Biological phenomena in the cells can be explained in terms of the interactions among biological macro-molecules, e.g., DNAs, RNAs and proteins. These interactions can be modeled by genetic regulatory networks (GRNs). This dissertation proposes to reverse engineering the GRNs based on heterogeneous biological data sets, including time-series and time-independent gene expressions, Chromatin ImmunoPrecipatation (ChIP) data, gene sequence and motifs and other possible sources of knowledge. The objective of this research is to propose novel computational methods to catch pace with the fast evolving biological databases. Signal processing techniques are exploited to develop computationally efficient, accurate and robust algorithms, which deal individually or collectively with various data sets. Methods of power spectral density estimation are discussed to identify genes participating in various biological processes. Information theoretic methods are applied for non-parametric inference. Bayesian methods are adopted to incorporate several sources with prior knowledge. This work aims to construct an inference system which takes into account different sources of information such that the absence of some components will not interfere with the rest of the system. It has been verified that the proposed algorithms achieve better inference accuracy and higher computational efficiency compared with other state-of-the-art schemes, e.g. REVEAL, ARACNE, Bayesian Networks and Relevance Networks, at presence of artificial time series and steady state microarray measurements. The proposed algorithms are especially appealing when the the sample size is small. Besides, they are able to integrate multiple heterogeneous data sources, e.g. ChIP and sequence data, so that a unified GRN can be inferred. The analysis of biological literature and in silico experiments on real data sets for fruit fly, yeast and human have corroborated part of the inferred GRN. The research has also produced a set of potential control targets for designing gene therapy strategies.

<p>On the Internet an enormous amount of information is available that is represented in an unstructured form. The purpose with a text mining tool is to collect this information and present it in a more structured form. In this report text mining is used to create an algorithm that searches abstracts available from PubMed and finds specific relationships between genes that can be used to create a network. The algorithm can also be used to find information about a specific gene. The network created by Mendoza et al. (1999) was verified in all the connections but one using the algorithm. This connection contained implicit information. The results suggest that the algorithm is better at extracting information about specific genes than finding connections between genes. One advantage with the algorithm is that it can also find connections between genes and proteins and genes and other chemical substances.</p>

Human health is increasingly threatened by the emergence of multiply drug resistant malignant organisms. Yet, our understanding of the numerous ways by which such resistance arises is modest. Here, we present evidence of a bet hedging strategy in the budding yeast, Saccharomyces cerevisiae, to counter the effects of cytotoxic drugs through the action of Pdr5, an ATP-binding cassette transporter. We have employed flow cytometry and fluorescent activated cell sorting to probe the expression levels of a GFP-tagged version of PDR5 in individual cells. The results obtained from these experiments demonstrate that each yeast population is variable in the levels of Pdr5 production, and a small subpopulation of cells produces this efflux pump at much higher quantities than the population average. Consequently, cells with high and low levels of Pdr5 grow differentially in presence and absence of cycloheximide, a cytotoxic drug. These properties are highly suggestive of a bet hedging strategy mediated by Pdr5 levels. We further link this bet hedging strategy to the transcriptional regulatory network of PDR5 consisting of two major transcription factors, Pdr1 and Pdr3. Our analysis suggests that a self-activating feedback loop acting on Pdr3 plays an important role in generation of the aforementioned subpopulation. Furthermore, our results point to a large difference in the activity of these two regulators wherein Pdr3 is notably stronger than Pdr1. The disparity in their activity could indicate a mechanism for generation of the observed proportions of subpopulations with regards to the level of Pdr5.

<p>By using AR/ARX-models on data generated by a nonlinear differential equation system representing a model for the cell-cycle control system in budding yeast, the interactions among proteins and thereby also to some extent the genes, are sought. A method consisting of graphical analysis of differences between estimates from two local linear models seems to make it possible to separate a set of linear equations from the nonlinear system. By comparing the properties of the estimations in the linear equations a set of approximate equations corresponding well to the real ones are found. </p><p>A NARX model is tested on the same system to see whether it is possible to find the dependencies in one of the nonlinear differential equations. This approach did, for the choice of model, not work.</p>

By using AR/ARX-models on data generated by a nonlinear differential equation system representing a model for the cell-cycle control system in budding yeast, the interactions among proteins and thereby also to some extent the genes, are sought. A method consisting of graphical analysis of differences between estimates from two local linear models seems to make it possible to separate a set of linear equations from the nonlinear system. By comparing the properties of the estimations in the linear equations a set of approximate equations corresponding well to the real ones are found. A NARX model is tested on the same system to see whether it is possible to find the dependencies in one of the nonlinear differential equations. This approach did, for the choice of model, not work.

On the Internet an enormous amount of information is available that is represented in an unstructured form. The purpose with a text mining tool is to collect this information and present it in a more structured form. In this report text mining is used to create an algorithm that searches abstracts available from PubMed and finds specific relationships between genes that can be used to create a network. The algorithm can also be used to find information about a specific gene. The network created by Mendoza et al. (1999) was verified in all the connections but one using the algorithm. This connection contained implicit information. The results suggest that the algorithm is better at extracting information about specific genes than finding connections between genes. One advantage with the algorithm is that it can also find connections between genes and proteins and genes and other chemical substances.

