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. ABSTRACT : 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 balance analysis based algorithms were designed to optimize visualization and study interesting metabolic properties. Blood-stream form specific metabolic models were generated using information available from published studies and the TrypanoCyc annotations with the help of the iMAT algorithm. Finally, an algorithm was designed to further optimize these stage specific models to improve the consistency of their predictions with results published in previous studies. These stage-specific models were observed to have a clear advantage over the genome-scale model when predicting stage-specific behaviour of T. brucei, particularly when predicting mutant behaviour.

Ce mémoire est une présentation de certains de mes travaux de recherches effectués en bioinformatique au laboratoire de Biométrie et Biologie Evolutive de l'université de Lyon 1 depuis 2003, date de mon arrivée en post-doctorat à l'INRIA, suivie de la stabilisation de mon poste un an après.

Méthodes sémantiques pour la comparaison inter-espèces de voies métaboliques : application au métabolisme des lipides chez l'humain, la souris et la poule

How good is our understanding of the way cells treat information and make decisions? To what extend our current understanding enables us to reprogram and control the way cells behave? In this manuscript I describe several approaches developed for the computational analysis of the dynamics of biological networks. In particular I present work done on (i) the analysis of large gene networks with partial information on parameter values, (ii) the use of specification languages to express observations or desired properties in an abstract manner and efficiently search for parameters satisfying these properties, and (iii) recent efforts to use models to drive gene expression in real-time at the cellular level.

Nano-devices are molecular machines synthesized from molecular subcomponents whose functions are combined in order to perform the func- tion of the machine. It frequently results of relative motions of subcomponents triggered by chemical events such as excitement induced by light, acidity or tem- perature changes. Thus the function consists in the transformation of a chemical event into a mechanical event. An important and characteristic feature of these devices is their intrinsic compositional nature. Therefore process-algebra for- malisms are natural candidates for their modeling. To this aim we introduce a dialect of the -calculus, the nano calculus. It is a rule-based language, the basic agents are molecules, with explicit representa- tion of molecular complexations and internal states. Its stochastic semantics is governed by rules which correspond to chemical reactions. The stochastic rate of the rule, possibly in nite, corresponds to the kinetic rate of the reaction. We illustrated its relevance for the modeling and simulation of nano-devices with an example stemming from the collaboration with the chemistry department of bologna: the [2]RaH rotaxane. We modeled it in nano and simulated its behaviour under various conditions of concentration: rst we validate our model by checking its correspondance with the experimental data and then we investi- gate extreme conditions not observable in practice. We were able to show that some classical assumption about kinetic rates were not correct any longer in this setting. The calculus has many advantages for the modelling of biochemical sys- tems. It is in particular compact, easily reusable and modi able and maybe more importantly much biological-like and thus easier to learn for biochemists. On the other hand the -calculus, also often used to model biochemical sys- tems, has a much more developed theory and more available tools. We present an encoding from the nano calculus to the stochastic -calculus. It satis es a very strong correctness property: S ! T , [[S]] ! [[T]], where S and T are nano terms, is the rate of the reaction and [[:]] is the encoding. Thus it permits to use nano as a front-end formalism and still get the bene ts of the theory and tools of the -calculus. We carry on with a study of the chemical master equation. It probabilisti- cally describes the possible behaviours of the system over time as a di erential equation on the probability to be in a given state at a given instant. It is a key notion in chemistry. There have been many e orts to solve it, and methods such as the Gillespie's algorithm has been developed to simulate its solution. We introduce and motivate a notion of equivalence based on the chemical master equation. It equates state with similar stochastic behavior. Then we prove that this equivalence corresponds exactly to the notion backward stochastic bisimu- lation. This bisimulation di ers from the usual ones because it considers ingoing transitions instead of outgoing transitions. This results is worth in itself since it establishes a bridge between a chemical semantics and a computer semantics, but it is also the rst step towards a metrics for biochemistry. Finally we present an unexpected consequence of our study of the nano calculus. We study the relative expressiveness of the synchronous and asyn- chronous -calculus. In the classical setting the latter is known to be strictly less expressive than the former. We prove that the separation also holds in the stochastic setting. We then extend the result to the -calculi with in nite rates. We also show that under a small restriction the asynchronous -calculus with in nite rates can encode the synchronous -calculus without in nite rates. In- terestingly the separation results are proved using the encodability of the nano calculus. We also propose and motivate a stochastic -calculus with rates of di erent orders of magnitude: the multi-scale -calculus to which we generalize our results. Finally we prove that in the probabilistic settings the asynchronous -calculus can be encoded into the asynchronous one.

