De nombreuses fonctions cellulaires sont réalisées grâce à l'interaction coordonnée de plusieurs gènes. Identifier le graphe de ces interactions, appelé réseau de régulation génétique, à partir de données d'expression de gènes est l'un des objectifs majeurs de la biologie des systèmes. Dans cette thèse, nous abordons ce problème en choisissant de modéliser les relations entre gènes par un réseau bayésien. Se pose alors la question de l'apprentissage de la structure de ce type de modèle à partir de données qui sont en général peu nombreuses. Pour résoudre ce problème, nous recherchons parmi tous les modèles possibles le modèle le plus simple, expliquant le mieux les données. Pour cela, nous introduisons et étudions différents types d'algorithmes génétiques permettant d'explorer l'espace des modèles. Nous nous intéressons plus particulièrement aux méthodes de spéciation. ces dernières, en favorisant la diversité des solutions candidates considérées, empêchent l'algorithme de converger trop rapidement vers des optima locaux. Ces algorithmes génétiques sont comparés avec différentes méthodes d'apprentissage de structure de réseaux bayésiens, classiquement utilisées dans la littérature. Nous mettons ainsi en avant la pertinence des approches evolutionnaires pour l'apprentissage de ces graphes d'interactions. Enfin, nous les comparons à une classe alternative d'algorithmes évolutionnaires qui s'avère particulièrement prometteuse : les algorithmes à estimation de distribution. Tous ces algorithmes sont testés et comparés sur un modèle du réseau de régulation de l'insuline de 35 noeuds dont nous tirons des jeux de données synthétiques de taille modeste.

Cette thèse est consacrée à la modélisation mathématique de réseaux de régulation génétique et métabolique. Une étude détaillée d'un réseau particulier, l'opéron lactose, nous permet de mettre en évidence les principales difficultés de la modélisation quantitative de tels systèmes. Dans ce domaine, la théorie des systèmes hybrides constitue un outil de modélisation pertinent, qui nous permet de proposer un modèle de l'opéron lactose reproduisant les principales caractéristiques de son comportement telles qu'elles sont connues aujourd'hui. Deux approches qualitatives sont ensuite envisagées. Une approche discrète, basée sur la théorie des réseaux d'automates booléens, est tout d abord présentée. Nous abordons dans ce cadre la question de l'identification de réseaux, en proposant notamment une preuve ainsi qu'une implémentation de l'algorithme d'inférence de réseaux booléens REVEAL. Nous faisons également une analyse de la complexité et de l'efficacité de cet algorithme. Enfin, nous proposons l'étude d une classe de systèmes différentiels comportant des lois de puissance, les S-systèmes. Ces systèmes présentent des propriétés intéressantes d'approximation locale de systèmes provenant des sciences du vivant. Nous proposons un algorithme itératif basé sur les S-systèmes dont le but est de trouver les points d'équilibre positifs d'un système dynamique quelconque, ainsi qu'une approximation locale de ce système autour de ces points d'équilibre. Cette approximation sous forme de lois de puissance offre une alternative à la technique classique de linéarisation. Nous appliquons cet algorithme à l'étude d'une partie d'un système métabolique chez la plante Arabidopsis thaliana.

L'étude des grands modèles de réseaux biologiques par l'utilisation d'outils d'analyse et de simulation conduit à un grand nombre de prédictions. Cela soulève la question de savoir comment identifier les prédictions intéressantes de nouveaux phénomènes, qui peuvent être confrontés à des données expérimentales. Les techniques de vérification formelle basées sur le model checking constituent une technologie puissante pour faire face à cette augmentation d'échelle et de complexité pour l'analyse de ces réseaux. L'application de ces techniques est par contre difficile, pour plusieurs raisons. Premièrement, le domaine de la biologie des systèmes a mis en évidence quelques propriétés dynamiques du réseau, comme la multi-stabilité et les oscillations, qui ne sont pas facilement exprimables avec les logiques temporelles classiques. Deuxièmement, la difficulté de poser des questions pertinentes et intéressantes en logique temporelle est difficile pour les utilisateurs non-experts. Enfin, la plupart des modèles existants et des outils de simulation ne sont pas capables d'appliquer des techniques de model checking d'une manière transparente. La mise en œuvre des approches développées dans ce travail contribue à enlever des obstacles pour l'utilisation de la technologie de vérification formelle en biologie. Leur application a été validée sur l'analyse et la simulation de deux modèles biologiques complexes.

L’établissement de l’identité cellulaire est un phénomène très complexe qui implique pléthore de signaux instructifs intrinsèques et extrinsèques. Cependant, malgré les progrès importants qui ont été faits pour l’identification des régulateurs clés, les liens mécanistiques entre facteurs de transcription, épigénome, et structure de la chromatine lors de la différenciation cellulaire, et de la transformation tumorigénique des cellules, sont peu connus. Pour résoudre ces problématiques nous avons utilisé deux modèles de transition de l’identité cellulaire : la différenciation neuronale et endodermique induites par un même morphogène, l’acide rétinoïque. Concernant la transformation tumorale des cellules nous avons utilisé un système de tumorigenèse par étape de cellules primaires humaines. Nous avons conduit des études intégratives incluant des données transcriptomiques, épigénomiques, et des données concernant l’architecture de la chromatine. Notre approche systématique pour caractériser l’acquisition de l’identité cellulaire, combinée à la modélisation de la transduction du signal, renforce donc nos connaissances sur les mécanismes responsables de la plasticité cellulaire. Une meilleure compréhension des mécanismes régulateurs de l’identité cellulaire non seulement nous éclaire sur les relations de cause à effet entre les différents niveaux de régulation dans la cellule, mais aussi ouvre de nouvelles possibilités en terme de transdifférenciation dirigée. / The cell fate acquisition is a highly complex phenomenon that involves a plethora of intrinsic and extrinsic instructive signals. However, despite the important progress in identification of key regulatory factors of this process, the mechanistic links between transcription factors, epigenome and chromatin structure which coordinate the regulation of cell differentiation and deregulation of gene networks during cell transformation are largely unknown. To address these questions for two model systems of cell fate transitions, namely the neuronal and endodermal cell differentiation induced by the morphogen retinoic acid and the stepwise tumorigenesis of primary human cells, we conducted integrative transcriptome, epigenome and chromatin architecture studies. Through extensive integration with thousands of available genomic data sets, we deciphered the gene regulatory networks of these processes and revealed new insights in the molecular circuitry of cell fate acquisition. The understanding of regulatory mechanisms that underlie the cell fate decision processes not only brings the fundamental understanding of cause-and-consequence relationships inside the cell, but also open the doors to the directed trans-differentiation.

Le développement de techniques à haut débit fournit de nombreuses données sur le fonctionnement de réseaux de régulation. Il devient donc de plus en plus important de développer des techniques qui permettent de déduire la topologie et le fonctionnement des réseaux de régulation à partir des données expérimentales. La plupart des études dans ce domaine se focalisent sur la reconstruction de l'architecture locale du réseau de régulation et la détermination des paramètres qui relient les composants du réseau. Cependant, les réseaux biologiques ne sont jamais entièrement connus. L'absence d'un noeud important dans le réseau de régulation peut facilement conduire à de mauvaises prédictions de la structure du réseau ou des paramètres d'interactions. Dans cette thèse, nous proposons une méthode qui permet d'inférer l'existence, le profile d'expression et la connexion au reste du réseau d'un gène (ou de gènes) manquant. Pour résoudre ce problème difficile, nous devons simplifier la description du réseau de régulation. Nous faisons l'hypothèse communément acceptée que les interactions dans le réseau sont décrites par des fonctions de Hill. Nous approximons ces fonctions trop compliquées par des fonctions de puissance et nous montrons que cette simplification préserve la dynamique du réseau. En prenant le logarithme du système d'équations nous convertissons le système non-linéaire en un système linéaire. De nombreux outils sont disponibles pour analyser des systèmes linéaires. Nous utilisons l'analyse factorielle (FA) et l'analyse de composants indépendants (ICA) pour extraire le profil d'expression du gène inconnu à partir des profils d'expression des parties connues du réseau de régulation. Après avoir estimé le pattern d'expression du gène inconnu, nous explorons les différentes possibilités de connecter ce gène au reste du réseau. Une recherche exhaustive est trop coûteuse pour des grands réseaux de régulation. Nos proposons donc un algorithme de réduction de l'espace de recherche pour diminuer le nombre de calculs nécessaires. L'algorithme proposé est robuste au bruit expérimental et le profil d'expression du gène inconnu est retrouvé avec une probabilité de 80% dans des réseaux de petite taille et avec une probabilité de 60% pour des grands réseaux. FA est plus efficace que ICA pour extraire le profile du gène inconnu. L'algorithme est finalement appliqué à un réseau biologique réel: le réseau de régulation de la transcription du gène acs d'Escherichia coli. Nous prédisons qu'il y a un gène manquant dans ce réseau et les deux méthodes d'extraction du signal trouvent un profil d'expression très similaire pour le gène inconnu. De plus, ce profil d'expression est identique dans trois contextes expérimentaux différents : la souche sauvage, la souche dont l'adénylate cyclase a été délété et cette même souche complémentée par des l'AMPc ajouté au milieu de croissance. Puisque le profil d'expression du gène inconnu reste le mŘme dans les trois souches nous pouvons conclure que ce gène est indépendant de l'AMPc. Les deux méthodes d'extraction du profil d'expression prédisent deux structures différentes du réseau complet. FA prédit que le gène manquant contrôle l'expression de fis, tandis que ICA prédit que le gène inconnu contrôle d'expression de crp. / With the development of hight-throughput technologies, the investigation of the topologies and the functioning of genetic regulatory networks have become an important research topic in recent years. Most of the studies concentrate on reconstructing the local architecture of genetic regulatory networks and the determination of the corresponding interaction parameters. The preferred data sources are time series expression data. However, inevitably one or more important members of the regulatory network will remain unknown. The absence of important members of the genetic circuit leads to incorrectly inferred network topologies and control mechanisms. In this thesis we propose a method to infer the connection and expression pattern of these “missing genes”. In order to make the problem tractable, we have to make further simplifying assumptions. We assume that the interactions within the network are described by Hill-functions. We then approximate these functions by power-law functions. We show that this simplification still captures the dynamic regulatory behaviors of the network. The genetic control system can now be converted to linear model by using a logarithm transformation. In another word, we can analyze the genetic regulatory networks by linear approaches. In the logarithmic space, we propose a procedure for extracting the expression profile of a missing gene within the otherwise defined genetic regulatory network. The algorithm also determines the regulatory connections of this missing gene to the rest of the regulation network. The inference algorithm is based on Factor Analysis, a well-developed multivariate statistical analysis approach that is used to investigate unknown, underlying features of an ensemble of data, in our case the promoter activities and intracellular concentrations of the known genes. We also explore a second blind sources separation method, “Independent Component Analysis”, which is also commonly used to estimate hidden signals. Once the expression profile of the missing gene has been derived, we investigate possible connections of this gene to the remaining network by methods of search space reduction. The proposed method of inferring the expression profile of a missing gene and connecting it to a known network structure is applied to artificial genetic regulatory networks, as well as a real biologicial network studied in the laboratory: the acs regulatory network of Escherichia coli. In these applications we confirm that power-law functions are a good approximation of Hill-functions. Factor Analysis predicts the expression profiles of missing genes with a high accuracy of 80% in small artificial genetic regulatory networks. The accuracy of Factor Analysis of predicting the expression profiles of missing genes of large artificial genetic regulatory networks is 60%. In contrast, Independent Component Analysis is less powerful than Factor Analysis in extracting the expression profiles of missing components in small, as well as large, artificial genetic regulatory networks. Both Factor Analysis and Independent Component suggest that only one missing gene is sufficient to explain the observed expression profiles of Acs, Fis and Crp. The expression profiles of the missing genes in the △cya strain and in the △cya strain supplemented with cAMP estimated by Factor Analysis and Independent Component Analysis are very similar. Factor Analysis suggests that fis is regulated by the missing genes, while Independent Component Analysis suggests that crp is controlled by the missing gene.

Dans cette these, nous identifions le réseau de régulation de gènes (RRG) agissant en aval de CROWN ROOTLESS1 (CRL1) et impliqué dans la formation des racines coronaires (RC) chez le riz, en vue d’identifier des gènes candidats pour moduler l’architecture du système racinaire (ASR) du riz et du maïs. Pour ce faire, nous avons généré une série temporelle transcriptomique, et l’avons utilisée pour inférer le RRG en jeu durant 45 heures après l’induction de CRL1, un intervalle couvrant les étapes précoces de l’initiation des RC. Nous avons partiellement validé ce réseau en utilisant des bases de données de prédiction de sites de liaison de facteurs de transcription, ainsi que la littérature décrivant des interactions connues. A partir de ce réseau validé, nous avons identifié une cascade de régulation reliant des gènes impliqués dans l’initiation des RC à d’autres genes impliqués dans le patterning et la maintenance des primordia de RC, et testé cette cascade par des essais de transactivation en protoplastes. Les résultats obtenus ont globalement confirmé la cascade prédite, ce qui démontre l’utilité des approches de biologie des systèmes pour mieux comprendre les mécanismes impliqués dans le développement des RC. Un autre jeu de données transcriptomique a été obtenu par microdissection laser des primordia de RC à trois stades développementaux. L’analyse différentielle par rapport au tissu cortical adjacent révèle la regulation transcriptionnelle en jeu après l’initiation des RC et l’organisation des primordia. A partir d’une analyse croisée entre données de la série temporelle, données issues de microdissection, autres listes de gènes publiées en lien au développement racinaire chez le riz, analyse formelle du RRG et curation de la littérature, nous avons établi quatre classements en fonction de différentes stratégies de pondération, et identifié les gènes les plus importants du RRG. A partir de ce méta-classement, deux gènes candidats ont été identifies. Leur impact sur la formation des RC et l’ASR sera étudiée au travers de la génération de lignées de surexpression ou knock-out, chez le maïs et le riz. / In this thesis, we aimed at identifying the gene regulatory network (GRN) acting downstream of CRL1 and involved in the formation of crown root (CR) primordia in rice. We used this information to identify candidate genes to modulate root system architecture of rice and maize. To do so, we generated a time-series transcriptomic dataset that was used to infer the GRN at play during the 45 hour following CRL1 induction, covering early steps of CR primordia formation. This network was partially validated using a database describing predicted transcription factor (TF) target genes and literature on available regulatory interactions. From this, a regulatory cascade linking genes involved in CR initiation to genes involved in CR primordia patterning and maintenance was proposed and tested using transient protoplast transactivation assays. Obtained data mostly confirmed the predicted regulatory cascade demonstrating the usefulness of systems biology approaches to better understand the mechanisms involved in CR development. Another transcriptomic dataset obtained from laser capture microdissection of CR primordia at three later developmental stages analysed against adjacent stem cortex tissue, provided insight to the transcriptional regulation occurring after CR initiation and primordia organization. From cross-analysis between time series and microdissected primordia transcriptomic data set, other published gene lists related to root development in rice, formal GRN analysis and literature curation, we computed four rankings according to different scoring strategies to identify the most important genes in the GRN. From this meta-ranking, two candidate genes were identified. Their impact on CR formation and root system architecture will be further studied via the generation of over- or down-expressing lines in maize and rice.

Une cellule reçoit en permanence des signaux de son environnement. Cette stimulation induit une cascade de signalisation activant un programme génique et protéomique dynamique aboutissant à une réponse cellulaire adaptée. Dans la leucémie lymphoïde chronique (LLC), la stimulation du récepteur à l’antigène induit un programme et une réponse anormale à l’origine de la prolifération leucémique. Notre objectif est de caractériser ce programme cellulaire pathologique. Pour cela, nous avons mis en place un modèle de stimulation afin de reproduire ex vivo cette stimulation du récepteur à l’antigène de cellules primaires issues de patients porteurs de LLC et d’activer ce programme cellulaire. Nous avons alors analysé la dynamique transcriptionnelle et protéomique activée dans ces cellules afin de caractériser les anomalies de ce programme. Cette étude nous a permis de mettre en évidence la spécificité de ce programme prolifératif et de caractériser les gènes clés de ce programme tumoral. Ces gènes constituent de potentielles cibles thérapeutiques innovantes. / A cell constantly receives signals from its environment. This stimulation induces a signalling cascade activating a dynamic genic and proteomic program, leading to an adapted cellular response. In chronic lymphocytic leukemia (CLL), an antigen receptor stimulation induces a program and an abnormal response behind leukemic proliferation. Our aim was to characterize the pathological cell program. To achieve this, we have implemented a stimulation model to reproduce ex vivo antigen receptor stimulation of primary cells from CLL patients and activate this cellular program. We then analyzed the transcriptional and proteomic dynamics activated in these cells in order to characterize the abnormalities of this program. This study allows us to highlight the specificity of this proliferative program and to identify key genes of tumor program. These genes constitute potential new therapeutic targets.

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

Cette thèse traite de questions statistiques soulevées par l'analyse de données génomiques de grande dimension, dans le cadre de la recherche contre le cancer. La première partie est consacrée à l'étude des propriétés asymptotiques de procédures de tests multiples visant à contrôler l'espérance (FDR) du taux de fausses découvertes (FDP) parmi les hypothèses rejetées. On introduit un formalisme flexible qui permet de calculer la loi asymptotique du FDP et les conditions de régularité associées pour une vaste famille de procédures de tests multiples, et de comparer la puissance de ces procédures. On s'intéresse ensuite aux liens en termes de contrôle du FDR entre les bornes intrinsèques à trois problèmes de tests multiples: la détection, l'estimation, et la sélection. On relie en particulier la vitesse de convergence dans le problème d'estimation à la régularité de la loi des probabilités critiques au voisinage de 1. La seconde partie est dédiée au développement de méthodes d'analyse des données de puces à ADN en cancérologie. On propose une méthode de pré-traitement des données de puces à ADN combinant une régression robuste et un modèle de mélange avec contrainte spatiale, qui permet d'éliminer les biais spatiaux en préservant le signal biologique. On développe ensuite une méthode d'inférence de régulations entre gènes à partir de données d'expression de gènes, qui repose sur des techniques d'apprentissage informatique et de tests multiples. Enfin, on construit un test génomique permettant de déterminer, pour une patiente traitée pour un cancer du sein, si un second cancer survenant sur le même sein est ou non une récidive du premier.

Les Réseaux de Régulation Biologique (RRB) sont communément utilisés en biologie systémique pour modéliser, comprendre et contrôler les dynamiques de production des protéines au sein des cellules. Bien qu'offrant une représentation très abstraite des systèmes biologiques, l'analyse formelle de tels modèles se heurte rapidement à l'explosion combinatoire des comportements engendrés. Cette thèse traite de la modélisation, de la simulation et de la vérification formelle des grands RRB à travers l'introduction d'un nouveau formalisme : les Frappes de Processus. La simplicité de ce formalisme permet notamment l'élaboration d'analyses statiques efficaces des systèmes complexes en général. Cette thèse aborde en premier lieu le raffinement du temps dans les modèles stochastiques via l'introduction d'un facteur d'absorption de stochasticité. Ceci apporte un compromis et une flexibilité entre des spécifications temporelles et stochastiques dans les modélisations hybrides. Une simulation générique (non-markovienne) des calculs de processus est alors proposée et appliquée aux Frappes de Processus. En outre de l'analyse statique des points fixes des Frappes de Processus, cette thèse développe une interprétation abstraite de ces Frappes de Processus permettant des approximations supérieures et inférieures très efficaces de propriétés d'atteignabilité discrète. Cette analyse permet également de faire émerger des composants requis pour la satisfaction de ces propriétés, guidant ainsi le contrôle du système. D'une complexité théorique limitée, cette approche promet de supporter l'analyse de très grands RRB et constitue une ainsi contribution qui ouvre sur de multiples perspectives.