Les cicatrices hypertrophiques sont la résultante de désordres fibrotiques caractérisés par un dépôt excessif de Matrice ExtraCellulaire (MEC) et une persistance anormale des myofibroblastes (cellules différenciées qui participent à la cicatrisation). Elles apparaissent régulièrement suite à un retard dans les délais de cicatrisation comme c'est le cas lors de la guérison des plaies de grandes surfaces caractéristiques des grands brûlés. Afin de comprendre les mécanismes mis en jeux dans cette pathologie notre équipe a utilisé le modèle de peau reconstruite par auto-assemblage avec des cellules épidermiques et dermiques issues de cicatrices hypertrophiques ou de peaux normales. Les études précédentes ont permis de montrer que l'épaisseur des dermes obtenus lors de culture de différents types cellulaires mésenchymateux est augmentée en présence de kératinocytes issus de cicatrices hypertrophiques (KH) par rapport à celle obtenue' lorsque des kératinocytes issus de cicatrices normales (KN) sont utilisés. Elles ont également pu attribuer cette variation d'épaisseur dermique à un effet paracrinien de l'épiderme. Nous avons poursuivi cette étude et identifié une protéine inhibitrice des métalloprotéinases : TIMP-1, sécrétée plus fortement par les KH par rapport aux KN. Cette dernière une fois ajoutée aux milieux de culture d'équivalents de peau reconstruite avec des KN in vitro induit une fibrose comparable a celle obtenue dans les équivalents de peau reconstruite avec des KH. Cette observation apporte une nouvelle donnée dans la connaissance des mécanismes moléculaires et cellulaires conduisant à la cicatrisation hypertrophique.

Au Québec, dans toutes les provinces canadiennes et dans 18 États américains, la méthode de détermination des besoins en chaux des sols agricoles est basée sur l'analyse du pH[indice SMP]. Cependant, cette méthode pose des problèmes de précision par rapport aux sols dont les besoins en chaux sont faibles. Ainsi cette méthode n'est pas trop en phase avec la réalité agronomique d'une majorité de sols du Québec ayant de faibles besoins et entretenus chaque année par des pratiques de chaulage. L'objectif de cette étude était de développer une nouvelle procédure d'évaluation des besoins en chaux basée sur les analyses routinières des sols (pH[indice eau], MO, P[indice M3], K[indice M3], Ca[indice M3], Mg[indice M3], Al[indice M3]) et leur calibration par apprentissage supervisé sur les courbes de titrage de l'acidité des sols. Pour réaliser cette étude, 270 courbes de titrage ont été élaborés à partir d'expériences de laboratoire, ensuite ces courbes ont été paramétrisés et les covariables découlant de cette paramétrisation sont prédits par intelligence artificielle à partir de caractéristiques physico-chimiques de base des sols analysés. Ce projet de recherche a été réalisé de façon à prendre le plus en considération possible la réalité des sols agricoles au Québec, l'échantillonnage a été faite au niveau de 9 régions du Québec. Les résultats obtenus prouvent qu'il est possible de paramétriser une courbe de titration d'un sol et de prédire ses besoins en chaux à partir de ses paramètres physico-chimiques routinières. / In Quebec, in all Canadian provinces and in 18 American states, the method for determining the lime requirements of agricultural soils is based on pHSMP analysis. However, this method poses accuracy problems for soils with low lime requirements. Thus, this method is not in phase with the agronomic reality of a majority of Quebec soils with low needs and maintained each year by liming practices. The objective of this study was to develop a new procedure for evaluating lime requirements based on routine soil analyses (pH[subscript water], MO, PM3, KM3, CaM3, MgM3, AlM3) and their calibration by supervised learning on soil acidity titration curves. To carry out this study, 270 titration curves were elaborated from laboratory experiments, then these curves were parameterized and the covariates resulting from this parameterization are predicted by artificial intelligence from basic physicochemical characteristics of the analyzed soils. This research project was carried out in such a way as to take into account the reality of agricultural soils in Quebec as much as possible. The sampling was done in 9 regions of Quebec. The results obtained prove that it is possible to parameterize a soil titration curve and to predict its lime needs from its routine physico-chemical parameters.

