No description available.

Ma thèse comporte deux grandes parties, la première en biophysique et la seconde en science de l’éducation. La première partie présente des travaux à la frontière entre neurobiologie et microfluidique. Le but de ces travaux est de pouvoir reconstruire et étudier des réseaux complexes de neurones in vitro avec une topologie de connections synaptiques bien contrôlées. Une série de micro-structures mécanique et/ou chimique ont été étudiées pour leur capacité à (i) positionner les corps cellulaires des neurones, (ii) orienter la pousse des neurites, et (iii) différencier les axones des dendrites. Un premier réseau comportant trois populations de neurones connectées en série a été reconstruit à l’intérieur d’un circuit microfluidique. Ce réseau qui mime la voie perforante de l’hippocampe pourra être exploité pour des études en physiologie ou en neuro-dégénerescence. Une méthode entièrement optique de stimulation et d’observation de l’activité neuronal a été mise au point. Elle ouvre de nouvelles portes pour étudier des processus cognitifs complexes dans des systèmes simplifiés in vitro. La seconde partie de mon travail a permis le développement et l’étude de jeux pédagogiques pour l’apprentissage de la chimie en licence. Ces jeux, qui peuvent selon les cas remplacer un cours ou une séance d’exercices, donnent des résultats prometteurs pour l’aide à la compréhension et à la mémorisation de concepts tels que la géométrie des molécules ou la réactivité entre molécules organiques. / My PhD is divided in two parts one on biophysic of neuronal networks and one on science of education. The first part present results at the frontier between neurobiology and microfluidic. The overarching goal of this work was to develop tools and methods to build and study complex neuronal networks controlling the topology of synaptic connexions. Micro-patterning techniques with mechanical and/or chemical constraints were explored regarding their capacity to (i) position cell bodies, (ii) orient neurite outgrowth and (iii) polarize neurons. For the first time, a network comprising three different neuronal populations connected in specified directions was reconstructed in a microfluidic device. This network that mimics the perforant pathway of the hippocampus can be used to study physiological rythms or neurodegenerative processes including Alzheimer’s disease. A novel and fully optical method is presented to stimulate and record neuronal activity in vitro. It opens new routes to study complex cognitive processes in simplified in vitro systems. The second part of my work present the development and assessment of educational games in chemistry at the undergraduate level. These games that can either be used to replace courses or exercises, seem promising to improve the understanding and memorization of chemistry concepts og geometries of molecules and organic reactivity.

The yeast Saccharomyces cerevisiae when growing on solid medium forms structured colonies. During its development, two subpopulations of cells are formed, termed as U cells ("upper cells") and L cells ("lower cells"). This nomenclature derives from their position within the colony. These cells differ from each other considering their morphology, metabolism, physiology and are characterized by varying degrees of resistance to stress. This diploma thesis deals with new methodological approaches that can be used in further research of yeast differentiation. The first part deals with yeast differentiation and de-differentiation. In the experimental part, the development of mechanically mixed yeast colonies was monitored. The development was monitored in situ in the colony section using fluorescence and "wide-field" microscopy. The ability to de-differentiate of already specialized cells was evaluated mainly according to the nature of the expression of the fluorescently labeled protein Ato1p, which serves as a protein marker of U cells. The second part deals with the optogenetic system EL222 and its possible use in yeast. Many optogenetic tools have been described to control various cellular processes using light. One of these optogenetic tools is the EL222 system, which allows the induction of...

