Microbes form complex communities on Earth. They are crucial for global nutrient recycling in soil and oceans. Inside our body, our intestinal microbiome contributes to our metabolism and protects us against diseases. The dynamics of these microbial communities and their response to environmental changes depend on intra- and inter-species interactions. Computational models are useful to simulate the behavior of such systems and to predict their response to prebiotics or to antibiotics for example. However, due to the multiple, nutrient-dependent interactions, modeling the behavior of such communities remains a real challenge. Mathematical modeling allows for an understanding of the general principles underlying the nonlinear dynamics of microbial communities. Population-based models are based on the abundances of each species but typically do not incorporate the interaction mechanism. Interactions can be mediated by the metabolism of microbes. Therefore, explicit modeling of nutrients is required for a mechanistic understanding of the dynamical behavior of interacting communities. In this thesis we developed and analyzed models accounting for the nutrient-mediated microbial interactions, focusing on competition and mutualistic cross-feeding. In the first part of the thesis, we constructed a nutrient-explicit model that reproduced experimental time series of a small synthetic microbial community, consisting of three species that interact via cross-feeding and competition. The comparison of mono-culture and co-culture dynamics reveals emergent behaviors in co-cultures and highlights the influence of key factors on the population dynamics. In the second part of the thesis, we showed how nutrient-explicit models for mutualistic cross-feeding are related to population-based models, such as the Lotka-Volterra equations. This allows to predict the occurrence of bistability and the presence of a survival threshold. Finally, we extended these results by considering the spatial dimension, and studied how diffusion and advection influence the survival of the community. Our results demonstrate that nutrient-explicit models are able to reproduce experimental time series of microbial communities and to predict the factors determining survival or extinction. By providing a mechanistic understanding of the nonlinear behavior related to microbial interactions, we take a step forward towards the development of predictive models of microbial communities. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished

Reservoir computing est un ensemble de techniques permettant de simplifierl’utilisation des réseaux de neurones artificiels. Les réalisations expérimentales,notamment optiques, de ce concept ont montré des performances proches de l’étatde l’art ces dernières années. La vitesse élevée des expériences optiques ne permetpas d’y intervenir en temps réel avec un ordinateur standard. Dans ce travail, nousutilisons une carte de logique programmable (Field-Programmable Gate Array, ouFPGA) très rapide afin d’interagir avec l’expérience en temps réel, ce qui permetde développer de nouvelles fonctionnalités.Quatre expériences ont été réalisées dans ce cadre. La première visait à implé-menter un algorithme de online training, permettant d’optimiser les paramètresdu réseau de neurones en temps réel. Nous avons montré qu’un tel système étaitcapable d’accomplir des tâches réalistes dont les consignes variaient au cours dutemps.Le but de la deuxième expérience était de créer un reservoir computer optiquepermettant l’optimisation de ses poids d’entrée suivant l’algorithme de backpropaga-tion through time. L’expérience a montré que cette idée était tout à fait réalisable,malgré les quelques difficultés techniques rencontrées. Nous avons testé le systèmeobtenu sur des tâches complexes (au-delà des capacités de reservoir computers clas-siques) et avons obtenu des résultats proches de l’état de l’art.Dans la troisième expérience nous avons rebouclé notre reservoir computer op-tique sur lui-même afin de pouvoir générer des séries temporelles de façon autonome.Le système a été testé avec succès sur des séries périodiques et des attracteurs chao-tiques. L’expérience nous a également permis de mettre en évidence les effets debruit expérimental dans les systèmes rebouclés.La quatrième expérience, bien que numérique, visait le développement d’unecouche de sortie analogique. Nous avons pu vérifier que la méthode de onlinetraining, développée précédemment, était robuste contre tous les problèmes expéri-mentaux étudiés. Par conséquent, nous avons toutes les informations pour réalisercette idée expérimentalement.Finalement, durant les derniers mois de ma thèse, j’ai effectué un stage dont lebut était d’appliquer mes connaissance en programmation de FPGA et réseaux deneurones artificiels à un problème concret en imagerie cardiovasculaire. Nous avonsdéveloppé un programme capable d’analyser les images en temps réel, convenablepour des applications cliniques. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished