Le métabolisme définit l’ensemble des réactions biochimiques au sein d’un organisme, lui permettant de survivre et de s’adapter dans différents environnements. La régulation de ces réactions requiert un processus complexe impliquant de nombreux effecteurs interagissant ensemble à différentes échelles.Développer des modèles de ces réseaux de régulation est ainsi une étape indispensable pour mieux comprendre les mécanismes précis régissant les systèmes vivants et permettre, à terme, la conception de systèmes synthétiques, autorégulés et adaptatifs, à l'échelle du génome. Dans le cadre de ces travaux interdisciplinaires, nous proposons d’utiliser une approche itérative d’inférence de réseau et d’interrogation afin de guider l’ingénierie du métabolisme de la levure d’intérêt industriel Yarrowia lipolytica.À partir de données transcriptomiques, le premier réseau de régulation de l’adaptation à la limitation en azote et de la production de lipides a été inféré pour cette levure. L’interrogation de ce réseau a ensuite permis de mettre en avant et valider expérimentalement l’impact de régulateurs sur l'accumulation lipidique.Afin d’explorer davantage les liens entre régulation et métabolisme, une nouvelle méthode, CoRegFlux, a été proposée pour la prédiction de phénotype métabolique à partir des profils d’activités des régulateurs dans les conditions étudiées.Ce package R, disponible sur la plateforme Bioconductor, a ensuite été utilisé pour mieux comprendre l’adaptation à la limitation en azote et identifier des phénotypes d’intérêts en vue de l’ingénierie de cette levure, notamment pour la production de lipides et de violacéine.Ainsi, par une approche itérative, ces travaux apportent de nouvelles connaissances sur les interactions entre la régulation et le métabolisme chez Y. lipolytica, l’identification de motifs de régulation chez cette levure et contribue au développement de méthodes intégratives pour la conception de souches assistée par ordinateur. / Metabolism defines the set of biochemical reactions within an organism, allowing it to survive and adapt to different environments. Regulating these reactions requires complex processes involving many effectors interacting together at different scales.Developing models of these regulatory networks is therefore an essential step in better understanding the precise mechanisms governing living systems and ultimately enabling the design of synthetic, self-regulating and adaptive systems at the genome level. As part of this interdisciplinary work, we propose to use an iterative network inference and interrogation approach to guide the engineering of the metabolism of the yeast of industrial interest Yarrowia lipolytica.Based on transcriptomic data, the first network for the regulation of adaptation to nitrogen limitation and lipid production in this yeast was inferred.The interrogation of this network has then allowed to to highlight and experimentally validate the impact of several regulators on lipid accumulation. In order to further explore the relationships between regulation and metabolism, a new method, CoRegFlux, has been proposed for the prediction of metabolic phenotype based on the influence profiles of regulators in the studied conditions. This R package, available on the Bioconductor platform, was then used to better understand adaptation to nitrogen limitation and to identify phenotypes of interest for strain engineering, particularly for the production of lipids and amino acid derivatives such as violacein.Thus, through an iterative approach, this work provides new insights into the interactions between regulation and metabolism in Y. lipolytica, conserved regulatory module in this yeast and contributes to the development of innovative integrative methods for computer-assisted strain design.
Identifer | oai:union.ndltd.org:theses.fr/2019SACLA022 |
Date | 10 October 2019 |
Creators | Trebulle, Pauline |
Contributors | Université Paris-Saclay (ComUE), Nicaud, Jean-Marc, Elati, Mohamed |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | French |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0018 seconds