Search

Dynamic models are essential tools for exploring regulatory mechanisms in biology. This thesis was guided by the need expressed in oncology and developmental biology to automatically infer Boolean networks reproducing cellular differentiation processes.By considering observations and knowledge that the modelers have at their disposal, this thesis presents an approach that allows to model the richness of this cellular behavior by inferring all the compatible Boolean networks at that scale of the regulatory networks commonly considered in biology.To develop this method, three main contributions are presented.The first contribution is a formal framework of the properties of data collected to study cellular differentiation. This framework allows reasoning about the desired dynamic properties within Boolean networks to be consistent with this cellular behavior.The second contribution concerns the encoding of the model inference problem as a Boolean satisfiability problem whose solutions are the Boolean networks compatible with the biological data. For this, constraints on the dynamics of Boolean networks corresponding to the previously formalized properties have been implemented in logic programming.The last contribution was to apply to real biological problems the model inference method, named BoNesis, which was developed thanks to the constraints. These applications showed the benefit of inferring a set of models for the process analysis and illustrated the modeling methodology, from the preparation of biological data to the analysis of the inferred models.; Les modèles dynamiques sont des outils importants pour l'exploration des mécanismes de régulation en biologie.Les travaux de cette thèse sont guidés par le besoin exprimé en biologie du développement et en cancérologie d'inférer automatiquement des réseaux booléens reproduisant des processus de différenciation cellulaire.En considérant les observations et les connaissances que les modélisateurs ont à disposition, ce mémoire de thèse présente une approche qui permet de modéliser la richesse de ce comportement cellulaire en inférant l’ensemble des réseaux booléens compatibles tout en passant à l’échelle des réseaux de régulation couramment considérés en biologie.Afin de développer cette méthode, les travaux présentés se décomposent en trois contributions principales.La première contribution est la proposition d'un cadre formel sur les propriétés des données collectées pour étudier la différenciation cellulaire. Ce cadre permet de raisonner sur les propriétés dynamiques souhaitées au sein des réseaux booléens pour qu’ils soient compatibles avec ce comportement cellulaire.La deuxième contribution porte sur l'encodage du problème d’inférence de modèles comme un problème de satisfiabilité booléenne dont les solutions sont les réseaux booléens compatibles avec les données biologiques. Pour cela, des contraintes sur la dynamique des réseaux booléens correspondant aux propriétés précédemment formalisées ont été implémentées en programmation logique.La dernière contribution est l’application à des problématiques biologiques réelles de la méthode d’inférence de modèles, nommée BoNesis, qui a été développée grâce aux contraintes créées. Ces applications ont montré l’apport de l’inférence d’ensemble de modèles pour l’analyse de processus et illustré la méthodologie de modélisation, de la préparation des données biologiques à l’analyse des modèles inférés.

Rheumatoid arthritis (RA) is a multifactorial, complex autoimmune disease that involves various genetic, environmental, and epigenetic factors. It a_ects in average 0.25 to 0.46% of world population. Nowadays, we understand only 50 % of RA genetic component. Genetic factors involved in RA include a major genetic factor, the HLA-DRB1 gene, and about one hundred of susceptibility factors. In the _rst part of this thesis, we aimed to explain the missing heritability of RA, by looking for new rare variants with exonic and pangenomic data from relatives of RA patients of two samples. We _rst conducted an analysis on simulated exonic data where we identify performant detection tools, including CODEX2. These tools were then used to analyse our real exonic dataset, where 3 CNVs were identi_ed, but unfortunately showed an incomplete penetrance and/or a presence of phenocopy, despite that two of them concern genes involved in RA or immune system. The study of pangenomic data showed 15 rare variants (10 SNVs, 1 indel and 2 CNVs) that were RA speci _c. Seven genes impacted by these variants (4 SNVs, 1 indel and 2 CNVs) were implicated in RA physiopathology, according to the literature. In the second part of this thesis, we used computational system biology approaches to study the complex mechanisms involved in RA pathology, including the regulation of key disease _related transcription factors, which cannot be fully understood with the use of only genomic data. For this purpose, we built an integrative global network for RA, using multi-omic data and statistical inference along with prior knowledge encoded in the form of a molecular interaction map. The network is used as a template to study RA patient response to anti-TNF treatment and to identify master regulators and upstream cascades a_ected by the treatment. Finally, we employ the logical formalism and transform a subnetwork into a Boolean model to perform in silico simulations mimicking the e_ects of single and combined perturbations induced by therapies and genetic predisposition. The results show that TNF blockage was not su_cient to downregulate the activity of TFs linked to in- _ammation, suggesting that combined targeted therapies might be a plausible scenario for the non-responders to anti-TNF therapy.; La polyarthrite rhumatoïde (PR) est une maladie multifactorielle complexe et autoimmune, impliquant des facteurs génétiques, épigénétiques et environnementaux. Elle touche en moyenne 0.25 à 0.46% de la population mondiale. Aujourd'hui, notre connaissance de la composante génétique de la maladie est estimée à uniquement 50%. Ainsi, a_n d'expliquer la part d'héritabilité manquante, nous avons en premier lieu focalisé nos recherches sur l'identi_cation de nouveaux facteurs génétiques de la PR en analysant les variants rares à partir de données exoniques et pangénomiques de familles de patients atteints de PR dans deux cohortes di_érentes. À partir de simulation de données exoniques, nous avons identi- _é des outils performants pour l'identi_cation de CNVs, incluant CODEX2. Ces outils, utilis és par la suite sur les données exoniques, ont permis d'identi_er 3 CNVs rares qui ont cependant montré une pénétrance incomplète et/ou la présence de phénocopie, malgré une potentielle implication pour deux d'entre eux dans la PR ou dans le système immunitaire. L'étude des variants rares à partir de données pangénomiques nous a permis d'identi_er 15 variants (10 SNVs, 2 indels et 3 CNVs) rares spéci_ques de la PR. Sept gènes impactés par ces variants (incluant 4 SNVs, 1 indel et 2 CNVs) ont montré une implication dans la physiopathologie de la PR selon la littérature. Dans la seconde partie de cette thèse, nous avons utilisé la biologie computationnelle des systèmes a_n d'étudier des mé- canismes complexes impliqués dans la pathologie de la PR tels que les facteurs de transcription (TF), régulateurs clés dans les maladies, ne pouvant être étudiés uniquement à l'aide de donn ées génomiques. Pour cela, un réseau global et spéci_que de la PR a été créé, en combinant des données multi-omiques et des méthodes d'inférence et une carte d'interaction moléculaire de la PR. Ce réseau a ensuite été utilisé comme base a_n d'analyser et d'identi_er les voies de signalisation a_ectées par la réponse à des traitements anti-TNF de patients atteints de PR. Dans ce but nous avons utilisé le formalisme et transformé notre réseau en modèle booléen a_n de réaliser des simulations in silico, dans le but de répliquer des perturbations combin ées et isolées induites par des thérapies et des prédispositions génétiques. Ces résultats montrent que le blocage de TNF n'est pas su_sant pour stopper l'activité des TFs liés à une in_ammation, suggérant que l'utilisation de thérapies combinées et ciblées est un scénario plausible pour des patients non-répondeurs à des traitements anti-TNF.

The understanding of cellular mechanisms occurring inside human beings usually depends on the study of its gene expression.However, genes are implied in complex regulatory processes and their measurement is difficult to perform. In this context, the qualitative modeling of gene regulatory networks intends to establish the function of each gene from the discrete modeling of a dynamical interaction network. In this thesis, our goal is to implement this modeling approach from single-cell sequencing data. These data prove to be interesting for qualitative modeling since they bring high precision, and they can be interpreted in a dynamical way. Thus, we develop a method for the inference of qualitative models based on the automatic learning of logic programs. This method is applied on a single-cell dataset, and we propose several approaches to interpret the resulting models by comparing them with existing knowledge., La compréhension des mécanismes cellulaires à l’œuvre au sein des organismes vivants repose généralement sur l’étude de leur expression génétique. Cependant, les gènes sont impliqués dans des processus de régulation complexes et leur mesureest difficile à réaliser. Dans ce contexte, la modélisation qualitative des réseaux de régulation génétique vise à établir la fonction de chaque gène à partir de la modélisation discrète d’un réseau d’interaction dynamique. Dans cette thèse, nous avons pour objectif de mettre en place cette approche de modélisation à partir des données de séquençage single-cell. Ces données se révèlent en effet intéressantes pour la modélisation qualitative, car elles apportent une grande précision et peuvent être interprétées de manière dynamique. Nous développons ainsi une méthode d’inférence de modèles qualitatifs basée sur l’apprentissage automatique de programmes logiques. Cette méthode est mise en œuvre sur des données single-cell et nous proposons plusieurs approches pour interpréter les modèles résultants en les confrontant avec des connaissances préétablies

Biological systems involve a large number of different entities, each functionning in a coordinated manner with the others. Their understanding is crucial and can be approached at different scales, from the molecular to the systemic one. The observation of all these entities in different contexts and at different scales generates a “tsunami of data", posing complex and interesting computational problems. My work focuses on the development of methods for knowledge generation and knowledge extraction from these massive data. The manuscript is organized in three axes. The first axis deals with methods to identify interpretable, robust and replicable signatures in high dimensional unimodal data. The second axis proposes the development of a new approach to integrate multimodal data (miRNA + MRI), and to identify disease progression scores. Finally, the third axis also deals with the integration of heterogeneous data, but with a systemic approach, i.e. taking into account the known relationships between entities. The work presented illustrates the complexity of extracting information from existing databases, despite the constant efforts of the bioinformatics community to structure and unify the available information.

National audience; Hypernetworks appeared in many fields and uses including combinatorics problems, the theory of complex systems, the systems biology and deep learning with different semantics. It is important to understand the uses of the term hypernetwork in the literature to avoid confusion. The objective of this article to make a state of the art of the definitions of the hypernetwork according to the field of use. In particular, we will try to situate hypernetworks in our research context on artificial intelligence.; Les hyper-réseaux apparaissaient dans de nombreux domaines et usages dont des problèmes de combinatoire, la théorie des systèmes complexes, la biologie des systèmes et l’apprentissage profond avec une sémantique différente. Il est important de comprendre les utilisations du terme hyper-réseau dans la littérature afin d’éviter toute confusion. L’objectif de cet article est de faire un état de l’art des définitions de l’hyper-réseau suivant le domaine d’utilisation. Nous nous attacherons notamment à situer les hyper-réseaux dans notre contexte de recherche sur l’intelligence artificielle.

