Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal. / La détermination des structures tertiaires des protéines par rayons X a pour but de nous apporter des connaissances détaillées sur leur repliement et de comprendre la relation entre leur structure et leur fonction. Nous allons montrer par la présente étude comment la cristallographie jumelée à la mutagenèse dirigée peut être utilisée dans la détermination et la compréhension du mécanisme enzymatique de l'aldolase du muscle de lapin. Les différentes mutations générées visent des acides aminés qui sont, dans la plupart des cas, situés dans le site actif et qui sont impliqués dans la catalyse enzymatique. Certains mutants de l'aldolase du muscle sont analysés par des méthodes cristallographiques, cinétiques, enzymatiques et d'échanges isotopiques. L'enzymologie nous a permis de déterminer les paramètres cinétiques de ces mutants, afin d'établir leur rôle dans la réaction enzymatique. L'étude structurale permet d'avoir une vision directe des types d'interactions au sein d'une enzyme. L'interprétation des données structurales associée aux données cinétiques permet d'analyser avec pertinence la fonction des résidus impliqués dans le mécanisme catalytique de l'aldolase du muscle de lapin. Dans le but de connaître l'implication de certains résidus dans le mécanisme catalytique, nous nous sommes focalisés sur l'étude structurale de plusieurs mutants. Les principaux intérêts de ce travail consistent à connaître si la perte d'activité est directement liée à la mutation ou à un changement global de la structure engendrée par celle-ci, à déterminer la structure mutante formant un complexe avec le substrat ou le produit de la réaction catalytique ainsi qu'a connaître le lien entre l'affinité pour le substrat et un acide aminé bien spécifique. La réponse à toutes ces questions nous a amenés à la résolution des structures cristallographiques de certains mutants. La cristallographie qui donne une vision directe des interactions entre les acides aminés est un puissant outil qui nous renseigne sur la nature et le mode d'action des résidus. Les résultats structuraux nous ont permis de tirer plusieurs conclusions sur la relation structure/fonction de cette enzyme et de déterminer la nature et le rôle des résidus impliqués dans la catalyse, ainsi que ceux impliqués dans sa conformation. Ces méthodes nous ont également permis de proposer un nouveau modèle du mécanisme enzymatique. Nous discuterons aussi des problèmes liés à la cristallisation des protéines et les méthodes récentes appliquées pour les contourner.

Le développement de nouveaux médicaments ou traitements contre le cancer requiert des années de travail préclinique avant de se rendre aux essais cliniques et ultimement le marché. Malheureusement, la grande majorité des composés ne réussiront pas cette transition et ne démontreront pas de bénéfices en essais cliniques. Dans le but de réduire l’attrition au long du processus de développement des médicaments, la modélisation mathématique est de plus en plus utilisée dans la recherche préclinique pour investiguer et optimiser les traitements pour améliorer les probabilités de succès de thérapies potentielles. Les modèles mécanistiques visent à incorporer les mécanismes d’action d’un médicament ainsi que les interactions physiologiques et cellulaires pour approfondir notre compréhension des systèmes et des effets thérapeutiques. La dissertation suivante traite de l’implémentation the modèles mécanistique hétérogènes dans des contextes précliniques pour la recherche contre le cancer. Le second chapitre discute du cancer des cellules granulosa ovarienne and du développement d’un modèle mathématique pour investiguer le potentiel d’une thérapie combinatoire qui inclut une chimiothérapie et une immunothérapie produisant une protéine en lien avec le facteur de nécrose tumorale (TRAIL) à l’aide d’un virus oncolytique (VO). Le modèle considère les cellules tumorales à travers les stades de la mitose, l’infection de ces cellules par le VO et la pression du système immunitaire inné sur la population de cellules tumorales. Le modèle incorpore aussi des modèles pharmacocinétique/pharmacodynamie (PK/PD) pour TRAIL et le médicament chimio thérapeutique, composé activateur de procaspase-1 (PAC-1). Cela inclue un modèle PK mécanistique décrivant la liaison de TRAIL à son récepteur ainsi qu’un modèle pharmacocinétique à deux compartiments pour PAC-1 dans le but d’intégrer les deux concentrations dans une fonction d’effets combinés affectant la population de cellules cancéreuses. À travers les simulations, nous avons déterminé les doses minimales requises et le schéma posologique optimal pour PAC-1 pour minimiser la croissance tumorale. Nous avons aussi établi un scénario permettant d’éradiquer la tumeur à l’aide d’un VO possédant un taux d’infection plus grand qu’initialement testé. 