Les protéines sont omniprésentes dans les processus biologiques. Identifier leurs fonctions aide à comprendre et éventuellement à contrôler ces processus. Cependant, si la détermination de la séquence protéique est désormais une procédure de routine, il est souvent difficile d'utiliser cette information pour extraire des connaissances fonctionnelles pertinentes sur le système étudié. En effet, la fonction d'une protéine repose sur ses propriétés chimiques et mécaniques, lesquelles sont définies par sa structure. Ainsi, la prédiction, la compréhension et l'analyse de la structure des protéines sont parmi les principaux défis de la biologie moléculaire.La prédiction et l'analyse des repliements de protéines est le sujet central de cette thèse. Cependant, de nombreuses protéines sont organisées selon des assemblages qui sont symétriques dans la plupart des cas et certaines protéines contiennent des répétitions internes. La conception d'une structure avec des répétitions ou d'un assemblage protéique symétrique est souvent le moyen le plus simple pour l'évolution d'atteindre une certaine fonction. Ceci qui nous a poussé à développer des méthodes spécialement conçues pour les assemblages protéiques symétriques et les protéines avec répétitions internes. Une autre motivation derrière cette thèse était d'explorer et de faire progresser le domaine émergent de l'apprentissage profond appliqué aux données atomistiques tridimensionnelle (3D).Cette thèse s'articule autour de deux parties. Dans la première partie, nous proposons des algorithmes pour analyser la structures des assemblages symétriques de protéines. Nous commençons par définir une mesure de symétrie basée sur la distance euclidienne 3D et décrivons un algorithme permettant de calculer efficacement cette mesure et de déterminer les axes de symétrie des assemblages protéiques. Cet algorithme est capable de traiter tous les groupes ponctuels de symétrie, à savoir les symétries cycliques, dièdrales, tétraédriques, octaédriques et icosaédriques, grâce à une heuristique robuste qui perçoit la correspondance entre sous-unités asymétriques. Nous étendons ensuite les limites du problème et proposons une méthode applicable à des cartes de densité 3D. Nous abordons ce problème à l'aide d'un réseau neuronal profond (DNN), et nous proposons une méthode qui prédit l'ordre de symétrie l'axe de symétrie 3D.Ensuite, nous proposons une architecture DNN pour évaluer la qualité de modèles 3D de repliements de protéines. Nous avons entrainé le DNN en utilisant en entrée la géométrie locale autour de chaque résidu dans un modèle de protéine représenté par une carte de densité, et avons prédit les CAD-scores de ces résidus. Le DNN a été créé pour être invariant par rapport à l'orientation du modèle d'entrée. Nous avons également conçu certaines parties du DNN pour reconnaître automatiquement les propriétés des atomes et sélectionner des descripteurs pertinents. Enfin, nous analysons les descripteurs appris par le DNN. Nous montrons que notre architecture apprend effectivement des propriétés des atomes, des acides aminés et des structures moléculaires de niveau supérieur. Certaines propriétés sont déjà bien étudiées comme les éléments chimiques, les charges partielles atomiques, les propriétés des acides aminés, la structure secondaire des protéines et l'exposition au solvant. Nous démontrons également que notre réseau apprend de nouvelles caractéristiques structurelles.Cette étude présente de nouveaux outils pour la biologie structurale. Certains sont déjà utilisés dans la communauté, par les évaluateurs de CASP par example. Elle démontre également la puissance de l'apprentissage profond pour la représentation de la structure des protéines et son applicabilité aux problèmes des données 3D. / Proteins are ubiquitous for virtually all biological processes. Identifying their role helps to understand and potentially control these processes. However, even though protein sequence determination is now a routine procedure, it is often very difficult to use this information to extract relevant functional knowledge about system under study. Indeed, the function of a protein relies on a combination of its chemical and mechanical properties, which are defined by its structure. Thus, understanding, analysis and prediction of protein structure are the key challenges in molecular biology.Prediction and analysis of individual protein folds is the central topic of this thesis. However, many proteins are organized in higher-level assemblies, which are symmetric in most of the cases, and also some proteins contain internal repetitions.In many cases, designing a fold with repetitions or designing a symmetric protein assembly is the simplest way for evolution to achieve a specific function. This is because the number of combinatorial possibilities in the interactions of designed folds reduces exponentially in the symmetric cases. This motivated us to develop specific methods for symmetric protein assemblies and also for individual proteins with internal repeats. Another motivation behind this thesis was to explore and advance the emerging deep neural network field in application to atomistic 3-dimensional (3D) data.This thesis can be logically split into two parts. In the first part, we propose algorithms to analyse structures of protein assemblies, and more specifically putative structural symmetries.We start with a definition of a symmetry measure based on 3D Euclidean distance, and describe an algorithm to efficiently compute this measure, and to determine the axes of symmetry of protein assemblies. This algorithm is able to deal with all point groups, which include cyclic, dihedral, tetrahedral, octahedral and icosahedral symmetries, thanks to a robust heuristic that perceives correspondence between asymmetric subunits. We then extend the boundaries of the problem, and propose a method applicable to the atomistic structures without atom correspondence, internal symmetries, and repetitions in raw density maps. We tackle this problem using a deep neural network (DNN), and we propose a method that predicts the symmetry order and a 3D symmetry axis.Then, we extend the DNN architecture to recognise folding quality of 3D protein models. We trained the DNN using as input the local geometry around each residue in a protein model represented as a density map, and we predicted the CAD-scores of these residues. The DNN was specifically conceived to be invariant with respect to the orientation of the input model. We also designed some parts of the network to automatically recognise atom properties and robustly select features. Finally, we provide an analysis of the features learned by the DNN. We show that our architecture correctly learns atomic, amino acid, and also higher-level molecular descriptors. Some of them are rather complex, but well understood from the biophysical point of view. These include atom partial charges, atom chemical elements, properties of amino acids, protein secondary structure and atom solvent exposure. We also demonstrate that our network learns novel structural features.This study introduces novel tools for structural biology. Some of them are already used in the community, for example, by the PDBe database and CASP assessors. It also demonstrates the power of deep learning in the representation of protein structure and shows applicability of DNNs to computational tasks that involve 3D data.

