Afin de faire face à différents types de stress et s'adapter à de nouveaux environnements, les bactéries ont développé de nombreux mécanismes génétiquement régulés. La compétence pour la transformation naturelle est un processus qui favorise le transfert horizontal de gènes. Si les espèces phylogénétiquement éloignées partagent des mécanismes conservés d'intégration et de remaniement de l'ADN, les circuits de régulation de la compétence ne sont toutefois pas universels mais adaptés au mode de vie de chaque espèce. Chez les bactéries Gram-positives, les cascades de régulation de Streptococcus pneumoniae et Bacillus subtilis sont les mieux documentées. Si de nombreux modèles mathématiques ont été établis pour étudier différents aspects de la régulation des compétences chez B. subtilis, un seul modèle à échelle de population a été développé pour S. pneumoniae, il y a plus de dix ans, sur la base d'hypothèses contestées par de nouvelles données expérimentales. Nous avons développé, chez S. pneumoniae, un modèle fondé sur la connaissance de la régulation de la compétence qui intègre les éléments biologiques essentiels connus à ce jour. La cohérence structurelle de la topologie du réseau est confirmée par le formalisme des réseaux de Petri. Le réseau est ensuite transformé en un ensemble d'équations différentielles ordinaires pour étudier son comportement dynamique. La cinétique des protéines a été estimée en utilisant des données de luminescence et l'estimation des paramètres a été contrainte à partir des connaissances disponibles. Après avoir testé des modèles alternatifs, nous avons proposé l'existence d'un produit de gène tardif supplémentaire pouvant inhiber l'action de ComW, l'activateur du facteur sx. Nous apportons également un nouvel éclairage sur cette cascade de régulation en prédisant la cinétique de composantes du système qui pourraient être impliquées dans des comportements spécifiques. Ce modèle consolide les connaissances expérimentales acquises sur la régulation de la compétence chez S. pneumoniae. De plus, il peut être appliqué aux autres espèces de streptocoques appartenant aux groupes mitis et anginosus puisqu'ils partagent le même circuit régulateur. À l'échelle populationnelle, la transition vers l'état de compétence se produit d'abord dans une sous-population de cellules et se propage ensuite dans toute la population par contact physique cellule à cellule. En permettant la simulation du comportement d'une cellule individuelle, le modèle pourra servir de module dans la conception d'un modèle d'une population bactérienne composée de cellules hétérogènes. / Bacteria have evolved many types of genetically induced mechanisms to face different types of stresses and to adapt to new environments. Competence for natural transformation is one such process that promotes horizontal gene transfer. If phylogenetically distant species share conserved uptake and processing apparatus, competence regulatory circuits are not universal but adapted to every species' lifestyle. In Gram-positive bacteria, Streptococcus pneumoniae and Bacillus subtilis regulatory cascades are the best documented. If many mathematical models have been established to study different aspects of competence regulation in B. subtilis, only one population-scaled model has been developed for S. pneumoniae, a decade ago, based on hypotheses that are challenged by new experimental data. We develop, in S. pneumoniae, a knowledge-based model of the competence regulation at cell level that integrates the enriched biological knowledge acquired to date. The structural consistency of the network topology is confirmed using Petri net formalism. The network is further turned into a set of ordinary differential equations to study its dynamics behavior. Protein kinetics are estimated using time-series luminescence data and other parameter estimations are constrained according to available knowledge. We point out some gap in competence shut-off knowledge, and, after testing alternative models, we predict the requirement of a yet unknown late com gene product inhibiting the action of ComW, the ?x factor activator. We also bring new insights into this regulatory cascade by predicting the system components that might be involved in specific experimental behavior. Our model consolidates the experimental knowledge acquired on competence regulation in S. pneumoniae. Moreover, it can be applied to the other streptococci species belonging to the mitis and anginosus groups since they shared the same regulatory circuit. In the population, the competence shift happens first in a subpopulation of cells and spreads into the whole population through cell to cell contact. Allowing simulation of individual cell behavior, our model will provide a brick for the design of a population-scale model composed of heterogeneous cells.

