock and compared their robustness properties. Also in the context of circadian rhythms, I studied the effect of additional feedback loops on the robustness properties in relation with entrainment. Models of the mitotic cycle are also used to assess the effect of an additional positive feedback loop on circuit robustness to parameter changes and molecular noise. Finally, I established some principles for the design of a synthetic circuit based on robustness. The thesis carries on with a discussion that emphasizes the advantages of the glocal method for robustness analysis: in all works, correlations between parameter values and local robustness can be found. Such results facilitate our understanding of the biochemical systems and can be a guide for new experiments to discriminate models or give directions for altering the robustness of the systems. I conclude by discussing potential applications for my method and possible improvements. Advisors/Committee Members: Hasler, Martin, Köppl, Heinz.

▼ 

La biologie des systèmes complexes est le cadre idéal pour l'interdisciplinarité. Dans cette thèse, les modèles et les théories statistiques répondent aux modèles et aux expérimentations biologiques. Nous nous sommes intéressés au cas particulier de la leucémie lymphoïde chronique à cellules B, qui est une forme de cancer des cellules du sang. Nous avons commencé par modéliser le programme génique tumoral sous-jacent à cette maladie et nous l'avons comparé au programme génique d'individus sains. Pour ce faire, nous avons introduit la notion de réseau en cascade. Nous avons ensuite démontré notre capacité à contrôler ce système complexe, en prédisant mathématiquement les effets d'une expérience d'intervention consistant à inhiber l'expression d'un gène. Cette thèse s'achève sur la perspective d'une modulation orientée, c'est-à-dire le choix d'expériences d'intervention permettant de « reprogrammer » le programme génique tumoral vers un état normal.

System biology is a well-suited context for interdisciplinary. In this thesis, statistical models and theories closely meet biological models and experiments. We focused on a specific complex system model: the chronic B-cell chronic lymphocytic leukemia disease which is a cancer of the blood cells. We started by modeling the genetic program which underlies this disease and we compared it to the healthy one. This conduced us to introduce the concept of cascade networks. We then showed our ability to control this complex system by predicting with our mathematical model the effects of a gene inhibition experiment. This thesis ends with the perspective of oriented modulation, i.e. targeted interventional experiments on genes allowing to “reprogram” the cancerous genetic program toward a healthy normal state.

Advisors/Committee Members: Bahram, Seiamak (thesis director).

▼ 

Le travail de cette thèse s’inscrit dans le cadre du projet ANR SUSoSTRESS qui a pour objectif la compréhension des mécanismes moléculaireset génétiques sous-jacents à la variabilité individuelle de réponses de stress et a collecté des données longitudinales à plusieurs niveaux biologiquessur une population d’étude porcine (race Large White). La thèse est organisé en deux partie. La première partie s’articule autour de l’analyse de données cliniques et transcriptomiques collectées à plusieurs pas de temps avant et après application de deux types de stress : injection d’ACTH et de LPS. Dans cettepartie, on cherche à développer d’un modèle fonctionnel permettant de décrire et d’intégrer au mieux l’ensemble des sources de variation génétique du fonctionnement de l’axe corticotrope et plus généralement des réponses de stress dans notre population d’étude. Plus précisément, il s’agit d’élaborer un modèle (au sens biologique du terme) décrivant les différentes réponses biologiques de stress et l’influence des variations génétiques (simples et en interaction), dans le but de prédire les leviers les plus efficaces en fonction de l’objectif de sélection. Ce travail a mis en évidence une liste de 65 gènes différentiellement exprimé au cours des réponses au stress, dont un ensemble de 8 gènes liés au au cortisol (l’hormone principale du stress) par NR3C1, le récepteur aux glucocorticoides. Ces gènes sont des biomarqueurs potentiels pouvant être fournis aux éleveurs en tant que leviers de sélection permettant un meilleur équilibre entre amélioration des caractères de production et des caractères de robustesse. La deuxième partie de ce travail s’articule autour du développement d’un outil d’analyse statistiques adapté à l’intégration de données ’omiques longitudinalesavec une variable cible d’intérêt.Nous proposons la «multiway-SIR », qui étend la méthode dual-STATIS, une méthode d’analyse de données cubiques non supervisée, au cadre de la SIR, une méthode de régression semi-paramétrique pouvant être utilisée à des fins exploratoires. Cette méthode est appliquée sur les données cliniques de l’expérience d’ACTHet permet d’y explorer l’influence de la variabilité de la réponse du cortisol à une injection d’ACTH.