Des prédictions de changements pour des réseaux de réactions avec information cinétique partielle peuvent être obtenues par raisonnement qualitatif avec l'interprétation abstraite. Un problème de prédiction classique en biologie systémique est de savoir quels knock-outs de gènes peuvent, ou doivent, augmenter le flux de sortie d'une espèce ciblée à l'état stationnaire. Répondre à une telle question pour un réseau de réactions donné demande de raisonner avec des différences abstraites telles que "augmenter'' et "diminuer''. Une tâche fondamentale pour des prédictions de changements a été présenté par Niehren, Versari, John, Coutte, et Jacques (2016). Il s'agit du problème de calcul de l'abstraction de différences d'un ensemble de solutions positives d'un système d'équations linéaires avec des contraintes de différences non linéaires.Précédemment, des algorithmes de surapproximation pour cette tâche ont été proposé en utilisant différentes heuristiques, par exemple basées sur la réécriture des équations linéaires. Dans cette thèse, nous présentons les premiers algorithmes exacts pouvant résoudre cette tâche pour les deux abstractions de différences utilisées dans la littérature.En guise de première contribution, nous montrons pour un système d'équations linéaires, comment caractériser l'abstraction booléenne de l'ensemble de ces solutions positives. Cette abstraction associe 1 à n'importe quel réel strictement positif, et 0 à 0. La caractérisation est donnée par l'ensemble des solutions booléennes d'un autre système d'équations, qui est obtenu à partir des modes élémentaires. Les solutions booléennes de ce système caractéristique peuvent être calculées en pratique à l'aide de la programmation par contraintes sur les domaines finis. Nous pensons que ce résultat est intéressant pour l'analyse de programmes fonctionnels avec arithmétiques linéaires.Comme seconde contribution, nous présentons deux algorithmes qui calculent, pour un système d'équations linéaires et de contraintes à différences non linéaires donné, l'abstraction de différences en Delta_3 et respectivement en Delta_6.Ces algorithmes s'appuient sur la caractérisation des abstractions booléennes pour les systèmes d'équations linéaires issue de la première contribution. Le lien entre ces abstractions est défini en logique du premier-ordre, tel que l'abstraction peut être calculée par la programmation par contraintes sur les domaines finis également.Nous avons implémenté nos algorithmes exacts et les avons appliqués à la prédiction de knock-outs de gènes qui peuvent mener à une surproduction de leucine dans B.~Subtilis, nécessaire pour la surproduction de surfactine en biotechnologie.Le calcul des prédictions précises avec l'algorithme exact peut tout de même prendre plusieurs heures. Pour cela, nous présentons aussi une nouvelle heuristique, basée sur les modes élémentaires, pour le calcul de l'abstraction de différences. Celle-ci fournit un bon compromis entre précision et efficacité en temps. Change predictions for reaction networks with partial kinetic information can be obtained by qualitative reasoning with abstract interpretation. A typical change prediction problem in systems biology is which gene knockouts may, or must, increase the outflow of a target species at a steady state. Answering such questions for reaction networks requires reasoning about abstract differences such as "increases'' and "decreases''. A task fundamental for change predictions was introduced by Niehren, Versari, John, Coutte, et Jacques (2016). It is the problem to compute for a given system of linear equations with nonlinear difference constraints, the difference abstraction of the set of its positive solutions. Previous approaches provided overapproximation algorithms for this task based on various heuristics, for instance by rewriting the linear equations. In this thesis, we present the first algorithms that can solve this task exactly for the two difference abstractions used in the literature so far. As a first contribution, we show how to characterize for a linear equation system the boolean abstraction of its set of positive solutions. This abstraction maps any strictly positive real numbers to 1 and 0 to 0. The characterization is given by the set of boolean solutions for another equation system, that we compute based on elementary modes. The boolean solutions of the characterizing equation system can then be computed based on finite domain constraint programming in practice. We believe that this result is relevant for the analysis of functional programs with linear arithmetics. As a second contribution, we present two algorithms that compute for a given system of linear equations and nonlinear difference constraints, the exact difference abstraction into Delta_3 and Delta_6 respectively. These algorithms rely on the characterization of boolean abstractions for linear equation systems from the first contribution. The bridge between these abstractions is defined in first-order logic. In this way, the difference abstraction can be computed by finite set constraint programming too. We implemented our exact algorithms and applied them to predicting gene knockouts that may lead to leucine overproduction in B.~Subtilis, as needed for surfactin overproduction in biotechnology. Computing the precise predictions with the exact algorithm may take several hours though. Therefore, we also present a new heuristics for computing difference abstraction based on elementary modes, that provides a good compromise between precision and time efficiency.

Change predictions for reaction networks with partial kinetic information can be obtained by qualitative reasoning with abstract interpretation. A typical change prediction problem in systems biology is which gene knockouts may, or must, increase the outflow of a target species at steady state. Answering such questions for reaction networks requires to reason about abstract difference such as ``increases'' and ``decreases''.A task fundamental for change predictions was introduced by Niehren et al. (2016). It is the problem to compute for a given system of linear equations with nonlinear difference constraints, the difference abstraction of the set of its positive solutions. Previous approaches provided overapproximation algorithms for this task based on various heuristics, for instance by rewriting the linear equations. In this thesis, we present the first algorithms that can solve this task exactly for the two difference abstractions used in the literature so far.As a first contribution, we show how to characterize for a linear equation system the boolean abstraction of its set of positive solutions. This abstraction maps any strictly positive real numbers to 1 and 0 to 0. The characterization is given by the set of boolean solutions for another equation system, that we compute based on elementary modes. The boolean solutions of the characterizing equation system can then be computed based on finite domain constraint programming in practice. We believe that this result is relevant for the analysis of functional programs with linear arithmetics. As a second contribution, we present two algorithms that compute for a given system of linear equations and nonlinear difference constraints, the exact difference abstraction into Delta3 and Delta6 respectively. These algorithmsrely on the characterization of boolean abstractions for linear equation systems from the first contribution. The bridge between these abstractions is defined in first-order logic. In this way, the difference abstraction can be computed by finite set constraint programming too.We implemented our exact algorithms and applied them to predicting gene knockouts that may lead to leucine overproduction in B.Subtilis, as needed for surfactin overproduction in biotechnology. Computing the precise predictions with the exact algorithm may take several hours though. Therefore, we also present new heuristics for computing difference abstraction based on elementary modes, that provides a good compromise between precision and time efficiency.; Des prédictions de changements pour des réseaux de réactions avec information cinétique partielle peuvent être obtenues par raisonnement qualitatif avec l'interprétation abstraite. Un problème de prédiction classique en biologie systémique est de savoir quels knock-outs de gènes peuvent, ou doivent, augmenter le flux de sortie d'une espèce ciblée à l'état stationnaire. Répondre à une telle question pour un réseau de réactions donné demande de raisonner avec des différences abstraites telles que ``augmenter'' et ``diminuer''.Une tâche fondamentale pour des prédictions de changements a été présentée par Niehren et al. (2016). Il s'agit du problème de calcul de l'abstraction de différences d'un ensemble de solutions positives d'un système d'équations linéaires avec des contraintes de différences non linéaires. Précédemment, des algorithmes de surapproximation pour cette tâche ont été proposés en utilisant différentes heuristiques, par exemple basées sur la réécriture des équations linéaires. Dans cette thèse, nous présentons les premiers algorithmes exacts pouvant résoudre cette tâche pour les deux abstractions de différences utilisées dans la littérature.En guise de première contribution, nous montrons pour un système d'équations linéaires, comment caractériser l'abstraction booléenne de l'ensemble de ces solutions positives. Cette abstraction associe 1 à n'importe quel réel strictement positif, et 0 à 0. La caractérisation est donnée par l'ensemble des solutions booléennes d'un autre système d'équations, qui est obtenu à partir des modes élémentaires. Les solutions booléennes de ce système caractéristique peuvent être calculées en pratique à l'aide de la programmation par contraintes sur les domaines finis. Nous pensons que ce résultat est intéressant pour l'analyse de programmes fonctionnels avec arithmétiques linéaires.Comme seconde contribution, nous présentons deux algorithmes qui calculent, pour un système d'équations linéaires et de contraintes à différences non linéaires donné, l'abstraction de différences en Delta3 et respectivement en Delta6. Ces algorithmes s'appuient sur la caractérisation des abstractions booléennes pour les systèmes d'équations linéaires issue de la première contribution. Le lien entre ces abstractions est défini en logique du premier-ordre, tel que l'abstraction peut être calculée par la programmation par contraintes sur les domaines finis également.Nous avons implémenté nos algorithmes exacts et les avons appliqués à la prédiction de knock-outs de gènes qui peuvent mener à une surproduction de leucine dans B.Subtilis, nécessaire pour la surproduction de surfactine en biotechnologie.Le calcul des prédictions précises avec l'algorithme exact peut tout de même prendre plusieurs heures. Pour cela, nous présentons aussi une nouvelle heuristique, basée sur les modes élémentaires, pour le calcul de l'abstraction de différences. Celle-ci fournit un bon compromis entre précision et efficacité en temps.

Change predictions for reaction networks with partial kinetic information can be obtained by qualitative reasoning with abstract interpretation. A typical change prediction problem in systems biology is which gene knockouts may, or must, increase the outflow of a target species at steady state. Answering such questions for reaction networks requires to reason about abstract difference such as ``increases'' and ``decreases''.A task fundamental for change predictions was introduced by Niehren et al. (2016). It is the problem to compute for a given system of linear equations with nonlinear difference constraints, the difference abstraction of the set of its positive solutions. Previous approaches provided overapproximation algorithms for this task based on various heuristics, for instance by rewriting the linear equations. In this thesis, we present the first algorithms that can solve this task exactly for the two difference abstractions used in the literature so far.As a first contribution, we show how to characterize for a linear equation system the boolean abstraction of its set of positive solutions. This abstraction maps any strictly positive real numbers to 1 and 0 to 0. The characterization is given by the set of boolean solutions for another equation system, that we compute based on elementary modes. The boolean solutions of the characterizing equation system can then be computed based on finite domain constraint programming in practice. We believe that this result is relevant for the analysis of functional programs with linear arithmetics. As a second contribution, we present two algorithms that compute for a given system of linear equations and nonlinear difference constraints, the exact difference abstraction into Delta3 and Delta6 respectively. These algorithmsrely on the characterization of boolean abstractions for linear equation systems from the first contribution. The bridge between these abstractions is defined in first-order logic. In this way, the difference abstraction can be computed by finite set constraint programming too.We implemented our exact algorithms and applied them to predicting gene knockouts that may lead to leucine overproduction in B.Subtilis, as needed for surfactin overproduction in biotechnology. Computing the precise predictions with the exact algorithm may take several hours though. Therefore, we also present new heuristics for computing difference abstraction based on elementary modes, that provides a good compromise between precision and time efficiency.; Des prédictions de changements pour des réseaux de réactions avec information cinétique partielle peuvent être obtenues par raisonnement qualitatif avec l'interprétation abstraite. Un problème de prédiction classique en biologie systémique est de savoir quels knock-outs de gènes peuvent, ou doivent, augmenter le flux de sortie d'une espèce ciblée à l'état stationnaire. Répondre à une telle question pour un réseau de réactions donné demande de raisonner avec des différences abstraites telles que ``augmenter'' et ``diminuer''.Une tâche fondamentale pour des prédictions de changements a été présentée par Niehren et al. (2016). Il s'agit du problème de calcul de l'abstraction de différences d'un ensemble de solutions positives d'un système d'équations linéaires avec des contraintes de différences non linéaires. Précédemment, des algorithmes de surapproximation pour cette tâche ont été proposés en utilisant différentes heuristiques, par exemple basées sur la réécriture des équations linéaires. Dans cette thèse, nous présentons les premiers algorithmes exacts pouvant résoudre cette tâche pour les deux abstractions de différences utilisées dans la littérature.En guise de première contribution, nous montrons pour un système d'équations linéaires, comment caractériser l'abstraction booléenne de l'ensemble de ces solutions positives. Cette abstraction associe 1 à n'importe quel réel strictement positif, et 0 à 0. La caractérisation est donnée par l'ensemble des solutions booléennes d'un autre système d'équations, qui est obtenu à partir des modes élémentaires. Les solutions booléennes de ce système caractéristique peuvent être calculées en pratique à l'aide de la programmation par contraintes sur les domaines finis. Nous pensons que ce résultat est intéressant pour l'analyse de programmes fonctionnels avec arithmétiques linéaires.Comme seconde contribution, nous présentons deux algorithmes qui calculent, pour un système d'équations linéaires et de contraintes à différences non linéaires donné, l'abstraction de différences en Delta3 et respectivement en Delta6. Ces algorithmes s'appuient sur la caractérisation des abstractions booléennes pour les systèmes d'équations linéaires issue de la première contribution. Le lien entre ces abstractions est défini en logique du premier-ordre, tel que l'abstraction peut être calculée par la programmation par contraintes sur les domaines finis également.Nous avons implémenté nos algorithmes exacts et les avons appliqués à la prédiction de knock-outs de gènes qui peuvent mener à une surproduction de leucine dans B.Subtilis, nécessaire pour la surproduction de surfactine en biotechnologie.Le calcul des prédictions précises avec l'algorithme exact peut tout de même prendre plusieurs heures. Pour cela, nous présentons aussi une nouvelle heuristique, basée sur les modes élémentaires, pour le calcul de l'abstraction de différences. Celle-ci fournit un bon compromis entre précision et efficacité en temps.