Le métabolisme définit l’ensemble des réactions biochimiques au sein d’un organisme, lui permettant de survivre et de s’adapter dans différents environnements. La régulation de ces réactions requiert un processus complexe impliquant de nombreux effecteurs interagissant ensemble à différentes échelles.Développer des modèles de ces réseaux de régulation est ainsi une étape indispensable pour mieux comprendre les mécanismes précis régissant les systèmes vivants et permettre, à terme, la conception de systèmes synthétiques, autorégulés et adaptatifs, à l'échelle du génome. Dans le cadre de ces travaux interdisciplinaires, nous proposons d’utiliser une approche itérative d’inférence de réseau et d’interrogation afin de guider l’ingénierie du métabolisme de la levure d’intérêt industriel Yarrowia lipolytica.À partir de données transcriptomiques, le premier réseau de régulation de l’adaptation à la limitation en azote et de la production de lipides a été inféré pour cette levure. L’interrogation de ce réseau a ensuite permis de mettre en avant et valider expérimentalement l’impact de régulateurs sur l'accumulation lipidique.Afin d’explorer davantage les liens entre régulation et métabolisme, une nouvelle méthode, CoRegFlux, a été proposée pour la prédiction de phénotype métabolique à partir des profils d’activités des régulateurs dans les conditions étudiées.Ce package R, disponible sur la plateforme Bioconductor, a ensuite été utilisé pour mieux comprendre l’adaptation à la limitation en azote et identifier des phénotypes d’intérêts en vue de l’ingénierie de cette levure, notamment pour la production de lipides et de violacéine.Ainsi, par une approche itérative, ces travaux apportent de nouvelles connaissances sur les interactions entre la régulation et le métabolisme chez Y. lipolytica, l’identification de motifs de régulation chez cette levure et contribue au développement de méthodes intégratives pour la conception de souches assistée par ordinateur. / Metabolism defines the set of biochemical reactions within an organism, allowing it to survive and adapt to different environments. Regulating these reactions requires complex processes involving many effectors interacting together at different scales.Developing models of these regulatory networks is therefore an essential step in better understanding the precise mechanisms governing living systems and ultimately enabling the design of synthetic, self-regulating and adaptive systems at the genome level. As part of this interdisciplinary work, we propose to use an iterative network inference and interrogation approach to guide the engineering of the metabolism of the yeast of industrial interest Yarrowia lipolytica.Based on transcriptomic data, the first network for the regulation of adaptation to nitrogen limitation and lipid production in this yeast was inferred.The interrogation of this network has then allowed to to highlight and experimentally validate the impact of several regulators on lipid accumulation. In order to further explore the relationships between regulation and metabolism, a new method, CoRegFlux, has been proposed for the prediction of metabolic phenotype based on the influence profiles of regulators in the studied conditions. This R package, available on the Bioconductor platform, was then used to better understand adaptation to nitrogen limitation and to identify phenotypes of interest for strain engineering, particularly for the production of lipids and amino acid derivatives such as violacein.Thus, through an iterative approach, this work provides new insights into the interactions between regulation and metabolism in Y. lipolytica, conserved regulatory module in this yeast and contributes to the development of innovative integrative methods for computer-assisted strain design.