This PhD thesis is part of the SUSoSTRESS project. This ANR funded project aims at improving the knowledge about molecular and genetic mechanisms underlying inter-individual variability in stress responses. Longitudinal data were collected at several biological levels on a porcine population (Large White). This work is structured in 2 parts. The first part is built around clinical and transcriptomic longitudinal data analyses collected before and after 2 types of stress factors : ACTH and LPS injection. The aim of this contribution is to develop a functional model describing all sources of genetic variation in the HPA axis activity and in stress responses in our study population.More precisely, it aims at defining a model describing the different biological stress responses and the influence of genetic variations in…

Advisors/Committee Members: Villa-Vialaneix, Nathalie (thesis director), Terenina-Rigaldie, Elena (thesis director).

▼ 

L’évaluation expérimentale des mécanismes de l’initiation, de la propagation, et de la fin des crises d’épilepsie est un problème complexe. Cette thèse consiste en le développement d’un modèle de réseau de neurones aux caractéristiques biologiques pertinentes à la compréhension des mécanismes de genèse et de propagation de crises d’épilepsie. Nous démontrons que les décharges de type pointes ondes peuvent être générées par les neurones inhibiteurs seuls, tandis que les décharges rapides sont dues en grande partie aux neurones excitateurs. Nous concluons que les variations lentes d’excitabilité globale du système, dues aux fluctuations du milieu extracellulaire, et les interactions électro-tonique par jonctions communicantes sont les facteurs favorisant la genèse de crise localement, tandis qu’à plus large échelle spatiale les communications synaptiques excitatrices et le couplage extracellulaire qui participe davantage à la propagation des crises d’une région du cerveau à une autre.

This thesis consists in the development of a network model of spiking neurons and the systematic investigation of conditions under which the network displays the emergent dynamic behaviors known from the Epileptor, a well-investigated abstract model of epileptic neural activity. We find that exogenous fluctuations from extracellular environment and electro-tonic couplings between neurons play an essential role in seizure genesis. We demonstrate that spike-waves discharges, including interictal spikes, can be generated primarily by inhibitory neurons only, whereas excitatory neurons are responsible for the fast discharges during the wave part. We draw the conclusion that slow variations of global excitability, due to exogenous fluctuations from extracellular environment, and gap junction communication push the system into paroxysmal regimes locally, and excitatory synaptic and extracellular couplings participate in seizure spread globally across brain regions.

Advisors/Committee Members: Jirsa, Viktor K. (thesis director).

▼ 

Cette thèse propose une méthode pour construire des réseaux de régulations causales réalistes, qui a un taux de faux positifs inférieur aux méthodes traditionnelles. Cette approche consiste à intégrer des informations hétérogènes à partir de deux types de prédictions de réseau pour déterminer une explication causale des gènes co-exprimés. Ce processus d'intégration se modélise par un problème d'optimisation combinatoire, de complexité NP-difficile. Nous proposons une approche heuristique pour déterminer une solution approchée en un temps d'exécution raisonnable. Nos expérimentations montrent que, pour l'espèce modèle E. coli, le réseau de régulation résultant de l'application de cette méthode a une précision supérieure à celle construite avec des outils traditionnels. La bactérie Acidithiobacillus ferrooxidans présente des défis importants pour la détermination expérimentale de son réseau de régulation. En utilisant les outils que nous avons développés, nous proposons un réseau de régulation putatif et analysons la pertinence de ses régulateurs centraux. Dans une deuxième partie de cette thèse, nous explorons la façon dont ces relations de régulation se manifestent, en développant une méthode pour compléter un réseau de régulation lié à la maladie d'Alzheimer. Enfin, nous abordons le problème mathématique de la conception de la sonde de puces à ADN. Nous concluons que, pour prévoir pleinement les dynamiques d'hybridation, nous avons besoin d'une fonction d'énergie modifiée pour les structures secondaires des molécules d'ADN attachées en surface et proposons un schéma pour la détermination de cette fonction.

