Durant cette thèse nous nous sommes intéressés aux réseaux métaboliques et notamment leur modélisation sous forme d'un graphe bipartite dirigé pondéré. Ce dernier permet d'étudier la production d'éléments cibles métaboliques regroupés dans une biomasse à partir de composants provenant du milieu de croissance de l'organisme. Nous nous sommes plus particulièrement penchés sur le rôle des métabolites internes au réseau et la notion d'essentialité de ces derniers pour la production d'une biomasse dont nous avons raffiné la définition dans le cas d'une étude de flux (métabolite essentiel du point de vue de la productibilité du réseau et métabolite essentiel du point de vue de l'efficacité du réseau) puis étendu cette dernière dans le cas d'une étude topologique (métabolite essentiel du point du vue de la persistance du réseau). Nous nous sommes pour cela reposés sur le formalisme d'un part de Flux Balance Analysis et ses dérivés, et d'autre part d'expansion de réseau, afin de définir un métabolite essentiel (ou carrefour), nous permettant de mettre au point un package python (Conquests) cherchant les carrefours dans un réseau métabolite. Nous avons appliqué ce dernier à six réseaux métaboliques dont quatre provenant d'espèces modèles (iJO1360, iAF1260et iJR904 d'E. coli et Synecchocystis) et les deux autres d'espèces plus spécifiques (A. ferrooxidans et T. lutea). Nous avons aussi défini le concept de cluster de métabolites essentiels du point du vue de la persistance du réseau lié aux composants de la biomasse auxquels ils sont nécessaires et que nous avons appliqué sur les six réseaux métaboliques précédents et sur 3600 réseaux dégradés du réseau iJR904de E. coli puis reconstruits selon trois méthodes de gapfilling (Gapfill, Fastgapfill et Meneco) afin de comparer ces dernières. Ces études nous ont permis de mette en avant l'importance de métabolites internes dans la production de composés cibles. / In this thesis we are interested in metabolic networks and, in particular, their modelling with a weighted directed bipartite graph. This representation makes it possible to study the production of target metabolic elements, constituting a biomass, from components coming from the growth medium of the organism. We focused on the role of metabolites inside the network and the notion of essentiality for this elements for the production of a biomass whose definition we have refined in the case of a flow study (metabolite essential for biomass producibility and metabolite essential for biomass efficiency) and extended this notion in the case of a topological study (metabolite essential for biomass sustainability). We rely on the formalism of Flux Balance Analysis and its derivatives, and of network expansion, in order to define an essential metabolite (ME or crossroad), allowing us to develop a python package (Conquests) looking for crossroads in a metabolic network. We applied our concept to six metabolic networks, four of which came from model species (iJO1360, iAF1260 and iJR904 of E. coli and Synecchocystis) and the other two from more specific species (A. ferrooxidans and T. lutea). We have also defined the concept of cluster of ME-sustainability, related to the biomass components to which they are required and which we have applied over the six previous metabolic networks and over 3600 degraded networks of iJR904 of E. coli and reconstructed according to three methods of gapfilling (Gapfill, Fastgapfill and Meneco) to compare the results. These studies have allowed us to highlight the importance of internal metabolites in the production of target compounds.

La compréhension des organismes vivant a été une quête pendant longtemps. Depuis les premiers progrès des derniers siècles, nous sommes arrivés jusqu'au point où des quantités massives de données et d'information sont constamment générées. Bien que, jusqu'au present la plupart du travail a été concentré sur la génération d'un catalogue d'éléments biologiques, ce n'est pas que récemment qu'un effort coordonné pour dé- couvrir les réseaux de relations entre ces parties a'été constaté. Nous sommes intereses à comprendre non pas seulement ces réseaux, mais aussi la façon dont, à partir de ses connexions, émergent des fonctions biologiques. Ce travail se concentre sur la découverte, la modélisation et l'exploitation d'un de ces réseaux : le métabolisme. Un réseau métabolique est un ensemble des réac- tions biochimiques interconnectées qui se produisent à l'intérieur, ou dans les limites d'une cellule vivante. Une nouvelle méthode de découverte, ou de reconstruction des réseaux métaboliques est proposée dans ce travail, avec une emphase particulière sur les organismes eucaryotes. Cette nouvelle méthode est divisée en deux parties : une nouvelle approche pour la modélisation de la reconstruction basée sur l'instanciation des éléments d'un modèle squelette existant, et une nouvelle méthode de réécriture d'association des gènes. Cette méthode en deux parties permet des reconstructions qui vont au-delà de la capacité des méthodes de l'état de l'art, permettant la reconstruction de modèles métaboliques des organismes eucaryotes, et fournissant une relation détaillée entre ses réactions et ses gènes, des connaissances cruciales pour des applications biotechnologies. Les méthodes de reconstruction développées dans ce travail, ont été complétées par un workflow itératif d'édition, de vérification et d'amélioration du modèle. Ce workflow a été implémenté dans un logiciel, appelé Pathtastic. Comme une étude de cas de la méthode développée et implémentée dans le pré- sent travail, le réseau métabolique de la levure oléagineuse Yarrowia lipolytica, connu comme contaminant alimentaire et utilisé pour la biorestauration et comme usine cellulaire, a été reconstruit. Une version préliminaire du modèle a été générée avec Pathtastic, laquelle a été améliorée par curation manuelle, à travers d'un travail avec des spécialistes dans le domaine de cette espèce. Les données expérimentales, obtenues à partir de la littérature, ont été utilisées pour évaluer la qualité du modèle produit. La méthode de reconstruction chez les eucaryotes, et le modèle reconstruit de Y. lipolytica peuvent être utiles pour les communautés scientifiques respectives, le premier comme un pas vers une meilleure reconstruction automatique des réseaux métaboliques, et le deuxième comme un soutien à la recherche, un outil pour des applications biotechnologiques et comme un étalon-or pour les reconstructions futures.

La compréhension des organismes vivant a été une quête pendant longtemps. Depuisles premiers progrès des derniers siècles, nous sommes arrivés jusqu’au point où desquantités massives de données et d’information sont constamment générées. Bien que,jusqu’au présent la plupart du travail a été concentré sur la génération d’un catalogued’éléments biologiques, ce n’est pas que récemment qu’un effort coordonné pour découvrirles réseaux de relations entre ces parties a été constaté. Nous nous sommes intéressésà comprendre non pas seulement ces réseaux, mais aussi la façon dont, à partir de sesconnexions, émergent des fonctions biologiques.Ce travail se concentre sur la modélisation et l’exploitation d’un de ces réseaux :le métabolisme. Un réseau métabolique est un ensemble des réactions biochimiquesinterconnectées qui se produisent à l’intérieur, ou dans les proximité d’une cellulevivante. Une nouvelle méthode de découverte, ou de reconstruction des réseaux métaboliquesest proposée dans ce travail, avec une emphase particulière sur les organismeseucaryotes.Cette nouvelle méthode est divisée en deux parties : une nouvelle approche pour lamodélisation de la reconstruction basée sur l’instanciation des éléments d’un modèlesquelette existant, et une nouvelle méthode de réécriture d’association des gènes. Cetteméthode en deux parties permet des reconstructions qui vont au-delà de la capacitédes méthodes de l’état de l’art, permettant la reconstruction de modèles métaboliquesdes organismes eucaryotes, et fournissant une relation détaillée entre ses réactions etses gènes, des connaissances cruciales pour des applications biotechnologiques.Les méthodes de reconstruction développées dans ce travail, ont été complétéespar un workflow itératif d’édition, de vérification et d’amélioration du modèle. Ceworkflow a été implémenté dans un logiciel, appelé Pathtastic.Comme une étude de cas de la méthode développée et implémentée dans le présenttravail, le réseau métabolique de la levure oléagineuse Yarrowia lipolytica, connucomme contaminant alimentaire et utilisé pour la biorestauration et comme usinecellulaire, a été reconstruit. Une version préliminaire du modèle a été générée avecPathtastic, laquelle a été améliorée par curation manuelle, à travers d’un travail avecdes spécialistes dans le domaine de cette espèce. Les données expérimentales, obtenuesà partir de la littérature, ont été utilisées pour évaluer la qualité du modèle produit.La méthode de reconstruction chez les eucaryotes, et le modèle reconstruit deY. lipolytica peuvent être utiles pour les communautés scientifiques respectives, lepremier comme un pas vers une meilleure reconstruction automatique des réseauxmétaboliques, et le deuxième comme un soutien à la recherche, un outil pour desapplications biotechnologiques et comme un étalon-or pour les reconstructions futures. / Understanding living organisms has been a quest for a long time. Since the advancesof the last centuries, we have arrived to a point where massive quantities of data andinformation are constantly generated. Even though most of the work so far has focusedon generating a parts catalog of biological elements, only recently have we seena coordinated effort to discover the networks of relationships between those parts. Notonly are we trying to understand these networks, but also the way in which, from theirconnections, emerge biological functions.This work focuses on the modeling and exploitation of one of those networks:metabolism. A metabolic network is a net of interconnected biochemical reactionsthat occur inside, or in the proximity of, a living cell. A new method of discovery, orreconstruction, of metabolic networks is proposed in this work, with special emphasison eukaryote organisms.This new method is divided in two parts: a novel approach to reconstruct metabolicmodels, based on instantiation of elements of an existing scaffold model, and a novelmethod of assigning gene associations to reactions. This two-parts method allows reconstructionsthat are beyond the capacity of the state-of-the-art methods, enablingthe reconstruction of metabolic models of eukaryotes, and providing a detailed relationshipbetween its reactions and genes, knowledge that is crucial for biotechnologicalapplications.The reconstruction methods developed for the present work were complementedwith an iterative workflow of model edition, verification and improvement. This workflowwas implemented as a software package, called Pathtastic.As a case study of the method developed and implemented in the present work,we reconstructed the metabolic network of the oleaginous yeast Yarrowia lipolytica,known as food contaminant and used for bioremediation and as a cell factory. A draftversion of the model was generated using Pathtastic, and further improved by manualcuration, working closely with specialists in that species. Experimental data, obtainedfrom the literature, were used to assess the quality of the produced model.Both, the method of reconstruction in eukaryotes, and the reconstructed model ofY. lipolytica can be useful for their respective research communities, the former as astep towards better automatic reconstructions of metabolic networks, and the latteras a support for research, a tool in biotechnological applications and a gold standardfor future reconstructions.

A l'heure de l'acquisition de données à haut débit concernant le métabolisme cellulaire et son évolution, il est absolument nécessaire de disposer de modèles permettant d'intégrer ces données en un ensemble cohérent, d'en interpréter les variations métaboliques révélatrice, les étapes clefs où peuvent s'exercer des régulations, voire même d'en révéler des contradictions apparentes mettant en cause les bases sur lesquelles le modèle lui-même est construit. C'est ce type de travail que j'ai entrepris à propos de données expérimentales obtenues dans le laboratoire biologique sur le métabolisme de cellules tumorales en réponse à un traitement anti-cancéreux. Je me suis attachée à la modélisation d'un point particulier de ce métabolisme. Il concerne le métabolisme des glycérophospholipides qui sont de bons marqueurs de la prolifération cellulaire. Les phospholipides constituent l'essentiel des membranes d'une cellule et l'étude de leur synthèse (en particulier chez les cellules de mammifères) est de ce fait un sujet important. Ici, nous avons pris le parti de mettre en place un modèle mathématique par équations différentielles ordinaires, qui est essentiellement basé sur des équations hyperboliques (Michaelis-Menten), mais aussi sur des cinétiques type loi d'action de masse et diffusion. Le modèle, composé de 8 équations différentielles, donc de 8 substrats d'intérêt, comporte naturellement des paramètres inconnus in vivo, et certains dépendents des conditions cellulaires (différentiations de cellules, pathologies, . . .). Le modèle sépare la structure du réseau métabolique, l' ́écriture de la matrice de stoechiométrie, celles des équations de vitesse et enfin des équations différentielles. Le modèle choisi est le modèle murin (souris/rat), parce qu'il est lui-même un modèle de l'homme. Plusieurs conditions sont successivement considérées pour l'identification des paramètres, afin d'étudier les liens entre la synthèse de phospholipides et le cancer : - le foie sain du rat, - le mélanome B16 et le carcinome de la lign ́ee 3LL chez la souris, respectivement sans traitement, en cours de traitement 'a la Chloroéthyl-nitrosourée et après traitement, - enfin le mélanome B16 chez la souris sous stress de privation de méthionine. En résumé, ce travail fourni une interprétation nouvelle des données expérimentales en montrant le rôle essentiel de la PEMT et la nature superstable de l'état sta- tionnaire de fonctionnement du réseau métabolique des phospholipides lors de la cancérogènèse et du traitement des cancers. Il montre bien l'avantage de l'utilisation d'un modèle mathématique dans l'interprétation de données métaboliques complexes.

Cette thèse s'inscrit dans le cadre de la biologie des systèmes et porte plus particulièrement sur un problème relatif aux réseaux biologiques hétérogènes. Elle se concentre sur les relations entre le métabolisme et le contexte génomique, en utilisant une approche de fouille de graphes.Il est communément admis que des étapes enzymatiques successives impliquant des produits de gènes situés à proximité sur le chromosome traduisent un avantage évolutif du maintien de cette relation de voisinage au niveau métabolique ainsi que génomique. En conséquence, nous choisissons de nous concentrer sur la détection de réactions voisines catalysées par des produits de gènes voisins, où la notion de voisinage peut être modulée en autorisant que certaines réactions et/ou gènes soient omis. Plus spécifiquement, les motifs recherchés sont des trails de réactions (c'est-à-dire des séquences de réactions pouvant répéter des réactions, mais pas les liens entre elles) catalysées par des produits de gènes voisins. De tels motifs de voisinage sont appelés des motifs métaboliques et génomiques.De plus, on s'intéresse aux motifs de voisinage métabolique et génomique conservés, c'est-à-dire à des motifs similaires pour plusieurs espèces. Parmi les variations considérées pour un motif conservé, on considère l'absence/présence de réactions et/ou de gènes, ou leur ordre différent.Dans un premier temps, nous proposons des algorithmes et des méthodes afin d'identifier des motifs de voisinage métabolique et génomique conservés. Ces méthodes sont implémentées dans le pipeline libre CoMetGeNe (COnserved METabolic and GEnomic NEighborhoods). À l'aide de CoMetGeNe, on analyse une sélection de 50 espèces bactériennes, en utilisant des données issues de la base de connaissances KEGG.Dans un second temps, un développement de la détection de motifs conservés est exploré en prenant en compte la similarité chimique entre réactions. Il permet de mettre en évidence une classe de modules métaboliques conservés, caractérisée par le voisinage des gènes intervenants. / This thesis fits within the field of systems biology and addresses a problem related to heterogeneous biological networks. It focuses on the relationship between metabolism and genomic context through a graph mining approach.It is well-known that succeeding enzymatic steps involving products of genes in close proximity on the chromosome translate an evolutionary advantage in maintaining this neighborhood relationship at both the metabolic and genomic levels. We therefore choose to focus on the detection of neighboring reactions being catalyzed by products of neighboring genes, where the notion of neighborhood may be modulated by allowing the omission of several reactions and/or genes. More specifically, the sought motifs are trails of reactions (meaning reaction sequences in which reactions may be repeated, but not the links between them). Such neighborhood motifs are referred to as metabolic and genomic patterns.In addition, we are also interested in detecting conserved metabolic and genomic patterns, meaning similar patterns across multiple species. Among the possible variations for a conserved pattern, the presence/absence of reactions and/or genes may be considered, or the different order of reactions and/or genes.A first development proposes algorithms and methods for the identification of conserved metabolic and genomic patterns. These methods are implemented in an open-source pipeline called CoMetGeNe (COnserved METabolic and GEnomic NEighborhoods). By means of this pipeline, we analyze a data set of 50 bacterial species, using data extracted from the KEGG knowledge base.A second development explores the detection of conserved patterns by taking into account the chemical similarity between reactions. This allows for the detection of a class of conserved metabolic modules in which neighboring genes are involved.