Les cellules souches somatiques présentent habituellement un comportement très différent des cellules souches pluripotentes. Les bases moléculaires de l’auto-renouvellement des cellules souches embryonnaires ont été récemment déchiffrées grâce à la facilité avec laquelle nous pouvons maintenant les purifier et les maintenir en culture durant de longues périodes de temps. Par contre, il en va tout autrement pour les cellules souches hématopoïétiques. Dans le but d’en apprendre davantage sur le fonctionnement moléculaire de l’auto-renouvellement des cellules souches hématopoïétiques, j’ai d’abord conçu une nouvelle méthode de criblage gain-de-fonction qui répond aux caprices particuliers de ces cellules. Partant d’une liste de plus de 700 facteurs nucléaires et facteurs de division asymétrique candidats, j’ai identifié 24 nouveaux facteurs qui augmentent l’activité des cellules souches hématopoïétiques lorsqu’ils sont surexprimés. J’ai par la suite démontré que neuf de ces facteurs agissent de manière extrinsèque aux cellules souches hématopoïétiques, c’est-à-dire que l’effet provient des cellules nourricières modifiées en co-culture. J’ai également mis à jour un nouveau réseau de régulation de transcription qui implique cinq des facteurs identifiés, c’est-à-dire PRDM16, SPI1, KLF10, FOS et TFEC. Ce réseau ressemble étrangement à celui soutenant l’ostéoclastogénèse. Ces résultats soulèvent l’hypothèse selon laquelle les ostéoclastes pourraient aussi faire partie de la niche fonctionnelle des cellules souches hématopoïétiques dans la moelle osseuse. De plus, j’ai identifié un second réseau de régulation impliquant SOX4, SMARCC1 et plusieurs facteurs identifiés précédemment dans le laboratoire, c’est-à-dire BMI1, MSI2 et KDM5B. D’autre part, plusieurs indices accumulés tendent à démontrer qu’il existe des différences fondamentales entre le fonctionnement des cellules souches hématopoïétiques murines et humaines. / Somatic stem cells usually exhibit a very different behavior compared to pluripotent stem cells. The molecular basis of embryonic stem cell self-renewal was recently decrypted by the relative straightforwardness with which we can now purify and maintain these cells in culture for long periods of time. However, this is not the case with hematopoietic stem cells. In order to elucidate the molecular mechanisms of hematopoietic stem cell self-renewal, I developed a novel gain-of-function screening strategy, which bypasses some constraints found with these cells. Starting from a list of more than 700 candidate nuclear factors and asymmetric division factors, I have identified 24 new factors that increase hematopoietic stem cell activity when overexpressed. I have also found that nine of these factors act extrinsically to hematopoietic stem cells, i.e., the effect comes from the engineered feeder cells in co-culture. Moreover, I have revealed a new transcriptional regulatory network including five of the factors identified, i.e., PRDM16, SPI1, KLF10, FOS and TFEC. This network is particularly similar to that involved in osteoclastogenesis. These results raise the hypothesis that osteoclasts might also be part of the functional hematopoietic stem cell niche in the bone marrow. Furthermore, I have identified a second regulatory network involving SOX4, SMARCC1 and several factors previously identified in the laboratory, i.e., BMI1, MSI2 and KDM5B. Besides, several lines of evidence tend to show that there are fundamental differences between mouse and human hematopoietic stem cells.

Les facteurs de transcription sont des protéines spécialisées qui jouent un rôle important dans différents processus biologiques tel que la différenciation, le cycle cellulaire et la tumorigenèse. Ils régulent la transcription des gènes en se fixant sur des séquences d’ADN spécifiques (éléments cis-régulateurs). L’identification de ces éléments est une étape cruciale dans la compréhension des réseaux de régulation des gènes. Avec l’avènement des technologies de séquençage à haut débit, l’identification de tout les éléments fonctionnels dans les génomes, incluant gènes et éléments cis-régulateurs a connu une avancée considérable. Alors qu’on est arrivé à estimer le nombre de gènes chez différentes espèces, l’information sur les éléments qui contrôlent et orchestrent la régulation de ces gènes est encore mal définie. Grace aux techniques de ChIP-chip et de ChIP-séquençage il est possible d’identifier toutes les régions du génome qui sont liées par un facteur de transcription d’intérêt. Plusieurs approches computationnelles