In this thesis, we are interested in the qualitative analysis of the dynamics of two biological cycles that are central in eukaryotic cells, the cell division cycle and the circadian clock. For that purpose, we use asynchronous Boolean networks that provide an adapted qualitative framework. In these networks, cycles are captured by complex attractors containing hundreds of states. A new method for the analysis of such complex attractors is proposed. It is based on the construction of a summary graph of the attractor, enabling the comparison between the attractor's trajectories and qualitative properties of the biological cycle. The method is illustrated on a cell cycle model from the literature and of a circadian clock model we built from an existing continuous model. In both models our method proves to be efficient to visualize the attractor's structure and to compare it with the biological cycle. By combining the summary graph with a Markov chain, proportions of time spent in each phase are estimated. By combining it with a Boolean inference technique, we show how to locally adjust the asymptotic dynamics of the model in order to force specific dynamical properties. These two applications show the interest of our method in the modeling and analysis of cellular regulatory networks., Dans cette thèse, nous nous intéressons à l'analyse qualitative de la dynamique de deux cycles biologiques centraux dans les cellules eucaryotes, le cycle de division cellulaire et l'horloge circadienne. Nous utilisons pour cela des réseaux Booléens asynchrones, bien adaptés à une analyse qualitative. Dans ces réseaux, les cycles sont capturés par des attracteurs complexes, pouvant contenir des centaines d'états. Nous proposons une nouvelle méthode d'analyse de ces attracteurs complexes, basée sur la construction d'un graphe résumé. Cette méthode permet de comparer les trajectoires contenues l'attracteur avec les propriétés qualitatives du cycle biologique. Nous illustrons notre méthode sur un modèle du cycle cellulaire de la littérature et sur un modèle de l'horloge circadienne, que nous avons construit à partir d'un modèle continu existant. Dans ces deux modèles, notre méthode s'est montrée efficace pour visualiser la structure de l'attracteur complexe et le comparer avec un cycle biologique. En combinant le graphe résumé avec une chaîne de Markov, nous estimons les proportions de temps passé dans les phases décrites par les oscillations. En le combinant avec une méthode d'inférence Booléenne, nous montrons également comment ajuster localement la dynamique asymptotique du modèle, afin de forcer certaines propriétés dynamiques. Ces deux applications montrent l'intérêt de notre méthode pour la modélisation et l'analyse de réseaux de régulation cellulaire.

In this thesis, we are interested in the qualitative analysis of the dynamics of two biological cycles that are central in eukaryotic cells, the cell division cycle and the circadian clock. For that purpose, we use asynchronous Boolean networks that provide an adapted qualitative framework. In these networks, cycles are captured by complex attractors containing hundreds of states. A new method for the analysis of such complex attractors is proposed. It is based on the construction of a summary graph of the attractor, enabling the comparison between the attractor's trajectories and qualitative properties of the biological cycle. The method is illustrated on a cell cycle model from the literature and of a circadian clock model we built from an existing continuous model. In both models our method proves to be efficient to visualize the attractor's structure and to compare it with the biological cycle. By combining the summary graph with a Markov chain, proportions of time spent in each phase are estimated. By combining it with a Boolean inference technique, we show how to locally adjust the asymptotic dynamics of the model in order to force specific dynamical properties. These two applications show the interest of our method in the modeling and analysis of cellular regulatory networks.; Dans cette thèse, nous nous intéressons à l'analyse qualitative de la dynamique de deux cycles biologiques centraux dans les cellules eucaryotes, le cycle de division cellulaire et l'horloge circadienne. Nous utilisons pour cela des réseaux Booléens asynchrones, bien adaptés à une analyse qualitative. Dans ces réseaux, les cycles sont capturés par des attracteurs complexes, pouvant contenir des centaines d'états. Nous proposons une nouvelle méthode d'analyse de ces attracteurs complexes, basée sur la construction d'un graphe résumé. Cette méthode permet de comparer les trajectoires contenues l'attracteur avec les propriétés qualitatives du cycle biologique. Nous illustrons notre méthode sur un modèle du cycle cellulaire de la littérature et sur un modèle de l'horloge circadienne, que nous avons construit à partir d'un modèle continu existant. Dans ces deux modèles, notre méthode s'est montrée efficace pour visualiser la structure de l'attracteur complexe et le comparer avec un cycle biologique. En combinant le graphe résumé avec une chaîne de Markov, nous estimons les proportions de temps passé dans les phases décrites par les oscillations. En le combinant avec une méthode d'inférence Booléenne, nous montrons également comment ajuster localement la dynamique asymptotique du modèle, afin de forcer certaines propriétés dynamiques. Ces deux applications montrent l'intérêt de notre méthode pour la modélisation et l'analyse de réseaux de régulation cellulaire.

Les réseaux booléens spécifient des systèmes dynamiques discrets finis, et sont largement employés pour modéliser les processus de différenciation et de décision cellulaire. Dans ce manuscrit, j’aborde différents aspects des réseaux booléens, en allant de considérations formelles sur leurs sémantiques jusqu’à leur mise en pratique pour la prédiction de stratégies de contrôle, et la mise à disposition d’environnements logiciels pour faciliter leur analyse. Je détaille la sémantique MP (« Most Permissive ») qui offre des garanties fortes sur l’abstraction des trajectoires de modèles non-booléens, avec une complexité réduite pour l’analyse de propriétés d’accessibilité et d’attracteurs, en particulier avec les réseaux booléens localement monotones. Je présente ensuite un résumé de travaux auxquels j’ai contribué par l’encadrement de thèses autour de la sémantique d’ensembles de réseaux booléens et multivalués, de la synthèse d’ensembles de réseaux booléens, et de leur reprogrammation séquentielle pour la prédiction de stratégies de reprogrammation cellulaire. Enfin, outre l’implémentation d’outils basés sur ces résultats de recherche, j’aborderai le développement de l’environnement logiciel CoLoMoTo, autour des technologies Docker et Jupyter, contribuant à l’accessibilité et la reproductibilité des analyses de modèles biologiques. Je termine sur des perspectives de recherches autour de la sémantique MP et de la synthèse d’ensembles de réseaux booléens prédictifs.

This thesis explains what is cell reprogramming in Boolean networks, and what are several methods to solve this problem.First, formal definitions of perturbations, perturbation sequences, reprogramming strategies, inevitability and existentiality of the strategies, and of reprogrammability are given, in the scope of Boolean networks.Moreover, a list of actual methods to find cell reprogramming targets is given, both in the scope of Boolean networks and outside of it.Then, it is described how a static analysis of the networks allows for better understanding of their dynamics, and how important strongly connected components of the interaction graph are.From this network with the added information of the attractor list, an algorithm finds a list of variables to perturb, sometimes with the necessity of a precise order.Then, how to construct a new model is explained, allowing to make perturbations sequentially, thus using the Boolean network dynamics between the perturbations.Given the high complexity of this approach, we also explain an in-between approach, where only the attractors of the network can be perturbed, thus allowing for a smaller complexity.Lastly, a case study is done, where biological Boolean networks from literature are used, and on which the different algorithms from the thesis are applied.We show that sequential reprogramming strategies allow for new perturbation sequences, with smaller perturbations than one-step reprogramming strategies.; Cette thèse explique ce qu'est la reprogrammation cellulaire dans le cadre des réseaux Booléens, et quelles sont différentes méthodes pour obtenir des solutions à ce problème.Premièrement, on y établit formellement les définitions de perturbations, séquences de perturbations, stratégies de reprogrammation, inévitabilité et existentialité desdites stratégies, et ce qu'est la reprogrammabilité, dans le cadre des réseaux Booléens.De plus, il y est listé les techniques actuelles pour trouver les cibles de reprogrammation cellulaire, dans le cadre des réseaux Booléens et d'autres modèles.On y décrit ensuite comment une analyse statique du réseau permet de comprendre mieux leur dynamique, et le rôle important des composantes fortement connexes du graphe d'interaction.À partir de ce réseau et de la donnée externe de la liste des attracteurs, un algorithme permet de trouver certaines variables à perturber, parfois nécessairement dans un ordre donné.Ensuite, on y explique comment construire un nouveau modèle pour pouvoir faire des perturbations de manière purement séquentielle, et ainsi profiter de la dynamique du réseau Booléen entre les perturbations.Etant donnée la complexitée élevée de cette approche, on y explique également une approche intermédiaire, ou seulement les attracteurs du réseaux sont perturbables, permettant une complexité plus faible.Enfin, une étude de cas est faite, où divers réseaux Booléens biologiques sont utilisés, avec les différentes approches expliquées au long de la thèse. On y constate que les stratégies de reprogrammation séquentielles permettent de trouver des séquences de perturbations différentes, avec des perturbations plus petitesque si l'on ne perturbe qu'une seule fois.

Kidney disease affects about 5 million people in France mostly due to the increase in life expectancy and the evolution of our lifestyles (sedentary living, diet). Patient management is currently largely ineffective due to late diagnosis and our lack of understanding of the complex mechanisms that govern its progression. The study of the urinary proteome has emerged as an excellent way to discover biomarkers of nephropathies and thus to better understand the underlying pathophysiological mechanisms. Systems biology allows the molecular information contained in urine to be used to understand the overall organization of the regulatory networks in the diseased kidney tissue. In my thesis we have applied systems biology with two aims : The first aim was to improve the understanding of the pathophysiological mechanisms of kidney disease based on the analysis of urine molecular composition. Since the information in urinary proteome is mainly limited to excreted proteins, it is essential to have bioinformatic analysis methods available to "trace back" the key proteins present in the kidney tissue, but not excreted in the urine. Since this type of method is not widely used in nephrology, I have developed a methodological tool to identify in silico new key actors in kidney disease from the analysis of the urinary proteome. This new tool, called PRYNT (PRioritization bY causal NeTworks), is based on the use of protein-protein interactions with a prioritization method to identify proteins in the network that preferentially interact with urinary protein biomarkers. The second aim of my thesis was to develop systems biology approaches for the detection and progression of kidney disease using the molecular composition of urine. We developed a quantitative approach to propose an answer to these questions. I then applied this approach to the analysis of the urinary metabolome and amniotic fluid peptidome. Modelling and statistical methods allowed in these contexts to predict the presence of kidney disease and its progression., Les maladies rénales concernent 5 millions de personnes en France et ce nombre ne cesse de croître compte tenu de l'augmentation de l'espérance de vie et de l'évolution de nos modes de vie (sédentarité, alimentation). La prise en charge des malades est actuellement peu efficace en raison d'un diagnostic trop tardif et de notre méconnaissance des mécanismes complexes qui régissent leur progression. L'étude du protéome urinaire s'est imposée comme un excellent moyen pour découvrir des biomarqueurs des néphropathies et ainsi mieux comprendre les mécanismes physiopathologiques. La biologie des systèmes permet d'exploiter l'information moléculaire contenue dans l'urine pour en déduire l'organisation globale des réseaux de régulation dans le tissu rénal malade. C'est dans ce contexte que se situe ce travail de thèse. Deux problématiques ont été abordées dans cette thèse : La première relève de la compréhension des mécanismes physiopathologiques : " Comment identifier de nouveaux acteurs clés dans le développement des maladies rénales à partir de l'analyse de la composition moléculaire de l'urine ? " . L'information du protéome urinaire se limitant majoritairement aux protéines excrétées, il est essentiel d'avoir à disposition des méthodes d'analyses bio-informatiques pour "remonter" aux protéines clés présentes dans le tissu rénal, mais non excrétées dans l'urine. Ce type de méthodes étant peu utilisé en néphrologie, nous avons développé un outil méthodologique fiable pour identifier in silico de nouveaux acteurs clés des maladies rénales à partir de l'analyse du protéome urinaire. Ce nouvel outil, appelé PRYNT (PRioritization bY causal NeTwork), repose sur l'utilisation des interactions protéine-protéine associée à une méthode de priorisation pour repérer les protéines du réseau qui interagissent préférentiellement avec les biomarqueurs protéines urinaires. La seconde problématique s'inscrit dans une démarche de médecine diagnostique, la question étant : " Comment détecter la présence d'une maladie rénale ou prédire son évolution à partir de l'analyse de la composition de l'urine ? ". J'ai développé une approche quantitative pour proposer une réponse à cette question. J'ai ensuite appliqué cette approche au métabolome de l'urine et au peptidome du liquide amniotique qui reflètent la fonction rénale. La modélisation et les méthodes statistiques permettent dans ce contexte de prédire la maladie.

