Les nanoparticules (NPs) concentrent beaucoup d’espoir en nanomédecine, en particulier les nanoparticules magnétiques de silice mésoporeuse (M-MSN) qui pourraient permettre des avancées en théranostic. Néanmoins l’innocuité de ces NPs recouvertes de décorations leur conférant des propriétés spécifiques, doit être démontrée afin d’éviter des effets néfastes sur les tissus sains, notamment sur le foie, l’organe de transformation des xénobiotiques. L’objectif de cette thèse était donc d’évaluer la toxicité potentielle de M-MSN soit natives, soit recouvertes de polyéthylène glycol (PEG), soit entourées d’une bicouche lipidique de 1,2-Dimyristoyl-sn-glycero-3-phosphocholine (DMPC). Pour ce faire un modèle de cellules humaines hépatiques (HepaRG) a été choisi pour effectuer des tests de toxicité in vitro et pour élucider le mode d’action intracellulaire de ces différentes NPs.Les caractéristiques physico-chimiques des M-MSNs natives et décorées ont été mesurées par différentes techniques comme la diffusion dynamique de la lumière (DLS), la microscopie électronique à transmission (TEM) et la microscopie à force atomique (AFM). La toxicité des NPs a été évaluée tout d’abord par des tests de viabilité et par impédance cellulaire en temps réel (xCELLigence).L’étude des profils d’expression génique sur des oligo microarrays à très haute densité (8x60k sondes, Agilent) a ensuite permis d’évaluer, de façon dose- et temps-dépendante, la toxicité de ces NPs. De plus l’utilisation d’une méthodologie originale d’analyse comparative de données massives nous a permis de mettre en évidence les mécanismes moléculaires déclenchés par les NPs dans les hépatocytes. Nous avons déterminé des doses n’induisant aucune toxicité ou une légère toxicité transitoire après 24h, soit une valeur seuil de biocompatibilité avec les cellules HepaRG. Nous avons également montré par TEM le ralentissement de l’internalisation des NPs lorsqu’elles sont PEGylées ainsi que leurs effets transcriptomiques différés par rapport aux NPs natives et lipidiques. Néanmoins, une dose de 80 µg/cm² de M-MSNs, natives ou décorées, déclenche l’enchaînement des évènements de l’AOP (Adverse Outcome Pathway) de la cholestase hépatique. Ce résultat démontre que cette méthodologie est adaptée à la toxicologie prédictive par analyse des réponses biologiques cellulaires après exposition à des substances exogènes.Par ailleurs, les NPs ont tendance à se recouvrir de protéines (corona) en présence de sérum humain. L’analyse par impédance cellulaire montre que des M-MSNs entourées d’une corona de protéines sériques humaines ou bovines ne provoquent pas la même toxicité sur des cellules humaines. Ce résultat pose la problématique d'une potentielle surestimation de la toxicité des nanoparticules lors d’essais in vitro, utilisant classiquement du sérum de veau dans les milieux de cultures.Nous avons entrepris l’étude de la dynamique de la corona (entre 30s et 7 jours) par spectrométrie de masse en tandem. Cette analyse a mis en lumière trois types de comportements protéiques. Le premier cluster contient des protéines abondantes qui se désorbent au cours du temps, le second cluster est composé de protéines qui s’enrichissent progressivement et issues de mêmes familles protéiques comme les apolipoprotéines, et le troisième cluster contient des protéines à enrichissement tardif dans la corona, attirées par leur affinité pour des protéines déjà présentes. Un réseau dynamique d’interactions protéines-protéines, ou intéractome, a pu être cartographié au sein de la corona. Ces travaux posent les bases d’un possible contrôle des protéines de la corona afin de conférer aux nanovecteurs des propriétés de furtivité leur permettant d’atteindre des organes cibles sans être opsonisés. Les techniques utilisées au cours de ce travail, basées sur les analyses de quantités massives de données biologiques, pourraient faire partie de futurs standards d’évaluation de la nanosécurité. / Nanoparticles (NPs) capable of transporting and releasing therapeutic agents to target tissues constitute one of the most exciting areas in nanomedicine, especially magnetic mesoporous silica nanoparticles (M-MSN). M-MSNs may be addressed to tumors thanks to their magnetism and can act as drug carriers thanks to their high specific surface area. Nevertheless, the safety of these NPs with decorations, conferring them specific properties, must be assessed in order to avoid harmful effects on healthy tissues, in particular on the liver, the organ of xenobiotics metabolism.The goal of this thesis was therefore to evaluate the potential toxicity of M-MSN either pristine, or coated with polyethylene glycol (PEG), or surrounded by a lipid bilayer of 1,2-dimyristoyl-sn-glycero-3- Phosphocholine (DMPC). To this end, the human hepatic cell model HepaRG was chosen to realize in vitro toxicity testing and to elucidate the intracellular mode of action of these various NPs.The physico-chemical properties of pristine and covered M-MSNs were measured using different techniques such as dynamic light scattering (DLS), transmission electron microscopy (TEM) and atomic force microscopy (AFM). NPs toxicity was first evaluated by viability testing and real-time cell impedance analysis (xCELLigence).Gene expression profiles were then performed through very high density oligo microarrays (8x60k, Agilent) to evaluate, in a dose- and time-dependent manner, the toxicity of these NPs. In addition, the use of an original methodology for comparative analysis of large biological data allowed us to demonstrate the molecular mechanisms triggered by the NPs in the hepatocytes. We were able to determine the dose not triggering any toxicity as well as the dose inducing a slight transient toxicity after 24h. We thus defined this latter value as a threshold of biocompatibility