We demonstrate the success of recurrent neural networks in gene network inference and expression prediction using a hybrid of particle swarm optimization and differential evolution to overcome the classic obstacle of local minima in training recurrent neural networks. We also provide an improved validation framework for the evaluation of genetic network modeling systems that will result in better generalization and long-term prediction capability. Success in the modeling of gene regulation and prediction of gene expression will lead to more rapid discovery and development of therapeutic medicine, earlier diagnosis and treatment of adverse conditions, and vast advancements in life science research.

Les réseaux de régulation génique contrôlent le développement et le fonctionnement des organismes vivants. Etant donné que la plupart des réseaux de régulation génique d'intérêt biologique sont grands et que leur dynamique est complexe, la compréhension de leur fonctionnement est un problème biologique majeur. De nombreuses méthodes ont été développées pour la modélisation et la simulation de ces systèmes. Etonnamment, le problème de la validation de modèle n'a reçu jusqu'à récemment que peu d'attention. Pourtant, cette étape est d'autant plus importante que dans le contexte de la modélisation de réseaux de régulation génique, les systèmes modélisés sont complexes et encore imparfaitement connus.<br /><br />Dans cette thèse, nous proposons une approche permettant de tester la validité de modèles de réseaux de régulation génique en comparant les prédictions obtenues avec les données expérimentales. Plus spécifiquement, nous considérons dans ce travail une classe de modèles qualitatifs définis en termes d'équations différentielles linéaires par morceaux (LPM). Ces modèles permettent de capturer les aspects essentiels des régulations géniques, tout en ayant une forme mathématique simple qui facilite leur analyse symbolique. Egalement, nous souhaitons utiliser les informations qualitatives sur la dynamique du système données par les changements du sens de variation des concentrations des protéines du réseau. Ces informations peuvent être obtenues expérimentalement à partir de profils d'expression temporels.<br /><br />La méthode proposée doit satisfaire deux contraintes. Premièrement, elle doit permettre d'obtenir des prédictions bien adaptées à la comparaison avec le type de données considéré. Deuxièmement, étant donné la taille et la complexité des réseaux d'intérêt biologique, la méthode doit également permettre de vérifier efficacement la cohérence entre prédictions et observations.<br /><br />Pour répondre à ces deux contraintes, nous étendons dans deux directions une approche précédemment développée par de Jong et collègues pour l'analyse symbolique des modèles LPM qualitatifs. Premièrement, nous proposons d'utiliser une représentation plus fine de l'état du système, permettant d'obtenir, par abstraction discrète, des prédictions mieux adaptées à la comparaison avec les données expérimentales. Deuxièmement, nous proposons de combiner cette méthode avec des techniques de model checking. Nous montrons que l'utilisation combinée d'abstraction discrète et de model checking permet de vérifier efficacement les propriétés dynamiques, exprimées en logique temporelle, des modèles continus.<br /><br />Cette méthode a été implémentée dans une nouvelle version de l'outil Genetic Network Analyzer (GNA 6.0). GNA 6.0 a été utilisé pour la validation de deux modèles grands et complexes de l'initiation de la sporulation chez <I>B. subtilis</I> et de la réponse au stress nutritionnel chez <I>E. coli</I>. Nous avons ainsi pu vérifier que les prédictions obtenues étaient en accord avec la plupart des données expérimentales disponibles dans la littérature. Plusieurs incohérences ont également été identifiées, suggérant des révisions des modèles ou la réalisation d'expériences complémentaires. En dehors d'une contribution à une meilleure compréhension du fonctionnement de ces systèmes, ces deux études de cas illustrent plus généralement que, par la méthode proposée, il est possible de tester si des prédictions obtenues pour des modèles complexes sont cohérentes avec un large éventail de propriétés observables expérimentalement.