ont été développées pour prédire les sites fixés par les facteurs de transcription. Ces approches sont classées en deux catégories principales: les algorithmes énumératifs et probabilistes. Toutefois, plusieurs études ont montré que ces approches génèrent des taux élevés de faux négatifs et de faux positifs ce qui rend difficile l’interprétation des résultats et par conséquent leur validation expérimentale. Dans cette thèse, nous avons ciblé deux objectifs. Le premier objectif a été de développer une nouvelle approche pour la découverte des sites de fixation des facteurs de transcription à l’ADN (SAMD-ChIP) adaptée aux données de ChIP-chip et de ChIP-séquençage. Notre approche implémente un algorithme hybride qui combine les deux stratégies énumérative et probabiliste, afin d’exploiter les performances de chacune d’entre elles. Notre approche a montré ses performances, comparée aux outils de découvertes de motifs existants sur des jeux de données simulées et des jeux de données de ChIP-chip et de ChIP-séquençage. SAMD-ChIP présente aussi l’avantage d’exploiter les propriétés de distributions des sites liés par les facteurs de transcription autour du centre des régions liées afin de limiter la prédiction aux motifs qui sont enrichis dans une fenêtre de longueur fixe autour du centre de ces régions. Les facteurs de transcription agissent rarement seuls. Ils forment souvent des complexes pour interagir avec l’ADN pour réguler leurs gènes cibles. Ces interactions impliquent des facteurs de transcription dont les sites de fixation à l’ADN sont localisés proches les uns des autres ou bien médier par des boucles de chromatine. Notre deuxième objectif a été d’exploiter la proximité spatiale des sites liés par les facteurs de transcription dans les régions de ChIP-chip et de ChIP-séquençage pour développer une approche pour la prédiction des motifs composites (motifs composés par deux sites et séparés par un espacement de taille fixe). Nous avons testé ce module pour prédire la co-localisation entre les deux demi-sites ERE qui forment le site ERE, lié par le récepteur des œstrogènes ERα. Ce module a été incorporé à notre outil de découverte de motifs SAMD-ChIP. / Transcription factors (TF) play important roles in various biological processes such as differentiation, cell cycle progression and tumorigenesis. They regulate gene expression by binding to specific DNA sequences (TFBS). Identifying these cis-regulatory elements is a crucial step to understand gene regulatory networks. Technological developments have enhanced DNA sequencing at genomic scale. On the basis of the resulting sequences, computational biologists now attempt to localize the most important functional regions, starting with genes, but also importantly the whole genome characterization of transcription factor binding sites and allow the development of several computational DNA motif discovery tools. Although these various tools are widely used and have been successful at discovering novel motifs, they are not adapted to ChIP-chip and ChIP-sequencing data. The main drawback of these approaches is that most of the predicted motifs represent artifacts due to an inefficient assessment of their enrichment. This thesis is about transcription factor proteins and statistical analysis of their binding sites in ChIP-chip and ChIP-sequencing data. The first objective was to develop a new do novo DNA motif discovery tool adapted to ChIP-chip and ChIP-sequencing data. SAMD-ChIP combines enumerative and stochastic strategies to predict enriched motifs in the vicinity of the ChIP peak summits. Our approach is an automated pipeline that includes motif discovery, motif clustering, motif optimization and finally motif identification using transcription factor (TF) databases. SAMD-ChIP outperforms state-of-the-art motif discovery tools in term of the number of predicted motifs and the prediction of rare and degenerate motifs. In particular, SAMD-ChIP efficiently identifies gapped motifs such as inverted or direct repeats bound by nuclear receptors and composite motifs resulting from the association of different single TF binding sites. The underlying assumption of the second objective is that in regulatory regions, binding sites of interacting transcription factors co-occur more often than expected by chance in the vicinity of the ChIP-peak summits. We proposed an approach to predict transcription factor binding sites co-localization based on the prediction of single motifs by do novo motif discovery tools or by using TFBS models from TF data bases.