Nowadays, cardiovascular diseases remain a main public health issue in developed countries.Following a myocardial infarction (MI), at least 30% of patients developed a left ventricularremodeling (LVR), that can lead to heart failure (HF) and to death. The aims of this project were tostudy the mechanisms involved in LVR post-MI and HF and to identify new biomarkers allowing theprediction of a deleterious evolution after MI and early death of HF patients by systems biology andstatistical approaches.First, we built a molecular network based on experimental data obtained in the plasma of post-MI patients of the REVE-2 study at 4 time-points (baseline, 1 month, 3 months and 1 year). An activemodule analysis, extracted at each time-point between patients with LVR and patients without LVR,and a betweenness centrality analysis allowed the selection of 6 molecules potentially involved inLVR : 2 transcription factors, EP300 and ESR1, and 4 microRNAs, miR-335-5p, miR-26b-5p, miR-375 and miR-17-5p. We showed that ESR1 mRNA was significantly increased at 2 months post-MI inthe LV a model of post-MI rats, miR-26b-5p was significantly decreased at 7 days post-MI and miR-335-5p had a trend to increase at 7 days post-MI.Secondly, we built a molecular network using the experimental data obtained by SOMAscanassay, in the plasma of patients diagnosed for systolic HF from the INCA study and followed during 3years. A topological and betweenness centrality analysis allowed the study of the mechanismsinvolved in HF. In parallel, a penalised regression analysis, performed in collaboration with the Bililleplatform, allowed the selection of 6 proteins (C3, MAPKAPK5, Cathepsin S, MMP-1, MMP-7 andFAM107B) that allowed the prediction of early death of HF patients. The quantification of C3, MMP-1 and MMP-7 by conventional assays (ELISA, Luminex) in a subset of the INCA population gaveconsisting results with the SOMAscan assay, but not for cathepsin S.; De nos jours, les maladies cardiovasculaires restent un enjeu de santé publique majeur dans lespays développés. Suite à un infarctus du myocarde (IDM), 30% des patients développent unremodelage ventriculaire gauche (RVG) qui peut conduire à une insuffisance cardiaque (IC) et audécès des patients. Les objectifs de ce projet sont d’étudier les mécanismes impliqués dans le RVGpost-IDM et l’IC et d’identifier de nouveaux biomarqueurs permettant de prédire une évolutiondélétère suite à un IDM et le décès précoce des patients IC par des approches de biologie des systèmeset de statistiques.Dans un premier temps, nous avons construit un réseau d’interactions moléculaires à partir dedonnées expérimentales obtenues dans le plasma des patients post-IDM de l’étude REVE-2 à 4 temps(inclusion, 1 mois, 3 mois et 1 an post-IDM). Une analyse des modules actifs, extraits à chaque tempsentre les patients avec un RVG élevé et les patients sans RVG, et de la centralité a permis d’identifier6 molécules possiblement impliquées dans le RVG post-IDM : 2 facteurs de transcription (EP300 etESR1) et 4 microARNs (miR-335-5p, miR-26b-5p, miR-375 et miR-17-5p). Nous avons montré quel’ARNm de ESR1 est significativement augmenté dans le VG d’un modèle de rats post-IDM à 2 moispost-IDM, que le miR-26b-5p est significativement diminué à 7 jours post-IDM et que le miR-335-5ptend à augmenter à 7 jours post-IDM.Dans un second temps, nous avons construit un réseau d’interactions moléculaires à partir dedonnées expérimentales obtenues par SOMAscan assay, dans le plasma des patients IC de l’étudeINCA suivis pendant 3 ans. Une analyse des clusters et de la centralité des molécules du réseau apermis l’étude des mécanismes impliqués dans l’IC. En parallèle, une analyse de régression pénalisée,réalisée en collaboration avec la plateforme Bilille, a permis l’identification de 6 protéines(Complément C3, MAPKAPK5, Cathepsine S, MMP-1, MMP-7 et FAM107B) permettant de prédirele décès précoce des patients IC. La quantification de C3, MMP-1 et MMP-7 par des dosagesconventionnels (ELISA, Luminex) dans une sous-population de INCA a donné des résultatsconcordants avec le SOMAscan assay, mais pas pour la cathepsine S.

Nowadays, cardiovascular diseases remain a main public health issue in developed countries.Following a myocardial infarction (MI), at least 30% of patients developed a left ventricularremodeling (LVR), that can lead to heart failure (HF) and to death. The aims of this project were tostudy the mechanisms involved in LVR post-MI and HF and to identify new biomarkers allowing theprediction of a deleterious evolution after MI and early death of HF patients by systems biology andstatistical approaches.First, we built a molecular network based on experimental data obtained in the plasma of post-MI patients of the REVE-2 study at 4 time-points (baseline, 1 month, 3 months and 1 year). An activemodule analysis, extracted at each time-point between patients with LVR and patients without LVR,and a betweenness centrality analysis allowed the selection of 6 molecules potentially involved inLVR : 2 transcription factors, EP300 and ESR1, and 4 microRNAs, miR-335-5p, miR-26b-5p, miR-375 and miR-17-5p. We showed that ESR1 mRNA was significantly increased at 2 months post-MI inthe LV a model of post-MI rats, miR-26b-5p was significantly decreased at 7 days post-MI and miR-335-5p had a trend to increase at 7 days post-MI.Secondly, we built a molecular network using the experimental data obtained by SOMAscanassay, in the plasma of patients diagnosed for systolic HF from the INCA study and followed during 3years. A topological and betweenness centrality analysis allowed the study of the mechanismsinvolved in HF. In parallel, a penalised regression analysis, performed in collaboration with the Bililleplatform, allowed the selection of 6 proteins (C3, MAPKAPK5, Cathepsin S, MMP-1, MMP-7 andFAM107B) that allowed the prediction of early death of HF patients. The quantification of C3, MMP-1 and MMP-7 by conventional assays (ELISA, Luminex) in a subset of the INCA population gaveconsisting results with the SOMAscan assay, but not for cathepsin S., De nos jours, les maladies cardiovasculaires restent un enjeu de santé publique majeur dans lespays développés. Suite à un infarctus du myocarde (IDM), 30% des patients développent unremodelage ventriculaire gauche (RVG) qui peut conduire à une insuffisance cardiaque (IC) et audécès des patients. Les objectifs de ce projet sont d’étudier les mécanismes impliqués dans le RVGpost-IDM et l’IC et d’identifier de nouveaux biomarqueurs permettant de prédire une évolutiondélétère suite à un IDM et le décès précoce des patients IC par des approches de biologie des systèmeset de statistiques.Dans un premier temps, nous avons construit un réseau d’interactions moléculaires à partir dedonnées expérimentales obtenues dans le plasma des patients post-IDM de l’étude REVE-2 à 4 temps(inclusion, 1 mois, 3 mois et 1 an post-IDM). Une analyse des modules actifs, extraits à chaque tempsentre les patients avec un RVG élevé et les patients sans RVG, et de la centralité a permis d’identifier6 molécules possiblement impliquées dans le RVG post-IDM : 2 facteurs de transcription (EP300 etESR1) et 4 microARNs (miR-335-5p, miR-26b-5p, miR-375 et miR-17-5p). Nous avons montré quel’ARNm de ESR1 est significativement augmenté dans le VG d’un modèle de rats post-IDM à 2 moispost-IDM, que le miR-26b-5p est significativement diminué à 7 jours post-IDM et que le miR-335-5ptend à augmenter à 7 jours post-IDM.Dans un second temps, nous avons construit un réseau d’interactions moléculaires à partir dedonnées expérimentales obtenues par SOMAscan assay, dans le plasma des patients IC de l’étudeINCA suivis pendant 3 ans. Une analyse des clusters et de la centralité des molécules du réseau apermis l’étude des mécanismes impliqués dans l’IC. En parallèle, une analyse de régression pénalisée,réalisée en collaboration avec la plateforme Bilille, a permis l’identification de 6 protéines(Complément C3, MAPKAPK5, Cathepsine S, MMP-1, MMP-7 et FAM107B) permettant de prédirele décès précoce des patients IC. La quantification de C3, MMP-1 et MMP-7 par des dosagesconventionnels (ELISA, Luminex) dans une sous-population de INCA a donné des résultatsconcordants avec le SOMAscan assay, mais pas pour la cathepsine S.

This PhD project takes place in List MAPS, a Horizon 2020-funded Marie Curie Actions InnovativeTraining Network (ITN) with the goal of understandingof the ecology of Listeria monocytogenesthrough the combination of high throughput Epigenetics, Deep sequencing of transcripts, Proteomics, Bioinformatics, Mathematics and Microbiology. Acentralobjective of the ITN is to decipher the mechanismsunderlying adaptation and virulence of L. monocytogenes“from farm to fork”.This PhD project (subproject9) aims to tackle the task of transcription regulatorynetwork construction. A significant part of regulationat the transcriptional level is achieved by modulationof transcription initiation rate. In bacteria, transcriptioninitiation relies on recognition of particular sequencemotif by a Sigma-factor approximately 10 bpupstream of the transcription start site (TSS) and ismodulated by the binding of transcription factors recognizingother sequence motifs located nearby. RNASeqtranscriptomics provides direct information on therepertoire of TSSs and transcription units and therebyoffers renewed perspectives to address the problemof transcription factor binding sites identification. Thegoal of this PhD project is to assess existing toolsand to develop new methods for prediction of TF bindingsites by combining expression profiles and preciseinformation on the location of the TSSs. Severalapproaches based on position weight matrix (PWM)models will be investigated to extend the classicalmixture model by relaxing the hypothesis that motifscorresponding to different TF binding sites occur independentlybetween TSS regions.In the new model,we will explicitly account for the increased probabilityof occurrence of a same motif in two promoters whentheir profiles of activity across conditions are similar. A particular attention will also be paid to the positionof the motif with respect to the TSS and the sigmafactor binding site. In parallel to the methodologicaldevelopments we will also work on the use of theseapproaches to build the transcription regulatory networkof L. monocytogenes based on data form theliterature and from the List MAPS project. Finally, wewish to use the information on the regulatory networkto tackle a particular point relevant for the List MAPSproject using a dedicated model., Une part prépondérante de la régulation au niveau transcriptionnel passe par la modulation du taux d’initiation de la transcription. Chez les bactéries,l’initiation de la transcription implique la reconnaissance par le facteur sigma de l’ANR polymérase d’un motif de séquence particulier localisé approximativement10 bp en amont du site d’initiation de la transcription(TSS). Elle est modulée par la fixation de facteurs de transcription qui reconnaissent d’autres motifs à proximité. La technologie RNA-Seq donne accès au répertoire des TSS et des unités de transcriptions et offre donc des perspectives renouvelées pour s’attaquer au problème de l’identification des motifs de fixation des facteurs de transcription. Ce travail de thèse a visé à évaluer les outils existants et à développer de nouvelles méthodes pour la prédiction des sites de fixation des facteurs de transcription en combinant l’information des profils d’expression et des positions des TSS. Plusieurs approches fondées sur les modèles de matrices poids-position (PWM) vont être explorées pour étendre le modèle de mélange classiquement utilisé en relâchant l’hypothèse selon laquelle les motifs correspondants aux différents sites de fixations apparaissent indépendamment dans les différentes régions promotrices. Dans les nouveaux modèles, nous prendrons explicitement en compte une probabilité supérieure d’apparition d’un même motif dans des promoteurs dont les profils d’activité sont similaires. Une attention particulière sera aussi portée à la position du motif par rapport au TSS et au site de fixation du facteur sigma. En parallèle des développements méthodologiques nous travaillerons aussi sur l’utilisation de ces approches pour reconstruire le réseau des régulations transcriptionnelles chez L. monocytogenes en s’appuyant sur les données de la littérature et du projet List MAPS. Enfin,nous envisageons d’utiliser l’information sur le réseau de régulation pour étudier un point particulier qui serait pertinent.

International audience; No abstract available

International audience; This article attempts to address the role of integrative neuroscience in modern psychiatry from nosographic and semiological perspectives. It attempts to compare the need for multidimensional approach with a multi-scale understanding of the mechanisms involved in the emergence of mental disorders. The first part discusses the place of neuroscience in the classification of mental disorders, notably in the delimitation of the normal and the pathological, then the definition of the various psychiatric disorders. The second part focuses on the place of neuroscience in the semiology of mental disorders, more particularly on latent variable and multi-scale approaches. In conclusion, all those issues are confronted with those more ethical of medicine.; Cet article essaye d’aborder les enjeux des neurosciences intégratives pour la psychiatrie suivant une perspective nosographique et sémiologique. Il tente de mettre en parallèle la nécessité d'une approche multidimensionnelle avec une compréhension multi-échelles des mécanismes impliqués dans l'émergence des troubles mentaux. La première partie discute la place des neurosciences dans les processus de classifications des troubles mentaux, notamment dans la délimitation du normal et du pathologique, puis de la définition des différents troubles psychiatriques. La deuxième partie se tourne vers la place des neurosciences dans l’approche de la sémiologie des troubles mentaux, plus particulièrement sur les approches en variable latente et multi-échelles. En conclusion, tous ces enjeux sont confrontés à ceux plus éthiques de la médecine.

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2019; Aachen 1 Online-Ressource (212 Seiten) : Illustrationen (2019). = Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2019, The central question of systems biology is to understand how individual components of a biological system engage in novel behavior and produce unique phenomena with the system itself constraining the components. The evolution of disease-related phenotypes in biological cells is driven by emerging patterns arising from the mutual interactions of thousands of molecular entities of a similar type, such as genes or proteins. Each network of entities interact with the respective networks of other entities, where the nature of the detailed interaction across these multiple levels of molecular functionalities is not known. Nevertheless, network biology reveals generic organizational structures within the interaction networks of similar entities across the functional level. Moreover, in terms of systems theory, living cells are open systems in quasi-steady state type equilibrium in continuous exchange with their environment. Hence, it has been hypothesized that the translation of computational techniques that have been successfully applied in statistical thermodynamics in order to describe the evolution of emerging patterns as phase transitions in non-living systems may provide new insights to emerging behavior of biological systems. However, in contrast to complex interaction networks in physics, the topology of biological interaction networks is characterized by almost scale-free network topologies. Therefore, computational techniques in solid state physics requiring invariance groups in the interaction network topology, e.g. translational invariance, periodicities or symmetries, are not directly applicable to biological systems. Moreover, the size of the biological networks(𝑁 ≈ 10^5 to 10^6) is very small compared to structures in solid state physics. On the one hand, such that size-related effects may not be neglected, but are far too large for a brute force calculation of the sum over the states as well. In the first part of the thesis, we will systematically evaluate the translation of computational techniques from solid-state physics to biological interaction networks and develop specific translational rules to tackle the finite size problem, the topology problem and the challenge of the necessary reduction of complexity for the scale-free network topologies. We will focus our computational analysis on biological networks in a quasi-steady state with a focus on disease propagation in chronic diseases as well as dynamical networks arising from neurological challenges. Because of the high degree of uncertainty of the detailed biological mechanisms driving the respective networks in cells, we will focus our analysis on the established generic features in network biology which provide a reasonable approximation of the reality in single cells, namely systems where any entity can exhibit only two states. In addition, we present an approximation of the Ising model on scale-free networks by an Ising model on the lattice by approximating the adjacency matrix with an effective coupling constant. The latter part of the thesis focusses on modeling and analysis of neuronal networks. Neurons emit spikes when they reach a specific threshold voltage owing to input from external sources, usually neighboring neurons. Traditional schemes adopted to propagate neuron dynamics may miss spikes arriving from upstream neurons. We present a general method to catch these spikes using the geometric idea of back propagation of the threshold plane. Also, we present an analysis of calcium oscillations in dopaminergic neurons that distinguishes firing patterns of neural cells at early from advanced stages of differentiation based on their periodicity, the structure of correlation matrixes and spiking frequency. The methods outlined in this thesis offer a framework for investigating complexity in biologically relevant networks of large sizes and hence have applicability outside of the specific network types considered herein., Published by Aachen

The main goal of this thesis project is to study and characterize mechanisms involved in respiratory to fermentative shift in eukaryotic cells endowed with mitochondrial metabolism. Eukaryotic cells have different oxygen requirements for energy production and survival in a given environment. They are described as strict aerobic when the presence of oxygen is necessary or optional aero-anaerobic in when oxygen is not essential for energy production. The yeast Yarrowia lipolytica was chosen as our study model thanks to its particularity since it is a strict aerobic microorganism with a high capacity to accumulate lipids and to produce organic acids. Experimental and analytical studies, using mathematical methods for modeling cell metabolism, allowed us to identify metabolic constraints involved in respiratory to fermentative transition in this yeast showing oxidative energy metabolism. Production of citric acid by Y. lipolytica, already reported in the literature, has been chosen as a marker for this in respiratory to fermentative shift. We found that the inhibition of the alternative oxidase protein (AOX) involved in mitochondrial respiration, by adding n-Propyl gallate (nPG) molecule improves the yield of citric acid production by fermentation of glucose in a Y. lipolytica culture. These results show that nPG, already used in food and pharmaceutical industry as a preservative, plays on respiratory to fermentative balance by inhibition of oxygen consumption and thus stimulates the production of citric acid. Modeling of the metabolic network of Y. lipolytica, described at genome-scale, by dynamic Flux Balance Analysis (FBA) has identified the accumulation of intracellular ROS (Reactive Oxygen Species) species as major levers for respiratory to fermentative shift and therefore the production of citric acid by Y. lipolytica. Therefore, our preliminary results show that oxidation of lipids accumulated by Y. lipolytica could be involved in generation of ROS species. This study must be experimentally deepened and constitutes an important contribution for the agri-food and pharmaceutical industry.Key words: Respiratory to fermentative shift, Citric acid, lipids, Yarrowia lipolytica, n-Propyl gallate, Reactive Oxygen Species, modeling, dynamic Flux Balance Analysis, L’objectif de ce projet de thèse est d’étudier et caractériser les mécanismes impliqués dans la bascule respiro-fermentaire chez des cellules eucaryotes dotées d’un métabolisme mitochondrial. Les cellules eucaryotes ont des besoins différents en oxygène pour la production d’énergie et leur survie dans un environnement donnée. Elles sont qualifiées de type aérobie stricte lorsque la présence d’oxygène leur est nécessaire ou aéro-anaérobie facultatif dans le cas où l’oxygène n’est pas indispensable à la production d’énergie. La levure Yarrowia lipolytica a été choisie comme modèle d’étude de par sa particularité à être un micro-organisme aérobie strict avec une grande capacité d’accumuler de lipides et de production d’acides organiques. Les études expérimentales et analytiques, par l’emploi de méthodes mathématiques de modélisation du métabolisme, ont permis d’identifier des contraintes métaboliques impliquées dans la transition respiro-fermentaire chez cette levure au métabolisme énergétique oxydatif. La production de l’acide citrique par Y. lipolytica, déjà rapportée dans la littérature, a été choisi comme un marqueur de cette transition respiro-fermentaire. Nous avons découvert que l’inhibition de la protéine oxydase alternative (AOX), impliquée dans la respiration mitochondriale, par la molécule n-propyl gallate (nPG) permet d’améliorer le rendement de production d’acide citrique par fermentation du glucose dans une culture de Y. lipolytica. Ces résultats montrent que la nPG, déjà utilisée dans l’industrie agro-alimentaire et pharmaceutique en tant que conservateur joue sur la bascule respiro-fermentaire par inhibition de la consommation d’oxygène et stimule ainsi la production d’acide citrique. La modélisation du réseau métabolique de Y. lipolytica, décrit à l’échelle du genome, par dynamic Flux Balance Analysis (dFBA) a permis d’identifier l’accumulation des espèces oxydantes dites ROS (Reactive Oxygen Species) comme un levier majeur de la bascule respiro-fermentaire et donc de la production d’acide citrique chez la levure Y. lipolytica. De plus, nos résultats préliminaires montrent que l’oxydation des lipides accumulés par Y. lipolytica pourrait être à l’origine de la génération des ROS. Cette étude doit être approfondie expérimentalement et constitue un apport important pour l’industrie agro-alimentaire et pharmaceutique.Mots clés : Bascule respiro-fermentaire, Acide citrique, lipides, Yarrowia lipolytica, n-propyl gallate, Reactive Oxygen Species, modélisation, dynamic Flux Balance Analysis

In the omics era, the study of genotype-phenotype relations requires the integration of a wide variety of data to describe diverse aspects of biological systems. Comparative genomics provides an original perspective, that of evolution, allowing the exploitation of the wide phenotypic diversity of living species. My thesis focused on the design of evolutionary markers to describe genes according to their evolutionary history. First, I built an exhaustive orthology resource, called OrthoInspector 3.0, to extract synthetic evolutionary information from genomic data. I then developed methods to explore the markers in relation to functional or phenotypic data. These methods have been incorporated in the OrthoInspector resource, as well as in the MyGeneFriends social network and applied to the study of ciliopathies, leading to the identification of 87 new ciliary genes.; A l’ère des omiques, l’étude des relations génotype-phénotype repose sur l’intégration de données diverses décrivant des aspects complémentaires des systèmes biologiques. La génomique comparative offre un angle d’approche original, celui de l’évolution, qui permet d’exploiter la grande diversité phénotypique du Vivant. Dans ce contexte, mes travaux de thèse ont porté sur la conception de marqueurs évolutifs décrivant les gènes selon leur histoire évolutive. Dans un premier temps, j’ai construit une ressource d’orthologie complète, OrthoInspector 3.0 pour extraire une information évolutive synthétique des données génomiques. J’ai ensuite développé des outils d’exploration de ces marqueurs en relation avec les données fonctionnelles et/ou phénotypiques. Ces méthodes ont été intégrées à la ressource OrthoInspector ainsi qu’au réseau social MyGeneFriends et appliquées à l’étude des ciliopathies, conduisant à l’identification de 87 nouveaux gènes ciliaires.