with HepaRG cells. We also showed by TEM a slower uptake of PEGylated NPs by cells as well as their delayed effects on the transcriptome compared to the pristine and DMPC NPs. Nevertheless, a dose of 80 μg/cm² of pristine or covered M-MSNs triggers the chain of events of the hepatic cholestasis AOP (Adverse Outcome Pathway). This result demonstrates that this methodology is suitable for predictive toxicology by analysis of cellular biological responses after exposure to exogenous substances.Furthermore, NPs tend to be covered with proteins in the presence of serum (corona). Cell impedance analysis shows that M-MSNs surrounded by human or bovine serum proteins coronas do not trigger the same toxicity on human cells. This result raises the problem of a potential overestimation of NPs toxicity to human cells in in vitro testing by using fetal bovine serum in culture media.We undertook a dynamic analysis (between 30 s and 7 days) of the corona formation by tandem mass spectrometry has highlighted three groups of protein with distinct behaviors. The first cluster contains some abundant proteins that desorb over time, the second cluster comprises some protein families such as apolipoproteins, and the third cluster contains late enrichment proteins attracted by other proteins already present in the corona. A dynamic network of protein-protein interactions inside the corona, namely the interactome, was built from the data. This work opens the way to a possible control of the corona in order to provide the nanocarriers with stealth properties allowing them to reach target organs without being opsonized.These techniques used during this thesis and based on analyses of biological big data might be part of the future standards on nanosafety evaluation.

Avec les nouvelles avancées en biologie et toxicologie, on constate de plus en plus la complexité des mécanismes et le grand nombre de voies de toxicité. Les concepts de ‘biologie systémique’ (SB) et de ‘voies des effets indésirables’ (adverse outcome pathway, AOP) pourraient être des outils appropriés pour l’étude de la toxicologie à ces niveaux de complexité élevés. Le point central du travail de cette thèse est le développement d’un modèle de SB du rôle de la voie de signalisation Nrf2 dans le contrôle du stress oxydant. Pour la calibration de ce modèle avec des données expérimentales (exposition des cellules rénales RPTEC/TERT1 à différentes doses de bromate de potassium), plusieurs cycles de proposition/vérification d’hypothèses ont progressivement contribué à l’ajout de nouvelles réactions. Ces nouvelles hypothèses (par exemple : action directe du bromate de potassium sur le DCF, atténuation de la fluorescence du DCF avec le temps, etc.) devraient être confirmées par de futures expérimentations. Ce modèle de SB a été ensuite utilisé pour la quantification d’un AOP de l’insuffisance rénale chronique et comparé à deux autres approches: l’utilisation de modèles statistiques empiriques et celle d’un réseau Bayésien dynamique. Les calibrations des paramètres ont été effectuées par chaînes de Markov simulées MCMC avec le logiciel GNU MCSim avec une quantification des incertitudes associées aux prédictions. Même si la mise au point du modèle SB a été une tâche complexe, la compréhension de la biologie qu’offre ce modèle n’est pas accessible aux deux autres approches. Nous avons aussi évalué les interactions entre Nrf2 et deux autres voies de toxicité, AhR et ATF4, dans le cadre d’une analyse utilisant des données de toxico-génomique provenant de trois projets différents. Les résultats de cette dernière analyse suggèrent d’ajouter au modèle SB de Nrf2 la co-activation par AhR de plusieurs gènes (par exemple, HMOX1, SRXN1 et GCLM) ainsi que d’associer (au moins partiellement) à ce modèle la voie ATF4. Malgré leur complexité, les modèles SB constituent un investissement intéressant pour le développement de la toxicologie prédictive. / New understanding of biology shows more and more that the mechanisms that underlie toxicity are complex and involve multiple biological processes and pathways. Adverse outcome pathways (AOPs) and systems biology (SB) can be appropriate tools for studying toxicology at this level of complexity. This PhD thesis focuses on the elaboration of a SB model of the role of the Nrf2 pathway in the control of oxidative stress. The model’s calibration with experimental data (obtained with RPTEC/TERT1 renal cells exposed to various doses of potassium bromate) comprised several rounds of hypotheses stating/verification, through which new reactions were progressively added to the model. Some of these new hypotheses (e.g., direct action of potassium bromate on DCF, bleaching of DCF with time, etc.) could be confirmed by future experiments. Considered in a wider framework, this SB model was then evaluated and compared to two other computational models (i.e., an empirical dose-response statistical model and a dynamic Bayesian model) for the quantification of a ‘chronic kidney disease’ AOP. All parameter calibrations were done by MCMC simulations with the GNU MCSim software with a quantification of uncertainties associated with predictions. Even though the SB model was indeed complex to conceive, it offers insight in biology that the other approaches could not afford. In addition, using multiple toxicogenomic databases; interactions and cross-talks of the Nrf2 pathway with two other toxicity pathways (i.e., AhR and ATF4) were examined. The results of this last analysis suggest adding new AhR contribution to the control of some of the Nrf2 genes in our SB model (e.g., HMOX1, SRXN1 and GCLM), and integrating in it description of the ATF4 pathway (partially at least). Despites their complexity, precise SB models are precious investments for future developments in predictive toxicology.

L’émergence des Mégadonnées (« Big Data ») en biologie moléculaire, surtout à travers la transcriptomique, a révolutionné la façon dont nous étudions diverses disciplines telles que le processus de développement du médicament ou la recherche sur le cancer. Ceci fut associé à un nouveau concept, la médecine de précision, dont le principal but est de comprendre les mécanismes moléculaires entraînant une meilleure réponse thérapeutique chez le patient. Cette thèse est à mi-chemin entre les études pharmaco — et toxicogénomiques expérimentales, et les études cliniques et translationnelles. Le but de cette thèse est surtout de montrer le potentiel et les limites de ces jeux de données et leur pertinence pour la découverte de biomarqueurs de réponse ainsi que la compréhension des mécanismes d’action/toxicité de médicaments, en vue d’utiliser ces informations à des fins thérapeutiques. L’originalité de cette thèse réside dans son approche globale pour analyser les plus larges jeux de données pharmaco/toxicogénomiques publiés à ce jour et ceci pour : 1) Aborder la notion de biomarqueurs de réponse aux médicaments en pharmacogénomique du cancer, en étudiant les facteurs discordants entre deux grandes études publiées en 2012; 2) Comprendre le mécanisme d’action des médicaments et construire une taxonomie performante en utilisant une approche intégrative; et 3) Créer un répertoire toxicogénomique à partir des hépatocytes humains, exposés à différentes classes de médicaments et composés chimiques. Mes contributions principales sont les suivantes : • J’ai développé une approche bioinformatique pour étudier les facteurs discordants entre deux grandes études pharmacogénomiques et suggérées que les différences observées émergeaient plutôt de l’absence de standardisation des mesures pharmacologiques qui pourrait limiter la validation de biomarqueurs de réponse aux médicaments. • J’ai implémenté une approche bioinformatique qui montre la supériorité de l’intégration tenant en compte des différents paramètres pour les médicaments (structure, cytotoxicité, perturbation du transcriptome) afin d’élucider leur mécanisme d’action (MoA). • J’ai développé un pipeline bioinformatique pour étudier le niveau de conservation des mécanismes moléculaires entre les études toxicogénomiques in vivo et in vitro démontrant que les hépatocytes humains sont un modèle fiable pour détecter les produits toxiques hépatocarcinogènes. Au total, nos études ont permis de fournir un cadre de travail original pour l’exploitation de différents types de données transcriptomiques pour comprendre l’impact des produits chimiques sur la biologie cellulaire. / The emergence of Big Data in molecular biology, especially through the study of transcriptomics, has revolutionized the way we look at various disciplines, such as drug development and cancer research. Big data analysis is an important part of the concept of precision medicine, which primary purpose is to understand the molecular mechanisms leading to better therapeutic response in patients. This thesis is halfway between pharmaco-toxicogenomics experimental studies, and clinical and translational studies. The aim of this thesis is mainly to show the potential and limitations of these studies and their relevance, especially for the discovery of drug response biomarkers and understanding the drug mechanisms (targets, toxicities). This thesis is an original work since it proposes a global approach to analyzing the largest pharmaco-toxicogenomic datasets available to date. The key aims were: 1) Addressing the challenge of reproducibility for biomarker discovery in cancer pharmacogenomics, by comparing two large pharmacogenomics studies published in 2012; 2) Understanding drugs mechanism of action using an integrative approach to generate a superior drug-taxonomy; and 3) Evaluating the conservation of toxicogenomic responses in primary hepatocytes vs. in vivo liver samples in order to check the feasability of cell models in toxicology studies. My main contributions can be summarized as follow: - I developed a bioinformatics pipeline to study the factors that trigger (in)consistency between two major pharmacogenomic studies. I suggested that the observed differences emerged from the non-standardization of pharmacological measurements, which could limit the validation of drug response biomarker. - I implemented a bioinformatics pipeline that demonstrated the superiority of the integrative approach, since it takes into account different parameters for the drug (structure, cytotoxicity, transcriptional perturbation) to elucidate the mechanism of action (MoA). - I developed a bioinformatics pipeline to study the level of conservation of toxicity mechanisms between the in vivo and in vitro system, showing that human hepatocytes is a reliable model for hepatocarcinogens testing. Overall, our studies have provided a unique framework to leverage various types of transcriptomic data in order to understand the impact of chemicals on cell biology.