Le métabolisme des microorganismes est traditionnellement étudié à deux échelles: d’une part, à l’échelle locale, la description des réactions métaboliques et d’autre part, à l’échelle globale, l’étude de la physiologie de la cellule. Malgré des progrès technologiques récents facilitant les études à ces deux échelles, leur exploitation conjointe demeure complexe car le comportement physiologique de la cellule résulte de l’action coordonnée de nombreuses réactions. Les modèles mathématiques globaux du métabolisme ont toutefois récemment permis de relier ces deux échelles. Dans cette thèse, nous explorerons l’utilisation de ces modèles pour compléter la connaissance des réactions à l’aide d’une catégorie particulière de données d’échelle globale : les essentialités de gènes déterminées à partir des phénotypes de croissance de mutants de délétion. Nous nous appuierons pour cela sur la bactérie Acinetobacter baylyi ADP1. Après avoir présenté les développements effectués pour reconstruire un modèle global du métabolisme d’A. baylyi, nous montrerons que la confrontation entre phénotypes observés et phénotypes prédits permet de mettre en évidence des incohérences entre les deux échelles d’observations. Nous montrerons ensuite qu’une interprétation formelle de ces incohérences permet de corriger le modèle et d’améliorer la connaissance du métabolisme. Nous illustrerons ce propos en présentant les corrections que nous avons réalisées à l’aide de phénotypes de mutants d’A. baylyi. Enfin, dans une dernière partie, nous proposerons une méthode permettant d’automatiser la correction des incohérences causées par des erreurs d’association entre gènes et réactions. / Microbial metabolism has traditionally been investigated at two different scales: the finest involves characterizing individually each reaction occurring in the cell; the largest focuses on global cell physiology. While both scales have recently benefited from technological advances, combining them remains, however, especially complex as the global physiological behavior of a cell results from the coordinated action of a large network of reactions. Mathematical modeling approaches have yet shown recently that genome-scale metabolic models could help in linking both scales. In this thesis, we explore the use of such models to expand the knowledge of reactions with a specific type of high-level data: gene essentiality data, assessed using growth phenotypes of deletion mutants. We will use as model organism the bacterium Acinetobacter baylyi ADP1, for which a genome-wide collection of gene deletion mutants has recently been created. Following a presentation of the key steps and developments that have been required to reconstruct a global metabolic model of A. baylyi, we will show that confronting observed and predicted phenotypes highlight inconsistencies between the two scales. We will then show that a formal interpretation of these inconsistencies can guide model corrections and improvements to the knowledge of metabolism. We will illustrate this claim by presenting model corrections triggered by A. baylyi mutant phenotypes. Finally, we will introduce a method that automates the correction of inconsistencies caused by wrong associations between genes and reactions.
Identifer | oai:union.ndltd.org:theses.fr/2009EVRY0017 |
Date | 12 October 2009 |
Creators | Durot, Maxime |
Contributors | Evry-Val d'Essonne, Weissenbach, Jean, Schachter, Vincent |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | French, English |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text, Image, StillImage |
Page generated in 0.0011 seconds