Le modèle Aevol est un modèle d'évolution expérimentale in silico développé par Carole Knibbe et Guillaume Beslon pour étudier l'évolution de la structure des génomes. Aevol a permis d'identifier une très forte pression de sélection indirecte vers un certain niveau de variabilité mutationnelle du phénotype : la survie à long terme d'une lignée étant conditionnée à sa capacité à produire des mutations avantageuses sans pour autant produire trop de mutations délétères, un certain compromis entre robustesse et évolvabilité est indirectement sélectionné. Une conséquence de cette pression de sélection indirecte est le rôle central joué par le taux spontané de réarrangements chromosomiques dans la détermination de la structure du génome. Dans ce travail, nous avons modifié le modèle Aevol pour introduire d'une part un processus explicite de régulation de l'expression des gènes et d'autre part, une sensibilité aux similarités entre séquences dans les événements de recombinaison de l'ADN. Nous avons ainsi pu étudier l'effet de ces variations sur la sélection de second-ordre. Nous avons en particulier observé que celle-ci est extrêmement robuste aux choix de modélisation : les effets liés aux réarrangements sont en effet observés de la même façon lorsque les organismes possèdent un réseau de régulation (qui plus est, ces effets sont visibles sur le réseau lui-même), lorsque les réarrangements se produisent préférentiellement entre séquences similaires et lorsque les transferts horizontaux sont possibles. De plus, les effets de cette pression de sélection de second-ordre ne sont pas limités au niveau génomique : de forts taux de réarrangements tendent à donner lieu à des génomes présentant beaucoup d'opérons, très peu d'ARNs non-codants et des réseaux de régulation très simples. Au contraire, chez les organismes ayant évolué avec de faibles taux de réarrangement, la plupart des gènes sont transcrits sur des ARNs monocistroniques. Ces organismes possèdent un grand nombre d'ARNs non-codants et présentent des réseaux de régulation très complexes. Ces effets observés dans le modèle à différents niveaux d'organisation peuvent s'apparenter à de nombreuses caractéristiques observées chez les organismes réels. Ainsi les pressions sélectives indirectes observées grâce au model Aevol permettent de reproduire un large spectre de propriétés biologiques connues en ne modifiant que le seul taux de réarrangements dans le modèle. Ces mécanismes de sélection indirecte apparaissent donc comme de bons candidats pour expliquer ces mêmes observations sur les organismes réels. / The Aevol model is an in silico experimental evolution model that was specifically developped by Carole Knibbe to study the evolution of the structure of the genome. Using Aevol, a very strong second-order selective pressure towards a specific level of mutational variability of the phenotype was revealed: it was shown that since the survival of a lineage on the long term is conditionned to its ability to produce beneficial mutations while not loosing those previously found, a specific trade-off between robustness and evolvability is indirectly selected. A consequence of this indirect selective pressure is the central role played by the spontaneous rate of chromosomal rearrangements in determining the structure of the genome. More specifically, it was shown that because some rearrangements (large duplications and large deletions) have an impact not only arround their breakpoints but on the whole sequence between them, non-coding sequences are actually mutagenic for the coding sequences they surround. The consequence is a clear trend for organisms having evolved under high rearrangement rates to have very short genomes with hardly any non-coding sequences while organisms evolving in the context of low rearrangement rates have huge, mostly non-coding genomes. Here, we modified the Aevol model to introduce an explicit regulation of gene expression as well as a sensitivity to sequence similarity in DNA recombination events. We observed that the effects of the second-order pressure mentioned above are very robust to modelling choices: they are similarly observed when gene regulation is made available, when rearrangements occur preferentially between similar sequences and even when a biologically plausible process of horizontal transfer is allowed. Moreover, the effects of this second-order selective pressure are not limited to the genomic level: high rearrangement rates usually lead to genomes that have many polycistronic RNAs, almost no non-coding RNAs and very simple regulation networks. On the contrary, at low rearrangement rates organisms have most of their genes transcribed on monocistronic RNAs, they own a huge number of coding RNAs and present very complex and intricate regulation networks. These astounding effects at different levels of organization can account for many features found on real organisms. Thus, the indirect selective pressure that was identified thanks to the Aevol model allows to reproduce a large panel of known biological properties by changing the sole spontaneous rearrangement rate, making this pressure a good candidate for explaining these observations on real organisms.