Dans le cadre de ce projet de maîtrise, le but principal était de poursuivre le développement d'un modèle de peau psoriasique reconstruit par génie tissulaire et de caractériser le rôle de l'innervation sensorielle dans le phénotype psoriasique de ces derniers. Le développement de cet équivalent vise avant tout à mieux comprendre la pathogénèse du psoriasis et potentiellement ouvrir la porte à de nouvelles voies thérapeutiques permettant de contrôler la maladie ou ses symptômes. Avec nos protocoles, nous avons pu démontrer que l'ajout d'innervation à un équivalent de peau reconstruit par génie tissulaire exacerbait le phénotype psoriasique en tout ou en partie. Jusqu'à présent, la caractérisation des cytokines étudiées dans nos protocole nous laisse croire que le facteur de croissance neuronal (NGF) est le principal médiateur de la prolifération kératinocytaire caractérisant les peaux psoriasiques.

Le psoriasis est une maladie cutanée chronique à médiation immunitaire qui affecte environ 2 à 3 % de la population mondiale. Cette pathologie est le résultat d'une réponse immunitaire inappropriée, où l'environnement, les cellules de la peau et les cellules immunitaires interagissent de manière complexe. Parmi ces cellules immunitaires, les lymphocytes T auxiliaires de profil Th17 jouent un rôle central en produisant des niveaux élevés d'IL-17A en présence d'IL-23. Des traitements ciblant l'IL-23 ont démontré une grande efficacité, mettant en évidence son importance dans la pathogenèse du psoriasis. De plus, des études récentes ont mis en lumière le rôle crucial des cellules myéloïdes et de leurs cytokines, telles que le TNFα et l'IL -23, dans la persistance et la gravité de cette maladie. Cependant, malgré les avancées dans la compréhension de la maladie, il n'existe toujours aucun traitement curatif pour le psoriasis. Une des principales raisons de cette lacune réside dans la difficulté de reproduire fidèlement l'environnement inflammatoire présent dans les lésions cutanées psoriasiques. Les modèles in vivo et in vitro actuels présentent des limites, notamment des différences entre la peau humaine et animale, ainsi que l'utilisation de cellules cutanées saines qui ne reproduisent pas entièrement les caractéristiques du psoriasis. Ces limitations entravent le développement de nouveaux traitements efficaces pour cette maladie. Pour relever ce défi, l'objectif de ce projet de recherche était de développer un modèle de peau psoriasique 3D intégrant à la fois des lymphocytes T et des macrophages. L'objectif était de mieux représenter le contexte pathologique de la peau psoriasique afin de comprendre plus précisément les interactions complexes entre les lymphocytes T et les macrophages dans le contexte du psoriasis. Les résultats de cette étude sont prometteurs, montrant que ce nouveau modèle immunocompétent , faisant le lien entre l'immunité innée et adaptative, reproduit fidèlement les caractéristiques majeures de la peau psoriasique sans nécessiter l'ajout exogène de médiateurs pro-inflammatoires. Les résultats de ce projet ouvrent également de nouvelles perspectives pour une meilleure compréhension du rôle crucial des macrophages dans cette maladie complexe et montrent l'intérêt de cette nouvelle plateforme pour le développement de nouveaux traitements. / Psoriasis is a chronic immune-mediated skin disease that affects approximately 2 to 3% of the global population. This condition is the result of an inappropriate immune response in which the environment, skin cells, and immune cells interact in a complex manner. Among these immune cells, Th17 profile helper T lymphocytes play a central role by producing high levels of IL-17A in the presence of IL-23. Treatments targeting IL-23 have demonstrated great efficacy, highlighting its importance in the pathogenesis of psoriasis. Furthermore, recent studies have shed light on the crucial role of myeloid cells and their cytokines, such as TNF α and IL-23, in the persistence and severity of this disease. However, despite advances in understanding the disease, there is still no cure for psoriasis. One of the main reasons for this gap lies in the difficulty of faithfully reproducing the inflammatory environment present in psoriatic skin lesions. Current in vivo and in vitro models have limitations, including differences between human and animal skin, as well as the use of healthy skin cells that do not fully replicate the characteristics of psoriasis. These limitations hinder the development of new effective treatments for this disease. To address this challenge, the aim of this research project was to develop a 3D psoriatic skin model that incorporates both T lymphocytes and macrophages. The goal was to better represent the pathological context of psoriatic skin in order to understand more precisely the complex interactions between T lymphocytes and macrophages in the context of psoriasis. The results of this study are promising, showing that this new immunocompetent model, bridging the gap between innate and adaptive immunity, faithfully reproduces the major characteristics of psoriatic skin without the exogenous addition of pro-inflammatory mediators. The findings of this project also open new perspectives for a better understanding of the crucial role of macrophages in this complex disease and demonstrate the potential of this new platform for the development of new treatments.