4 Dans le chapitre 3, nous présentons différentes approches pour inclure la variabilité inter-individuelle dans des modèles mécanistiques et discutons de leur bénéfices et désavantages. Nous décrivons comment les modèles PK de population (PopPK) informent sur la moyenne des paramètres d’une cohorte, la variation provenant des covariables et comment cette variabilité dans les paramètres permet d’étudier différentes dynamiques à travers une population. Dans une cohorte, la variabilité peut être généré par des algorithmes en assurant que les patients virtuels générés possèdent des paramètres et des résultats réalistiques. Nous discutons aussi des cohortes in silico pouvant prédire un intervalle de résultats and de scénarios potentiels d’un traitement. Ces essais cliniques virtuels sont très utiles en pharmacologie quantitative de systèmes (QSP). Enfin, nous présentons une application d’un modèle PopPK utilisant 300 patients virtuels dans un modèle QSP pour la différentiation des cellules souches mammaires affectées par des doses d’estrogène. Nous investiguons l’effet de cette thérapie hormonale sur la différentiation cellulaire pour son application potentiel pour traiter le cancer du sein triple négatif (TNBC) puisque la prolactine a été proposée dans des modèles expérimentaux pour forcer la différentiation cellulaire des cellules cancéreuses. Notre modèle et les résultats obtenus servent de preuve de concept pour continuer la recherche des méthode pharmacologiques pour induire la différentiation des cellules souches permettant de réduire la sévérité et la plasticité des cellules cancéreuses. / Developing novel cancer drugs or therapies requires years of preclinical work before translation to clinical trials and ultimately the market. Unfortunately, an overwhelming majority of compounds will fail to make this transition and will show no benefit in trials. To reduce attrition along the drug development pipeline, mathematical modelling is increasingly used in preclinical work to investigate and optimize treatment scenarios, in the hope of improving the success rate of potential therapies. Mechanistic models aim to incorporate the mechanisms of actions of drugs and physiological/cellular interactions to provide a deeper understanding of the system and rationally investigate therapeutic effectiveness. This thesis focuses on the implementation of heterogeneous, mechanistic mathematical models in preclinical contexts in cancer drug development. The first chapter of this thesis provides an overview of mathematical oncology and the drug discovery pipeline by presenting different tumour growth models and the integration of therapeutic effect through pharmacokinetic/pharmacodynamic (PK/PD) models. The second chapter of this thesis discusses granulosa cell tumour (GCT) of the ovary and the development of a mathematical model to investigate the potential of a combination therapy using a chemotherapy and an immunotherapy that produces tumour necrosis factor-related apoptosis-inducing ligand (TRAIL) through an oncolytic virus (OV). The model considers tumour cells throughout the phases of the cell cycle, the infection of these cancer cells by the OV, and the innate-immune pressure from the body. It also incorporates detailed PK/PD models for TRAIL and the chemotherapeutic drug, procaspase activating compound-1 (PAC-1). This includes a mechanistic receptor binding PK model for TRAIL as well as a two-compartment PK model for PAC-1 to properly integrate the concentrations of both compounds in the combination effect function applied to the cancer cell populations. Through simulations and hypothesis testing, we determined the minimal doses and ideal dosing regimens for PAC-1 that best controlled tumour growth. We also established how to successfully eradicate the tumour under the assumption of a much higher infection rate of the OV. 6 In the third chapter, we present different approaches to include inter-individual variability into mechanistic mathematical models, each with their own benefits and challenges. We describe how population PKs (PopPK) inform on cohort averages and variability due to covariates, and how to use this heterogeneity to recover the dynamics of drug treatment in patient populations. Variability in cohorts can also be generated through algorithms ensuring that virtual patients have realistic parameters and outcomes. We also touch upon in silico trials that help to predict a range of outcomes and treatment scenarios. These in silico clinical trials are highly valuable in quantitative system pharmacology (QSP) due to their predictive nature. Lastly, we present an application of PopPK using 300 generated patients in a QSP model for mammary stem cell differentiation under treatment with estrogen (estradiol). We investigate the effect of hormone therapy on mammary cell differentiation due to its potential application in triple negative breast cancer (TNBC), as prolactin has been proposed in experimental models to induce differentiation in TNBC stem cells. Our model and results serve as proof of concept for the continued investigation into pharmacological means of inducing stem cell differentiation to reduce cancer plasticity and severity.

Les challenges posés par les missions d’exploration du système solaire sont très différents de ceux de la Station Spatiale Internationale, puisque les distances sont beaucoup plus importantes, limitant la possibilité de ravitaillements réguliers. Les systèmes support-vie basés sur des plantes supérieures et des micro-organismes, comme le projet de l’Agence Spatiale Européenne (ESA) MELiSSA (Micro Ecological Life Support System Alternative) permettront aux équipages d’être autonomes en termes de production de nourriture, revitalisation de l’air et de recyclage d’eau, tout en fermant les cycles de l’eau, de l’oxygène, de l’azote et du carbone, pendant les missions longue durée, et deviendront donc essentiels.La croissance et le développement des plantes et autres organismes biologiques sont fortement influencés par les conditions environnementales (par exemple la gravité, la pression, la température, l’humidité relative, les pressions partielles en O2 et CO2). Pour prédire la croissance des plantes dans ces conditions non-standard, il est crucial de développer des modèles de croissance mécanistiques, permettant une étude multi-échelle des différents phénomènes, ainsi que d’acquérir une compréhension approfondie de tous les processus impliqués dans le développement des plantes en environnement de gravité réduite et d’identifier les lacunes de connaissance.En particulier, les échanges gazeux à la surface de la feuille sont altérés en gravité réduite, ce qui pourrait diminuer la croissance des plantes dans l’espace. Ainsi, nous avons étudié les relations complexes entre convection forcée, niveau de gravité et production de biomasse et avons trouvé que l’inclusion de la gravité comme paramètre dans les modèles d’échanges gazeux des plantes nécessite une description précise des transferts de matière et d’énergie dans la couche limite. Nous avons ajouté un bilan d’énergie au bilan de masse du modèle de croissance de plante déjà existant et cela a ajouté des variations temporelles sur la température de surface des feuilles.Cette variable peut être mesurée à l’aide de caméras infra-rouges et nous avons réalisé une expérience en vol parabolique et cela nous a permis de valider des modèles de transferts gazeux locaux en 0g et 2g, sans ventilation.Enfin, le transport de sève, la croissance racinaire et la sénescence des feuilles doivent être étudiés en conditions de gravité réduite. Cela permettrait de lier notre modèle d’échanges gazeux à la morphologie des plantes et aux allocations de ressources dans une plante et ainsi arriver à un modèle mécanistique complet de la croissance des plantes en environnement de gravité réduite. / Challenges triggered by human space exploration of the solar system are different from those of the International Space Station because distances and time frames are of a different scale, preventing frequent resupplies. Bioregenerative life-support systems based on higher plants and microorganisms, such as the ESA Micro-Ecological Life Support System Alternative (MELiSSA) project will enable crews to be autonomous in food production, air revitalization, and water recycling, while closing cycles for water, oxygen, nitrogen, and carbon, during long-duration missions and will thus become necessary.The growth and development of higher plants and other biological organisms are strongly influenced by environmental conditions (e.g. gravity, pressure, temperature, relative humidity, partial pressure of O2 or CO2). To predict plant growth in these non-standard conditions, it is crucial to develop mechanistic models of plant growth, enabling multi-scale study of different phenomena, as well as gaining thorough understanding on all processes involved in plant development in low gravity environment and identifying knowledge gaps.Especially gas exchanges at the leaf surface are altered in reduced gravity, which could reduce plant growth in space. Thus, we studied the intricate relationships between forced convection, gravity levels and biomass production and found that the inclusion of gravity as a parameter in plant gas exchanges models requires accurate mass and heat transfer descriptions in the boundary layer. We introduced an energy coupling to the already existing mass balance model of plant growth and this introduced time-dependent variations of the leaf surface temperature.This variable can be measured using infra-red cameras and we implemented a parabolic flight experiment, which enabled us to validate local gas transfer models in 0g and 2g without ventilation.Finally, sap transport needs to be studied in reduced gravity environments, along with root absorption and leaf senescence. This would enable to link our gas exchanges model to plant morphology and resources allocations, and achieve a complete mechanistic model of plant growth in low gravity environments.