La thèse est consacrée au développement de nouvelles méthodes de modélisations mathématiques en biologie et en médecine, du type "off-lattice" modèles hybrides discret-continus, et de leurs applications à l'hématopoïèse et aux maladies sanguines telles la leucémie et l'anémie. Dans cette approche, les cellules biologiques sont considérées comme des objets discrets alors que les réseaux intracellulaire et extracellulaire sont décrits avec des modèles continus régis par des équations aux dérivées partielles et des équations différentielles ordinaires. Les cellules interagissent mécaniquement et biochimiquement entre elles et avec le milieu environnant. Elles peuvent se diviser, mourir par apoptose ou se différencier. Le comportement des cellules est déterminé par le réseau de régulation intracellulaire et influencé par le contrôle local des cellules voisines ou par la régulation globale d'autres organes. Dans la première partie de la thèse, les modèles hybrides du type "off-lattice" dynamiques sont introduits. Des exemples de modèles, spécifiques aux processus biologiques, qui décrivent au sein de chaque cellule la concurrence entre la prolifération et l'apoptose, la prolifération et la différenciation et entre le cycle cellulaire et de l'état de repos sont étudiés. L'émergence des structures biologiques est étudiée avec les modèles hybrides. L'application à la modélisation des filamente de bactéries est illustrée. Dans le chapitre suivant, les modèle hybrides sont appliqués afin de modéliser l'érythropoïèse ou production de globules rouges dans la moelle osseuse. Le modèle inclut des cellules sanguines immatures appelées progéniteurs érythroïdes, qui peuvent s'auto-renouveler, se différencier ou mourir par apoptose, des cellules plus matures appelées les réticulocytes, qui influent les progéniteurs érythroïdes par le facteur de croissance Fas-ligand, et des macrophages, qui sont présents dans les îlots érythroblastiques in vivo. Les régulations intracellulaire et extracellulaire par les protéines et les facteurs de croissance sont précisées et les rétrocontrôles par les hormones érythropoïétine et glucocorticoïdes sont pris en compte. Le rôle des macrophages pour stabiliser les îlots érythroblastiques est montré. La comparaison des résultats de modélisation avec les expériences sur l'anémie chez les souris est effectuée. Le quatrième chapitre est consacré à la modélisation et au traitement de la leucémie. L'érythroleucémie, un sous-type de leucémie myéloblastique aigüe (LAM), se développe à cause de la différenciation insuffisante des progéniteurs érythroïdes et de leur auto-renouvellement excessif. Un modèle de type "Physiologically Based Pharmacokinetics-Pharmacodynamic" du traitement de la leucémie par AraC et un modèle de traitement chronothérapeutique de la leucémie sont examinés. La comparaison avec les données cliniques sur le nombre de blast dans le sang est effectuée. Le dernier chapitre traite du passage d'un modèle hybride à un modèle continu dans le cas 1D. Un théorème de convergence est prouvé. Les simulations numériques confirment un bon accord entre ces deux approches.

Les cellules souches somatiques présentent habituellement un comportement très différent des cellules souches pluripotentes. Les bases moléculaires de l’auto-renouvellement des cellules souches embryonnaires ont été récemment déchiffrées grâce à la facilité avec laquelle nous pouvons maintenant les purifier et les maintenir en culture durant de longues périodes de temps. Par contre, il en va tout autrement pour les cellules souches hématopoïétiques. Dans le but d’en apprendre davantage sur le fonctionnement moléculaire de l’auto-renouvellement des cellules souches hématopoïétiques, j’ai d’abord conçu une nouvelle méthode de criblage gain-de-fonction qui répond aux caprices particuliers de ces cellules. Partant d’une liste de plus de 700 facteurs nucléaires et facteurs de division asymétrique candidats, j’ai identifié 24 nouveaux facteurs qui augmentent l’activité des cellules souches hématopoïétiques lorsqu’ils sont surexprimés. J’ai par la suite démontré que neuf de ces facteurs agissent de manière extrinsèque aux cellules souches hématopoïétiques, c’est-à-dire que l’effet provient des cellules nourricières modifiées en co-culture. J’ai également mis à jour un nouveau réseau de régulation de transcription qui implique cinq des facteurs identifiés, c’est-à-dire PRDM16, SPI1, KLF10, FOS et TFEC. Ce réseau