L'un des buts de la biologie des systèmes est, à l'aide de données expérimentales, de proposer un modèle si possible quantitatif, permettant d'inférer les causes microscopiques (interactions moléculaires) menant aux conséquences macroscopiques qui sont observées par expérimentation. Un tel modèle est dit explicatif. S'il est suffisamment complet, il peut être aussi prédictif, c'est-à-dire permettre de fournir des résultats qui seront confirmés par des expériences futures, et donc dans certaines limites permettre de faire des expériences in silico pertinentes. Une partie de mes travaux de recherche au cours des dix dernières années a été de réaliser un systéme de simulation intégré, HSIM, le plus complet possible, offrant à la fois une simplicité d'utilisation pour le modélisateur et un grand pouvoir d'expression permettant de prédire la dynamique de modèles issus de domaines très variés de la biologie. Le langage de description de HSIM permet de décrire de façon générique des modèles aussi divers que des réseaux métaboliques, des réseaux d'interaction géniques, ainsi que le couplage de ces deux types de réseaux; le mécanisme de réplication de l'ADN couplé à la transcription et la traduction des gènes pour étudier l'influence de la réplication sur la dynamique de réseaux d'interaction entre ces gènes; des modèles permettant de montrer des phénomènes d'auto-organisation spatiale et leur influence sur la dynamique globale du système, etc. En collaboration avec l'équipe de Franck Molina du laboratoire Sysdiag à Montpellier, je me suis intéressé à la conception et à la réalisation de bio-calculateurs artificiels utilisant des composants logiques implémentés à l'aide de réseaux métaboliques permettant de détecter les marqueurs d'une pathologie particulière (cancer colorectal, néphropathie diabétique) et de faire un calcul programmé pour fournir une réponse intégrée, par exemple sous forme colorimétrique. Des premiers résultats ont été obtenus lors la thèse de Stéphanie Rialle, à laquelle j'ai contribué de façon informelle. Je continue mes recherches dans cette voie en co-encadrant une thèse qui porte sur la définition et la conception de composants logiques enzymatiques, et sur la conception d'outils informatiques permettant de réaliser et de tester in silico des réseaux métaboliques artificiels réalisant un calcul donné.

The exponential growth in bioinformatics data generation and the stagnation of processor frequencies in modern processors stress the need for efficient implementations that fully exploit the parallel capabilities offered by modern computers. This thesis focuses on parallel algorithms and implementations for bioinformatics problems. Various types of parallelism are described and exploited. This thesis presents applications in genetics with a GPU parallel tool for QTL detection, in protein structure comparison with a multicore parallel tool for finding similar regions between proteins, and large graph analysis with a multi-GPU parallel implementation for a novel algorithm for the All-Pairs Shortest Path problem.

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 characterizing and reasoning on the response of logical signaling networks. Secondly, we contribute to a growing list of successful applications of ASP in systems biology. Thirdly, we present a software providing a complete pipeline for automated reasoning on the response of logical signaling networks.