La représentation par réseau est un outil puissant pour la modélisation des systèmes dynamiques complexes. Elle est notamment utilisée en neurosciences pour étudier le cerveau. Cependant, extraire un connectome, soit la liste des neurones et des connexions qui les relient, demeure un défi important pour des cerveaux de plusieurs milliers de neurones. C’est le cas du cerveau de la larve du poisson-zèbre qui contient près d’une centaine de milliers de neurones. Puisque les synapses ne peuvent être directement observées, les connexions entre neurones doivent plutôt être inférées. Plusieurs méthodes classiques, dites d’inférence fonctionnelle, issues des statistiques et de la théorie de l’information, prédisent la connectivité à partir des séries temporelles qui décrivent l’activité des neurones. Plus récemment, des avancées en intelligence artificielle ont ouvert la voie à de nouvelles méthodes d’inférence. L’objectif du projet de maîtrise exposé dans ce mémoire est de comparer la performance des méthodes de l’intelligence artificielle à celle des méthodes bien établies. Puisque la connectivité réelle est nécessaire pour une telle comparaison, un simulateur de réseau de neurones est utilisé pour générer des séries temporelles d’activité à partir de connectivités réelles extraites de vidéos d’activité. Il est montré que la calibration d’un tel simulateur, dans le but d’obtenir de l’activité similaire à celle des poissons-zèbres, n’est pas une tâche triviale. Une approche d’apprentissage profond est donc conçue pour prédire, à partir de métriques d’activité globale, les paramètres de simulation idéaux. Il est ensuite montré, sur 86% des simulations générées, qu’un modèle de réseau de neurones artificiels à convolution performe significativement mieux que les autres méthodes d’inférence. Cependant, lorsqu’un entraînement supervisé est impossible, la méthode classique de transfert d’entropie performe mieux qu’un modèle d’apprentissage profond nonsupervisé sur 78% des simulations générées. / Complex network analysis is a powerful tool for the study of dynamical systems. It is often used in neuroscience to study the brain. However, extraction of complete connectomes, i.e. , the list of all neurons and connections, is still a challenge for large brains. This is the case for the brain of the zebrafish which contains almost a hundred thousand neurons. Since direct observation of synapses is still intractable for a brain of this size, connections between neurons must be inferred from their activity. It is indeed possible to extract time series of activity for all neurons, by making them fluorescent upon activation through genetic engineering and by leveraging the zebrafish’s transparency during the larval stage. Then, so-called methods of functional inference, based on information theory, can be used to predict the connectivity of neurons from time series of their activity. Recent breakthroughs in artificial intelligence have opened the door to new methods of inference. The goal of the project described in this thesis is to compare the performance of such new methods to the performance of well-established ones. Since ground truth of connectivity must be known for comparison, a simulator is used to generate synthetic time series of activity from known connectivity. It is shown that the tuning of such a simulator, in order to generate realistic data, is not an easy task. Therefore, a deep learning approach is proposed to predict optimal simulator parameters by analysis global dynamical metrics. Using the generated time series, it is shown that a convolutional neural network performs significantly better than well-established methods on 86% of simulations. However, in cases where supervised learning is impossible, the zebrafish’s case being an example, the classical method of Transfer Entropy performs better than an unsupervised deep learning model on 78% of simulations.

Reproduction de : Thèse de doctorat : Arts et technologies de l' image : Paris8 : 2007. / Titre provenant de l'écran-titre. Bibliogr. p. 417-436.

Ce mémoire est compose de deux parties, chacune correspondant à un article publié. La première présente une nouvelle approche de simulation pour une chimie virtuelle utilisée dans le domaine de la vie artificielle. Cette approche innovante est basée sur les échanges d'énergies lors des collisions entre les différents atomes du système. Les échanges d'énergie permettent de mieux diriger les réactions, tout en laissant une grande liberté au système. Cette chimie est developpée dans l'optique d'étudier l'émergence de certains phénomènes chimiques en lien avec l'origine de la vie. La deuxième partie du mémoire traite d'une simulation d'un corps humain. Le système développé simule certains métabolismes importants du corps humain dans le but d'obtenir un humain virtuel pouvant être utilisé dans le cadre de la formation en sciences de la santé. Le système cardiovasculaire ainsi que le système respiratoire du patient virtuel ont été développés et sont présentés dans ce mémoire.