Divers transcrits acquièrent une asymétrie spatiale au sein de certaines cellules procaryotes et eucaryotes, phénomène qualifié de « localisation des ARNs ». Chez les types cellulaires dotés d’une polarisation marquée, notamment les neurones ou certains embryons, la localisation des ARNm constitue un mécanisme élégant permettant de restreindre l’expression et l’activité protéique associée à un contexte spatiotemporel précis. Bien que diverses techniques d’imagerie permettent d’apprécier la distribution spatiale des transcrits à haute résolution, elles se prêtent difficilement à l’étude systématique de l’asymétrie spatiale du transcriptome. Cette thèse retrace d’abord le développement de méthodes biochimiques de fractionnement cellulaire et extracellulaire couplées au séquençage à haut débit des ARNs comme approche systématique dans l’étude de la localisation des ARNs. Ces méthodologies, qualifiées collectivement de CeFra-seq (« Cell Fractionation – RNA-seq »), se veulent complémentaires aux outils d’imagerie. Le chapitre 4 est consacré à une description technique détaillée de l’approche CeFra-seq chez les cellules humaines leucémiques K562, accompagnée d’étapes de validation et de transformation de données. Les chapitres subséquents traitent ensuite de l’application de ces méthodologies pour explorer quatre questions fonctionnelles chez divers systèmes biologiques. Le chapitre 6 tire profit de l’approche CeFra-seq pour explorer les propriétés subcellulaires des ARNs ciblés aux vésicules extracellulaires (VEs). Les VEs correspondent à un groupe hétérogène de structures nanoscopiques constituées d’une bicouche lipidique qui contiennent un répertoire spécifique d’acides nucléiques et des protéines. Ubiquitaire au sein des liquides biologiques, les VEs ont été associées à la communication intercellulaire dans divers contextes, de la présentation des antigènes à la progression tumorale. Or, les mécanismes qui déterminent la localisation préférentielle de certains ARNs aux VEs demeurent nébuleux. En contrastant de manière systématique les populations d’ARNs contenus dans ces structures aux répertoires subcellulaires obtenus par l’approche de CeFra-seq, mon travail a permis de mettre en évidence certaines propriétés associées au ciblage extracellulaire, notamment l’accessibilité cytosolique, la taille des ARNs ainsi que des éléments de séquence en cis. Le chapitre 7 propose une comparaison extensive des propriétés morphologiques et transcriptomiques des VEs issues d’une série de lignées cellulaires humaines et de lignées embryonnaires de Drosophile. Ce travail révèle que les VEs de Drosophile sont plus petites que celles des cancers humains et que l’enrichissement d’ARNs courts transcrits par la polymérase III prévaut chez les VEs des deux espèces. Ensemble, ces résultats valident l’hypothèse d’une conservation élevée des phénomènes d’export de l’ARN. Le chapitre 8 étend CeFra-seq à un nouveau contexte biologique : le développement embryonnaire de la Drosophile. Ici, cette méthodologie conduit à l’établissement de répertoires de transcrits dotés d’une forte asymétrie spatiale et temporelle au cours de l’embryogenèse. L’analyse des mutants SLBP, un facteur de maturation des ARNs d’histone, et de Chk1, régulateur des voies de dommage à l’ADN, montre ensuite que la déplétion de ces protéines compromet sélectivement l’expression des transcrits zygotiques, identifiés grâce à la méthode CeFra-seq. Le chapitre 9 relate une étude des ARNs antisens issus du locus des histones pendant l’embryogenèse de la Drosophile. L’expression de ces transcrits non-polyadénylés fluctue pendant le développement et dépend de la protéine SLBP. Ici, l’approche CeFra-seq révèle que ces transcrits antisens, strictement zygotiques, co-ségréguent avec leurs ARNm complémentaires, un résultat qui évoque la formation d’ARN double-brin, puis de petits ARN interférents. Pour faire suite à cette hypothèse, j’ai démontré que de petits transcrits issus du locus des histones s’associent au facteur catalytique de la machinerie d’interférence aux ARNs, Argonaute-2. De plus, la déplétion d’Argonaute-2 mène à une dérepression des ARNm d’histones. Ensemble, ces résultats suggèrent un modèle de transcription antisens zygotique précoce menant à la formation de petits ARNs interférents qui contribuent à l’élimination des ARNm d’histones contribués maternellement. Ainsi, cette thèse est échafaudée sur le développement d’une approche versatile de l’étude systématique de la localisation des ARN, CeFra-seq, décrite dans le chapitre 5. La mise au point de cette approche débouche ensuite sur des études fonctionnelles visant à mieux comprendre les propriétés des ARNs ciblés au VEs (Chapitre 6) et le degré de conservation de ce ciblage (Chapitre 7). La suite de la thèse exploite l’approche CeFra-seq pour explorer le phénotype transcriptomique de la déplétion de SLBP chez l’embryon de Drosophile (Chapitre 8), ainsi que les propriétés et fonctions d’ARN antisens issus du locus des histones chez l’embryon précoce (Chapitre 9)., Several RNA transcripts acquire spatially-resolved patterns in diverse prokaryotic and eukaryotic cells, a phenomenon termed “RNA localization”. In highly polarized cells, such as neurons or certain embryos, mRNA localization provides an elegant mechanism to restrict protein expression and activity to a narrow spatiotemporal context. Diverse imaging approaches have been developed to study RNA localization, including RNA in situ hybridization and the MS2 system. While these techniques enable the visualization of RNA spatial distributions at a high resolution, they hardly allow for systematic, transcriptome-wide analyses of spatial asymmetry. The first part of this thesis encompasses the development of biochemical, cell fractionation and extracellular milieu processing methods coupled to deep sequencing as a novel approach to study transcriptome-wide RNA localization. These methods, collectively termed CeFra-seq (“Cell Fractionation – RNA-seq”), are propose as a complementary tool with imaging approaches. Chapter 5 consists of a detailed technical description of the CeFra-seq methodology, along with a validation workflow and a relevant data transformation toolkit. The subsequent chapters discuss applications of these methods to investigate four outstanding questions in different biological systems. Chapter 6 relies on CeFra-seq to explore the subcellular properties of RNAs targeted to extracellular vesicles (EVs). EVs form a group of heterogeneous nanoscopic structures delimited by a phospholipid bilayer that contain specific repertoires of protein and nucleic acids. Ubiquitous in biological fluids, EVs have been associated to intercellular communication in diverse biological contexts, notably antigen presentation and tumor progression. Yet, the mechanisms that account for the enrichment of specific RNAs in EVs remain unclear. By systematically contrasting RNA populations found in EVs with subcellular distributions, my work has revealed diverse properties linked to EV targeting, including cytosolic accessibility, RNA length and cis-acting elements. Chapter 7 consists of an extensive comparison of the morphological and transcriptomic properties of EVs derived from several human and Drosophila cell lines. This work reveals that Drosophila EVs are smaller than their human counterparts and that they are both enriched in short, Polymerase III transcripts. Together, these results emphasize the high conservation of RNA export processes. Chapter 8 extends subcellular fractionation approaches coupled to deep sequencing in an additional biological system: Drosophila embryogenesis. Here, the method leads to repertoires of transcripts displaying high spatial and temporal asymmetry during development. The analysis of SLBP mutants, a factor involved in histone mRNA processing, and Chk1 mutnts, a regulator of the DNA damage response, shows that the depletion of these proteins selectively hampers the expression of zygotic transcripts, identified through CeFra-seq. Chapter 9 recounts a study of antisense transcripts derived from the histone gene locus during Drosophila embryogenesis. The expression of these non-polyadenylated RNAs fluctuates during development and depends on the protein SLBP. Here, CeFra-seq reveals that these antisense RNAs, which are strictly zygotic, co-segregate with their complementary mRNAs, hinting at the formation of double-stranded RNAs, precursors of small interfering RNAs. To follow-up on this hypothesis, I show that small RNAs derived from the histone gene locus bind to the catalytic factor of the RNA-induced silencing complex, Argonaute-2. In addition, depleting Argonaute-2 leads to a derepression of histone mRNAs. Together, these results suggest a model wherein precocious zygotic antisense transcription leads to the formation of small interfering RNAs, which contribute to the clearance of maternally deposited histone mRNAs. Hence, this thesis reflects the development and application of a versatile approach to study RNA localization, termed CeFra-seq and described in chapter 5. The use of this method leads to functional studies aiming to investigate the properties of EV-targeted RNAs (Chapter 6) and the extent of evolutionary conservation of this targeting process (Chapter 7). The rest of the thesis exploits the CeFra-seq approach to explore the transcriptomic phenotype of SLBP depletion in Drosophila embryos (Chapter 8), as well as the properties and functions of antisense RNAs produced by the histone gene locus in early embryos (Chapter 9).

Psychiatry: Issues for Integrative Neuroscience. This article attempts to address the role of integrative neuroscience in modern psychiatry from nosographic and semiological perspectives. It attempts to compare the need for multidimensional approach with a multi-scale understanding of the mechanisms involved in the emergence of mental disorders. The first part discusses the place of neuroscience in the classification of mental disorders, notably in the delimitation of the normal and the pathological, then the definition of the various psychiatric disorders. The second part focuses on the place of neuroscience in the semiology of mental disorders, more particularly on latent variable and multi-scale approaches. In conclusion, all those issues are confronted with those more ethical of medicine., Cet article essaye d’aborder les enjeux des neurosciences intégratives pour la psychiatrie suivant une perspective nosographique et sémiologique. Il tente de mettre en parallèle la nécessité d''une approche multidimensionnelle avec une compréhension multi-échelles des mécanismes impliqués dans l'émergence des troubles mentaux. La première partie discute la place des neurosciences dans les processus de classifications des troubles mentaux, notamment dans la délimitation du normal et du pathologique, puis de la définition des différents troubles psychiatriques. La deuxième partie se tourne vers la place des neurosciences dans l’approche de la sémiologie des troubles mentaux, plus particulièrement sur les approches en variable latente et multi-échelles. En conclusion, tous ces enjeux sont confrontés à ceux plus éthique de la médecine., Dumas Guillaume, Micoulaud-Franchi Jean-Arthur. La psychiatrie : Les enjeux pour les neurosciences intégratives. In: Intellectica. Revue de l'Association pour la Recherche Cognitive, n°69, 2018/1-2. Les Neurosciences au sein des Sciences de la Cognition entre Neuroenthousiasme et Neuroscepticisme. pp. 237-262.

During the last two decades, the huge increase of biological data production capacity and biological interactions knowledge leads to the development of many approaches integrating data and global knowledge. Our main aim was to propose new methods to characterize and compare genes expression profiles from cancer cells and normal plasma cells. For this purpose, we proposed 2 methods based on graph coloring. The first, which is able to infer the state of proteins and transcription factors from a genes expression profile, allowed us to identify transcription factor activity involved in tumors. The second method is able to identify independent subgraph (the components) based on perfect colorations. With this approach, we evaluated the similarity between genes expression profiles and "perfect states" of the components and were able to identify subgraphs specifically perturbated in cancer cells associated with oncogenic process.; Au cours des 2 dernières décennies, l’explosion des capacités de production de données biologiques et des connaissances sur les interactions biologiques ont permis le développement de nombreuses approches intégrant des données avec des connaissances plus générales. Notre principal objectif était de proposer de nouvelles méthodes de caractérisation et de comparaison de profils d’expressions de gènes issus de cellules cancéreuses d’individus atteints de myélome multiple et de plasmocytes normaux. Pour cela, nous proposons 2 méthodes basées sur les colorations de graphes de régulation. La première, qui permet d’inférer l’état des protéines et des facteurs de transcription à partir d’un profil d’expression, nous a permis d’identifier des activités de facteurs de transcription impliqués dans ces tumeurs. La seconde méthode permet de diviser un réseau de régulation en plusieurs sous-graphes indépendant (des composants) vis à vis de colorations dites "parfaites". Via cette approche, nous avons pu évaluer la similarité entre les profils d’expression et les états "parfait" des composants et en identifier spécifiquement perturbés dans les cellules cancéreuses associés à des voies oncogéniques.

Synthetic biology is an emerging science that aims to create new biological functions that do not exist in nature, based on the knowledge acquired in life science over the last century. Since the beginning of this century, several projects in synthetic biology have emerged. The complexity of the developed artificial bio-functions is relatively low so that empirical design methods could be used for the design process. Nevertheless, with the increasing complexity of biological circuits, this is no longer the case and a large number of computer aided design softwares have been developed in the past few years. These tools include languages for the behavioral description and the mathematical modelling of biological systems, simulators at different levels of abstraction, libraries of biological devices and circuit design automation algorithms. All of these tools already exist in other fields of engineering sciences, particularly in microelectronics. This is the approach that is put forward in this paper.

Vaccination is considered as one of the best therapeutic intervention to fight against infectious diseases. However, we still fail to develop protective vaccines for diseases such as AIDS or B hepatitis, which highlights our lack of knowledge of immune processes.For this thesis, we relied on a non-human primate model associated wih a vaccinia virus living attenuated vaccine derived called MVA (Modified Vaccinia virus Ankara). We deciphered innate, but also adaptive immune response using this model.MVA induces an important inflammatory reaction at the injection site and in the blood after intramuscular, subcutaneous, and intradermal administration. However, the magnitude of this immune reaction, as well as cellular and molecular effectorsin varies depending on the administration route. The consequences are important and lead to different adaptive immune profiles, with Th2 oriented response after subcutaneous route, and Th1 oriented response after intramuscular and intradermal route. It allowed us to highlight several cellular and molecular signatures that might modulate immune response in our model., La vaccination est considérée aujourd’hui comme une des méthodes les plus efficaces de se prémunir des maladies infectieuses. Cependant notre incapacité à produire un vaccin protégeant contre certaines maladies comme le SIDA ou l’hépatite C trahissent notre manque de compréhension des processus immuns. Cette thèse s’appuie sur une modèle primate non-humain associé à un vaccin vivant attenué dérivé du virus de la vaccine, le MVA (Modified Vaccinia virus Ankara) pour y décortiquer en détails la réponse immunitaire innée, mais aussi adaptative. Le MVA induit une importante réaction inflammatoire au niveau du site d’injection et dans le compartiment systémique par voie intramusculaire, sous-cutanée, et intradermique. Pourtant, l’amplitude de cette réaction immunitaire ainsi que les effecteurs cellulaires et moléculaires engagés varie selon la voie d’administration. Les conséquences en sont importantes, puisque cela est à l’origine d’une réponse adaptative plus orientée Th2 après voie sous cutanées, et plutôt Th1 après voies intramusculaires et intradermiques. Ainsi, nous mettons en évidence certaines signatures cellulaires et moléculaires susceptible d’orienter la réponse immunitaire dans notre modèle.

This thesis concern the study of the interindividual variability of transcriptome after stimulation. This variability is not homogenous within the same transcriptome and varies with external stimulus.We designed an analysis strategy of the interindividual variability based on diversity indices. We selected three transcriptome datasets based on particular characteristics (strong stimulus, kinetic, paired data…). The indices highlight differences across the samples, some being more diverse than the others. The differences decrease after applying a stimulation to the samples. We measure this modification with a measure of similarity. The results depict a global effect of the stimulation.We analysed the data using specialisation measure. The samples’ specialisation significantly decrease after stimulation, meaning the interindividual variability decreases when the system is on the pressure of a stimulus.Noteworthy, these information are different from those obtained with classical analyses. Our work describe also that this strategy leads to new hyptotheses. These indices are used for these analyses for the first time and can be added to the statistical and mathematical tools already available for transcriptome analysis. They show their capability for highlighting global but also individual modifications and therefore fits perfectly into the field of personalized medicine., Ce travail de thèse concerne l’étude de la variabilité inter-individuelle du transcriptome soumis à un stimulus. Cette variabilité n’est pas homogène au sein même du transcriptome et varie suite aux perturbations extérieures.Nous avons mis en place une stratégie d’analyse de la variabilité inter-individuelle sur la base des indices de diversité. Nous avons sélectionné trois jeux de données ayant des caractéristiques particulières (stimulus fort, faible, cinétique, données appariées, …). Ces indices nous permettent de mettre en évidence les différences entre les individus; certains ayant des transcriptomes plus divers que d’autre. Ces différences s’attenues après l’application d’un stimulus au système : La variabilité de la diversité diminue. Nous mesurons cette diminution à l’aide d’une mesure de la similarité. Les résultats indiquent un phénomène global. Nous avons par la suite analysé les données sous le regard d’un indice de spécialisation. Les différences entre groupes témoins et groupes sous l’action d’un stimulus indiquent que la spécialisation diminue de manière significative après l’action du stimulus.Les informations obtenues sont différentes de celles obtenues par les stratégies d’analyses statistiques classiques. Nos travaux montrent enfin que ces outils permettent d’établir de nouvelles hypothèses. Ces indices, utilisés pour la première fois pour ce type d’analyse, ouvrent ainsi la voie à un nouvel arsenal d’outils d’analyse pour la compréhension des modifications transcriptomiques globales mais aussi individuelles et s’inscrit donc parfaitement dans le mouvement de la médecine personnalisée.

Personalized medicine encompasses a broad and evolving field informed by a patient distinctive information and biomarker profile. Although terminology is evolving and some semantic interpretations exist (e.g., personalized, individualized, precision), in a broad sense personalized medicine can be coined as: “To practice medicine as it once used to be in the past using the current biotechnological tools.” A humanized approach to personalized medicine would offer the possibility of exploiting systems biology and its concept of P5 medicine, where predictive factors for developing a disease should be examined within populations in order to establish preventive measures on at-risk individuals, for whom healthcare should be personalized and participatory. Herein, the process of personalized medicine is presented together with the options that can be offered in health care systems with limited resources for diseases like rheumatoid arthritis and type 1 diabetes. © 2016 Elsevier B.V.

Vaccination is considered as one of the best therapeutic intervention to fight against infectious diseases. However, we still fail to develop protective vaccines for diseases such as AIDS or B hepatitis, which highlights our lack of knowledge of immune processes.For this thesis, we relied on a non-human primate model associated wih a vaccinia virus living attenuated vaccine derived called MVA (Modified Vaccinia virus Ankara). We deciphered innate, but also adaptive immune response using this model.MVA induces an important inflammatory reaction at the injection site and in the blood after intramuscular, subcutaneous, and intradermal administration. However, the magnitude of this immune reaction, as well as cellular and molecular effectorsin varies depending on the administration route. The consequences are important and lead to different adaptive immune profiles, with Th2 oriented response after subcutaneous route, and Th1 oriented response after intramuscular and intradermal route. It allowed us to highlight several cellular and molecular signatures that might modulate immune response in our model., La vaccination est considérée aujourd’hui comme une des méthodes les plus efficaces de se prémunir des maladies infectieuses. Cependant notre incapacité à produire un vaccin protégeant contre certaines maladies comme le SIDA ou l’hépatite C trahissent notre manque de compréhension des processus immuns. Cette thèse s’appuie sur une modèle primate non-humain associé à un vaccin vivant attenué dérivé du virus de la vaccine, le MVA (Modified Vaccinia virus Ankara) pour y décortiquer en détails la réponse immunitaire innée, mais aussi adaptative. Le MVA induit une importante réaction inflammatoire au niveau du site d’injection et dans le compartiment systémique par voie intramusculaire, sous-cutanée, et intradermique. Pourtant, l’amplitude de cette réaction immunitaire ainsi que les effecteurs cellulaires et moléculaires engagés varie selon la voie d’administration. Les conséquences en sont importantes, puisque cela est à l’origine d’une réponse adaptative plus orientée Th2 après voie sous cutanées, et plutôt Th1 après voies intramusculaires et intradermiques. Ainsi, nous mettons en évidence certaines signatures cellulaires et moléculaires susceptible d’orienter la réponse immunitaire dans notre modèle.

A major goal in systems biology is to inverstigate the dynamical behavior of reaction networks. There exists two main dynamical frameworks : the first one is the deterministic dynamics where the dynamics is described using odinary differential equations, the second one is probabilistic and relies on Markov chains. In both cases, one major issue is to determine the kinetic laws of the systems together with its kinetic parameters. As a consequence the direct study of large biological reaction networks is impossible. To deal with this issue, stationnary assumptions have been used. A widely used method is flux balance analysis, where systems of constraints are derived from information on the average slopes of the system trajectories. In this thesis, we construct a probabilistic analog of this stationnary analysis. The results are divided into three parts. First, we introduce a stationnary analysis of the probabilistic dynamics which relies on a Bernoulli approximation. Second, this approximated dynamics allows us to derive systems of constraints from information about the means, variances and co-variances of the system trajectories. Third, we present several applications of these systems of constraints such as the possibility to reject reaction networks using information from experimental variances and co-variances and the formal verification of logical properties concerning the stationnary regime of the system., L'étude de la dynamique des réseaux de réactions est un enjeu majeur de la biologie des systèmes. Cela peut-être réalisé de deux manières : soit de manière déterministe à l'aide d'équations différentielles, soit de manière probabiliste à l'aide de chaînes de Markov. Dans les deux cas, un problème majeur est celui de la détermination des lois cinétiques impliquées et l'inférence de paramètres cinétiques associés. Pour cette raison, l'étude directe de grands réseaux de réactions est impossible. Dans le cas de la modélisation déterministe, ce problème peut-être contourné à l'aide d'une analyse stationnaire du réseau. Une méthode connue est celle de l'analyse des flux à l'équilibre (FBA) qui permet d'obtenir des systèmes de contraintes à partir d'informations sur les pentes moyennes des trajectoires. Le but de cette thèse est d'introduire une méthode analogue dans le cas de la modélisation probabiliste. Les résultats de la thèse se divisent en trois parties. Tout d'abord on présente une analyse stationnaire de la modélisation probabiliste reposant sur une approximation de Bernoulli. Dans un deuxième temps, cette dynamique approximée nous permet d'établir des systèmes de contraintes à l'aide d'informations obtenues sur les moyennes, les variances et les co-variances des trajectoires du système. Enfin, on présente plusieurs applications à ces systèmes de contraintes telles que la possibilité de réfuter des réseaux de réactions à l'aide d'informations de variances ou de co-variances et la vérification formelle de propriétés logiques sur le régime stationnaire du système.

In this thesis, I propose an approach based on the formalism of constraint-based models to study the dynamics of a metabolic system. By combining the sampling of the solutions space and the use of a "feasibility" constraint between the considered time periods, this approach allows to model the dynamic of a metabolic system taking into account the variability of experimental measurements. The feasibility constraint between time periods ensures that each "solution trajectory" corresponds to a succession of flux maps which leads to some kinetics of concentrations that are consistent with the experimental measurements. The generation of a population of solution trajectories allows several analyses. On the one hand, the predicted flux maps can be used to estimate the most plausible flux within the network studied. On the other hand, the distribution of predicted concentrations enables to assess the model used for studying the metabolic network. The fact that this approach is based on the formalism of constraint-based modeling allows, using the steady-state assumption of the system, to study metabolic networks of relatively large size, and to use experimental data that are easily measurable, such as biomass concentration and extracellular metabolites concentration. This approach by "solution trajectories" has been used to study the dynamics of the metabolism of Corynebacterium glutamicum, when grown under biotin-limited condition. The results allowed, first, to attest the functioning of the method, and second, to propose several hypotheses about biological phenomena that take place during this particular growth condition., À l’issue de ce travail de thèse, je propose une approche basée sur le formalisme des modèles à base de contraintes, pour étudier la dynamique d’un système métabolique. En associant l’échantillonnage de l’espace des solutions avec l’utilisation d’une contrainte de « faisabilité » entre les périodes de temps considérées, cette approche permet de modéliser la dynamique d’un système métabolique en prenant en compte la variabilité des mesures expérimentales. La contrainte de faisabilité entre les périodes permet de garantir que chaque « trajectoire solution » correspond à une succession de cartes de flux qui conduit à des cinétiques de concentrations cohérentes avec les mesures expérimentales. Les populations de trajectoires solutions générées autorisent différents types d’analyses. D’une part, les répartitions de flux prédites peuvent être utilisées afin d’estimer les répartitions de flux les plus plausibles au sein du réseau étudié. D’autre part, la distribution des concentrations prédites permet d’évaluer le modèle utilisé pour étudier le réseau métabolique. Le fait que cette approche soit basée sur le formalisme de la modélisation à base de contraintes permet, moyennant l’utilisation de l’hypothèse d’état stationnaire du système, d’étudier des réseaux métaboliques de taille relativement grande, et d’utiliser des données expérimentales qui sont aisément mesurables, par exemple les concentrations en biomasse et en métabolites extracellulaires. Cette approche par « trajectoires solutions » a été utilisée afin d’étudier la dynamique du métabolisme de Corynebacterium glutamicum, lorsqu’elle est cultivée en condition de limitation en biotine. Les résultats obtenus ont permis d’une part d’attester du fonctionnement de la méthode, et d’autre part de proposer plusieurs hypothèses quant aux phénomènes biologiques qui ont lieu pendant cette condition particulière de croissance.

Genetic reference populations of laboratory mice : a new generation of animal models for human diseases. The mouse is the most used laboratory animal to study human diseases and to develop new therapeutic approaches. However, the results obtained in mice are not always translatable to humans. One reason is the reduced genetic diversity of mouse laboratory strains which is much smaller than that of human populations. Moreover, a study carried on a single mouse strain cannot reproduce the diversity of responses observed in humans. Mouse geneticists have developed novel collections of strains which encompass genetic variations at least similar to that of human populations. They provide not only new and highly varied phenotypes but also the possibility to develop systems biology approaches at an unprecedented scale., La souris est l’animal de laboratoire le plus utilisé pour étudier les maladies humaines et développer de nouvelles approches thérapeutiques. Toutefois, les résultats obtenus chez les souris ne sont pas toujours transposables à l’homme. L’une des raisons est la faible diversité génétique des lignées de souris de laboratoire, qui est bien moindre que celle des populations humaines. A fortiori, une étude portant sur une seule lignée de souris ne peut pas reproduire la diversité des réponses observées chez l’homme. Les généticiens de la souris ont développé de nouvelles collections de lignées qui comportent une variabilité génétique au moins égale à celle des populations humaines. Elles permettent non seulement d’obtenir des phénotypes nouveaux et très variés mais aussi de développer des approches de biologie des systèmes à une échelle inégalée., Montagutelli Xavier. Les populations génétiques de référence de souris de laboratoire : une nouvelle génération de modèles animaux pour les maladies humaines. In: Bulletin de l'Académie Vétérinaire de France tome 168 n°4, 2015. pp. 320-328.

System biology is a well-suited context for interdisciplinary. In this thesis, statistical models and theories closely meet biological models and experiments. We focused on a specific complex system model: the chronic B-cell chronic lymphocytic leukemia disease which is a cancer of the blood cells. We started by modeling the genetic program which underlies this disease and we compared it to the healthy one. This conduced us to introduce the concept of cascade networks. We then showed our ability to control this complex system by predicting with our mathematical model the effects of a gene inhibition experiment. This thesis ends with the perspective of oriented modulation, i.e. targeted interventional experiments on genes allowing to “reprogram” the cancerous genetic program toward a healthy normal state., La biologie des systèmes complexes est le cadre idéal pour l'interdisciplinarité. Dans cette thèse, les modèles et les théories statistiques répondent aux modèles et aux expérimentations biologiques. Nous nous sommes intéressés au cas particulier de la leucémie lymphoïde chronique à cellules B, qui est une forme de cancer des cellules du sang. Nous avons commencé par modéliser le programme génique tumoral sous-jacent à cette maladie et nous l'avons comparé au programme génique d'individus sains. Pour ce faire, nous avons introduit la notion de réseau en cascade. Nous avons ensuite démontré notre capacité à contrôler ce système complexe, en prédisant mathématiquement les effets d'une expérience d'intervention consistant à inhiber l'expression d'un gène. Cette thèse s'achève sur la perspective d'une modulation orientée, c'est-à-dire le choix d'expériences d'intervention permettant de « reprogrammer » le programme génique tumoral vers un état normal.

