Il existe de nombreuses similarités entre le développement du foetus et celui des cellules tumorales. En effet, dans les deux cas ils requièrent une division cellulaire intense, une invasion des tissues de l’hôte ainsi qu’une vascularisation soutenue. De plus, malgré le fait que le foetus et les cellules tumorales expriment à la fois des antigènes étrangers (les antigènes paternels pour le foetus et les antigènes du soi modifiés au niveau des cellules tumorales) ils ne sont pas rejetés par le système immunitaire. Parmi plusieurs populations cellulaires impliquées dans ce phénomène de non rejet ou de tolérance, les cellules T régulatrices (Tregs) jouent un rôle primordial dans les deux processus. En effet, notre laboratoire a démontré que l’émergence des cellules tumorales ainsi que l’implantation fœtale s’accompagnent d’une activation forte et rapide des Tregs. Cette observation prend tout son sens quand l’élimination de ces Tregs a conduit à un rejet immunitaire de la tumeur ou du foetus. Afin de valider ces observations, nous avons mis au point une étude transcriptomique comparative entre le microenvironnement tumoral et l’interface foeto-maternelle. Cela a révélé une forte similarité et une importante diminution des voies de signalisation immunologiques associées à la présentation antigénique et à l’activation des cellules T. De plus, des analyses non supervisées ont mis en évidence une coévolution des signatures immunitaires inhibées et cela dés les premiers jours suivant l’implantation des tumeurs ou du foetus. Par ailleurs, l’élimination des Tregs (qui a conduit un rejet de la tumeur ou du foetus) a permis de faire basculer les mêmes signatures immunitaires d’un état d’inhibition à un état d’activation. En définitive, nous pensons que les mécanismes déployés au cours de l’évolution pour protéger les foetus du rejet immunitaire sont détournés afin de favoriser le développement des cellules tumorales. / There are striking similarities between fetus and tumor development. They both require intense cell division, invasion of host tissues and sustained vascularization. Moreover, despite that fetus and tumor express foreign antigens - paternal allo-antigens for fetuses and modified auto-antigens for tumors, they are not rejected by the immune system. Among others, regulatory T cells (Tregs), which are key players in tolerance, appear to play a significant role in both processes. We showed that tumor emergence as well as embryo implantation elicit a strikingly similar brisk Treg response, which functional relevance is supported by the fact that and Treg depletion leads to fetus or tumor immune rejection. Comparison of fetal and tumor microenvironments through transcriptomics revealed strikingly similar and dramatic decrease in expression of multiple immune-related pathways, including antigen presentation and T cell response. Unsupervised analyses highlighted the co-evolution in time of downregulated immune signatures, from the very first days after tumor or embryo implantation. Treg depletion, which leads to fetus or tumor rejection, converted the very same down-modulated immune signatures to up-regulated ones. We propose that means selected during evolution to protect mammalian fetuses are hijacked to license tumor development.

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.

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 function for secondary structures of surface-attached DNA molecules and propose a scheme for determining such function.

Le travail présenté s'articule autour de l'étude in silico des réseaux biologiques en abordant aussi bien les aspects d'intégration, de formalisation et de modélisation des réseaux et sous-réseaux biologiques. Dans ce contexte, les travaux ont porté dans un premier temps, sur le développement d'un outil d'intégration Cyclone à même d'assurer un accès et une exploitation simplifiés des données présentes dans la base de données BioCyc puis, dans un second temps, sur le développement d'un cadre de modélisation des graphes particulièrement adapté à l'étude de réseaux d'interactions hétérogènes, MIB (pour Modèle d'Interaction Biologique). Enfin, ces développements ont été mis à profit afin d'une part, de caractériser et d'étudier la présence et le mode de connexion de sous-réseaux ou motifs à l'intérieur de réseaux plus vastes et d'autre part, d'étudier et de modéliser la voie métabolique du galactose chez la levure Saccharomyces cerevisiae en tant que boucle de rétroaction impliquant régulation transcriptionnelle et interaction protéine-protéine.

Il existe plusieurs approches qui modélisent des réseaux de régulation génétiques a

L'étude des grands modèles de réseaux biologiques par l'utilisation d'outils d'analyse et de simulation conduit à un grand nombre de prédictions. Cela soulève la question de savoir comment identifier les prédictions intéressantes de nouveaux phénomènes, qui peuvent être confrontés à des données expérimentales. Les techniques de vérification formelle basées sur le model checking constituent une technologie puissante pour faire face à cette augmentation d'échelle et de complexité pour l'analyse de ces réseaux. L'application de ces techniques est par contre difficile, pour plusieurs raisons. Premièrement, le domaine de la biologie des systèmes a mis en évidence quelques propriétés dynamiques du réseau, comme la multi-stabilité et les oscillations, qui ne sont pas facilement exprimables avec les logiques temporelles classiques. Deuxièmement, la difficulté de poser des questions pertinentes et intéressantes en logique temporelle est difficile pour les utilisateurs non-experts. Enfin, la plupart des modèles existants et des outils de simulation ne sont pas capables d'appliquer des techniques de model checking d'une manière transparente. La mise en œuvre des approches développées dans ce travail contribue à enlever des obstacles pour l'utilisation de la technologie de vérification formelle en biologie. Leur application a été validée sur l'analyse et la simulation de deux modèles biologiques complexes.

L'étude de la dynamique des réseaux de réactions est un enjeu majeur de la biologie des systèmes. Cela peut-être réalisé de deux manières : soit de manière déterministe à l'aide d'équations différentielles, soit de manière probabiliste à l'aide de chaînes de Markov. Dans les deux cas, un problème majeur est celui de la détermination des lois cinétiques impliquées et l'inférence de paramètres cinétiques associés. Pour cette raison, l'étude directe de grands réseaux de réactions est impossible. Dans le cas de la modélisation déterministe, ce problème peut-être contourné à l'aide d'une analyse stationnaire du réseau. Une méthode connue est celle de l'analyse des flux à l'équilibre (FBA) qui permet d'obtenir des systèmes de contraintes à partir d'informations sur les pentes moyennes des trajectoires. Le but de cette thèse est d'introduire une méthode analogue dans le cas de la modélisation probabiliste. Les résultats de la thèse se divisent en trois parties. Tout d'abord on présente une analyse stationnaire de la modélisation probabiliste reposant sur une approximation de Bernoulli. Dans un deuxième temps, cette dynamique approximée nous permet d'établir des systèmes de contraintes à l'aide d'informations obtenues sur les moyennes, les variances et les co-variances des trajectoires du système. Enfin, on présente plusieurs applications à ces systèmes de contraintes telles que la possibilité de réfuter des réseaux de réactions à l'aide d'informations de variances ou de co-variances et la vérification formelle de propriétés logiques sur le régime stationnaire du système. / A major goal in systems biology is to inverstigate the dynamical behavior of reaction networks. There exists two main dynamical frameworks : the first one is the deterministic dynamics where the dynamics is described using odinary differential equations, the second one is probabilistic and relies on Markov chains. In both cases, one major issue is to determine the kinetic laws of the systems together with its kinetic parameters. As a consequence the direct study of large biological reaction networks is impossible. To deal with this issue, stationnary assumptions have been used. A widely used method is flux balance analysis, where systems of constraints are derived from information on the average slopes of the system trajectories. In this thesis, we construct a probabilistic analog of this stationnary analysis. The results are divided into three parts. First, we introduce a stationnary analysis of the probabilistic dynamics which relies on a Bernoulli approximation. Second, this approximated dynamics allows us to derive systems of constraints from information about the means, variances and co-variances of the system trajectories. Third, we present several applications of these systems of constraints such as the possibility to reject reaction networks using information from experimental variances and co-variances and the formal verification of logical properties concerning the stationnary regime of the system.

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.

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.

L'inférence de la causalité est une problématique récurrente pour un large éventail de domaines où les méthodes d'interventions ou d'acquisition de données temporelles sont inapplicables. Toutefois, établir des relations de causalité uniquement à partir de données d'observation peut se révéler être une tâche complexe. Je présente ici une méthode d'apprentissage de réseaux qui combine les avantages des méthodes d'inférence par identification de contraintes structurales et par optimisation de scores bayésiens pour reconstruire de manière robuste des réseaux causaux malgré le bruit d'échantillonnage inhérent aux données d'observation. Cette méthode repose sur l'identification de v-structures à l'aide de l'information (conditionnelle) à trois variables, une mesure issue de la théorie de l'information, qui est négative quand elle est associée à un collider et positive sinon. Cette approche soustrait itérativement l'information conditionnelle à trois variables la plus forte à l'information conditionnelle à deux variables entre chaque paire de noeuds. Les indépendences conditionnelles sont progressivement calculées en collectant les contributions les plus fortes. Le squelette est ensuite partiellement orienté et ces orientations sont propagées aux liens non orientés selon le signe et la force de l'interaction dans les triplets ouverts. Cette approche obtient de meilleurs résultats que les méthodes par contraintes ou optimisation de score sur un ensemble de réseaux benchmark et fournit des prédictions prometteuses pour des systèmes biologiques complexes, tels que les réseaux neuronaux du poisson zèbre ou l'inférence des cascades de mutations dans les tumeurs. / The inference of causality is an everyday life question that spans a broad range of domains for which interventions or time-series acquisition may be impracticable if not unethical. Yet, elucidating causal relationships in real-life complex systems can be convoluted when relying solely on observational data. I report here a novel network reconstruction method, which combines constraint-based and Bayesian frameworks to reliably reconstruct networks despite inherent sampling noise in finite observational datasets. The approach is based on an information theory result tracing back the existence of colliders in graphical models to negative conditional 3-point information between observed variables. This enables to confidently ascertain structural independencies in causal graphs, based on the ranking of their most likely contributing nodes with (significantly) positive conditional 3-point information. Dispensible edges from a complete undirected graph are progressively pruned by iteratively taking off the most likely positive conditional 3-point information from the 2-point (mutual) information between each pair of nodes. The resulting skeleton is then partially directed by orienting and propagating edge directions based on the sign and magnitude of the conditional 3-point information of unshielded triples. This new approach outperforms constraint-based and Bayesian inference methods on a range of benchmark networks and provides promising predictions when applied to the reconstruction of complex biological systems, such as hematopoietic regulatory subnetworks, zebrafish neural networks, mutational pathways or the interplay of genomic properties on the evolution of vertebrates.