This thesis proposes a method to build realistic causal regulatory networks hat has lower false positive rate than traditional methods. The first contribution of this thesis is to integrate heterogeneous information from two types of network predictions to determine a causal explanation of the observed gene co-expression. The second contribution is to model this integration as a combinatorial optimization problem. We demonstrate that this problem belongs to the NP-hard complexity class. The third contribution is the proposition of a heuristic approach to have an approximate solution in a practical execution time. Our evaluation shows that the E.coli regulatory network resulting from the application of this method has a higher accuracy than the putative one built with traditional tools. The bacterium Acidithiobacillus ferrooxidans is particularly challenging for the experimental determination of its regulatory network. Using the tools we developed, we propose a putative regulatory network and analyze it to rank the relevance of central regulators. In a second part of this thesis we explore how these regulatory relationships are manifested in a case linked to human health, developing a method to complete a linked to Alzheimer 's disease network. As an addendum we address the mathematical problem of microarray probe design. We conclude that, to fully predict the hybridization dynamics, we need a modified energy…

Advisors/Committee Members: Siegel, Anne (thesis director), Maass, Alejandro (thesis director).

▼ 

Ce travail de thèse concerne l’étude de la variabilité inter-individuelle du transcriptome soumis à un stimulus. Cette variabilité n’est pas homogène au sein même du transcriptome et varie suite aux perturbations extérieures.Nous avons mis en place une stratégie d’analyse de la variabilité inter-individuelle sur la base des indices de diversité. Nous avons sélectionné trois jeux de données ayant des caractéristiques particulières (stimulus fort, faible, cinétique, données appariées, …). Ces indices nous permettent de mettre en évidence les différences entre les individus; certains ayant des transcriptomes plus divers que d’autre. Ces différences s’attenues après l’application d’un stimulus au système : La variabilité de la diversité diminue. Nous mesurons cette diminution à l’aide d’une mesure de la similarité. Les résultats indiquent un phénomène global. Nous avons par la suite analysé les données sous le regard d’un indice de spécialisation. Les différences entre groupes témoins et groupes sous l’action d’un stimulus indiquent que la spécialisation diminue de manière significative après l’action du stimulus.Les informations obtenues sont différentes de celles obtenues par les stratégies d’analyses statistiques classiques. Nos travaux montrent enfin que ces outils permettent d’établir de nouvelles hypothèses. Ces indices, utilisés pour la première fois pour ce type d’analyse, ouvrent ainsi la voie à un nouvel arsenal d’outils d’analyse pour la compréhension des modifications transcriptomiques globales mais aussi individuelles et s’inscrit donc parfaitement dans le mouvement de la médecine personnalisée.

This thesis concern the study of the interindividual variability of transcriptome after stimulation. This variability is not homogenous within the same transcriptome and varies with external stimulus.We designed an analysis strategy of the interindividual variability based on diversity indices. We selected three transcriptome datasets based on particular characteristics (strong stimulus, kinetic, paired data…). The indices highlight differences across the samples, some being more diverse than the others. The differences decrease after applying a stimulation to the samples. We measure this modification with a measure of similarity. The results depict a global effect of the stimulation.We analysed the data using specialisation measure. The samples’ specialisation significantly decrease after stimulation, meaning the interindividual variability decreases when the system is on the pressure of a stimulus.Noteworthy, these information are different from those obtained with classical analyses. Our work describe also that this strategy leads to new hyptotheses. These indices are used for these analyses for the first time and can be added to the statistical and mathematical tools already available for transcriptome analysis. They show their capability for highlighting global but also individual modifications and therefore fits perfectly into the field of personalized medicine.

Advisors/Committee Members: Six, Adrien (thesis director), Vicaut, Éric (thesis director).

▼ 

Le fonctionnement de tout organisme vivant repose sur l'activité, ou fonction, des protéines présentes dans les cellules. Sachant que les protéines travaillent en équipe, donc interagissent physiquement pour assurer leurs fonctions, il est naturel d'étudier la fonction des protéines à travers leurs interactions.Grâce au développement de techniques d'identification d'interactions entre protéines, des cartes d'interactions ont été construites, et leur analyse avec des méthodes de classification permet une meilleur compréhension de la fonction des protéines au sein des cellules. Cependant, le développement de nouvelles méthodes de classification et leur évaluation est indispensable pour répondre aux nouvelles questions biologiques posées. Ce travail est basé sur le développement de deux méthodes de classification, qui sont évaluées au niveau méthodologique et biologique, les méthodes d'évaluation elles-mêmes étant finalement questionnées.

All living organisms depend of the activity, or function, of proteins present in the cells. Knowing that proteins work as a team, so physically interact to perform their functions, it is natural to study protein function through their interactions.With the development of techniques to identify protein interactions, interactions maps were built, and their analysis with clustering methods led to a better understanding of protein functions within cells. However, the development of new clustering methods and their evaluation is essential to answer to new biological questions.This work is based on the development of two clustering methods, which are methodologically and biologically evaluated, the evaluation methods themselves being finally questioned.