La variabilité génétique actuelle est influencée par une combinaison complexe de variables historiques et contemporaines. Dès lors, une interprétation juste de l’impact des processus actuels nécessite une compréhension profonde des processus historiques ayant influencé la variabilité génétique. En se basant sur la prémisse que des populations proches devraient partager une histoire commune récente, nombreuses études, effectuées à petite échelle spatiale, ne prennent pas en considération l’effet potentiel des processus historiques. Cette thèse avait pour but de vérifier la validité de cette prémisse en estimant l’effet de la dispersion historique à grande et à petite échelle spatiale. Le premier volet de cette thèse avait pour but d’évaluer l’impact de la dispersion historique sur la répartition des organismes à grande échelle spatiale. Pour ce faire, les moules d’eau douce du genre flotteurs (Pyganodon spp.) ont servies de modèle biologique. Les moules d'eau douce se dispersent principalement au stade larvaire en tant que parasites des poissons. Une série de modèles nuls ont été développés pour évaluer la co-occurrence entre des parasites et leurs hôtes potenitels. Les associations distinctes du flotteur de Terre-Neuve (P. fragilis) avec des espèces de poissons euryhalins permettent d’expliquer sa répartition. Ces associations distinctes ont également pu favoriser la différenciation entre le flotteur de Terre-Neuve et son taxon soeur : le flotteur de l’Est (P. cataracta). Cette étude a démontré les effets des associations biologiques historiques sur les répartitions à grande échelle spatiale. Le second volet de cette thèse avait pour but d’évaluer l’impact de la dispersion historique sur la variabilité génétique, à petite échelle spatiale. Cette fois, différentes populations de crapet de roche (Ambloplites rupestris) et de crapet soleil (Lepomis gibbosus), dans des drainages adjacents ont servies de modèle biologique. Les différences frappantes observées entre les deux espèces suggèrent des patrons de colonisation opposés. La faible diversité génétique observée en amont des drainages et la forte différenciation observée entre les drainages pour les populations de crapet de roche suggèrent que cette espèce aurait colonisé les drainages à partir d'une source en aval. Au contraire, la faible différenciation et la forte diversité génétique observées en amont des drainages pour les populations de crapet soleil suggèrent une colonisation depuis l’amont, induisant du même coup un faux signal de flux génique entre les drainages. La présente étude a démontré que la dispersion historique peut entraver la capacité d'estimer la connectivité actuelle, à petite échelle spatiale, invalidant ainsi la prémisse testée dans cette thèse. Les impacts des processus historiques sur la variabilité génétique ne sont pas faciles à démontrer. Le troisième volet de cette thèse avait pour but de développer une méthode permettant de les détecter. La méthode proposée est très souple et favorise la comparaison entre la variabilité génétique et plusieurs hypothèses de dispersion. La méthode pourrait donc être utilisée pour comparer des hypothèses de dispersion basées sur le paysage historique et sur le paysage actuel et ainsi permettre l’évaluation des impacts historiques et contemporains sur la variabilité génétique. Les performances de la méthode sont présentées pour plusieurs scénarios de simulations, d’une complexité croissante. Malgré un impact de la différentiation globale, du nombre d’individus ou du nombre de loci échantillonné, la méthode apparaît hautement efficace. Afin d’illustrer le potentiel de la méthode, deux jeux de données empiriques très contrastés, publiés précédemment, ont été ré analysés. Cette thèse a démontré les impacts de la dispersion historique sur la variabilité génétique à différentes échelles spatiales. Les effets historiques potentiels doivent être pris en considération avant d’évaluer les impacts des processus écologiques sur la variabilité génétique. Bref, il faut intégrer l’évolution à l’écologie. / Current genetic variability depends on a complex combination of historical and contemporary factors. Therefore, an unbiased interpretation of the impact of current processes requires a deep understanding of historical processes that shaped genetic variability. Based on the premise that spatially close populations should share a common recent history, many studies conducted at small spatial scale do not take into account the effect of historical processes. This thesis aims to verify the validity of this assumption by estimating the effect of historical dispersion at large and small spatial scales. The aim of the first part of this thesis was to evaluate the impact of the historical dispersion on the distribution of organisms, at large spatial scale. The freshwater mussels of the genus Floater (Pyganodon spp.) were used as biological model. The dispersal of freshwater mussels occurs when larvae parasitize fish. Also, a series of null models has been developed to evaluate the co-occurrence between parasites and their hosts. The distinct associations of the Newfoundland floater (P. fragilis) with euryhaline fish species can explain its distribution. These associations also promoted differentiation with its sister taxon: the Eastern floater (P. cataracta). This study demonstrated the effects of historical biological associations on the current distribution of species at a large spatial scale. The aim of the second part of this thesis was to evaluate the impact of historical dispersal on the genetic variability, at small spatial scale. This time populations of rock bass (Ambloplites rupestris) and sunfish (Lepomis gibbosus) in adjacent drainages were used as biological model. The striking differences observed between the two species suggest opposing colonization patterns. Rock bass have colonized the drainage from a downstream source, resulting in low genetic diversity upstream and a strong differentiation between drainages. However, the sunfish have colonized the system from upstream, resulting in a high genetic diversity and low differentiation upstream, inducing at the same time a false signal of gene flow between drainages. The present study shows that the historical dispersion may hinder the ability to estimate the actual connectivity at small spatial scale, thus invalidating the premise tested in this thesis. The impacts of historical processes on genetic variability are not easy to demonstrate. The aim of the third part of this thesis was to develop a method to facilitate their detection. The proposed method is very flexible and facilitates the comparison between genetic variability and multiple dispersal hypotheses. The method could be used to compare dispersal hypotheses based on the historic or the current landscape and allow the assessment of historical and contemporary processes on genetic variability. The performances of the method are presented in several simulation scenarios, of increasing complexity. Despite an overall impact of differentiation, the number of individuals or the number of loci sampled, the method is highly effective. To illustrate the potential of the method, two contrasted data sets from previously published studies, were re-analyzed. This thesis demonstrates the impacts of historical dispersal on genetic variability at different spatial scales. Potential historical effects must be taken into account before assessing the impacts of ecological processes on genetic variability. In short, we must bridge the gap between ecology and evolution.

No description available.