ressemble étrangement à celui soutenant l’ostéoclastogénèse. Ces résultats soulèvent l’hypothèse selon laquelle les ostéoclastes pourraient aussi faire partie de la niche fonctionnelle des cellules souches hématopoïétiques dans la moelle osseuse. De plus, j’ai identifié un second réseau de régulation impliquant SOX4, SMARCC1 et plusieurs facteurs identifiés précédemment dans le laboratoire, c’est-à-dire BMI1, MSI2 et KDM5B. D’autre part, plusieurs indices accumulés tendent à démontrer qu’il existe des différences fondamentales entre le fonctionnement des cellules souches hématopoïétiques murines et humaines. / Somatic stem cells usually exhibit a very different behavior compared to pluripotent stem cells. The molecular basis of embryonic stem cell self-renewal was recently decrypted by the relative straightforwardness with which we can now purify and maintain these cells in culture for long periods of time. However, this is not the case with hematopoietic stem cells. In order to elucidate the molecular mechanisms of hematopoietic stem cell self-renewal, I developed a novel gain-of-function screening strategy, which bypasses some constraints found with these cells. Starting from a list of more than 700 candidate nuclear factors and asymmetric division factors, I have identified 24 new factors that increase hematopoietic stem cell activity when overexpressed. I have also found that nine of these factors act extrinsically to hematopoietic stem cells, i.e., the effect comes from the engineered feeder cells in co-culture. Moreover, I have revealed a new transcriptional regulatory network including five of the factors identified, i.e., PRDM16, SPI1, KLF10, FOS and TFEC. This network is particularly similar to that involved in osteoclastogenesis. These results raise the hypothesis that osteoclasts might also be part of the functional hematopoietic stem cell niche in the bone marrow. Furthermore, I have identified a second regulatory network involving SOX4, SMARCC1 and several factors previously identified in the laboratory, i.e., BMI1, MSI2 and KDM5B. Besides, several lines of evidence tend to show that there are fundamental differences between mouse and human hematopoietic stem cells.

Cette thèse est consacrée à la modélisation mathématique de l'hématopoïèse et des maladies sanguines. Plusieurs modèles traitant d'aspects différents et complémentaires de l'hématopoïèse y sont étudiés.Tout d'abord, un modèle multi-échelle de l'érythropoïèse est analysé, dans lequel sont décrits à la fois le réseau intracellulaire, qui détermine le comportement individuel des cellules, et la dynamique des populations de cellules. En utilisant des données expérimentales sur les souris, nous évaluons les rôles des divers mécanismes de retro-contrôle en réponse aux situations de stress.Ensuite, nous tenons compte de la distribution spatiale des cellules dans la moelle osseuse, question qui n'avait pas été étudiée auparavant. Nous décrivons l'hématopoïèse normale à l'aide d'un système d'équations de réaction-diffusion-convection et nous démontrons l'existence d'une distribution stationnaire des cellules. Puis, nous introduisons dans le modèle les cellules malignes. Pour certaines valeurs des paramètres, la solution "disease-free" devient instable et une autre solution, qui correspond à la leucémie, apparaît. Cela mène à la formation d'une tumeur qui se propage dans la moelle osseuse comme une onde progressive. La vitesse de cette propagation est étudiée analytiquement et numériquement. Les cellules de la moelle osseuse échangent des signaux qui régulent le comportement cellulaire. Nous étudions ensuite une équation integro-différentielle qui décrit la communication cellulaire et nous prouvons l'existence d'une solution du type onde progressive en utilisant la théorie du degré topologique et la méthode de Leray et Schauder. L'approche multi-agent est utilisée afin d'étudier la distribution des différents types de cellules dans la moelle osseuse.Finalement, nous étudions un modèle de type "Physiologically Based Pharmacokinetics-Pharmacodynamics" du traitement de la leucémie par l'AraC. L'AraC agit comme chimiothérapie et induit l'apoptose de toutes les cellules proliférantes, saines et malignes. La pharmacocinétique donne accès à la concentration intracellulaire d'AraC. Cette dernière, à son tour, détermine la dynamique des populations cellulaires et, par conséquent, l'efficacité de différents protocoles de traitement.