Les désordres intellectuels (DI) comprennent une collection hétérogène de désordresneurodéveloppementaux qui émergent pendant l’enfance. Ils ont une incidence de 1 à 3% dansla population et sont associés avec des déficits dans les fonctions mentales et adaptives. Denombreuses mutations ont été identifiées dans des gènes codant pour des protéines quiremplissent des fonctions biologiques très diverses dans le cerveau. Parmi ces protéines,certaines sont enrichies à la synapse, supposant que les déficits cognitifs associés aux DIpourraient être reliés à des déficits synaptiques. L’objectif scientifique de notre équipe et decomprendre le rôle de certaines protéines dans la fonction synaptique et la cognition enutilisant des souris génétiquement modifiées portant des mutations dans le gènecorrespondant. Je me suis concentré sur Il1rapl1, un gène codant pour la protéine Interleukinreceptor-accessory-protein-like-1. Des mutations ou micro-délétions dans ce gène sont liés audéveloppement de DI chez l’homme. Dans les neurones, Il1rapl1 code pour une protéinetransmembranaire qui serait impliquée dans la formation et/ou la stabilisation de synapsesexcitatrices. Les conséquences de l’absence d’IL1RAPL1 à des niveaux plus intégrés restaientpeu étudiées lors du début de ma thèse. J’ai utilisé une souris déficiente pour IL1RAPL1 (KO) afinde comprendre le lien entre les déficits comportementaux et la fonction synaptique. Pour cela,j’ai soumis des souris KO à des taches comportementales de peur conditionnée. J’ai ensuiteutilisé une combinaison d’approches in vitro, ex vivo et in vivo afin de caractériser la fonctionsynaptique dans les circuits neuronaux dédiés : l’amygdale latérale et basolatérale. Desenregistrements electrophysiologiques ont montré une dérégulation de la balance entre latransmission inhibitrice et excitatrice (I/E) dans l’amygdale de souris Il1rapl1 KO, causant ainsides déficits dans la capacité d’acquérir et d’exprimer la mémoire de peur conditionnée. Lacorrection de ce déficit synaptique in vivo par pharmacologie ou par optogénétique a permis derestaurer le comportement chez les souris KO. / Intellectual disability (ID) comprises a highly heterogeneous collection of neurodevelopmentaldisorders that arise during childhood. They have an incidence of 1-3% in the population withimpairments in mental and adaptive functions. While the etiologies of IDs are thought to bevery heterogeneous, a significant proportion of ID has genetic origins. Mutations in single IDgenes lead to dysfunctions in proteins that fulfill highly different biological functions in thebrain. Interestingly, ID-related proteins are often found enriched at synapses, suggesting thatcognitive impairments defining ID could be related to alterations of synaptic function. The maingoal of our research team is to understand the role of ID-related proteins in synaptic functionand cognition using mouse models bearing gene mutations associated to ID in humans. Myresearch focused on the study of Il1rapl1, a gene coding for the Interleukin-receptor-accessoryprotein-like-1 protein. Micro-deletions or point mutations in this gene are directly linked to thedevelopment of ID and autism spectrum disorder in humans. In neurons, Il1rapl1 encodes atrans-membrane protein and several in vitro experiments point to its important role in thedifferentiation and formation/stabilization of excitatory synapses trough interactions withpresynaptic, trans-synaptic or postsynaptic partners. However, the consequences of Il1rapl1deficiency at more integrated levels remains poorly understood. The principal objective of mythesis is to explore the link between synaptic deficits and behavioral impairments in Il1rapl1-deficient mice. To achieve that, wild-type and mutant animals were first submitted to fearlearning tasks. I then used a combination of in vivo, ex vivo and in vitro functional essays tocharacterize synaptic functions in behaviorally relevant neuronal circuits. Ultimately, ourworking hypothesis were challenged in vivo by pharmacological and optogenetic approaches tonormalize behavioral deficits in Il1rapl1 KO mice. Altogether my work demonstrates thatInhibitory/Excitatory imbalances associated with the absence of Il1rapl1 impaired both thecapacity to form new memories as well as the expression of previously formed memories.

