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.

A l'heure de l'acquisition de donn'ees 'a haut d'ebit concernant le m'etabolisme cellulaire et son 'evolution, il est absolument n'ecessaire de disposer de mod'eles permettant d'int'egrer ces donn'ees en un ensemble coh'erent, d'en interpr'eter les variations m'etaboliques r'ev'elatrice, les 'etapes clefs o'u peuvent s'exercer des r'egulations, voire mˆeme d'en r'ev'eler des contradictions apparentes met- tant en cause les bases sur lesquelles le mod'ele lui-mˆeme est construit. C'est ce type de travail que j'ai entrepris 'a propos de donn'ees exp'erimentales obtenues dans le laboratoire biologique sur le m'etabolisme de cellules tu- morales en r'eponse 'a un traitement anti-canc'ereux. Je me suis attach'ee 'a la mod'elisation d'un point particulier de ce m'etabolisme. Il concerne le m'etabolisme des glyc'erophospholipides qui sont de bons marqueurs de la prolif'eration cellulaire. Les phospholipides constituent l'essentiel des mem- branes d'une cellule et l''etude de leur synth'ese (en particulier chez les cellules de mammif'eres) est de ce fait un sujet important. Ici, nous avons pris le parti de mettre en place un mod'ele math'ematique par 'equations diff'erentielles ordinaires, qui est essentiellement bas'e sur des 'equations hyperboliques (Michaelis-Menten), mais aussi sur des cin'etiques type loi d'action de masse et diffusion. Le mod'ele, compos'e de 8 'equations diff'erentielles, donc de 8 substrats d'int'erˆet, comporte naturellementdes param'etres inconnus in vivo, et certains d'ependents des conditions cellulaires (diff'erentiations de cellules, pathologies, . . .). Le mod'ele s'epare la structure du r'eseau m'etabolique, l''ecriture de la matrice de stoechiom'etrie, celles des 'equations de vitesse et enfin des 'equations diff'erentielles. Le mod'ele choisi est le mod'ele murin (souris/rat), parce qu'il est lui-mˆeme un mod'ele de l'homme. Plusieurs con- ditions sont successivement consid'er'ees pour l'identification des param'etres, afin d''etudier les liens entre la synth'ese de phospholipides et le cancer : - le foie sain du rat, - le m'elanome B16 et le carcinome de la lign'ee 3LL chez la souris, respectivement sans traitement, en cours de traitement 'a la Chloro'ethyl-nitrosour'ee et apr'es traitement, - enfin le m'elanome B16 chez la souris sous stress de privation de m'ethionine. En r'esum'e, ce tra- vail fourni une interpr'etation nouvelle des donn'ees exprimentales en mon- trant le rˆole essentiel de la PEMT et la nature superstable de l''etat sta- tionnaire de fonctionnement du r'eseau m'etabolique des phospholipides lors de la canc'erog'en'ese et du traitement des cancers. Il montre bien l'avantage de l'utilisation d'un mod'ele math'ematique dans l'interpr'etation de donn'ees m'etaboliques complexes.

Dans ce travail de thèse, nous avons étudié la variabilité (ou stochasticité) de l'expression des gènes en considérant que le signal stochastique que produit cette expression est porteur d'information quant au processus d'expression lui-même. Cette stochasticité de l'expression génique peut être caractérisée par la variation observée du nombre de protéines produites soit entre différentes cellules isogéniques (portant le même génome) à un instant donné, soit au sein d'une même cellule au cours du temps. Dans un premier temps, nous avons montré expérimentalement que le niveau de stochasticité de l'expression d'un gène change suivant son locus (sa position sur le génome). De plus, nous avons montré que, à locus constant, le niveau de stochasticité peut être influencé par des agents modificateurs globaux de l'état chromatinien. Ensuite, nous avons analysé comment la dynamique chromatinienne peut influencer la stochasticité de l'expression génique d'un gène. Pour ce faire, nous avons utilisé une approche de modélisation et simulation que nous avons ensuite confrontée à des données biologiques. L'utilisation d'un modèle à deux états nous a permis de montrer que l'activité du promoteur est caractérisée par de longues périodes durant lesquelles la chromatine empêche la transcription, entrecoupées par de brèves périodes où la transcription est à nouveau rendue possible sous forme de " bursts " de forte intensité. Pour finir, nous avons identifié, par des approches statistiques et par l'utilisation de bases de données génomiques, des éléments caractéristiques de la séquence génomique qui, lorsqu'ils sont présents dans le voisinage d'un gène, peuvent influer sur la stochasticité de celui-ci. Nous avons en particulier montré que, lorsque le gène rapporteur est inséré à proximité d'un autre gène, sa stochasticité augmente de manière significative. Ce travail nous a permis de mettre en évidence un lien entre la dynamique chromatinienne, l'environnement génomique et la stochasticité de l'expression génique. Ce lien offre à la cellule des perspectives évolutives en lui permettant de réguler cette stochasticité, ouvrant ainsi la porte à la sélection d'un niveau approprié de variabilité.