Les protéines intrinsèquement désordonnées sont caractérisées par un manque de structure 3D stable et sont biologiquements actives dans cet état. La spectroscopie RMN est la méthode de choix pour leurs études à une résolution atomiques, car la cristallographie aux rayons X ne permet pas leur étude en raison de leur caractère hautement dynamique.Cependant, l'étude par spectroscopie RMN de ces protéines est difficiles à cause du grand nombre de recouvrement entre les signaux dans le spectre résultant de l'absence d'un réseau de liaison hydrogène qui pourrait stabiliser la structure et permettre d'obtenir une dispersion des signaux plus élevé. Un autre problème est la sensibilité expérimentale car souvent le temps de mesure est limité en raison de leur prédisposition à la dégradation protéolytique. Dans la première partie de cette thèse les protéines intrinsèquement désordonnées sont introduites. La deuxième partie porte sur la spectroscopie RMN des protéines intrinsèquement désordonnées, des expériences RMN de type BEST-TROSY sont présentées et sont montrées comme étant bien adapté pour l'étude de protéines intrinsèquement désordonnées, en particulier pour celle avec une grande étendue de structure résiduelle. Des expériences 3D BEST-TROSY sont présentées pour leur attribution, une version proline-éditée permet d'aider à l'identification de ce type d'acide aminé et enfin l'expérience HETex-BEST-TROSY qui permet une mesure rapide des taux de change de solvants. Dans la troisième partie de cette thèse ces expériences RMN sont appliquées pour l'étude de la région intrinsèquement désordonnés (domaines 2 et 3) de la protéine NS5A du virus de l'hépatite C (VHC). La structure secondaire résiduel présente dans le fragment de la protéine est analysée. La comparaison des données RMN sur trois constructions de la protéine de différentes longueurs ainsi que les données de SAXS permettent l'identification des interactions transitoires à longue portée entre les différentes régions de cette protéine. En outre, les modes de liaison de ce fragment de protéine à Bin1 domaine SH3 sont analysés. Enfin, les résultats préliminaires obtenus sur l'étude de la phosphorylation de NS5A du VHC par certaines kinases, qui ont été montrées comme biologiquement pertinents, sont présentés. / Intrinsically disordered proteins are characterized by a lack of a stable, 3D structure and fulfill their biological role as such. NMR spectroscopy is the method of choice for their atomic resolution studies, as X-ray crystallography is not amenable to them due to their highly dynamic character.However, NMR spectroscopic studies of these proteins are challenging, because of the high extent of signal overlap in the spectra, resulting from the absence of a hydrogen-bonding network that would lead to structuring and higher signal dispersion. A further problem is experimental sensitivity as often measurement time is limited due to their predisposition for proteolytic degradation. In the fist part of this thesis intrinsically disordered proteins are introduced. The second part focuses on NMR spectroscopy of IDPs, BEST-TROSY-type NMR methods are presented and are shown to be well suited for large IDPs, especially for those with high extent of residual structure. 3D BEST-TROSY experiments are presented for assignment, a proline-edited version for aiding amino acid-type identification, and the HETex-BEST-TROSY experiment that allows rapid measurement of solvent exchange rates. In the third part of this thesis NMR methods are applied for study of the entire intrinsically disordered region (domains 2 and 3) of NS5A protein of hepatitis C virus. The residual secondary structure in this protein fragment is analyzed. Comparison of NMR data on three protein constructs of different lengths together with SAXS data allows identification of transient long range interactions between different regions of this protein. Furthermore, the binding modes of this protein fragment to Bin1 SH3 domain are analyzed. Finally, the preliminary results obtained on investigation of phosphorylation of NS5A of HCV by certain kinases, reported to be biologically relevant, are presented

Les virus sont des parasites intracellulaires obligatoires recrutant des cofacteurs cellulaires afin de détourner les différents processus biologiques leur permettant notamment de répliquer leur génome et de former d'autres particules virales. Si des cofacteurs cellulaires de la réplication du virus Semliki Forest ont été récemment identifiés, très peu d'études ont permis de révéler des partenaires de la réplication du proche Alphavirus Chikungunya (CHIKV). Nous avons découvert, au cours de cette étude, un recrutement d'Hélicases à domaine DExD/H au niveau de sites de réplication du CHIKV. Parmi elles, DHX9 ou RNA Helicase A (RHA), grâce à ses propriétés de liaison et de modulation de structures des ARNs ou de complexes de Ribonucléoprotéines, est impliquée dans diverses fonctions depuis la transcription, la traduction, la réplication de génomes et jusqu'à la production de particules infectieuses de nombreux virus. Dans le cas du virus Chikungunya, nous avons caractérisé une fonction provirale dans la traduction de protéines non-structurales et une fonction antivirale dans la réplication du génome. Cette double fonction opposée est manipulée par le CHIKV afin d'assurer une production de protéines non-structurales composant le complexe de réplication tout en maintenant sa réplication. Ces travaux révèlent un nouveau mécanisme de régulation de la traduction d'ARN génomique de CHIKV et apportent des éléments de compréhension dans la dynamique de passage du phénomène de traduction à l'étape de réplication du génome CHIKV. / Viruses are obligate intracellular parasites recruiting cellular cofactors to divert different biological processes enabling them to replicate their genome and to form other viral particles. If cellular cofactors of Semliki Forest virus replication have recently been identified, very few studies have revealed the replication partners of the very close Alphavirus Chikungunya (CHIKV). During this study, We have discovered recruitments of several DExD/H Box Helicases at the CHIKV replication sites. Among them, DHX9 or RNA Helicase A (RHA) through its RNA binding properties and in modulating RNA secondary structures or Ribonucleoproteins complexes, is involved in various functions from transcription, translation, replication of genomes and up to production of infectious particles of many viruses. In the case of Chikungunya virus, we have characterized a proviral function in the translation of non-structural proteins and an antiviral function in the genome replication. These opposite functions are manipulated by CHIKV to ensure production nonstructural proteins, components of the CHIKV replication complex while maintaining its replication. These works reveal a new translation regulation mechanism of CHIKV genomic RNA and bring some knowledge on the passage from the translation stage to the replication step of CHIKV genome.

Ce travail de thèse a été consacré au développement de nouvelles méthodologies de caractérisation des affinités intermoléculaires par le biais de la calorimétrie de titration isotherme (ITC), après validation de systèmes modèles par l'intermédiaire des spectroscopies UV-visible, RMN et de l'électrophorèse capillaire. Nous avons en particulier montré que la mise en place et le couplage d'expériences non conventionnelles avec les protocoles classiques permettait d'améliorer la caractérisation calorimétrique, avec notamment une diminution parfois spectaculaire des incertitudes liées aux paramètres thermodynamiques. Ce potentiel de l'analyse globale d'expériences différenciées a été évalué sur un plan théorique, permettant ainsi la définition et l'optimisation des expériences à mettre en oeuvre en fonction du type de complexe étudié. L'exploitation expérimentale de ces stratégies a également permis l'étude de complexations problématiques sur le plan analytique, dans le cadre de complexes impliquant des molécules telles que les cyclodextrines ou l'albumine, et s'inscrivant dans des applications liés aux domaines de l'environnement et de la santé. Ainsi, nos stratégies ont levé les difficultés liées aux complexes athermiques, aux complexes de faibles affinités, aux équilibres multiples et aux faibles solubilités de l'un ou l'autre des partenaires de la complexation. Enfin, l'évaluation d'un nouveau modèle de traitement thermo-cinétique du thermogramme ITC a été réalisée, accroissant encore le potentiel de cette technique vis-à-vis de la caractérisation des interactions moléculaires. / This work was dedicated to the development of new isothermal titration calorimetry (ITC) methodologies for the characterization of intramolecula affinities, after validation of model system via capillary electrophoresis, UV-visible and NMR spectroscopy. We have demonstrated that the coupling of unconventional experiments with the conventional protocols generally improves the calorimetric characterization, with a dramatic decrease of the uncertainties on thermodynamic parameters. The potential of global analysis applied to differentiated experiments was evaluated on a theoretical level, allowing the definition of optimal experiments, depending on the type of studied complex. These strategies also enabled, on a experimental point of view, the study of complexations which cannot be analyzed by conventional approaches, in the case of complexes involving cyclodextrins or albumin. Indeed, our strategies overcomes the difficulties associated with athermic complexes, with complexes of low affinity, with multiple equilibria and with the low solubility of interacting partners. Finally, the evaluation of a new thermo-kinetic treatment of ITC thermograms has been achieved, further increasing the potential of this technique in the characterization of molecular interactions.

L’avènement de l'apprentissage profond a permis à l'apprentissage automatique d’exceller dans le traitement d'images et de texte. Donnant lieu à de nombreux succès dans les domaines d’applications tels que la vision par ordinateur ou le traitement du langage naturel. Cependant, il demeure un grand nombre de problèmes d’intérêt dont les données d’entrées ne peuvent être exprimées sous l’un de ces deux formats sans perte d'informations potentiellement cruciales pour leur résolution. C’est dans l’optique de répondre à ce besoin qu’a été développée la branche de l'apprentissage profond géométrique (GDL), qui s’intéresse aux espaces de représentations plus générales, mieux adaptées aux données dont la structure sous-jacente ne correspond pas au format de chaîne de caractères unidimensionnel (texte) ou bidimensionnel (images). Dans cette thèse, nous nous concentrerons plus particulièrement sur les graphes. Les graphes sont des structures de données omniprésentes, sous-jacentes à pratiquement toutes les tâches d'intérêt, y compris celles portant sur les données naturelles (par exemple les molécules), les relations entre entités (par exemple les réseaux de transport et les placements de puces), ou encore la liaison de concepts dans les processus de raisonnement (par exemple les algorithmes et autres constructions théoriques). Alors que les architectures modernes de réseaux de neurones de graphes (GNNs) dits expressifs peuvent obtenir des résultats impressionnants sur des benchmarks comme susmentionnés, leur application pratique est toujours en proie à de nombreux problèmes et lacunes, que cette thèse abordera. Les considérations issues de ces applications préparerons le terrain pour les chapitres suivants, qui se concentreront sur la résolution des limites des réseaux de neurones de graphes en proposant de nouveaux algorithmes d'apprentissage de graphes. Tout d'abord, nous porterons notre attention sur l'amélioration des réseaux de neurones de graphes pour les données qui nécessitent des interactions à longue portée, en construisant des modèles généraux pour compléter leur graphe de calcul. Viennent ensuite les réseaux de neurones de graphes pour les données hétérophiles, où les arêtes ont tendance à connecter des nœuds de différentes classes; dans ce cas, nous proposerons une modification particulière du graphe de calcul destinée à améliorer l'homophilie atténue le problème. Dans un troisième temps, nous tirerons parti d'une caractéristique avantageuse des réseaux de neurones de graphes - leur alignement avec la programmation dynamique. Elle permet aux réseaux de neurones de graphes d'exécuter des algorithmes, sur la base desquels nous proposons une nouvelle classe de planificateurs implicites pour la prise de décision. Enfin, nous capitalisons sur l'utilité de l'apprentissage profond géométrique dans l'apprentissage par renforcement et l'étendrons au-delà des GNNs, en tirant parti des réseaux de neurones à rotation équivariante dans les agents basés sur des modèles. / Since the deep learning revolution, machine learning has excelled at tasks based on images and text, many successes being possible under the umbrella of the computer vision and natural language processing fields. However, much remains that cannot be expressed in these forms without losing information. For these cases, the field of geometric deep learning was developed, covering the space of more general representations, for data whose underlying structure doesn't match the single-dimensional string of characters (text) or 2-D shape (images) format. In this thesis, I will particularly focus on graphs. Graphs are ubiquitous data structures underlying virtually all tasks of interest, including natural inputs such as molecules, entity relations for example transportation networks and chip placements, or concept linking in reasoning processes, including algorithms and other theoretical constructs. While modern expressive graph neural network architectures can achieve impressive results on benchmarks like these, their practical application is still plagued with many issues and shortcomings, which this thesis will address. The considerations from these applications will set the scene for the following chapters, which focus on tackling the limitations of graph neural networks by proposing new graph learning algorithms. Firstly, I focus on improving graph neural networks for data that requires long-range interactions by building general templates to complement their computation graph. This is followed by graph neural networks for heterophilic data, where the edges tend to connect nodes from different classes; in this case, a specialised modification of the computation graph meant to improve homophily alleviates the problem. In the third article, I leverage a strength of graph neural networks -- their alignment with dynamic programming. This enables graph neural networks to execute algorithms, based on which I propose a new class of implicit planners for decision making. Lastly, I capitalise on the utility of geometric deep learning in reinforcement learning and extend it beyond GNNs, leveraging rotation-equivariant neural networks in model-based agents.

