Cette thèse porte sur l'analyse mathématique des modèles de compétition de plusieurs espèces microbiennes sur une seule ressource dans un chémostat. L'objectif est de modéliser et démontrer la coexistence des espèces par divers mécanismes pour mieux rendre compte de la biodiversité que l'on trouve dans la nature, ainsi que dans les bioréacteurs. Nous nous somme intéressés principalement à trois mécanismes de coexistence : 1. La compétition inter-spécifique entre les populations de micro-organismes et intra-spécifiques entre les individus de la même espèce. 2. La floculation où l'espèce la plus compétitive inhibe sa propre croissance par la formation des flocs pour pouvoir coexister avec les autres espèces. En fait, ces bactéries en flocs consomment moins du substrat que les bactéries isolées puisqu'elles ont un moins bon accès au substrat, étant donné que cet accès au substrat est proportionnel à la surface extérieur du floc. 3. La densité-dépendance dont le modèle peut être construit à partir du modèle de floculation, en supposant que la dynamique de floculation est plus rapide que la croissance des espèces. Dans ce modèle densité-dépendant le taux de croissance dépend non seulement de la densité du substrat, mais aussi, de la densité de la biomasse, et le taux de prélèvement de la biomasse n'est pas constant mais dépend aussi de la densité de la biomasse. Enfin, nous avons étudié un modèle de digestion anaérobie à trois étapes avec dégradation enzymatique du substrat (matière organique), dont une partie peut être sous forme particulaire. L'analyse mathématique montre que le modèle peut présenter la quadri-stabilité avec lessivage d'aucune, d'une ou de deux espèces selon la condition initiale. L'étude mathématique du comportement qualitatif de différents modèles du chémostat, nous a permis de mieux comprendre la compétition et la coexistence des espèces microbiennes.

Dans ce travail de recherche, nous sommes intéresses par la modélisation de l'hématopoïèse. Les cellules souches hématopoïétiques (CSH) sont des cellules indifférenciées de la moelle osseuse, possédant la capacité de se renouveler et de se différencier (pour la production des globules rouges, globules blancs et les plaquettes). Le processus de l'hématopoïèse souvent révèle des irrégularités qui causent les maladies hématologiques. En modélisant la leucémie myéloide chronique (LMC), une maladie hématologique fréquente, nous représentons l'hématopoïèse des cellules normales et cancéreuses par un système d'équations différentielles ordinaires (EDO). L'homéostasie des cellules normales et différente de l'homéostasie des cellules cancéreuses, et dépend de quelques lignées des cellules normales et cancéreuses. Nous analysons la dynamique globale du modèle pour obtenir les conditions de régénération de l'hématopoïèse ou bien la persistance de la LMC. Nous démontrons aussi que la coexistence des cellules normales et cancéreuses ne peut avoir lieu pour longtemps. Imatinib est un traitement de base de la LMC, avec un dosage variant de 400 à 1000 mg par jour. Certains patients présentent des réponses différentes à la thérapie, pouvant être hématologique, cytogénétique et moléculaire. La thérapie échoue dans deux cas: le patient demande un temps plus long pour réagir, alors il s'agit d'une réponse suboptimale; ou bien le patient résiste après une bonne réponse initiale. Pour déterminer le dosage optimal, nécessaire à la réduction des cellules cancéreuses, nous représentons les effets de la thérapie par un problème de contrôle optimal. Notre but est de minimiser le cout du traitement et le nombre des cellules cancéreuses. La réponse suboptimale, la résistance et le rétablissement sont alors obtenus suivant l'influence de l'imatinib sur les taux de division et de mortalité des cellules cancéreuses. Nous étudions par ailleurs l'hématopoïèse selon un modèle structuré en age, décrivant l'évolution des CSH normales et cancéreuses. Nous démontrons que le taux de division des CSH cancéreuses joue un rôle important dans la détermination du contrôle optimal. En contrôlant la croissance des cellules normales et cancéreuses avec compétition inter spécifique, nous démontrons que le dosage optimal dépend de l'homéostasie des CSH cancéreuses. / Modelling hematopoiesis represents a feature of our research. Hematopoietic stem cells (HSC) are undifferentiated cells, located in bone marrow, with unique abilities of self-renewal and differentiation (production of white cells, red blood cells and platelets).The process of hematopoiesis often exhibits abnormalities causing hematological diseases. In modelling Chronic Myeloid Leukemia (CML), a frequent hematological disease, we represent hematopoiesis of normal and leukemic cells by means of ordinary differential equations (ODE). Homeostasis of normal and leukemic cells are supposed to be different and depend on some lines of normal and leukemic HSC. We analyze the global dynamics of the model to obtain the conditions for regeneration of hematopoiesis and persistence of CML. We prove as well that normal and leukemic cells can not coexist for a long time. Imatinib is the main treatment of CML, with posology varying from 400 to 1000 mg per day. Some affected individuals respond to therapy with various levels being hematologic, cytogenetic and molecular. Therapy fails in two cases: the patient takes a long time to react, then suboptimal response occurs; or the patient resists after an initial response. Determining the optimal dosage required to reduce leukemic cells is another challenge. We approach therapy effects as an optimal control problem to minimize the cost of treatment and the level of leukemic cells. Suboptimal response, resistance and recovery forms are obtained through the influence of imatinib onto the division and mortality rates of leukemic cells. Hematopoiesis can be investigated according to age of cells. An age-structured system, describing the evolution of normal and leukemic HSC shows that the division rate of leukemic HSC plays a crucial role when determining the optimal control. When controlling the growth of cells under interspecific competition within normal and leukemic HSC, we prove that optimal dosage is related to homeostasis of leukemic HSC.