La recherche de QTL par régression des phénotypes sur les probabilités de transmission (modèle Haley-Knott) est une méthode très largement utilisée quand on dispose de grandes familles phénotypées par des caractères gaussiens. L'objectif de cette thèse d'un point de vue méthodologique, est de proposer une méthode de détection de QTL qui prend en compte des effectifs de familles petits d'une part, et l'existence de caractères discrets d'autre part. Ainsi, nous proposons, pour répondre à la première question, une approche de détection de QTL intégrant dans le calcul du mérite génétique des individus marqués, les performances calculées sur n générations de descendants. L'obtention d'un mérite génétique dérégressé comme substitut de phénotypes, proposé notamment par Weller et al (1990) et Tribout et al (2008), est donc généralisée. Ensuite, sont présentés les résultats de comparaisons d'un modèle supposant la normalité des données à un modèle à seuils faisant l'hypothèse d'une distribution continue sous jacente à la distribution observée dans la détection de QTL des caractères discrets. Nous démontrons ici que le modèle discret est plus précis et plus puissant quand le caractère étudié possède trois modalités distribuées de façon déséquilibrée dans la population.Dans la deuxième partie de la thèse, l'analyse des données du protocole GENECAN a été réalisée. Il s'agit d'identifier les régions du génome ou locus à caractère quantitatif (QTL), associées à des caractères d'intérêt mesurés sur des canards mulards gavés. Le canard mulard est un hybride interspécifique obtenu par croisement d'une cane commune (Anas platyrhynchos) et d'un canard de Barbarie (Cairina moschata). Trois cents quarante deux canes communes conçues en back-cross (BC) ont été générées par croisement d'une lignée de canard Kaiya et d'une lignée de canard Pékin lourd. Ces femelles BC ont été accouplées avec des canards de Barbarie pour produire 1600 canards mulards sur lesquels sont effectuées des mesures de croissance, de métabolisme au cours de la période de croissance et du gavage, d'aptitude au gavage et de qualités du magret et du foie gras. La valeur phénotypique des femelles BC marquées a été estimée, pour chaque caractère, comme étant la valeur moyenne des phénotypes de sa progéniture et pondérée par un coefficient de détermination (CD) fonction du nombre de descendants et de l'héritabilité du caractère étudié. Une carte génétique de 91 marqueurs microsatellites réparties sur 16 groupes de liaison (GL) et couvrant un total de 778 cM a été utilisée. Dans le cadre de l'analyse uni-caractère, vingt-deux QTL significatifs à 1% au niveau du chromosome ont été cartographiés. Ces QTLs sont pour la plupart impliqués dans la variabilité de la qualité du magret et du foie gras. Les zones chromosomiques d'intérêt, identifiées dans le cadre de cette étude devront dans le futur, être densifiées en marqueurs pour faire l'objet d'une cartographie fine.

Les bactéries ajustent constamment leur composition moléculaire pour répondre à deschangements environnementaux. Nous nous intéressons aux systèmes de régulation métabolique et génique permettant une telle adaptation, notamment dans le contexte de la diauxie chez Escherichia coli lors de la transition de croissance sur une source de carbone riche, le glucose, à une source plus pauvre, l'acétate. Afin de modéliser de tels réseaux métaboliques, nous utilisons un formalisme cinétique approché appelé linlog et abordons les problèmes ren- contrés lors de l'estimation de paramètres. Ainsi, nous proposons une méthode d'estimationde paramètres à partir de jeux de données incomplets basée sur l'algorithme EM ("Expec- tation Maximization") et l'appliquons au modèle linlog du métabolisme central du carbone. Nous proposons également une méthode d'analyse d'identifiabilité et de réduction de modèles non identifiables que nous appliquons ensuite sur des jeux de données simulés ou obtenus expérimentalement. Par ailleurs, nous mesurons des profils temporels d'expression de gènes impliqués dans le contrôle de la diauxie et mettons en évidence, à l'aide de modèles cinétiques développés dans ces travaux, l'importance de la contribution de l'état physiologique de la cellule dans la régulation génique. En se confrontant aux défis méthodologiques rencontrés lors du développement de modèles de réseaux métabolique et génique, cette thèse contribue aux efforts futurs portant sur l'intégration de ces deux types de réseaux dans des modèles quantitatifs.