Advisors/Committee Members: Brun, Christine (thesis director).

▼ 

L’établissement de l’identité cellulaire est un phénomène très complexe qui implique pléthore de signaux instructifs intrinsèques et extrinsèques. Cependant, malgré les progrès importants qui ont été faits pour l’identification des régulateurs clés, les liens mécanistiques entre facteurs de transcription, épigénome, et structure de la chromatine lors de la différenciation cellulaire, et de la transformation tumorigénique des cellules, sont peu connus. Pour résoudre ces problématiques nous avons utilisé deux modèles de transition de l’identité cellulaire : la différenciation neuronale et endodermique induites par un même morphogène, l’acide rétinoïque. Concernant la transformation tumorale des cellules nous avons utilisé un système de tumorigenèse par étape de cellules primaires humaines. Nous avons conduit des études intégratives incluant des données transcriptomiques, épigénomiques, et des données concernant l’architecture de la chromatine. Notre approche systématique pour caractériser l’acquisition de l’identité cellulaire, combinée à la modélisation de la transduction du signal, renforce donc nos connaissances sur les mécanismes responsables de la plasticité cellulaire. Une meilleure compréhension des mécanismes régulateurs de l’identité cellulaire non seulement nous éclaire sur les relations de cause à effet entre les différents niveaux de régulation dans la cellule, mais aussi ouvre de nouvelles possibilités en terme de transdifférenciation dirigée.

The cell fate acquisition is a highly complex phenomenon that involves a plethora of intrinsic and extrinsic instructive signals. However, despite the important progress in identification of key regulatory factors of this process, the mechanistic links between transcription factors, epigenome and chromatin structure which coordinate the regulation of cell differentiation and deregulation of gene networks during cell transformation are largely unknown. To address these questions for two model systems of cell fate transitions, namely the neuronal and endodermal cell differentiation induced by the morphogen retinoic acid and the stepwise tumorigenesis of primary human cells, we conducted integrative transcriptome, epigenome and chromatin architecture studies. Through extensive integration with thousands of available genomic data sets, we deciphered the gene regulatory networks of these processes and revealed new insights in the molecular circuitry of cell fate acquisition. The understanding of regulatory mechanisms that underlie the cell fate decision processes not only brings the fundamental understanding of cause-and-consequence relationships inside the cell, but also open the doors to the directed trans-differentiation.

Advisors/Committee Members: Gronemeyer, Hinrich (thesis director).

▼ 

La communication intercellulaire est à la base de l'organisation d'ordre supérieur observée dans les tissus, les organes et l'organisme. Comprendre la communication intercellulaire et ses mécanismes sous-jacents qui sont impliqués dans le cancer est essentiel. Le microenvironnement des tumeurs du sein est composé d'une grande diversité cellulaire, telle que les cellules endothéliales, stromales ou immunitaires, qui peuvent influencer la progression tumorale ainsi que la réponse au traitement. Parmi les différentes populations de cellules immunitaires, les sous-populations de cellules dendritiques (DCs) intègrent les signaux du microenvironnement puis joue un rôle critique en orchestrant le développement d’une réponse immunitaire spécifique par activation des lymphocytes T. Cependant, les différentes fonctions de ces sous-populations et leurs interactions au sein du microenvironnement tumoral restent mal décrites. L’objectif principal de ma thèse a été de comprendre l'impact du microenvironnement tumorale du sein sur les sous-populations de DCs par analyse systémique. Nous avons utilisé le séquençage de l'ARN pour analyser systématiquement les transcriptomes des pré-DC plasmacytoïdes infiltrant les tumeurs (pDC), les populations cellulaires enrichies pour les DC classiques de type 1 (cDC1e), les DC classiques de type 2, les DC CD14+ et les monocytes-macrophages chez des patientes atteintes de cancer primitif du sein luminal et cancer du sein triple négatif. Nous avons constaté que la reprogrammation transcriptionnelle des cellules présentatrices d’antigène infiltrant la tumeur est spécifique à un sous-ensemble. Ces résultats suggèrent une interaction complexe entre l'ontogenèse et l'empreinte tissulaire dans le conditionnement de la diversité des DCs et de leur fonction dans le cancer.En second lieu, j'ai cherché à étudier les communications intercellulaires afin de comprendre comment les cellules intègrent les signaux de leur environnement. Nous avons développé ICELLNET, un outil pour reconstruire les réseaux de communication intercellulaires. Cette méthode quantitative originale, intégrant les interactions ligand-récepteur et l'expression génique spécifique à un type cellulaire, peut être appliquée automatiquement à tous profils transcriptomiques de population cellulaire, que ce soit dans divers contextes pathologiques ou d’autres domaines de la biologie.