L’addiction à la nicotine est une pathologie qui concerne un tiers de la population adulte mondiale et qui est souvent associée avec d’autres troubles psychiatriques tels que la dépression, la schizophrénie ou encore les troubles liés au stress. Chaque année, près de 8 millions de personnes décèdent des conséquences de la consommation de tabac. Cette pathologie constitue la première cause de morts évitables dans le monde. Ce phénomène de dépendance au tabac est induit par la nicotine, principale substance addictive et psychoactive du tabac, qui va agir sur les récepteurs nicotiniques de l’acétylcholine (nAChR) et ainsi détourner le fonctionnement normal de différents circuits neuronaux. De manière aigüe, la nicotine agit directement sur les nAChR ce qui va globalement activer les réseaux neuronaux. A plus long terme, elle va induire une plasticité synaptique et perturber la transmission nicotinique endogène. La nicotine va notamment détourner le système dopaminergique, acteur majeur de l’apprentissage par renforcement, de la motivation et de l’évaluation de la récompense. Ces modifications neuronales conduisent non seulement au renforcement mais entrainent aussi une perturbation de différents traits comportementaux (prise de décision, exploration, vulnérabilité au stress, etc.). Ces relations entre symptômes et traits pourraient expliquer les fortes comorbidités observées entre la dépendance aux drogues d’abus, et particulièrement au tabac, et d’autres manifestations pathologiques telles que les troubles liés au stress. Au cours de cette thèse j’ai tout d’abord abordé les bases neurophysiologiques qui sous-tendent ces comorbidités, en proposant la dopamine comme un substrat commun aux effets du stress social, de la nicotine et des perturbations de la prise de décision associées (impulsivité, sensibilité à la récompense, évaluation du risque, etc.). J’ai pu montrer que l’augmentation de l’activité des neurones dopaminergiques observée après une exposition à la nicotine ou à un stress social est responsable des perturbations des comportements de choix chez la souris. En effet, nous avons pu reproduire ces altérations comportementales en élevant artificiellement le niveau d’activité des neurones dopaminergiques à l’aide de stimulations optogénétiques. La dissection des mécanismes par lesquels la nicotine détourne les circuits neuronaux se heurte aujourd’hui à un manque d’outils permettant une manipulation sélective, réversible et avec une résolution spatio-temporelle suffisante des acteurs moléculaires impliqués. Une deuxième partie de mon travail de thèse a consisté en l’implémentation in vivo chez la souris, de la pharmacologie optogénétique pour les nAChR. La photo-inhibition des nAChR contenant la sous-unité beta2 nous a permis de mettre en évidence l’impact de la modulation cholinergique endogène sur l’activité des neurones dopaminergiques. Nous avons pu, en outre, inhiber la réponse de ces mêmes neurones à l’injection intraveineuse aiguë de nicotine et le renforcement associé dans une tâche de préférence de place conditionnée pour la nicotine. / Nicotine addiction is a condition that affects one third of the world's adult population and is often associated with other psychiatric disorders such as schizophrenia, mood- and stress-related disorders. Every year, nearly 8 million people die from the consequences of tobacco use. This pathology is the leading cause of preventable death in the world. This phenomenon of tobacco dependence is induced by nicotine, the main addictive and psychoactive substance in tobacco, which acts on nicotinic acetylcholine receptors (nAChRs) and thus hijacks the normal functioning of various neuronal circuits. Acute nicotine directly acts on nAChRs and activates neural networks. In the longer term, it will induce synaptic plasticity and disrupt endogenous nicotinic transmission. In particular, nicotine disrupts the dopaminergic system, a key player in reinforcement learning, motivation and reward evaluation. These neural changes not only lead to reinforcement but also to a disruption of different behavioral traits such as decision-making, exploration, vulnerability to stress, etc. These relationships between symptoms and features could explain the strong comorbidities observed between substance abuse, and particularly tobacco addiction, and other pathologies such as stress-related disorders. During this thesis, I first addressed the neurophysiological bases underlying these comorbidities, by proposing dopamine as a common substrate for the effects of social stress, nicotine and associated decision-making disorders (impulsivity, reward sensitivity, risk assessment, etc.). I have shown that the increase in dopamine neuron activity observed after exposure to nicotine or social stress is responsible for disrupting choice behavior in mice. Indeed, we could reproduce these behavioral maladaptations by artificially increasing the activity level of dopaminergic neurons using optogenetic stimuli. The dissection of the mechanisms by which nicotine diverts neuronal circuits is currently hampered by a lack of tools for selective, reversible, spatially and temporally precise manipulation of the molecular players involved. A second part of my thesis work consisted in the in vivo implementation in mice of optogenetic pharmacology for nAChR. The photoinhibition of beta2-containing nAChRs revealed the impact of endogenous cholinergic modulation on the activity of dopaminergic neurons. We could optically inhibit the response of these same neurons to acute intravenous injection of nicotine and the associated reinforcement in a task of conditioned place preference for nicotine.