À l’issue de ce travail de thèse, je propose une approche basée sur le formalisme des modèles à base de contraintes, pour étudier la dynamique d’un système métabolique. En associant l’échantillonnage de l’espace des solutions avec l’utilisation d’une contrainte de « faisabilité » entre les périodes de temps considérées, cette approche permet de modéliser la dynamique d’un système métabolique en prenant en compte la variabilité des mesures expérimentales. La contrainte de faisabilité entre les périodes permet de garantir que chaque « trajectoire solution » correspond à une succession de cartes de flux qui conduit à des cinétiques de concentrations cohérentes avec les mesures expérimentales. Les populations de trajectoires solutions générées autorisent différents types d’analyses. D’une part, les répartitions de flux prédites peuvent être utilisées afin d’estimer les répartitions de flux les plus plausibles au sein du réseau étudié. D’autre part, la distribution des concentrations prédites permet d’évaluer le modèle utilisé pour étudier le réseau métabolique. Le fait que cette approche soit basée sur le formalisme de la modélisation à base de contraintes permet, moyennant l’utilisation de l’hypothèse d’état stationnaire du système, d’étudier des réseaux métaboliques de taille relativement grande, et d’utiliser des données expérimentales qui sont aisément mesurables, par exemple les concentrations en biomasse et en métabolites extracellulaires. Cette approche par « trajectoires solutions » a été utilisée afin d’étudier la dynamique du métabolisme de Corynebacterium glutamicum, lorsqu’elle est cultivée en condition de limitation en biotine. Les résultats obtenus ont permis d’une part d’attester du fonctionnement de la méthode, et d’autre part de proposer plusieurs hypothèses quant aux phénomènes biologiques qui ont lieu pendant cette condition particulière de croissance. / In this thesis, I propose an approach based on the formalism of constraint-based models to study the dynamics of a metabolic system. By combining the sampling of the solutions space and the use of a "feasibility" constraint between the considered time periods, this approach allows to model the dynamic of a metabolic system taking into account the variability of experimental measurements. The feasibility constraint between time periods ensures that each "solution trajectory" corresponds to a succession of flux maps which leads to some kinetics of concentrations that are consistent with the experimental measurements. The generation of a population of solution trajectories allows several analyses. On the one hand, the predicted flux maps can be used to estimate the most plausible flux within the network studied. On the other hand, the distribution of predicted concentrations enables to assess the model used for studying the metabolic network. The fact that this approach is based on the formalism of constraint-based modeling allows, using the steady-state assumption of the system, to study metabolic networks of relatively large size, and to use experimental data that are easily measurable, such as biomass concentration and extracellular metabolites concentration. This approach by "solution trajectories" has been used to study the dynamics of the metabolism of Corynebacterium glutamicum, when grown under biotin-limited condition. The results allowed, first, to attest the functioning of the method, and second, to propose several hypotheses about biological phenomena that take place during this particular growth condition.

Dans cette thèse, nous avons présenté trois méthodes différentes pour l’énumération de sousréseauxparticuliers d’un réseau métabolique: les histoires métaboliques, les ensembles minimaux deprécurseurs et les organisations chimiques. Pour chacune de ces trois méthodes, nous avons présentédes résultats théoriques, et pour les deux premières, nous avons en outre fourni une illustration surcomment les appliquer afin d’étudier le comportement métabolique des organismes vivants. Les histoiresmétaboliques sont définies comme des graphes acycliques dirigés maximaux dont les ensemblesde sources et de cibles sont limités à un sous-ensemble des noeuds. La motivation initiale de cette définitionétait d’analyser des données expérimentales de métabolomique, mais la méthode a égalementété explorée dans un contexte différent. Les ensembles de précurseurs métaboliques sont des ensemblesminimaux de nutriments qui permettent de produire des métabolites d’intérêt. Nous présentons troisméthodes différentes pour l’énumération de tels ensembles minimaux de précurseurs, et nous illustronsleur application dans une étude des échanges métaboliques dans un système symbiotique. Les organisationschimiques sont des ensembles de métabolites qui à la fois sont fermés et s’auto-maintiennent,ce qui reflète des caractéristiques de stabilité dans le sens où aucun nouveau métabolite ne peut êtreproduit et qu’aucun des métabolites déjà présents dans le système ne peut disparaître. / In this thesis, we presented three different methods for enumerating special subnetworks containedin a metabolic network: metabolic stories, minimal precursor sets and chemical organisations. Foreach of the three methods, we gave theoretical results, and for the two first ones, we further providedan illustration on how to apply them in order to study the metabolic behaviour of living organisms.Metabolic stories are defined as maximal directed acyclic graphs whose sets of sources and targets arerestricted to a subset of the nodes. The initial motivation of this definition was to analyse metabolomicsexperimental data, but the method was also explored in a different context. Metabolic precursor setsare minimal sets of nutrients that are able to produce metabolites of interest. We present threedifferent methods for enumerating minimal precursor sets and we illustrate the application in a studyof the metabolic exchanges in a symbiotic system. Chemical organisations are sets of metabolites thatare simultaneously closed and self-maintaining, which captures some stability feature in the