Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Cette thèse traite de la synchronisation et de la désynchronisation des systèmes dynamiques. Dans une première partie nous abordons, sous l’angle de la biologie systémique, le problème de la désynchronisation qui consiste à induire un comportement chaotique dans un système ayant une dynamique stable. Nous étudions ce problème sur un réseau génétique appelé V-système, inventé afin de coupler le plus simplement possible une bifurcation de Hopf et une hystérèse. Après avoir démontré qu’un champ de vecteurs de R^n présentant un tel couplage peut, sous certaines conditions, avoir un comportement chaotique, nous donnons un ensemble de paramètres pour lequel le V-système associé satisfait ces conditions et vérifions numériquement que le mécanisme responsable du chaos prend place dans ce système. Dans une deuxième partie, nous nous intéressons à la synchronisation de systèmes organisés hiérarchiquement. Nous commençons par définir une structure hiérarchique pour un ensemble de 2^n systèmes par une matrice représentant les étapes d’un processus de regroupement deux par deux. Cela nous amène naturellement au cas d’un ensemble de Cantor de systèmes, pour lequel nous obtenons un résultat de synchronisation globale généralisant le cas fini. Enfin nous traitons de la situation où certains défauts apparaissent dans la hiérarchie, i.e que certains liens entre les systèmes sont brisés. Nous montrons que l’on peut accepter un nombre infini de liens brisés, tout en gardant une synchronisation locale, à condition que ces liens soient uniquement présents aux N premiers étages de la hiérarchie (pour un N fixé) et qu’ils soient suffisamment espacés dans ces étages. / This thesis deals with the synchronization and desynchronization of dynamical systems. In a first part we tackle (under a biological viewpoint) the desynchronization problem, which consists in the induce- ment of a chaotic behavior in a stable dynamical system. We study this problem on a gene regulatory network called V-system, invented in order to couple in a very simple way, a Hopf bifurcation and a hysteresis-type dynamics. After having proved that a vector field on Rn admitting such a coupling may, under some condi- tions, show a chaotic dynamics, we give a set of parameters for which the associated V-system satisfies these conditions and verify numerically that the mechanism responsible of the chaotic motion occurs in this system. In a second part, we take interest in the synchronization of hierarchically organized dynamical systems. We first define a hierarchical structure for a set of 2^n systems by a matrix representing the steps of a matching process in groups of size two. This leads us naturally to the case of a Cantor set of systems, for which we obtain a global synchronization result generalizing the finite case. Finally, we deal with the situation where some defects appear in the hierarchy, that is to say when some links between certain systems are broken. We prove we can afford an infinite number of such broken links while keeping a local synchronization, providing they are only present at the first N stages of the hierarchy (for a fixed integer N) and they are enough spaced out in these stages.

Cette thèse traite de la synchronisation et de la désynchronisation des systèmes dynamiques. Dans une première partie nous abordons, sous l'angle de la biologie systémique, le problème de la désynchronisation qui consiste à induire un comportement chaotique dans un système ayant une dynamique stable. Nous étudions ce problème sur un réseau génétique appelé V-système, inventé afin de coupler le plus simplement possible une bifurcation de Hopf et une hystérèse. Après avoir démontré qu'un champ de vecteurs de R^n présentant un tel couplage peut, sous certaines conditions, avoir un comportement chaotique, nous donnons un ensemble de paramètres pour lequel le V-système associé satisfait ces conditions et vérifions numériquement que le mécanisme responsable du chaos prend place dans ce système. Dans une deuxième partie, nous nous intéressons à la synchronisation de systèmes organisés hiérarchiquement. Nous commençons par définir une structure hiérarchique pour un ensemble de 2^n systèmes par une matrice représentant les étapes d'un processus de regroupement deux par deux. Cela nous amène naturellement au cas d'un ensemble de Cantor de systèmes, pour lequel nous obtenons un résultat de synchronisation globale généralisant le cas fini. Enfin nous traitons de la situation où certains défauts apparaissent dans la hiérarchie, i.e que certains liens entre les systèmes sont brisés. Nous montrons que l'on peut accepter un nombre infini de liens brisés, tout en gardant une synchronisation locale, à condition que ces liens soient uniquement présents aux N premiers étages de la hiérarchie (pour un N fixé) et qu'ils soient suffisamment espacés dans ces étages.