La surface d’un implant ou d’un système à libération contrôlée de médicament est la première zone en contact avec les systèmes physiologiques. Les propriétés de surface vont alors définir le devenir à court et long termes de ces biomatériaux dans l’organisme. Pour améliorer la biointégration mais aussi l’efficacité des matériaux en contact avec les fluides et tissus biologiques, un fin contrôle des phénomènes se produisant à l’interface biologique est nécessaire. Cette thèse s’intéresse à l’étude de trois types de surfaces pouvant modéliser celles de biomatériaux couramment employés. Dans un premier temps, la stabilité hydrolytique de surface amino-fonctionnalisée a été investiguée. L’amino-fonctionnalisation de surface via l’emploi de monocouche auto-assemblée rencontre un intérêt certain pour l’ancrage de diverses molécules, macromolécules, systèmes colloïdaux et cellules. Cependant, le manque de stabilité en milieu aqueux limite grandement leurs perspectives d’utilisation pour la fonctionnalisation de surface de biomatériaux. Dans ce manuscrit, une monocouche amino-fonctionnalisée à base d’aminoalkylsilane a été greffée sur des substrats de silicate (silice et mica). L’extrême stabilité hydrolytique rapportée pour cette monocouche permet une immersion prolongée en milieu aqueux et sur une large gamme de pH. Les paramètres ayant été identifiés comme impactant cette stabilité sont l’organisation de la monocouche, la densité de greffage et la longueur de la chaîne carbonée de l’aminoalkylsilane. Dans un second temps, les propriétés lubrifiantes en milieu aqueux de surfaces structurées sont rapportées. Le besoin en surface autolubrifiante couvre une large variété de biomatériaux tels que les substituts cartilagineux, les dispositifs oculaires ou bien les cathéters. Des structures dômes ont été produites sur des surfaces via l’immobilisation de particules. Des particules polymériques à base de polyélectrolytes sensibles aux variations de pH ont permis l’obtention de structures molles et déformables alors que l’immobilisation de particules de silice a permis la formation de structures dures. Deux mécanismes majeurs contrôlant les propriétés de frottement ont été mis en évidence. Les surfaces structurées à partir de polyélectrolytes présentent des propriétés de frottement directement corrélées au gonflement et donc à la teneur en eau de ces structures. Ce ii gonflement peut être contrôlé par le pH du milieu aqueux. Plus les structures sont gonflées, plus le coefficient de frottement est faible. En revanche, avec des structures dures obtenues par l’immobilisation de particules de silice, le roulement de ces particules permet d’obtenir sous certaines conditions des coefficients de frottement extrêmement faibles. Dans ce cas, la nature du lien entre la particule et le substrat importe peu et un dégreffage systématique de certaines particules est observé pour permettre le mouvement des surfaces tout en limitant les forces de frottement. Dans un troisième temps, la complexation de simples brins de siARN via différentes natures d’interactions a été étudiée à l’aide de surfaces modèles de chimie variable. Cette étude a permis de démontrer la possibilité d'adsorber des simples brins de siARN via des interactions non-électrostatiques sur des surfaces planes. Des interactions hydrophobes et les liaisons hydrogène ont par la suite pu être employées pour complexer cet acide nucléique avec des formulations micellaires et liposomales non-cationiques. Cette étude permet d'envisager la conception de nanovecteurs non-cationiques et donc moins toxiques pour la délivrance de simples brins de siARN. Les travaux présentés dans ce manuscrit contribuent à l’élargissement des connaissances en matière de propriétés physico-chimiques de surface aux interfaces biologiques. / The surface of an implant or a drug delivery system is the first area of contact with biological environment. The surface properties of these biomaterials will define the short and long term behavior in the organism. To improve biointegration and efficiency, a fine control of the biological interface is required. This thesis investigates three different kind of surfaces modelling commonly used biomaterials. First, the hydrolytic stability of amino-functionalized surfaces was investigated. The amino-functionalization using self-assembled monolayers is required for the anchorage of molecules, macromolecules, colloidal systems and cells onto biomaterials. However, the lack of stability in aqueous media limits their use. In this manuscript, an amino-functionalized self-assembled monolayer made of aminoalkylsilane was grafted onto silicate substrates (silica and mica). The extreme robustness that we reported for this monolayer allows immersion into aqueous media for a wide range of pH and over long periods of time. The most important parameters that were identified that significantly impact the hydrolytic stability are the order of the monolayers, the grafting density and the length of the alkyl chain of the aminoalkylsilane. Second, the lubricant properties in aqueous media of structured surfaces are reported. The need in self-lubricant surfaces is required in a wide variety of biomaterials such as the cartilage substitute, ocular medical device or catheters. Domed structures were produced on surfaces through immobilization of particles. Polymeric nanoparticles composed of pH-sensitive polyelectrolytes were used to prepared soft and deformable structures while the immobilization of silica particles allows hard structures to be created. Two main mechanisms controlling friction properties were identified. Friction properties of structured surfaces made of polyelectrolytes were controlled by the swelling and the water content of the particles. This swelling can be tuned by changing the pH of the aqueous media. An increase in particle swelling leads to a decrease in the friction coefficient. However, with the hard structures, the rolling of the particles in some cases can also lead to extremely low friction coefficient. In that case, the nature of the attachment of iv the particle to the surface does not matter and systematic degrafting of some particles was observed which allows surfaces to slide with small friction forces. Third, the complexation of a single-stranded siRNA through different interactions was investigated with model surfaces of various chemistry. The results show that ss-siRNA can adsorb onto hydrophilic (positively and negatively charged) as well as on hydrophobic substrates suggesting that the complexation can occur through hydrophobic interactions and hydrogen bonding in addition to electrostatic interactions. This study suggests that non-electrostatic interactions could be exploited to complement electrostatic interactions in the design of less toxic nanocarriers and that non-cationics nanovectors can be employed as a potential single-stranded siRNA delivery systems. The results presented in this thesis contribute to increase the knowledge in the field of physico-chemistry surface properties of biological interfaces.