[ES] La naturaleza aleatoria que caracteriza algunos fenómenos en sistemas físicos reales (e.g., ingeniería, biología, economía, finanzas, epidemiología y otros) nos ha planteado el desafío de un cambio de paradigma del modelado matemático y el análisis de sistemas dinámicos, y a tratar los fenómenos aleatorios como variables aleatorias o procesos estocásticos. Este enfoque novedoso ha traído como consecuencia nuevas especificidades que la teoría clásica del modelado y análisis de sistemas dinámicos deterministas no ha podido cubrir. Afortunadamente, maravillosas contribuciones, realizadas sobre todo en el último siglo, desde el campo de las matemáticas por científicos como Kolmogorov, Langevin, Lévy, Itô, Stratonovich, sólo por nombrar algunos; han abierto las puertas para un estudio bien fundamentado de la dinámica de sistemas físicos perturbados por ruido. En la presente tesis se discute el uso de ecuaciones diferenciales algebraicas estocásticas (EDAEs) para el modelado de sistemas multifísicos en red afectados por perturbaciones estocásticas, así como la evaluación de su estabilidad asintótica a través de exponentes de Lyapunov (ELs). El estudio está enfocado en EDAEs d-index-1 y su reformulación como ecuaciones diferenciales estocásticas ordinarias (EDEs). Fundamentados en la teoría ergódica, es factible analizar los ELs a través de sistemas dinámicos aleatorios (SDAs) generados por EDEs subyacentes. Una vez garantizada la existencia de ELs bien definidas, hemos procedido al uso de técnicas de simulación numérica para determinar los ELs numéricamente. Hemos implementado métodos numéricos basados en descomposición QR discreta y continua para el cómputo de la matriz de solución fundamental y su uso en el cálculo de los ELs. Las características numéricas y computacionales más relevantes de ambos métodos se ilustran mediante pruebas numéricas. Toda esta investigación sobre el modelado de sistemas con EDAEs y evaluación de su estabilidad a través de ELs calculados numéricamente, tiene una interesante aplicación en ingeniería. Esta es la evaluación de la estabilidad dinámica de sistemas eléctricos de potencia. En el presente trabajo de investigación, implementamos nuestros métodos numéricos basados en descomposición QR para el test de estabilidad dinámica en dos modelos de sistemas eléctricos de potencia de una-máquina bus-infinito (OMBI) afectados por diferentes perturbaciones ruidosas. El análisis en pequeña-señal evidencia el potencial de las técnicas propuestas en aplicaciones de ingeniería. / [CA] La naturalesa aleatòria que caracteritza alguns fenòmens en sistemes físics reals (e.g., enginyeria, biologia, economia, finances, epidemiologia i uns altres) ens ha plantejat el desafiament d'un canvi de paradigma del modelatge matemàtic i l'anàlisi de sistemes dinàmics, i a tractar els fenòmens aleatoris com a variables aleatòries o processos estocàstics. Aquest enfocament nou ha portat com a conseqüència noves especificitats que la teoria clàssica del modelatge i anàlisi de sistemes dinàmics deterministes no ha pogut cobrir. Afortunadament, meravelloses contribucions, realitzades sobretot en l'últim segle, des del camp de les matemàtiques per científics com Kolmogorov, Langevin, Lévy, Itô, Stratonovich, només per nomenar alguns; han obert les portes per a un estudi ben fonamentat de la dinàmica de sistemes físics pertorbats per soroll. En la present tesi es discuteix l'ús d'equacions diferencials algebraiques estocàstiques (EDAEs) per al modelatge de sistemes multifísicos en xarxa afectats per pertorbacions estocàstiques, així com l'avaluació de la seua estabilitat asimptòtica a través d'exponents de Lyapunov (ELs). L'estudi està enfocat en EDAEs d-index-1 i la seua reformulació com a equacions diferencials estocàstiques ordinàries (EDEs). Fonamentats en la teoria ergòdica, és factible analitzar els ELs a través de sistemes dinàmics aleatoris (SDAs) generats per EDEs subjacents. Una vegada garantida l'existència d'ELs ben definides, hem procedit a l'ús de tècniques de simulació numèrica per a determinar els ELs numèricament. Hem implementat mètodes numèrics basats en descomposició QR discreta i contínua per al còmput de la matriu de solució fonamental i el seu ús en el càlcul dels ELs. Les característiques numèriques i computacionals més rellevants de tots dos mètodes s'illustren mitjançant proves numèriques. Tota aquesta investigació sobre el modelatge de sistemes amb EDAEs i avaluació de la seua estabilitat a través d'ELs calculats numèricament, té una interessant aplicació en enginyeria. Aquesta és l'avaluació de l'estabilitat dinàmica de sistemes elèctrics de potència. En el present treball de recerca, implementem els nostres mètodes numèrics basats en descomposició QR per al test d'estabilitat dinàmica en dos models de sistemes elèctrics de potència d'una-màquina bus-infinit (OMBI) afectats per diferents pertorbacions sorolloses. L'anàlisi en xicotet-senyal evidencia el potencial de les tècniques proposades en aplicacions d'enginyeria. / [EN] The random nature that characterizes some phenomena in the real-world physical systems (e.g., engineering, biology, economics, finance, epidemiology, and others) has posed the challenge of changing the modeling and analysis paradigm and treat these phenomena as random variables or stochastic processes. Consequently, this novel approach has brought new specificities that the classical theory of modeling and analysis for deterministic dynamical systems cannot cover. Fortunately, stunning contributions made overall in the last century from the mathematics field by scientists such as Kolmogorov, Langevin, Lévy, Itô, Stratonovich, to name a few; have opened avenues for a well-founded study of the dynamics in physical systems perturbed by noise. In the present thesis, we discuss stochastic differential-algebraic equations (SDAEs) for modeling multi-physical network systems under stochastic disturbances, and their asymptotic stability assessment via Lyapunov exponents (LEs). We focus on d-index-1 SDAEs and their reformulation as ordinary stochastic differential equations (SDEs). Supported by the ergodic theory, it is feasible to analyze the LEs via the random dynamical system (RDSs) generated by the underlying SDEs. Once the existence of well-defined LEs is guaranteed, we proceed to the use of numerical simulation techniques to determine the LEs numerically. Discrete and continuous QR decomposition-based numerical methods are implemented to compute the fundamental solution matrix and use it in the computation of the LEs. Important numerical and computational features of both methods are illustrated through numerical tests. All this investigation concerning systems modeling through SDAEs and their stability assessment via computed LEs finds an appealing engineering application in the dynamic stability assessment of power systems. In this research work, we implement our QR-based numerical methods for testing the dynamic stability in two types of single-machine infinite-bus (SMIB) power system models perturbed by different noisy disturbances. The analysis in small-signal evidences the potential of the proposed techniques in engineering applications. / Mi agradecimiento al estado ecuatoriano que, a través del Programa de Becas para el Fortalecimiento y Desarrollo del Talento Humano en Ciencia y Tecnología 2012 de la Secretaría Nacional de Educación Superior, Ciencia y Tecnología (SENESCYT), han financiado mis estudios de doctorado. / González Zumba, JA. (2020). Dynamic Modeling and Stability Analysis of Stochastic Multi-Physical Systems Applied to Electric Power Systems [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/158558 / TESIS

Tesis por compendio / [ES] Durante las últimas décadas el uso del aprendizaje automático (machine learning) y de la inteligencia artificial ha mostrado un crecimiento exponencial en muchas áreas de la ciencia. El hecho de que los ordenadores hayan aumentado sus restaciones a la vez que han reducido su precio, junto con la disponibilidad de entornos de desarrollo de código abierto han permitido el acceso a la inteligencia artificial a un gran rango de investigadores, democratizando de esta forma el acceso a métodos de inteligencia artificial a la comunidad investigadora. Es nuestra creencia que la multidisciplinaridad es clave para nuevos logros, con equipos compuestos de investigadores con diferentes preparaciones y de diferentes campos de especialización. Con este ánimo, hemos orientado esta tesis en el uso de machine learning inteligencia artificial, aprendizaje profundo o deep learning, entendiendo todas las anteriores como parte de un concepto global que concretamos en el término inteligencia artificial, a intentar arrojar luz a algunos problemas de los campos de las matemáticas y la física. Desarrollamos una arquitectura deep learning y la medimos con éxito en la caracterización de procesos de difusión anómala. Mientras que previamente se habían utilizado métodos estadísticos clásicos con este objetivo, los métodos de deep learning han demostrado mejorar las prestaciones de dichos métodos clásicos. Nuestra architectura demostró que puede inferir con precisión el exponente de difusión anómala y clasificar trayectorias entre un conjunto dado de modelos subyacentes de difusión . Mientras que las redes neuronales recurrentes irrumpieron recientemente, los modelos basados en redes convolucionales han sido ámpliamente testados en el campo del procesamiento de imagen durante más de 15 años. Existen muchos modelos y arquitecturas, pre-entrenados y listos para ser usados por la comunidad. No es necesario realizar investigación ya que dichos modelos han probado su valía durante años y están bien documentados en la literatura. Nuestro objetivo era ser capaces de usar esos modelos bien conocidos y fiables, con trayectorias de difusión anómala. Solo necesitábamos convertir una serie temporal en una imagen, cosa que hicimos aplicando gramian angular fields a las trayectorias, poniendo el foco en las trayectorias cortas. Hasta donde sabemos, ésta es la primera vez que dichas técnicas son usadas en este campo. Mostramos cómo esta aproximación mejora las prestaciones de cualquier otra propuesta en la clasificación del modelo subyacente de difusión anómala para trayectorias cortas. Más allá de la física están las matemáticas. Utilizamos nuestra arquitectura basada en redes recurrentes neuronales para inferir los parámetros que definen las trayectorias de Wu Baleanu. Mostramos que nuestra propuesta puede inferir con azonable precisión los parámetros mu y nu. Siendo la primera vez, de nuevo hasta donde llega nuestro conocimiento, que tales técnicas se aplican en este escenario. Extendemos este trabajo a las ecuaciones fraccionales discretas con retardo, obteniendo resultados similares en términos de precisión. Adicionalmente, mostramos que la misma arquitectura se puede usar para discriminar entre trayectorias con y sin retardo con gran confianza. Finalmente, también investigamos modelos fraccionales discretos. Hemos analizado esquemas de paso temporal con la cuadratura de Lubich en lugar del clásico esquema de orden 1 de Euler. En el primer estudio de este nuevo paradigma hemos comparado los diagramas de bifurcación de los mapas logístico y del seno, obtenidos de la discretización de Euler de orden 1, 2 y 1/2. / [CAT] Durant les darreres dècades l'ús de l'aprenentatge automàtic (machine learning) i de la intel.ligència artificial ha mostrat un creixement exponencial en moltes àrees de la ciència. El fet que els ordinadors hagen augmentat les seues prestacions a la vegada que han reduït el seu preu, junt amb la disponibilitat d'entorns de desenvolupament de codi obert han permès l'accés a la intel.ligència artificial a un gran rang d'investigadors, democratitzant així l'accés a mètodes d'intel.ligència artificial a la comunitat investigadora. És la nostra creença que la multidisciplinaritat és clau per a nous èxits, amb equips compostos d'investigadors amb diferents preparacions i diferents camps d'especialització. Amb aquest ànim, hem orientat aquesta tesi en l'ús d'intel.ligència artificial machine learning, aprenentatge profund o deep learning, entenent totes les anteriors com a part d'un concepte global que concretem en el terme intel.ligència, a intentar donar llum a alguns problemes dels camps de les matemàtiques i la física. Desenvolupem una arquitectura deep learning i la mesurem amb èxit en la caracterització de processos de difusió anòmala. Mentre que prèviament s'havien utilitzat mètodes estadístics clàssics amb aquest objectiu, els mètodes de deep learning han demostrat millorar les prestacions d'aquests mètodes clàssics. La nostra architectura va demostrar que pot inferir amb precisió l'exponent de difusió anòmala i classificar trajectòries entre un conjunt donat de models subjacents de difusió. Mentre que les xarxes neuronals recurrents van irrompre recentment, els models basats en xarxes convolucionals han estat àmpliament testats al camp del processament d'imatge durant més de 15 anys. Hi ha molts models i arquitectures, pre-entrenats i llestos per ser usats per la comunitat. No cal fer recerca ja que aquests models han provat la seva vàlua durant anys i estan ben documentats a la literatura. El nostre objectiu era ser capaços de fer servir aquests models ben coneguts i fiables, amb trajectòries de difusió anòmala. Només necessitàvem convertir una sèrie temporal en una imatge, cosa que vam fer aplicant gramian angular fields a les trajectòries, posant el focus a les trajectòries curtes. Fins on sabem, aquesta és la primera vegada que aquestes tècniques són usades en aquest camp. Mostrem com aquesta aproximació millora les prestacions de qualsevol altra proposta a la classificació del model subjacent de difusió anòmala per a trajectòries curtes. Més enllà de la física hi ha les matemàtiques. Utilitzem la nostra arquitectura basada en xarxes recurrents neuronals per inferir els paràmetres que defineixen les trajectòries de Wu Baleanu. Mostrem que la nostra proposta pot inferir amb raonable precisió els paràmetres mu i nu. Sent la primera vegada, novament fins on arriba el nostre coneixement, que aquestes tècniques s'apliquen en aquest escenari. Estenem aquest treball a les equacions fraccionals discretes amb retard, obtenint resultats similars en termes de precisió. Addicionalment, mostrem que la mateixa arquitectura es pot fer servir per discriminar entre trajectòries amb i sense retard amb gran confiança. Finalment, també investiguem models fraccionals discrets. Hem analitzat esquemes de pas temporal amb la quadratura de Lubich en lloc del clàssic esquema d'ordre 1 d'Euler. Al primer estudi d'aquest nou paradigma hem comparat els diagrames de bifurcació dels mapes logístic i del sinus, obtinguts de la discretització d'Euler d'ordre 1, 2 i 1/2. / [EN] During the last decades the use of machine learning and artificial intelligence have showed an exponential growth in many areas of science. The fact that computer's hardware has increased its performance while lowering the price and the availability of open source frameworks have enabled the access to artificial intelligence to a broad range of researchers, hence democratizing the access to artificial intelligence methods to the research community. It is our belief that multi-disciplinarity is the key to new achievements, with teams composed of researchers with different backgrounds and fields of specialization. With this aim, we focused this thesis in using machine learning, artificial intelligence, deep learing, all of them being understood as part of a whole concept we concrete in artificial intelligence, to try to shed light to some problems from the fields of mathematics and physics. A deep learning architecture was developed and successfully benchmarked with the characterization of anomalous diffusion processes. Whereas traditional statistical methods had previously been used with this aim, deep learing methods, mainly based on recurrent neural networks have proved to outperform these clasical methods. Our architecture showed it can precisely infer the anomalous diffusion exponent and accurately classify trajectories among a given set of underlaying diffusion models. While recurrent neural networks irrupted in the recent years, convolutional network based models had been extensively tested in the field of image processing for more than 15 years. There exist many models and architectures, pre-trained and set to be used by the community. No further investigation needs to be done since the architecture have proved their value for years and are very well documented in the literature. Our goal was being able to used this well-known and reliable models with anomalous diffusion trajectories. We only needed to be able to convert a time series into an image, which we successfully did by applying gramian angular fields to the trajectories, focusing on short ones. To our knowledge this is the first time these techniques were used in this field. We show how this approach outperforms any other proposal in the underlaying diffusion model classification for short trajectories. Besides physics it is maths. We used our recurrent neural networks architecture to infer the parameters that define the Wu Baleanu trajectories. We show that our proposal can precisely infer both the mu and nu parameters with a reasonable confidence. Being the first time, to the best of our knowledge, that such techniques were applied to this scenario. We extend this work to the discrete delayed fractional equations, obtaining similar results in terms of precision. Additionally, we showed that the same architecture can be used to discriminate delayed from non-delayed trajectories with a high confidence. Finally, we also searched fractional discrete models. We have considered Lubich's quadrature time-stepping schemes instead of the classical Euler scheme of order 1. As the first study with this new paradigm, we compare the bifurcation diagrams for the logistic and sine maps obtained from Euler discretizations of orders 1, 2, and 1/2. / J.A.C. acknowledges support from ALBATROSS project (National Plan for Scientific and Technical Research and Innovation 2017-2020, No. PID2019-104978RB-I00). M.A.G.M. acknowledges funding from the Spanish Ministry of Education and Vocational Training (MEFP) through the Beatriz Galindo program 2018 (BEAGAL18/00203) and Spanish Ministry MINECO (FIDEUA PID2019- 106901GBI00/10.13039/501100011033). We thank M.A. Garc ́ıa-March for helpful comments and discussions on the topic. NF is sup- ported by the National University of Singapore through the Singapore International Graduate Student Award (SINGA) program. OGO and LS acknowledge funding from MINECO project, grant TIN2017-88476-C2-1-R. JAC acknowledges funding from grant PID2021-124618NB-C21 funded by MCIN/AEI/ 10.13039/501100011033 and by “ERDF A way of making Europe”, by the “European Union”. We also thank funding for the open access charges from CRUE-Universitat Politècnica de València. / Garibo Orts, Ó. (2023). Anomalous Diffusion Characterization using Machine Learning Methods [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/192831 / Compendio

[ES] La biotecnología moderna se basa en la aplicación de una mezcla de herramientas experimentales y computacionales para llevar a cabo de forma dirigida la ingeniería genética. El objetivo es obtener células (re)programadas que implementen nuevas funciones o que sirvan como herramientas para el estudio de sistemas biológicos. En este contexto, el uso de bacterias en biotecnología está muy extendido. Sin embargo, la implementación de circuitos genéticos para el aprovechamiento de estos seres vivos puede verse limitada por procesos biológicos naturales; es decir, los circuitos diseñados (o naturales) pueden verse afectados por el transcurso del tiempo o por cambios en el entorno en el que crecen las bacterias. En esta tesis, nos propusimos seguir un enfoque integrador para estudiar cómo las bacterias responden en el tiempo y el espacio a los cambios genéticos y ambientales, que pueden afectar la funcionalidad de los circuitos de interés biotecnológico. Usamos Escherichia coli como organismo modelo, explotando una variedad de herramientas experimentales para trabajar con él. En primer lugar, estudiamos cómo los cambios ambientales y genéticos afectan la funcionalidad de un circuito genético sintético que implementa un comportamiento lógico sofisticado. Descubrimos que hay amplios rangos de concentración de entrada que el sistema puede procesar correctamente, que el circuito diseñado es bastante sensible a los efectos de la temperatura, que la expresión de pequeños ARN heterólogos es costosa para la célula y que una reorganización genética adecuada del sistema para reducir la cantidad de ADN heterólogo en la célula puede mejorar su estabilidad evolutiva. En segundo lugar, estudiamos el crecimiento bacteriano en entornos en los que existen materiales nanoestructurados. Descubrimos que las poblaciones bacterianas se pueden controlar en gran medida mediante el uso de marcos organometálicos, ya que estos materiales nanoestructurados pueden descomponerse lentamente en medios biológicos liberando agentes antimicrobianos (metales y compuestos orgánicos, incluidos los antibióticos). Analizamos la respuesta bacteriana espaciotemporal siguiendo un enfoque experimental y teórico combinado en un entorno tan complejo y desafiante en medios líquidos y sólidos. Además de las variaciones en el rendimiento debido a cambios ambientales, también se debe considerar que esos circuitos genéticos evolucionarán con el tiempo debido a la acumulación estocástica de mutaciones. Estas mutaciones pueden dar lugar a cambios en la funcionalidad de los circuitos reguladores. Por tanto, en tercer lugar, realizamos un experimento de evolución a largo plazo para estudiar la contribución de un sistema de chaperonas de proteínas en la modulación de la estabilidad evolutiva. En los últimos años, se ha demostrado que los sistemas de chaperonas, como GroES/EL, pueden amortiguar o purgar mutaciones. Realizamos la secuenciación del genoma completo en diferentes líneas con diferentes niveles de expresión de GroEL y también medimos la tasa de crecimiento de las células al principio y al final del experimento evolutivo. Sin embargo, nuestros resultados no fueron concluyentes, por lo que se necesita más investigación para comprender completamente el papel de GroES/EL en la evolución y evaluar su utilidad potencial en biotecnología. En conjunto, esta tesis intenta avanzar en nuestro conocimiento sobre cómo las bacterias, y E. coli en particular, se comportan como se espera cuando el entorno se altera, la fisiología cambia y pasa mucho tiempo, para posibles aplicaciones industriales o (pre)clínicas. / [CA] La biotecnologia moderna es basa en l'aplicació d'una mescla d'eines experimentals i computacionals per a realitzar de forma dirigida l'enginyeria genètica. L'objectiu és obtindre cèl·lules (re)programades que implementen noves funcions o que servisquen com a eines per a l'estudi de sistemes biològics. En aquest context, l'ús de bacteris en biotecnologia està molt estés. No obstant això, la implementació de circuits genètics per a l'aprofitament d'aquests éssers vius pot veure's limitada per processos biològics naturals; és a dir, els circuits dissenyats (o naturals) poden veure's afectats pel transcurs del temps o per canvis en l'entorn en el qual creixen els bacteris. En aquesta tesi, ens vam proposar seguir un enfocament integrador per a estudiar com els bacteris responen en el temps i l'espai als canvis genètics i ambientals, que poden afectar la funcionalitat dels circuits d'interés biotecnològic. Usem Escherichia coli com a organisme model, explotant una varietat d'eines experimentals per a treballar amb ell. En primer lloc, estudiem com els canvis ambientals i genètics afecten la funcionalitat d'un circuit genètic sintètic que implementa un comportament lògic sofisticat. Descobrim que hi ha amplis rangs de concentració d'entrada que el sistema pot processar correctament, que el circuit dissenyat és bastant sensible a l'efecte de la temperatura, que l'expressió de xicotets ARN heteròlegs és costosa per a la cèl·lula i que una reorganització genètica adequada del sistema per a reduir la quantitat d'ADN heteròleg en la cèl·lula pot millorar la seua estabilitat evolutiva. En segon lloc, estudiem el creixement bacterià en entorns en els quals existeixen materials nanoestructurats. Descobrim que les poblacions bacterianes es poden controlar en gran manera mitjançant l'ús de marcs organometàlics, ja que aquests materials nanoestructurats poden descompondre's lentament en medis biològics alliberant agents antimicrobians (metalls i compostos orgànics, inclosos els antibiòtics). Analitzem la resposta bacteriana espai-temporal seguint un enfocament experimental i teòric integrador en un entorn tan complex i desafiador en mitjans líquids i sòlids. A més de les variacions en el rendiment degut a canvis ambientals, també s'ha de considerar que aqueixos circuits genètics evolucionaran amb el temps degut a l'acumulació estocàstica de mutacions. Aquestes mutacions poden donar lloc a canvis en la funcionalitat dels circuits reguladors. Per tant, en tercer lloc, realitzem un experiment d'evolució a llarg termini per a estudiar la contribució d'un sistema de chaperones de proteïnes en la modulació de l'estabilitat evolutiva. En els últims anys, s'ha demostrat que els sistemes de chaperones, com GroES/EL, poden esmorteir o purgar mutacions. Realitzem la seqüenciació del genoma complet en diferents línies amb diferents nivells d'expressió de GroEL i també mesurem la taxa de creixement de les cèl·lules al principi i al final de l'experiment evolutiu. No obstant això, els nostres resultats no van ser concloents, per la qual cosa es necessita més investigació per a comprendre completament el paper de GroES/L en l'evolució i avaluar la seua utilitat potencial en biotecnologia. En conjunt, aquesta tesi intenta avançar en el nostre coneixement sobre com els bacteris, i E. coli en particular, es comporten com s'espera quan l'entorn s'altera, la fisiologia canvia i passa molt temps, per a possibles aplicacions industrials o (pre)clíniques. / [EN] Modern biotechnology is based on applying a mix of experimental and computational tools to perform in a directed way genetic engineering. The aim is to obtain (re)programmed cells that implement new functions or that serve as tools for the study of biological systems. In this context, the use of bacteria in biotechnology is widespread. However, the implementation of genetic circuits for the use of these living beings may be limited due to natural biological processes; that is, the engineered (or natural) circuits may be affected by the course of time or by changes in the environment in which bacteria grow. In this thesis, we proposed to follow an integrative approach to study how bacteria respond in time and space to genetic and environmental changes, which may affect the functionality of the circuits of biotechnological interest. We used Escherichia coli as a model organism, exploiting a variety of experimental tools to work with it. Firstly, we studied how environmental and genetic changes affect the functionality of a synthetic genetic circuit that implements a sophisticated logic behavior. We found that there are wide input concentration ranges that the system can correctly process, that the engineered circuitry is quite sensitive to temperature effects, that the expression of heterologous small RNAs is costly for the cell, and that a proper genetic reorganization of the system to reduce the amount of heterologous DNA in the cell can improve its evolutionary stability. Secondly, we studied of bacterial growth in environments in which there are nanostructured materials. We found that bacterial populations can be greatly controlled through the use of metal-organic frameworks, as these nanostructured materials can slowly decompose in biological media releasing antimicrobials (metals and organic compounds, including antibiotics). We analyzed the spatiotemporal bacterial response following a combined experimental and theoretical approach in a such a complex and challenging environment in both liquid and solid media. In addition to variations in performance due to environmental changes, it must also be considered that those gene circuits will evolve over time due to the stochastic accumulation of mutations. These mutations can lead to changes in the functionality of the regulatory circuits. Then thirdly, we performed an experiment of long-term evolution to study the contribution of a protein chaperone system in modulating evolutionary stability. In recent years, it has been shown that chaperone systems, such as GroES/EL, can buffer or purge mutations. We performed whole-genome sequencing over different lines with varying expression levels of GroEL, and also measured the growth rate of the cells at the beginning and the end of the evolutionary experiment. However, our results were not conclusive, so further research is needed to fully understand the role of GroES/EL in evolution and to assess its potential utility in biotechnology. Taken together, this thesis tries to advance our knowledge on how bacteria, and E. coli in particular, behave as expected when the environment is perturbed, the physiology changes, and long time passes, for potential industrial or (pre)clinical applications. / Montagud Martínez, R. (2023). Study of Spatiotemporal Responses of Bacterial Cells [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/193030

[ES] La biología sintética tiene como objetivo diseñar y construir nuevos sistemas biológicos con funciones deseadas. Los circuitos basados en el control transcripcional han tenido preponderancia en este campo tras el trabajo pionero del toggle switch y del repressilator. Sin embargo, para avanzar en la creación de tecnologías transformadoras que utilicen circuitos genéticos sintéticos, es esencial una combinación de mecanismos de control confiables en todo el flujo de la información genética. Esta combinación es necesaria para alcanzar el nivel de integrabilidad y complejidad funcional observado en la naturaleza. En tal sentido, recientemente han ganado atención los circuitos basados en regulación postranscripcional. En particular, se ha aprovechado la gran programabilidad de ARN para crear circuitos reguladores para la biodetección de señales ambientales o para controlar la vía metabólica en la bioproducción. En esta tesis, por el contrario, proponemos explotar las proteínas de unión a ARN para diseñar circuitos sintéticos que operen a nivel de traducción en la bacteria Escherichia coli. Esta tesis pretende estudiar como surge y se propaga el ruido cuando la expresión genética está regulada por un factor de traducción, y la ampliación de la caja de herramientas de la biología sintética con una nueva caracterización de proteínas de unión a ARN adecuadas. Por un lado, hemos diseñado un circuito de control postrancripcional utilizando la proteína de cápside del fago MS2. Mediante una meticulosa monitorización a nivel unicelular tanto del regulador como del gen regulado, hemos cuantificado el comportamiento dinámico del sistema, así como su estocasticidad. Si bien los esfuerzos anteriores se centraron en comprender la propagación del ruido en las regulaciones transcripcionales, el comportamiento estocástico de los genes regulados a nivel de la traducción sigue siendo en gran medida desconocido. Nuestros datos han revelado que un factor de traducción de proteínas ha permitido una fuerte represión a nivel unicelular, ha amortiguado la propagación del ruido de un gen a otro y ha conducido a una sensibilidad no lineal a las perturbaciones globales en la traducción. Estos descubrimientos han mejorado significativamente nuestra comprensión de la expresión genética estocástica y han proporcionado principios de diseño fundamentales para aplicaciones de biología sintéticas. Por otro lado, aprovechamos el motivo de reconocimiento de ARN (RRM), el dominio proteico de unión a ARN mas prevalente en la naturaleza, a pesar de su predominio en los filos eucariotas, para diseñar un sistema de control postranscripcional ortogonal en Escherichia coli. Aprovechando la proteína de unión a ARN de mamífero Musashi-1, que contiene dos RRM canónicos, desarrollamos un circuito sofisticado. Musashi-1 ha funcionado como represor de la traducción alostérico a través de su interacción especifica con la región codificante N-terminal del ARN mensajero, mostrando capacidad de respuesta a los ácidos grasos. La caracterización integral tanto a nivel poblacional como unicelular ha destacado un cambio significativo en la expresión del reportero. Se obtuvieron conocimientos moleculares a través de la cinética de unión in vitro y evaluaciones de funcionalidad in vivo de una serie de mutantes de ARN. Este trabajo ha mostrado la adaptabilidad de la regulación basada en RRM a organismos mas simples, introduciendo una nueva capa regulatoria para el control de la traducción en procariotas y, en ultima instancia, ampliando los horizontes de la manipulación genética. / [CA] La biologia sintètica té per objectiu dissenyar i construir nous sistemes biològics amb funcions desitjades. Els circuits basats en el control transcripcional han tingut preponderancia en aquest camp després del treball pioner del toggle switch i del repressilator. Tot i això, per avançar en la creació de tecnologies transformadres que utilitzin circuits genètics sintètics, és esencial una combinació de mecanismes de control fiables en tot el flux de la información genètica. Aquesta combinació és necessària per assolir el nivel d'integrabilitat i complexitat funcional observat a la natura. En aquest sentit, recentement han guanyat atenció els circuits basats en regulació posttranscripcional. En particular, s'ha aprofitat la gran programabilitat d'ARN per crear circuits reguladors per a la biodetecció de senyals ambientals o per controlar la via metabólica a la bioproducció. En aquesta tesi, per contra, proposem exlotar les proteïnes d'unió a ARN per dissenyar circuits sintètics que operin a nivel de traducció al bacteri Escherichia coli. Aquesta tesi pretén estudiar com sorgeix i es propaga el soroll quan l'expressió genètica està regulada per un factor de traducció, il'ampliació de la caixa d'eines de la biología sintètica amb una nova caracteriació de proteïnes d'unió a ARN adequades. D'una banda, hem dissenyat un circuit de control postranscripcional utilitzant la proteína de càpsid del fag MS2. Mitjançant una meticulosa monitorització a nivel inucel·lular tant del regulador com del gen regulat, hem quantificat el comportament dinàmic del sistema, així com la seva estocasticitat. Tot i que els esforços anteriors es van centrar a comprendre la propagació del soroll en les regulacions transcripcionals, el comportament estocàstic dels gens regulats a nivell de la traducció continua sent en gran mesura desonegut. Les nostres dades han revelat que un factor de traducció de proteïnes ha permès una forta repressió a nivell unicel·lular, ha esmorteït la propagació del soroll d'un gen a un altre i ha conduït a una sensibilitat no lineal a les pertorbacions globals a la traducció. Aquest descobriments han millorat significativament la nostra comprensió de l'expressió genètica estocástica i han proporcionat principis de sisseny fonamentals per a aplicacions de biología sintètiques. D'altra banda, aprofitem el motiu de reconeixement d'ARN (RRM), el domini proteic d'unió a ARN més prevalent a la natura, malgrat el seu predomini als talls eucariotes, per dissenyar un sistema de control posttranscripcional ortogonal a Escherichia coli. Aprofitant la proteína d'unió a ARN de mamífers Musashi-1, que conté dos RRM canònics, hem desenvolupat un circuit sofisticat. Musashi-1 va funcionar com un repressor de la traducció al·lostèric a través de la seva interacció específica amb la regió codificant N-terminal de l'ARN missatger, mostrant capacitat de resposta als àcids grassos. La caracterització integral tant a nivel poblacional com unicèl·lular va destacar un canvi significatiu a l'expressió de l'informador. S'obtingueren coneixements moleculars a través de la cinètica d'unió in vitro i avaluacions de funcionalitat in vivo d'una sèrie de mutants d'ARN. Aquest treball va mostrar l'adaptabilitat de la regulació basada en RRM a organismos més simples, introduint una nova capa regulatòria per al control de la traducció en procariotes i, en darrer terme, ampliant els horitzons de la manipulació genètica. / [EN] Synthetic biology seeks to design and construct new biological systems with desired functions. Circuits based on transcriptional control have been preponderant in the field following the pioneering work of the toggle switch and repressilator. However, to advance the creation of transformative technologies using synthetic genetic circuits, a blend of dependable control mechanisms throughout the genetic information flow is essential. This combination is necessary to attain the level of integrability and functional complexity observed in nature. In this regard, circuits based on post-transcriptional regulation have recently gained attention. In particular, the great programmability of RNA has been exploited to create regulatory circuits for biosensing of environmental signals or for controlling metabolic pathway in bioproduction. In this thesis, in contrast, we propose to exploit RNA-binding proteins to engineer synthetic circuits that operate at the level of translation in the bacterium Escherichia coli. This thesis intends to study how noise emerges and propagates when gene expression is regulated by a translation factor, and the expansion of the synthetic biology toolbox with new characterization of suitable RNA-binding proteins. On the one hand, we engineered a post-transcriptional control circuit using the phage MS2 coat protein. Through meticulous single-cell level monitoring of both the regulator and the regulated gene, we quantified the dynamic behavior of the system, as well as their stochasticity. While previous efforts focused on understanding noise propagation in transcriptional regulations, the stochastic behavior of genes regulated at the translation level remain largely unknown. Our data revealed that a protein translation factor enabled strong repression at the single-cell level, buffered noise propagation from gene to gene, and led to a nonlinear sensitivity to global perturbations in translation. These findings significantly enhanced our understanding of stochastic gene expression and provided foundational design principles for synthetic biology applications. On the other hand, we harnessed the RNA recognition motif (RRM), the most prevalent RNA-binding domain in nature, despite its predominance in eukaryotic phyla, to engineer an orthogonal post-transcriptional control system in Escherichia coli. Leveraging the mammalian RNA-binding protein Musashi-1, which contains two canonical RRMs, we developed a sophisticated circuit. Musashi-1 functioned as an allosteric translation repressor through its specific interactions with the N-terminal coding region of messenger RNA, exhibiting responsiveness to fatty acids. Comprehensive characterization at both population and single-cell levels highlighted a significant fold change in reporter expression. Molecular insights were gleaned through in vitro binding kinetics and in vivo functionality assessments of a series of RNA mutants. This work showcased the adaptability of RRM-based regulation to simpler organisms, introducing a novel regulatory layer for translation control in prokaryotes, ultimately expanding the horizons of genetic manipulation. / Dolcemascolo, R. (2023). Engineering post-transcriptional regulation of gene expression with RNA-binding proteins [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/202194