L'objectif de ce travail est double : (i) la détection électrochimique des nucléosides sur<br />un nouveau matériau carboné d'électrode, le diamant dopé bore (BDD), et (ii) l'utilisation<br />d'un nouvel outil, la microscopie électrochimique à balayage (SECM), afin de fonctionnaliser<br />des surfaces avec des sondes oligonucléotidiques et de détecter le phénomène d'hybridation.<br />Dans un premier temps, nous montrerons la dualité d'utilisation de la microscopie<br />électrochimique en tant qu'outil de fonctionnalisation et de caractérisation de surfaces. Par<br />mode direct de la SECM, en utilisant la microélectrode en tant que contre-électrode, des<br />spots de polypyrrole-oligonucléotide de taille micrométrique sont déposés sur un substrat<br />d'or. Cette méthode d'élaboration est optimisée en étudiant l'hybridation des spots en<br />microscopie de fluorescence. La présence de ces spots sur la surface est ensuite détectée en<br />mode feedback de la SECM via la différence de conductivité entre le polypyrroleoligonucléotide<br />et l'or. Puis, le phénomène d'hybridation est étudié par mode feedback par la<br />précipitation d'un produit isolant sur la surface formé par une réaction catalysée par la<br />peroxydase couplée par l'intermédiaire d'un assemblage biologique à l'oligonucléotide<br />complémentaire. Enfin, cette technique électrochimique est couplée à une méthode optique,<br />l'imagerie de résonance plasmonique de surface (SPRi), afin de visualiser en temps réel<br />l'étape de structuration de la surface d'or par des spots d'oligonucléotides ou par des<br />gradients de surface d'oligonucléotides.<br />Dans un second temps, nous présenterons l'étude des réactions d'oxydation des<br />nucléosides, la 2'-désoxyguanosine et la 2'-désoxyadénosine, sur une électrode de diamant<br />dopée bore oxygéné. Nous montrerons ainsi l'intérêt de ce nouveau matériau carboné<br />d'électrode pour cette application en raison de sa large fenêtre d'électroinactivité en milieu<br />aqueux et son faible et stable courant de fond. Puis, nous mettrons en évidence la formation<br />d'un film continu constitué des produits de ces réactions d'oxydation sur l'électrode par une<br />étude macroscopique à l'aide de voltamétries cycliques d'une sonde redox, et une étude à<br />l'échelle microscopique en utilisant le microscope électrochimique à balayage.

Cette thèse de doctorat s’inscrit dans le développement et l’utilisation de méthodes mathématiques et informatiques qui exploitent les données temporelles d’expression des gènes issues de puces à ADN afin de rationaliser et de modéliser les réseaux de régulation génique. Dans cette optique, nous nous sommes principalement intéressés aux données d’expression des gènes de la drosophile (Drosophila melanogaster) pendant son développement, du stade embryonnaire au stade adulte. Nous avons également étudié des données concernant le développement d’autres eucaryotes supérieurs, la réponse d’une bactérie soumises à différents stress et le cycle cellulaire d’une levure. Ce travail a été réalisé selon trois volets principaux :la détection des stades de développement et des perturbations, les classifications de profils d’expression et la modélisation de réseaux de régulation.<p><p>Premièrement, l’observation des données d’expression utilisées nous a conduits à approfondir l’étude des phénomènes survenant lors des changements de stades de développement de la drosophile. Dans ce but, deux méthodes de détection automatique de ces changements ont été développées et appliquées aux données temporelles disponibles sur le développement d’eucaryotes supérieurs. Elles ont également été appliquées à des données temporelles relatives à des perturbations externes de bactéries. Cette étude à montré qu’une formulation mathématique simple permettait de retrouver les instants expérimentaux où une perturbation ou un changement de stade de développement est observé, à partir uniquement des profils d’expression. Par ailleurs, la réponse à une perturbation externe s’avère non distinguable d’une succession de stades de développement, sur la base des seuls profils temporels d’expression.