<p>Stem cell technologies hold great promise in solving problems within fields such as drug development, regenerative medicine, and disease modeling. Stem cell engineering provides a mechanism that will help stem cells achieve this promise. Currently, many applications within tissue engineering are limited by a lack of ability to create accurate micro-physiological structures that recapitulate multicellular tissue patterns <i>in vivo</i>. Precise control of spatial and temporal signaling is desired to perform concurrent differentiation to multiple cell types intentionally. The OptoWnt construct, a novel optogenetic system activating the Wnt signaling pathway, achieves precise spatiotemporal regulation, in pursuit of greater control in stem cell differentiation. We utilize OptoWnt, to differentiate stem cells into cardiovascular cells: endothelial progenitor cells and cardiomyocytes, valuable cell types for designing microtissues. Endothelial cells comprise the luminal lining of blood and lymphatic vessels, providing the integral structure for distribution within the body, separating mobile and stationary tissues. Cardiomyocytes provide the force required to pump blood throughout the human body and are a highly desired cell type in regenerative medicine.</p> <p>In this project, we have applied an optogenetic induced signaling pathway, OptoWnt, to differentiate human pluripotent stem cells (hPSCs) into cardiovascular cells via light-induced activation of Wnt signaling pathway. In the analysis of these cells and comparison to previous small molecule approaches to cardiovascular cell differentiation, we demonstrate the robustness of the optogenetic approach and similar efficiency that it has with the small molecule approach. In short, we have further demonstrated the utility and potential of optogenetic induction of developmental pathways, via the OptoWnt construct.</p>

In Optogenetics, cells, e.g. neurons or cardiac cells, are genetically altered to produce for example the lightsensitive protein Channelrhodopsin-2. Illuminating these cells induces action potentials or contractions and therefore allows to control electrical activity. Thus, light-induced cell stimulation can be used to gain insight to various biological processes. Many optogenetics studies, however, use only full field illumination and thus gain no local information about their specimen. But using modern spatial light modulators (SLM) in conjunction with computer-generated holograms (CGH), cells may be stimulated locally, thus enabling the research of the foundations of cell networks and cell communications. In our contribution, we present a digital holographic system for the patterned, spatially resolved stimulation of cell networks. We employ a fast ferroelectric liquid crystal on silicon SLM to display CGH at up to 1.7 kHz. With an effective working distance of 33 mm, we achieve a focus of 10 µm at a positioning accuracy of the individual foci of about 8 µm. We utilized our setup for the optogenetic stimulation of clusters of cardiac cells derived from induced pluripotent stem cells and were able to observe contractions correlated to both temporal frequency and spatial power distribution of the light incident on the cell clusters.

How does a nervous system orchestrate compound behaviors? Finding the neural basis of behavior requires knowing which neurons control the behavior and how they are connected. To accomplish this we measured and manipulated neural activity in a live, behaving animal with a completely defined connectome. The C. elegans escape response is a compound behavior consisting of a sequence of behavioral motifs. Gentle touch induces a reversal and suppression of head movements, followed by a deep turn allowing the animal to navigate away from the stimulus. The connectome provides a framework for the neural circuit that controls this behavior. We used optical physiology to determine the activity patterns of individual neurons during the behavior. Calcium imaging of locomotion interneurons and motor neurons reveal unique activity profiles during different motifs of the escape response. Furthermore, we used optogenetics and laser ablations to determine the contribution of individual neurons to each motif. We show these that the suppression of head movements and turning motifs are distinct motor programs and can be uncoupled from the reversal. The molecular mechanisms that regulate these motifs involve from signaling with the neurotransmitter tyramine. Tyramine signaling and gap junctions between locomotion interneurons and motor neurons regulate the temporal orchestration of the turning motif with the reversal. Additionally, tyramine signaling through a GPCR in GABAergic neurons facilitates the asymmetric turning during forward viii locomotion. The combination of optical tools and genetics allows us to dissect a how a neural circuit converts sensory information into a compound behavior.

No description available.