Les vaccins ont été une grande réussite en matière de santé publique au cours des dernières années. Cependant, le développement de vaccins efficaces contre les maladies infectieuses telles que le VIH ou le virus Ebola reste un défi majeur. Cela peut être attribué à notre manque de connaissances approfondies en immunologie et sur le mode d'action de la mémoire immunitaire. Les modèles mathématiques peuvent aider à comprendre les mécanismes de la réponse immunitaire, à quantifier les processus biologiques sous-jacents et à développer des vaccins fondés sur un rationnel scientifique. Nous présentons un modèle mécaniste de la dynamique de la réponse immunitaire humorale après injection d'un vaccin Ebola basé sur des équations différentielles ordinaires. Les paramètres du modèle sont estimés par maximum de vraisemblance dans une approche populationnelle qui permet de quantifier le processus de la réponse immunitaire et ses facteurs de variabilité. En particulier, le schéma vaccinal n'a d'impact que sur la réponse à court terme, alors que des différences significatives entre des sujets de différentes régions géographiques sont observées à plus long terme. Cela pourrait avoir des implications dans la conception des futurs essais cliniques. Ensuite, nous développons un outil numérique basé sur la programmation dynamique pour optimiser des schémas d'injections répétées. En particulier, nous nous intéressons à des patients infectés par le VIH sous traitement mais incapables de reconstruire leur système immunitaire. Des injections répétées d'un produit immunothérapeutique (IL-7) sont envisagées pour améliorer la santé de ces patients. Le processus est modélisé par un modèle de Markov déterministe par morceaux et des résultats récents de la théorie du contrôle impulsionnel permettent de résoudre le problème numériquement à l'aide d'une suite itérative. Nous montrons dans une preuve de concept que cette méthode peut être appliquée à un certain nombre de pseudo-patients. Dans l'ensemble, ces résultats s'intègrent dans un effort de développer des méthodes sophistiquées pour analyser les données d'essais cliniques afin de répondre à des questions cliniques concrètes. / Vaccines have been one of the most successful developments in public health in the last years. However, a major challenge still resides in developing effective vaccines against infectious diseases such as HIV or Ebola virus. This can be attributed to our lack of deep knowledge in immunology and the mode of action of immune memory. Mathematical models can help understanding the mechanisms of the immune response, quantifying the underlying biological processes and eventually developing vaccines based on a solid rationale. First, we present a mechanistic model for the dynamics of the humoral immune response following Ebola vaccine immunizations based on ordinary differential equations. The parameters of the model are estimated by likelihood maximization in a population approach, which allows to quantify the process of the immune response and its factors of variability. In particular, the vaccine regimen is found to impact only the response on a short term, while significant differences between subjects of different geographic locations are found at a longer term. This could have implications in the design of future clinical trials. Then, we develop a numerical tool based on dynamic programming for optimizing schedule of repeated injections. In particular, we focus on HIV-infected patients under treatment but unable to recover their immune system. Repeated injections of an immunotherapeutic product (IL-7) are considered for improving the health of these patients. The process is first by a piecewise deterministic Markov model and recent results of the impulse control theory allow to solve the problem numerically with an iterative sequence. We show in a proof-of-concept that this method can be applied to a number of pseudo-patients. All together, these results are part of an effort to develop sophisticated methods for analyzing data from clinical trials to answer concrete clinical questions.