<p><p>Deuxièmement, en raison des dimensions du problème constitué par les données d’expression de plusieurs milliers de gènes et de l’impossibilité de distinguer le rôle dans la régulation des gènes qui présentent des profils d’expression similaires, il s’est avéré nécessaire de classifier les gènes selon leurs profils d’expression. En nous basant sur les résultats obtenus lors de la détection des stades de développement, la démarche suivie est de regrouper les gènes qui présentent des profils temporels d’expression aux comportements similaires non seulement au cours de la série temporelle complète, mais également dans chacun des stades de développement. Dans cette optique, trois distances ont été proposées et utilisées dans une classification hiérarchique des données d’expression de la drosophile.<p><p>Troisièmement, des structures de modèles linéaires et non linéaires ainsi que des méthodes d’estimation et de réduction paramétriques ont été développées et utilisées pour reproduire les données d’expression du développement de la drosophile. Les résultats de ce travail ont montré qu’avec une structure de modèle linéaire simple, la reproduction des profils expérimentaux était excellente et que, dans ce cas, le réseau de régulation génique de la drosophile pouvait se contenter d’une faible connectivité (en moyenne 3 connexions par classe de gènes) et ce, sans hypothèse a priori. Toutefois, les modèles linéaires ont ensuite sérieusement été remis en question par des analyses de robustesse aux perturbations paramétriques et de stabilité des profils après extrapolation dans le temps. Dès lors, quatre structures de modèles non linéaires et cinq méthodes de réduction paramétrique ont été proposées et utilisées pour concilier les critères de reproduction des données, de robustesse et de stabilité des réseaux identifiés. En outre, ces méthodes de modélisation ont été appliquées à un sous-ensemble de 20 gènes impliqués dans le développement musculaire de la drosophile et pour lesquels 36 interactions ont été validées expérimentalement, ainsi qu’à des profils synthétiques bruités. Nous avons pu constater que plus de la moitié des connexions et non-connexions sont retrouvées par trois modèles non linéaires. Les résultats de cette étude ont permis d’éliminer certaines structures de modèle et méthodes de réduction et ont mis en lumière plusieurs directions futures à suivre dans la démarche de modélisation des réseaux de régulation génique. / Doctorat en Sciences de l'ingénieur / info:eu-repo/semantics/nonPublished

One of the most important and challenging ``knowledge extraction' tasks in bioinformatics is the reverse engineering of gene regulatory networks (GRNs) from DNA microarray gene expression data. Indeed, as a result of the development of high-throughput data-collection techniques, biology is experiencing a data flood phenomenon that pushes biologists toward a new view of biology--systems biology--that aims at system-level understanding of biological systems.<p><p>Unfortunately, even for small model organisms such as the yeast Saccharomyces cerevisiae, the number p of genes is much larger than the number n of expression data samples. The dimensionality issue induced by this ``small n, large p' data setting renders standard statistical learning methods inadequate. Restricting the complexity of the models enables to deal with this serious impediment. Indeed, by introducing (a priori undesirable) bias in the model selection procedure, one reduces the variance of the selected model thereby increasing its accuracy.<p><p>Gaussian graphical models (GGMs) have proven to be a very powerful formalism to infer GRNs from expression data. Standard GGM selection techniques can unfortunately not be used in the ``small n, large p' data setting. One way to overcome this issue is to resort to regularization. In particular, shrinkage estimators of the covariance matrix--required to infer GGMs--have proven to be very effective. Our first contribution consists in a new shrinkage estimator that improves upon existing ones through the use of a Monte Carlo (parametric bootstrap) procedure.<p><p>Another approach to GGM selection in the ``small n, large p' data setting consists in reverse engineering limited-order partial correlation graphs (q-partial correlation graphs) to approximate GGMs. Our second contribution consists in an inference algorithm, the q-nested procedure, that builds a sequence of nested q-partial correlation graphs to take advantage of the smaller order graphs' topology to infer higher order graphs. This allows us to significantly speed up the inference of such graphs and to avoid problems related to multiple testing. Consequently, we are able to consider higher order graphs, thereby increasing the accuracy of the inferred graphs.<p><p>Another important challenge in bioinformatics is the prediction of gene function. An example of such a prediction task is the identification of genes that are targets of the nitrogen catabolite repression (NCR) selection mechanism in the yeast Saccharomyces cerevisiae. The study of model organisms such as Saccharomyces cerevisiae is indispensable for the understanding of more complex organisms. Our third contribution consists in extending the standard two-class classification approach by enriching the set of variables and comparing several feature selection techniques and classification algorithms.<p><p>Finally, our fourth contribution formulates the prediction of NCR target genes as a network inference task. We use GGM selection to infer multivariate dependencies between genes, and, starting from a set of genes known to be sensitive to NCR, we classify the remaining genes. We hence avoid problems related to the choice of a negative training set and take advantage of the robustness of GGM selection techniques in the ``small n, large p' data setting. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished

Il a été observé dans le cadre d'enquêtes épidémiologiques tentant d'expliquer le « French Paradox » qu'une consommation modérée et journalière de vin permet d'abaisser quantitativement les risques d'apparition d'accidents cardiovasculaires et/ou de cancer. La communauté scientifique s'est particulièrement intéressée aux vins rouges ou blancs, mais les études portant sur le vin de Champagne sont rares. Partant du Champagne en bouteille, il s'est donc agi dans un premier temps de préparer trois "blocs" représentant la totalité des constituants du Champagne en distinguant les Blancs de blanc des Blancs de noirs. Ils ont été séparés par Chromatographie de Partage Centrifuge, « bioguidée » en fonction des réponses des fractions à des tests d'activité biologique. Ainsi, en plus de celles connues jusque là, six nouvelles molécules ont pu être caractérisées par Résonance Magnétique Nucléaire et/ou spectrométries de masse et ultraviolette. Leurs propriétés biologiques ont alors été étudiées plus en détails, et en particulier dans les domaines de l'hémato-oncologie et de la neurobiologie. Des activités cytotoxiques et antiprolifératives sur des lignées cellulaires cancéreuses, un rôle protecteur sur des mitochondries isolées de cerveau de rat mises en anoxie et une inhibition de l'acétylcholinestérase, enzyme impliquée dans la maladie d'Alzheimer, ont clairement été identifiées in vitro pour les fractions issues des vins de Champagne. Leur pénétration au sein du cytoplasme de neurones, visualisée par des expériences de microscopie confocale de fluorescence, permet de faire l'hypothèse d'une action in vivo. L'analyse par cytométrie de flux des mécanismes biologiques impliqués dans les processus cytotoxiques et antiprolifératifs révèlent un phénomène apoptotique et une dérégulation du cycle cellulaire des lignées cancéreuses employées. De plus l'utilisation de puces à ADN nous a permis d'émettre des hypothèses quand aux voies de signalisation empruntées. En dehors de ces propriétés qui passent par des mécanismes moléculaires spécifiques, les constituants actifs du vin de champagne, assez largement représentés par des molécules polyphénoliques, ont fait l'objet de mesures de leurs propriétés rédox. L'étude menée in vivo sur la capacité antioxydante plasmatique de sujets sains après ingestion de deux coupes de Champagne démontre une contribution des substances naturelles des vins de Champagne dans la protection contre les espèces oxygénées réactives délétères pour l'organisme. Cette capacité antioxydante plasmatique est corrélée à une nette diminution du nombre de substances oxydantes plasmatiques, trente minutes après l'ingestion.