L'inférence des réseaux de régulation de gènes (RRG) à partir de données d'expression est un défi majeur en biologie. L’arrivée des technologies de mesure de transcriptomique à l’échelle de la cellule a suscité de nombreux espoirs, mais paradoxalement elles montrent une nouvelle complexité du problème d’inférence des RRG qui limite encore les approches existantes. Nous avons commencé par montrer, à partir de données d'expression en cellules uniques acquises sur un modèle aviaire de différenciation érythrocytaire, que les RRG sont des systèmes stochastiques à l'échelle de la cellule et qu'il y a une évolution dynamique de cette stochasticité au cours du processus de différenciation (Richard et al, PLOS Comp.Biol., 2016). C'est pourquoi nous avons développé par la suite un modèle de RRG mécaniste qui inclus cette stochasticité afin d'exploiter au maximum l'information des données expérimentales à l'échelle de la cellule (Herbach et al, BMC Sys.Biol., 2017). Ce modèle décrit les interactions entre gènes comme un couplage de processus de Markov déterministes par morceaux. En régime stationnaire une formule explicite de la distribution jointe est dérivée du modèle et peut servir à inférer des réseaux simples. Afin d'exploiter l'information dynamique et d'intégrer d'autres données expérimentales (protéomique, demi-vie des ARN), j’ai développé à partir du modèle précédent une approche itérative, intégrative et parallèle, baptisée WASABI qui est basé sur le concept de vague d'expression (Bonnaffoux et al, en révision, 2018). Cette approche originale a été validée sur des modèles in-silico de RRG, puis sur nos données in-vitro. Les RRG inférés affichent une structure de réseau originale au regard de la littérature, avec un rôle central du stimulus et une topologie très distribuée et limitée. Les résultats montrent que WASABI surmonte certaines limitations des approches existantes et sera certainement utile pour aider les biologistes dans l’analyse et l’intégration de leurs données. / Inference of gene regulatory networks from gene expression data has been a long-standing and notoriously difficult task in systems biology. Recently, single-cell transcriptomic data have been massively used for gene regulatory network inference, with both successes and limitations.In the present work we propose an iterative algorithm called WASABI, dedicated to inferring a causal dynamical network from timestamped single-cell data, which tackles some of the limitations associated with current approaches. We first introduce the concept of waves, which posits that the information provided by an external stimulus will affect genes one-byone through a cascade, like waves spreading through a network. This concept allows us to infer the network one gene at a time, after genes have been ordered regarding their time of regulation. We then demonstrate the ability of WASABI to correctly infer small networks, which have been simulated in-silico using a mechanistic model consisting of coupled piecewise-deterministic Markov processes for the proper description of gene expression at the single-cell level. We finally apply WASABI on in-vitro generated data on an avian model of erythroid differentiation. The structure of the resulting gene regulatory network sheds a fascinating new light on the molecular mechanisms controlling this process. In particular, we find no evidence for hub genes and a much more distributed network structure than expected. Interestingly, we find that a majority of genes are under the direct control of the differentiation-inducing stimulus. Together, these results demonstrate WASABI versatility and ability to tackle some general gene regulatory networks inference issues. It is our hope that WASABI will prove useful in helping biologists to fully exploit the power of time-stamped single-cell data.

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.

Cette thèse consiste à étudier l'organisation du système de contrôle des voies métaboliques des bactéries afin de dégager des propriétés systémiques révélant son fonctionnement. Dans un premier temps, nous montrons que le contrôle des voies métaboliques est hautement structuré et peut se décomposer en modules fortement découplés en régime stationnaire. Ces modules possèdent des propriétés mathématiques remarquables ayant des conséquences importantes en biologie. Cette décomposition, basée intrinsèquement sur la vision système de l'Automatique, offre un cadre théorique formel général d'analyse du contrôle des voies métaboliques qui s'est révélé effectif pour analyser des données expérimentales. dans un deuxième temps, nous nous intéressons aux raisons possibles de l'émergence de cette structure de contrôle similaire. Nous identifions un ensemble de contraintes structurelles agissant au niveau de la répartition d'une ressource commune, les protéines, entre les processus cellulaires. Respecter ces contraintes pour un taux de croissance donné conduit à formaliser et résoudre un problème d'optimisation convexe non différentiable, que nous appelons Resource balance Analysis. Ce problème d'optimisation se résout numériquement à l'échelle de la bactérie grâce à un problème de Programmation Linéaire équivalent. plusieurs propriétés sont déduites de l'analyse théorique du critère obtenu. Tout d'abord, le taux de croissance est structurellement limité par la répartition d'une quantité finie de protéines entre les voies métaboliques et les ribosomes. Ensuite, l'émergence des modules dans les voies métaboliques provient d'une politique générale d'économie en protéines chez la bactérie pour gagner du taux de croissance. Certaines stratégies de transport bien connues comme la répression catabolique ou la substitution de transporteurs haute/basse affinités sont prédites par notre méthode et peuvent alors être interprétées comme le moyen de maximiser la croissance tout en minimisant l'investissement en protéines.

Dans cette thèse, nous étudions l'influence d'un changement de mode d'itération sur les attracteurs d'un réseau d'automates booléens à seuil, outil mathématique discret classiquement utilisé pour modéliser les systèmes de régulation biologiques. L'objectif est de mettre en évidence l'importance du choix du mode d'itération pour la dynamique de ces réseaux, et en particulier pour les cycles limites atteints. Nous simulons tout d'abord la dynamique d'un échantillon non biaisé de réseaux, pour des tailles comprises entre un et sept nœuds. Les résultats des simulations montrent notamment que, lorsque la taille des réseaux croît, la dynamique de ces réseaux devient de plus en plus sensible au choix du mode d'itération. Nous démontrons ensuite un résultat théorique qui permet de déterminer, pour un réseau donné, l'ensemble des modes d'itération pour lesquels on observe des cycles limites, en fonction des cycles limites observés pour le mode parallèle.

Cette thèse concerne l'ingénierie des systèmes complexes à partir d'une dynamique souhaitée. En particulier, nous nous intéressons aux populations d'oscillateurs et aux réseaux de régulation génétique. Dans une première partie, nous nous fondons sur une hypothèse, introduite en neurosciences, qui souligne le rôle de la synchronisation neuronale dans le traitement de l'information cognitive. Nous proposons de l'utiliser sur un plan plus large pour étudier le traitement de l'information par des populations d'oscillateurs. Nous discutons des isochrons de quelques oscillateurs classés selon leurs symétries dans l'espace des états. Cela nous permet d'avoir un critère qualitatif pour choisir un oscillateur. Par la suite, nous définissons des procédures d'impression, de lecture et de réorganisation de l'information sur une population d'oscillateurs. En perspective, nous proposons un système à couches d'oscillateurs de Wilson-Cowan. Ce système juxtapose convenablement synchronisation et désynchronisation à travers l'utilisation de deux formes de couplage: un couplage continu et un couplage par pulsation. Nous finissons en proposant une application de ce système: la détection de contours dans une image. En deuxième partie, nous proposons d'utiliser une approche par contraintes pour identifier des réseaux de régulation génétique à partir de connaissances partielles sur leur dynamique et leur structure. Le formalisme que nous utilisons est connu sous le nom de réseaux d'automates booléens à seuil ou réseaux Hopfield-semblables. Nous appliquons cette méthode, afin de déterminer le réseau de régulation de la morphogenèse florale d'Arabidopsis thaliana. Nous montrons l'absence d'unicité des solutions dans l'ensemble des modèles valides (ici, 532 modèles). Nous montrons le potentiel de cette approche dans la détermination et la classification de modèles de réseaux de régulation génétique. L'ensemble de ces travaux mène à un certain nombre d'applications, en particulier dans le développement de nouvelles méthodes de stockage de l'information et dans le design de systèmes de calcul non conventionnel. / This thesis is concerned by the engineering of complex systems from a desired dynamics. Particularly, we are interested by populations of oscillators and genetical regulatory networks. In a first part, we start from a hypothesis introduced in neuroscience, which highlight the role of neural synchronization in the cognitive processing. We propose to use this hypothesis in a more general panorama to investigate the computing with populations of oscillators. We discuss about the isochrons of few oscillators selected according to their symmetry in the state space. Therefore, we define procedures for making footprints, for reading and for reorganizing information by a population of oscillators. As a perspective, we propose a system of lattices of Wilson-Cowan oscillators organized in several interconnected layers. This system properly mixes synchronization and desynchronization by using two types of coupling : pulsed and continuous coupling. At the end of this part, we propose to use this system in order to detect the edges of an image. In the second part, we propose a constraint-based approach to determine the structure of genetic regulatory networks starting from incomplete knowledge on their structure and their dynamics. The formalism we use is widely called thresholded Boolean automata networks or Hopfield-like networks. As an proof of concept, we apply this method to determine the regulatory network of Arabidopsis thaliana flower morphogenesis. We obtain 532 valid models instead of one unique solution and then classify them by using structural robustness criteria. By this way, we showed the potential of this approach in determining and classifying thresholded Boolean automata networks like genetic regulatory networks or neural networks. This works leads to many applications, in particular the developpement and the design of new methods for processing information and the design of systems of unconventional computing.

Dans les dernières années, les réseaux Bayésiens (RB) sont devenus l'une des méthodes d'apprentissage automatique les plus puissantes permettant de modéliser graphiquement et de manière probabiliste différentes types de systèmes complexes. Un des problèmes communs dans l'apprentissage de la structure des RB est le problème des données de petites tailles. En effet, le résultat de l'apprentissage est sensible au nombre d'échantillons de données. En apprentissage automatique, les méthodes d'apprentissage ensemblistes telles que le bootstrap ou les algorithmes génétiques sont des méthodes souvent utilisées pour traiter le problème de la pauvreté de données. Toutefois, les méthodes existantes se limitent généralement à la fusion d'un ensemble de modèles, mais ne permettent pas de comparer deux ensembles de modèles. Inspiré par les résultats obtenus par les méthodes ensemblistes, nous proposons une nouvelle méthode basée sur le graphe quasi-essentiel (QEG - Quasi-Essential Graph) et l'utilisation d'un test multiple afin de comparer deux ensembles de RB. Le QEG permet de résumer et de visualiser graphiquement un ensemble de RB. Le test multiple permet de vérifier si les différences entre les deux ensembles de RB sont statistiquement significatives et de déterminer la position de ces différences. L'application sur des données synthétiques et expérimentales a démontré les différents intérêts de la méthode proposée dans la reconstruction des réseaux de régulation génétique et perspectivement dans les autres applications avec les données de petites tailles.