Cell-to-cell communication is at the basis of the higher order organisation observed in tissues, organs, and organism. Understanding cell-to-cell communication, and its underlying mechanisms that drive the development of cancer is essential. Breast tumor microenvironment (TME) is composed of a great cellular diversity, such as endothelial, stromal or immune cells that can influence tumor progression as well as its response to treatment. Among the different immune cell populations, dendritic cells (DCs) subsets integrate signals from their microenvironment and are subsequently essential in orchestrating specific immune response through T cell activation. However,…

Advisors/Committee Members: Soumelis, Vassili (thesis director).

▼ 

L’identification de systèmes dynamiques est une approche de modélisation fondée uniquement sur la connaissance des signaux d’entrée et de sortie de plus en plus utilisée en biologie. Dans ce même domaine d’application, des plans d’expériences sont souvent appliqués pour tester les effets de facteurs qualitatifs sur la réponse et chaque expérience est répétée plusieurs fois pour estimer la reproductibilité des résultats. Dans un objectif d’inférence, il est important de prendre en compte dans la procédure de modélisation les variabilités expliquées (effets fixes) et inexpliquées (effets aléatoires) entre les réponses individuelles. Une solution consiste à utiliser des modèles à effets mixtes mais jusqu’à présent il n’existe aucune approche similaire dans la communauté automaticienne de l’identification de systèmes. L’objectif de la thèse est de combler ce manque grâce à l’utilisation de structures de modèle hiérarchiques introduisant des effets mixtes au sein des représentations polynomiales boites noires de systèmes dynamiques linéaires. Une nouvelle méthode d’estimation des paramètres adaptée aussi bien à des structures simples comme ARX qu’à des structures plus complètes comme celle de Box-Jenkins est développée. Une solution au calcul de la matrice d’information de Fisher est également proposée. Finalement, une application à trois cas d’étude en biologie a permis de valider l’interêt pratique de l’approche d’identification de populations de systèmes dynamiques

System identification is a data-driven input-output modeling approach more and more used in biology and biomedicine. In this application context, methods of experimental design are often used to test effects of qualitative factors on the response and each assay is always replicated to estimate the reproducibility of outcomes. The inference of the modeling conclusions to the whole population requires to account within the modeling procedure for the explained variability (fixed effects) and the unexplained variabilities (random effects) between the individual responses. One solution consists in using mixed effects models but up to now no similar approach exists in the system identification literature. The objective of this thesis is to fill this gap by using hierarchical model structures introducing mixed effects within polynomial black-box representations of linear dynamical systems. A new method is developed to estimate parameters of model structures such as ARX or Box-Jenkins. A solution is also proposed to compute the Fisher’s matrix. Finally, three application studies are carried out and emphasize the practical relevance of the proposed approach to identify populations of dynamical systems

Advisors/Committee Members: Bastogne, Thierry (thesis director), Djermoune, El-Hadi (thesis director).

▼ Lake Erie, one of the Great Lakes in North America, has witnessed recurrent summertime low oxygen dead zones for decades. This is a yearly phenomenon that causes microbial production of the greenhouse gas nitrous oxide from denitrification. Complete denitrification is a microbial process of reduction of nitrate to nitrogen gas via nitrite, nitric oxide, and greenhouse gas nitrous oxide. After scanning the microbial community in Lake Erie, Pseudomonas aeruginosa is decided to be examined, not because it is abundant in Lake Erie, but because it can perform denitrification under anaerobic conditions. This study focuses on a mathematical model of the metabolic network in Pseudomonas aeruginosa under denitrification and testable hypotheses generation using polynomial dynamical systems and stochastic discrete dynamical systems. Analysis of the long-term behavior of the system changing the concentration level of oxygen, nitrate, and phosphate suggests that phosphate highly affects the denitrification performance of the network. Advisors/Committee Members: Laubenbacher, Reinhard C. (committeechair), Burns, John A. (committee member), Ciupe, Mihaela Stanca (committee member).