This thesis addresses the use of machine learning techniques to develop clinical diagnostic tools for breast cancer using molecular data. These tools are designed to assist physicians in their evaluation of the clinical outcome of breast cancer (referred to as prognosis).<p>The traditional approach to evaluating breast cancer prognosis is based on the assessment of clinico-pathologic factors known to be associated with breast cancer survival. These factors are used to make recommendations about whether further treatment is required after the removal of a tumor by surgery. Treatment such as chemotherapy depends on the estimation of patients' risk of relapse. Although current approaches do provide good prognostic assessment of breast cancer survival, clinicians are aware that there is still room for improvement in the accuracy of their prognostic estimations.<p>In the late nineties, new high throughput technologies such as the gene expression profiling through microarray technology emerged. Microarrays allowed scientists to analyze for the first time the expression of the whole human genome ("transcriptome"). It was hoped that the analysis of genome-wide molecular data would bring new insights into the critical, underlying biological mechanisms involved in breast cancer progression, as well as significantly improve prognostic prediction. However, the analysis of microarray data is a difficult task due to their intrinsic characteristics: (i) thousands of gene expressions are measured for only few samples; (ii) the measurements are usually "noisy"; and (iii) they are highly correlated due to gene co-expressions. Since traditional statistical methods were not adapted to these settings, machine learning methods were picked up as good candidates to overcome these difficulties. However, applying machine learning methods for microarray analysis involves numerous steps, and the results are prone to overfitting. Several authors have highlighted the major pitfalls of this process in the early publications, shedding new light on the promising but overoptimistic results. <p>Since 2002, large comparative studies have been conducted in order to identify the key characteristics of successful methods for class discovery and classification. Yet methods able to identify robust molecular signatures that can predict breast cancer prognosis have been lacking. To fill this important gap, this thesis presents an original methodology dealing specifically with the analysis of microarray and survival data in order to build prognostic models and provide an honest estimation of their performance. The approach used for signature extraction consists of a set of original methods for feature transformation, feature selection and prediction model building. A novel statistical framework is presented for performance assessment and comparison of risk prediction models.<p>In terms of applications, we show that these methods, used in combination with a priori biological knowledge of breast cancer and numerous public microarray datasets, have resulted in some important discoveries. In particular, the research presented here develops (i) a robust model for the identification of breast molecular subtypes and (ii) a new prognostic model that takes into account the molecular heterogeneity of breast cancers observed previously, in order to improve traditional clinical guidelines and state-of-the-art gene signatures./Cette thèse concerne le développement de techniques d'apprentissage (machine learning) afin de mettre au point de nouveaux outils cliniques basés sur des données moleculaires. Nous avons focalisé notre recherche sur le cancer du sein, un des cancers les plus fréquemment diagnostiqués. Ces outils sont développés dans le but d'aider les médecins dans leur évaluation du devenir clinique des patients cancéreux (cf. le pronostique).<p>Les approches traditionnelles d'évaluation du pronostique d'un patient cancéreux se base sur des critères clinico-pathologiques connus pour être prédictifs de la survie. Cette évaluation permet aux médecins de décider si un traitement est nécessaire après l'extraction de la tumeur. Bien que les outils d'évaluation traditionnels sont d'une aide importante, les cliniciens sont conscients de la nécessité d'améliorer de tels outils.<p>Dans les années 90, de nouvelles technologies à haut-débit, telles que le profilage de l'expression génique par biopuces à ADN (microarrays), ont été mises au point afin de permettre aux scientifiques d'analyser l'expression de l'entièreté du génôme de cellules cancéreuses. Ce nouveau type de données moléculaires porte l'espoir d'améliorer les outils pronostiques traditionnels et d'approfondir nos connaissances concernant la génèse du cancer du sein. Cependant ces données sont extrêmement difficiles à analyser à cause (i) de leur haute dimensionalité (plusieurs dizaines de milliers de gènes pour seulement quelques centaines d'expériences); (ii) du bruit important dans les mesures; (iii) de la collinéarité entre les mesures dûe à la co-expression des gènes.<p>Depuis 2002, des études comparatives à grande échelle ont permis d'identifier les méthodes performantes pour l'analyse de groupements et la classification de données microarray, négligeant l'analyse de survie pertinente pour le pronostique dans le cancer du sein. Pour pallier ce manque, cette thèse présente une méthodologie originale adaptée à l'analyse de données microarray et de survie afin de construire des modèles pronostiques performants et robustes. <p>En termes d'applications, nous montrons que cette méthodologie, utilisée en combinaison avec des connaissances biologiques a priori et de nombreux ensembles de données publiques, a permis d'importantes découvertes. En particulier, il résulte de la recherche presentée dans cette thèse, le développement d'un modèle robuste d'identification des sous-types moléculaires du cancer du sein et de plusieurs signatures géniques améliorant significativement l'état de l'art au niveau pronostique. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished