No description available.

No description available.

Les réseaux de capteurs corporels représentent un enjeu sociétal important en permettant des soins de meilleure qualité avec un coût réduit. Ces derniers sont utilisés pour détecter des anomalies dès leur apparition et ainsi intervenir au plus vite. Les capteurs sont soumis à de nombreuses contraintes de fiabilité, robustesse, taille et consommation. Dans cette thèse, les différentes opérations réalisées par les réseaux de capteurs corporels sont analysées. La consommation de chacune d'elles est évaluée afin de guider les axes de recherche pour améliorer l'autonomie énergétique des capteurs. Un capteur pour la détection d'arythmie sur des signaux cardiaques est proposé. Il intègre un traitement du signal via l'utilisation d'un réseau de neurone à cliques. Le système proposé est simulé et offre une exactitude de classification de 95 % pour la détection de trois types d'arythmie. Le prototypage du système via la fabrication d'un circuit mixte analogique/numérique en CMOS 65 nm montre une consommation du capteur de l'ordre de 1,4 μJ. Pour réduire encore plus l'énergie, une nouvelle méthode d'acquisition est utilisée. Une architecture de convertisseur est proposée pour l'acquisition et le traitement de signaux cardiaques. Cette dernière laisse espérer une consommation de l'ordre de 1,18 nJ pour acquérir les paramètres tout en offrant une exactitude de classification proche de 98 %. Cette étude permet d'ouvrir la voie vers la mise en place de capteurs très basse consommation pouvant durer toute une vie avec une simple pile. / Body area sensor networks gained great focused through the promiseof better quality and cheaper medical care system. They are used todetect anomalies and treat them as soon as they arise. Sensors are under heavy constraints such as reliability, sturdiness, size and power consumption. This thesis analyzes the operations perform by a body area sensor network. The different energy requirements are evaluated in order to choose the focus of the research to improve the battery life of the sensors. A sensor for arrhythmia detection is proposed. It includes some signal processing through a clique-based neural network. The system simulations allow a classification between three types of arrhythmia with 95 % accuracy. The prototype, based on a 65 nm CMOS mixed signal circuit, requires only 1.4 μJ. To further reduce energy consumption, a new sensing method is used. A converter architecture is proposed for heart beat acquisition. Simulations and estimation show a 1.18 nJ energy requirement for parameter acquisition while offering 98 % classification accuracy. This work leads the way to the development of low energy sensor with a lifetime battery life.

Verschiedene simultan wirkende Signale beeinflussen die Signalverarbeitung und die Genregulation von Säugetieren auf der systemischen Ebene. Die Signale müssen integriert und in ihrem jeweiligen Zusammenhang bewertet werden. Dabei können die Signale auch synergistisch miteinander interagieren, wobei dann einzig durch dieses Zusammenspiel auf genregulatorischer Ebene neue Funktionen induziert werden. Gängige experimentelle Ansätze zur Detektion von synergistischen Interaktionen erkennen zwar die beeinflussten Gene, aber die zugrunde liegenden Mechanismen bleiben unklar. In dieser Arbeit wurde deshalb ein globales systembiologisches Verfahren entwickelt, welches Synergien anhand ihrer generellen topologischen Eigenschaften in einem bipartiten Graphen detektiert. Das für die Analyse notwendige globale bipartite und mechanistische Signaltransduktionsreferenznetzwerk wurde auf der Basis experimentell verifizierter Daten aus verschiedenen Datenbanken sowie aktueller Literatur in dieser Arbeit rekonstruiert. Synergien sind besonders im Immunsystem relevant, wo verschiedene Signale parallel eine Immunreaktion auslösen. Eine adäquate Antwort kann dabei nur durch eine gleichzeitige und präzise regulierte Bewertung der wirkenden Signale ermöglicht werden. Das entwickelte Verfahren wurde auf die, für die Immunantwort essentiellen, Immunsignale Interleukin-3 (IL-3) und humanes Influenza Virus (Flu) in menschlichen plasmacytoiden dendritischen Zellen, einem Immunzelltyp, angewandt. Um synergistische Effekte während der Signalintegration zu untersuchen wurde das Referenznetzwerk auf die säugerspezifischen, in pDC präsenten und durch IL-3 und Flu aktivierten Signalpfade eingeschränkt. Es wurden unter anderem die synergistischen Interaktionspunkte detektiert, ihre regulierten Transkriptionsfaktoren sowie die durch sie regulierten Zielgene. Durch den Vergleich der ausgelösten Funktionen und der jeweils induzierten Signalwege konnte gezeigt werden, dass das entwickelte Verfahren die immunrelevanten synergistisch regulierten Gene besser detektiert als ein vergleichbares experimentelles Verfahren.

Differenzierungsentscheidungen von Zellen werden durch die Integration mehrerer Stimuli bestimmt. Die Differenzierung von Helfer-T-Zellen (Th-Zellen) ist hierfür ein gut untersuchtes Beispiel: reife Th-Zellen entwickeln sich beim Kontakt mit einem für sie spezifischen Antigen zu einem spezialisierten Subtyp, der von den in ihrer Umgebung vorhandenen Zytokinen abhängt und exprimieren dann einen spezifischen Mastertranskriptionsfaktor. Die häufigsten Th-Zell-Subtypen sind T-bet-exprimierende Th1-Zellen und GATA-3-exprimierende Th2-Zellen. Neuere Entdeckungen bezüglich der Plastizität von Th-Zell-Subtypen sowie die Existenz von T-bet+GATA-3+ Hybrid-Phänotypen haben die detaillierte Untersuchung vom Differenzierungsprozessen von Th-Zellen mit komplexer Zytokinsignale motiviert. Dazu haben wir systematisch die Zytokine IFN-g, IL-12 und IL-4 während der primären Differenzierung Th-Zellen titriert und Signaltransduktion und Zielgenexpression quantifiziert. Der Umfang und die Komplexität der Daten machten eine systematische Analyse notwendig, um involvierte Mechanismen genau zu identifizieren. Lineare Regressionsanalyse wurde verwendet, um die Netzwerktopologie zu extrahieren, wobei schon bekannte und zahlreiche neue Interaktionen vorausgesagt wurden. Die prognostizierte Netzwerktopologie wurde dann verwendet, um ein mechanistisches, mathematisches Modell der Zytokinsignalintegration zu entwickeln. Diese Methode hat ein hochgradig vernetztes regulatorisches Netzwerk inferiert. Bisher nicht beschriebene Funktionen von STAT-Proteine, die die Neuverkabelung des Netzwerkes während der Differenzierung vermitteln, wurden vorhergesagt. Ausgewählte neue Interaktionen wurden in gezielten genetischen Experimenten bestätigt. Während gegenseitige Inhibitionsmotive oft als kanonische digitale Schalter interpretiert werden, funktioniert das Th-Zell-Netwerk als ein Rheostat, der Variationen der Zytokinsignale in graduelle Expressionsänderungen der Mastertranskriptionsfaktoren übersetzt. Unsere Arbeit erklärt mechanistisch das beobachtete Kontinuum von Th-Zelldifferenzierungszuständen entlang der Th1-Th2-Achse und beschreibt eine quantitative Methode für die datenbasierte Inferenz zellulärer Netzwerke der Signalintegration. / Cell-fate decisions are governed by the integration of multiple stimuli. Th cell differentiation is a well-studied example thereof: mature Th cells differentiate into a specialised subtype upon encounter with their cognate antigen depending on the polarising cytokines present in their environment and start expressing specific master transcription factors. The most common Th cell subtypes are T-bet-expressing Th1 cells and GATA-3-expressing Th2 cells. Recent discoveries concerning the plasticity of Th cell subtypes as well as the existence of stable T-bet+GATA-3+ hybrid Th1/2 phenotypes have stimulated the detailed study of the differentiation process under different assumptions than the hitherto valid paradigm of single master transcription factor expression by using complex cytokine signals as inputs. Here, we developed a data-based approach for inferring the molecular network underlying the differentiation of T-bet- and/or GATA-3 expressing lymphocytes. We performed systematic titrations of the polarising cytokines IFN-g, IL-12 and IL-4 during primary differentiation of Th cells and quantified signal transduction as well as target-gene expression. The size and complexity of the dataset made a systematic analysis necessary to identify the mechanisms involved. To extract the network topology, we used linear regression analysis, retrieving known regulatory mechanisms and predicting numerous novel ones. This network topology was used to develop a mechanistic mathematical model of cytokine signal integration. This approach inferred a highly connected regulatory network. Previously undescribed functions of STAT proteins mediating network rewiring during differentiation were predicted. Selected new interactions were confirmed by experiments using gene-deficient cells. Importantly, while mutual-inhibition motifs are often considered canonical digital switches, the inferred Th-cell network acts as a rheostat, generating a continuum of differentiated states along the Th1-Th2 axis. This work explains the observed Th1-Th2 cell fate continuum mechanistically and provides a quantitative framework for the data-based inference of cellular signal integration networks.