Les filaments d'actine sont des polymères biologiques très abondants dans le cytosquelette des eucaryotes. Leur auto-assemblage et leur auto-organisation sont très dynamiques et ils jouent un rôle majeur dans la motilité cellulaire et dans les déformations de la membrane. Nous présentons dans cette thèse trois approches de modélisation, à différentes échelles, afin de mieux comprendre les mécanismes de régulation de l'assemblage, de l'organisation et de la production de forces par des filaments biologiques tels que les filaments d'actine. Nous avons tout d'abord développé un outil de simulation multi-agent stochastique pour l'étude de la dynamique de filaments biologiques prenant en compte les interactions à l'échelle du nanomètre. Ce nouvel outil nous a permis de mettre en évidence l'accélération du turnover des monomères d'actine par fragmentation des filaments par l'ADF/Cofiline ainsi que les ruptures de symétries induites par cette protéine, résultats concordant avec les expériences de l'équipe de L. Blanchoin (CEA Grenoble). Nous avons également mené l'étude d'un modèle continu pour le flambage de filaments qui a permis d'estimer les forces exercées in vivo et in vitro en fonction des conditions d'attachement des extrémités et de donner des conditions limites de certains paramètres permettant le flambage. Troisièmement, nous avons développé un cadre pour l'organisation des données de cinétique biochimique de réseaux de régulation que nous avons utilisé pour la régulation de la polymérisation de l'actine. Ces trois approches de modélisation ont permis d'améliorer la connaissance sur la dynamique de l'actine et sont complémentaires aux approches expérimentales de la biologie.

Nous nous proposons d'étudier la gestion du bruit stochastique d'expression génique. On s'intéresse plus particulièrement à la dynamique du bruit lors de la réponse cellulaire. Comment évolue le bruit? Quels sont les mécanismes en jeux? Quelle est l'importance du bruit dans le fonctionnement cellulaire? Pour répondre à ces questions, nous nous appuyons sur le réseau de régulation génétique qui gère la réponse au stress nutritionnel chez E. Coli. L'étude du comportement dynamique de ce réseau, au niveau d'une population de bactéries, a été initiée et est portée par la forte collaboration de deux équipes de la région : une de bio-informaticiens (l'équipe de Hidde de Jong de l'INRIA Rhône-Alpes) et la deuxième de biologistes (l'équipe de Hans Geiselmann, Laboratoire d'Adaptation et Pathogénie des Micro-organismes). En profitant donc de l'expérience et de la compréhension acquise par ces équipes, nous étudions les réponses individuelles de chaque bactérie lors de la transition entre état de stress nutritionnel, et état de croissance exponentielle. Le bruit d'expression génique est quantifié dans des nœuds clés du réseau de régulation. Pour ce faire, les bactéries sont suivies individuellement par microscopie de fluorescence sur plusieurs générations. Les données de fluorescence collectées sur cellules uniques permettent d'étudier la variabilité inter-cellulaire. Cette variabilité est quantifiée tout le long de la réponse: à chaque instant, on connaît la distribution des densités de fluorescence cellulaire dans la population de cellules. Et le suivi des lignées individuelles permet de travailler sur une population de cellules saines: les individus malades ou morts qui ne se divisent pas, sont écartés. En réduisant ainsi les phénomènes cellulaires en jeux, on réduit le nombre de paramètres. Les sources de bruit sont moins nombreuses, et il est plus facile de comprendre les mécanismes en jeux. Les informations de lignage cellulaire permettent aussi d'étudier la variabilité introduite par la phase du cycle cellulaire: les événements de division cellulaire peut être artificiellement synchronisés. Le bruit est alors étudié sur une population en phase lors de la division. Cette étude montre que le bruit sondé n'est pas dominé par les différences dans la phase du cycle cellulaire. On peut donc modéliser nos cellules sans tenir compte des différences introduites par le cycle cellulaire. Le modèle testé est simplifié aux étapes de transcription-traduction-maturation. Les paramètres du modèle sont inférés de nos données expérimentales, et le modèle est testé à travers des simulations.