La problématique de cette thèse a été d'étudier les systèmes pouvant (se) diagnostiquer en vue de (se) reconfigurer dans le contexte de l'amélioration de l'autonomie des systèmes spatiaux. Pour cela, nous nous sommes intéressés aux agents fondés sur un modèle du système, concept étudié en Intelligence Artificielle. Nous avons utilisé ce concept dans un but de suivi d'état, tout en prenant en compte les défauts pouvant affecter le système, effectuant ainsi la tâche de diagnostic dynamique. Pour cela, les aspects concernant les défauts du système ont été intégrés dans le modèle. Le suivi d'état est la tâche qui met à jour un état de croyance concernant le système. Nous l'avons analysé sous un angle algorithmique dans le but de répondre aux contraintes de faibles ressources de calcul présentes à bord des systèmes spatiaux. Nous avons étudié les algorithmes de suivi qui opèrent sur des modèles logiques, tels que ceux écrits en logique propositionnelle ou dans le langage des réseaux de contraintes, et sur des modèles probabilistes, tels que les réseaux Bayésiens dynamiques. Cette étude a permis de cibler le phénomène d'enchevêtrement qui rend exponentiel la représentation de l'état de croyance. Notre contribution consiste à proposer une approche algorithmique qui utilise un algorithme de recherche en profondeur d'abord dans un espace de recherche Et/Ou. Dans cet espace, le phénomène d'enchevêtrement a pu être analysé sous un nouvel angle. Nous avons proposé une solution au phénomène d'enchevêtrement en définissant, sous la forme de trois règles de calcul, un système cohérent et complet dans la théorie des ensembles. Nous avons ensuite défini des structures de données servant de représentation compacte de l'état de croyance. Ces structures de données sont appelées arbres symboliques. Nous concluons par une généralisation et des perspectives dans le domaine algorithmique et les mathématiques.

Thèse (M.Sc)--Université Laval, 2008. / Titre de l'écran-titre (visionné le 25 mars 2009). Bibliogr.

L'industrie des transports est un acteur important de l'économie mondiale. Des millions d'emplois sont touchés de près ou de loin par cette industrie. De plus, le nombre de véhicules sur terre ne cesse d'augmenter et il est rendu courant dans plusieurs pays industrialisés d'avoir plus d'une voiture par famille. Tout cela entraîne également son lot de problèmes, notamment au niveau de la sécurité routière et de la pollution. Depuis des décennies, des compagnies privées et des organisations publiques se penchent sur ces problèmes. Ils innovent constamment en améliorant les véhicules et les infrastructures du réseau routier. Les voitures ne sont pas seulement de plus en plus sécuritaires mais aussi de plus en plus confortables et conviviales. Cependant, la plupart des systèmes intelligents présents dans les voitures acquièrent de l'information grâce aux capteurs. Ceux-ci sont limités et certaines données ne peuvent être accessibles aux capteurs. La solution repose donc sur l'utilisation de la communication sans fil pour échanger des informations entre les véhicules et entre les infrastructures et les véhicules. Le sujet de cette maîtrise porte sur la communication inter-véhicules et route-à-véhicule. Elle se divise en deux parties. Tout d'abord, dans le cadre du projet AUTO21 au laboratoire DAMAS, un protocole de communication inter-véhicules doit être développé pour implanter un système de régulateur de vitesse collaboratif et adaptatif (" Collaborative Adaptative Cruise Control ", CACC). La théorie multi-agents et l'apprentissage par renforcement sont utilisés pour apprendre une politique de communication optimale. La deuxième partie porte sur la communication route-à-véhicule appliquée au problème d'optimisation des feux de signalisation. Deux approches multiagents sont utilisées pour optimiser la gestion des feux. Les agents placés aux intersections reçoivent de l'information relative au trafic grâce à la communication route-à-véhicule et tentent d'adopter une politique de contrôle optimale.