Ciliopathies are a large group of human disorders caused by dysfunction of primary or motile cilia and unified by their overlapping clinical features (brain malformations, retinal dystrophy, cystic kidney disease, liver fibrosis and skeletal abnormalities). Ciliopathies are mendelian disorders with prominent genetic heterogeneity and marked allelism between different clinical entities, which are in part explained by the recently identified functional modules and multi-protein complexes formed by ciliopathy-associated gene products. The current review provides an updated snapshot of this complex evolving field, highlighting the key phenotypic features and causative genes for commonly-studied ciliopathies and summarizing our emerging understanding of the correlations between the functions of subgroups of genes and clinical sub-types of ciliopathies. Using the example of Joubert syndrome, a ciliopathy characterized by a distinctive hindbrain malformation and caused by mutations in more than 20 different genes, this work also reviews the principal methods used for new gene identification, including candidate gene approaches, homozygosity mapping as well as high throughput next-generation and exome sequencing.

Precision medicine in oncology is becoming reality thanks to the next-generation sequencing of tumours and the development of targeted inhibitors enabling tailored therapies. Many clinical trials base their strategy on the identification of mutations to deliver the targeted inhibitor that counteract supposedly the effect of a mutated gene. Recent results have shown that this gene-centered strategy can be successful, but can also fall short in stopping progression. This is due to the many compensation mechanisms, cross-talks and feedback loops that enable the tumoral cell to escape treatment. Taking into account the regulatory network is necessary to establish which inhibitor or combination of inhibitors would achieve the best therapeutic results. Mathematical modelling of biological networks, together with high-quality pathway databases collecting our knowledge of the molecular circuitry of normal and tumoral cells, hold the hopes of an enhanced future for precision medicine in oncology.

L'un des buts de la biologie des systèmes est, à l'aide de données expérimentales, de proposer un modèle si possible quantitatif, permettant d'inférer les causes microscopiques (interactions moléculaires) menant aux conséquences macroscopiques qui sont observées par expérimentation. Un tel modèle est dit explicatif. S'il est suffisamment complet, il peut être aussi prédictif, c'est-à-dire permettre de fournir des résultats qui seront confirmés par des expériences futures, et donc dans certaines limites permettre de faire des expériences in silico pertinentes. Une partie de mes travaux de recherche au cours des dix dernières années a été de réaliser un systéme de simulation intégré, HSIM, le plus complet possible, offrant à la fois une simplicité d'utilisation pour le modélisateur et un grand pouvoir d'expression permettant de prédire la dynamique de modèles issus de domaines très variés de la biologie. Le langage de description de HSIM permet de décrire de façon générique des modèles aussi divers que des réseaux métaboliques, des réseaux d'interaction géniques, ainsi que le couplage de ces deux types de réseaux; le mécanisme de réplication de l'ADN couplé à la transcription et la traduction des gènes pour étudier l'influence de la réplication sur la dynamique de réseaux d'interaction entre ces gènes; des modèles permettant de montrer des phénomènes d'auto-organisation spatiale et leur influence sur la dynamique globale du système, etc. En collaboration avec l'équipe de Franck Molina du laboratoire Sysdiag à Montpellier, je me suis intéressé à la conception et à la réalisation de bio-calculateurs artificiels utilisant des composants logiques implémentés à l'aide de réseaux métaboliques permettant de détecter les marqueurs d'une pathologie particulière (cancer colorectal, néphropathie diabétique) et de faire un calcul programmé pour fournir une réponse intégrée, par exemple sous forme colorimétrique. Des premiers résultats ont été obtenus lors la thèse de Stéphanie Rialle, à laquelle j'ai contribué de façon informelle. Je continue mes recherches dans cette voie en co-encadrant une thèse qui porte sur la définition et la conception de composants logiques enzymatiques, et sur la conception d'outils informatiques permettant de réaliser et de tester in silico des réseaux métaboliques artificiels réalisant un calcul donné.

L'un des buts de la biologie des systèmes est, à l'aide de données expérimentales, de proposer un modèle si possible quantitatif, permettant d'inférer les causes microscopiques (interactions moléculaires) menant aux conséquences macroscopiques qui sont observées par expérimentation. Un tel modèle est dit explicatif. S'il est suffisamment complet, il peut être aussi prédictif, c'est-à-dire permettre de fournir des résultats qui seront confirmés par des expériences futures, et donc dans certaines limites permettre de faire des expériences in silico pertinentes. Une partie de mes travaux de recherche au cours des dix dernières années a été de réaliser un systéme de simulation intégré, HSIM, le plus complet possible, offrant à la fois une simplicité d'utilisation pour le modélisateur et un grand pouvoir d'expression permettant de prédire la dynamique de modèles issus de domaines très variés de la biologie. Le langage de description de HSIM permet de décrire de façon générique des modèles aussi divers que des réseaux métaboliques, des réseaux d'interaction géniques, ainsi que le couplage de ces deux types de réseaux; le mécanisme de réplication de l'ADN couplé à la transcription et la traduction des gènes pour étudier l'influence de la réplication sur la dynamique de réseaux d'interaction entre ces gènes; des modèles permettant de montrer des phénomènes d'auto-organisation spatiale et leur influence sur la dynamique globale du système, etc. En collaboration avec l'équipe de Franck Molina du laboratoire Sysdiag à Montpellier, je me suis intéressé à la conception et à la réalisation de bio-calculateurs artificiels utilisant des composants logiques implémentés à l'aide de réseaux métaboliques permettant de détecter les marqueurs d'une pathologie particulière (cancer colorectal, néphropathie diabétique) et de faire un calcul programmé pour fournir une réponse intégrée, par exemple sous forme colorimétrique. Des premiers résultats ont été obtenus lors la thèse de Stéphanie Rialle, à laquelle j'ai contribué de façon informelle. Je continue mes recherches dans cette voie en co-encadrant une thèse qui porte sur la définition et la conception de composants logiques enzymatiques, et sur la conception d'outils informatiques permettant de réaliser et de tester in silico des réseaux métaboliques artificiels réalisant un calcul donné.

Cell signaling contains the whole biological mecanisms allowing the response of a cell to its microenvironnement in an adapted way. Many extremely intertwinned biological reactions are involved in a network that behaves as a complex system. The understanding of cell response requires the development of data acquisition technics and methods to formalize data into models. This point is the main drive of this thesis. We present here two approaches in order to analyse different granularities of cell signaling. In the first one, we used differential model to study the role of a new component of TGF-β canonical pathway. In the second one, we explored the combinatorial complexity of cell signaling, developing a discrete formalism based on guarded transitions. In this approach, we interpreted the whole database Pathway Interaction Database into a single unified model of signal transduction. Simulation and analysis methods, such as reachability and invariance research, have been developed. The interests are presented through an application on cell cycle regulation by cell signaling, and a global analysis on the regulation of genes compared to experimental data., La signalisation cellulaire regroupe l'ensemble des mécanismes biologiques permettant à une cellule de répondre de façon adaptée à son microenvironnement. Pour ce faire, de nombreuses réactions biologiques entrent en jeux avec un important enchevêtrement, créant ainsi un réseau dont le comportement s'apparente à un système complexe. Le compréhension de la réponse cellulaire à une stimulation passe par le développement conjoint des techniques d'acquisition de données, et des méthodes permettant de formaliser ces données dans un modèle. C'est sur ce dernier point que s'inscrivent les travaux exposés dans cette thèse. Nous présentons ici deux approches visant à répondre à des questions de natures différentes sur la signalisation cellulaire. Dans la première nous utilisons un modèle différentiel pour étudier le rôle d'un nouvel interactant dans la voie canonique du TGF-beta. Dans la seconde nous avons exploré la combinatoire de la signalisation cellulaire en développant un formalisme discret basé sur les transitions gardées. Cette approche regroupe l'interprétation de la base de données Pathway Interaction Database dans un unique modèle dynamique de propagation du signal. Des méthodes de simulations et d'analyses inspirées des techniques de vérification de modèles telles que l'atteignabilité et l'invariance ont été développées. En outre, nous avons étudié la régulation du cycle cellulaire en réponse à la signalisation, ainsi que la régulation des gènes de notre modèle en comparaison avec des données d'expressions.

Ce numéro d’Innovations Agronomiques comprend les articles correspondant aux présentations du colloque « La diversité génétique, ressource pour l’agriculture de demain » qui s’est tenu à Paris le 18 juin 2013; The origin of the currently observed cattle species diversity is intimately related to human population history since first domestication events. While new genomic tools (medium to high density SNP chips, next generation sequencing) provide insights into this complex history through the genetic characterisation of cattle breeds, they also allow identifying footprints left in their genome by human (artificial selection pressures) and more generally by environmental constraints (natural selection pressures). [br/]After a brief report on current knowledge of possible origins of cattle diversity, based on the characterization of cattle breeds neutral genetic diversity, we illustrate, in this article, studies of natural and artificial selection footprints in bovine genome from analyses carried out in African and New World tropical cattle breeds and in high-producing dairy cattle.; L’origine de la grande diversité actuelle de l'espèce bovine est intimement liée à l’histoire des peuplements humains depuis les premiers événements de domestication. Si les nouveaux outils génomiques (puces de génotypage de SNP à moyenne et haute densité, séquençage à haut-débit) aident à retracer cette histoire complexe, à travers la caractérisation génétique fine des races actuelles, ils permettent également d'identifier dans le génome de ces races les empreintes laissées par les contraintes exercées par l'homme (pressions de sélection artificielle) et plus généralement par l'environnement (pressions de sélection naturelle). [br/]Après un bref état des lieux des connaissances actuelles sur les origines probables de la diversité observée dans l'espèce bovine, présentant la caractérisation de la diversité génétique neutre des races bovines, nous proposons d'illustrer dans cet article l’étude des traces de sélections naturelle et artificielle dans le génome à partir d'exemple de travaux menés sur les races bovines tropicales africaines et du nouveau monde, et sur les races laitières hautes productrices françaises.

L’origine de la grande diversité actuelle de l'espèce bovine est intimement liée à l’histoire des peuplements humains depuis les premiers événements de domestication. Si les nouveaux outils génomiques (puces de génotypage de SNP à moyenne et haute densité, séquençage à haut-débit) aident à retracer cette histoire complexe, à travers la caractérisation génétique fine des races actuelles, ils permettent également d'identifier dans le génome de ces races les empreintes laissées par les contraintes exercées par l'homme (pressions de sélection artificielle) et plus généralement par l'environnement (pressions de sélection naturelle). [br/] Après un bref état des lieux des connaissances actuelles sur les origines probables de la diversité observée dans l'espèce bovine, présentant la caractérisation de la diversité génétique neutre des races bovines, nous proposons d'illustrer dans cet article l’étude des traces de sélections naturelle et artificielle dans le génome à partir d'exemple de travaux menés sur les races bovines tropicales africaines et du nouveau monde, et sur les races laitières hautes productrices françaises., The origin of the currently observed cattle species diversity is intimately related to human population history since first domestication events. While new genomic tools (medium to high density SNP chips, next generation sequencing) provide insights into this complex history through the genetic characterisation of cattle breeds, they also allow identifying footprints left in their genome by human (artificial selection pressures) and more generally by environmental constraints (natural selection pressures). [br/] After a brief report on current knowledge of possible origins of cattle diversity, based on the characterization of cattle breeds neutral genetic diversity, we illustrate, in this article, studies of natural and artificial selection footprints in bovine genome from analyses carried out in African and New World tropical cattle breeds and in high-producing dairy cattle.

The current need to understand the consequences of the administration of a specific molecule to a given organism is a major issue for pharmaceutical and toxicological research. It is not difficult to realize, when the effects are observable, that there is a relationship between the dose of a xenobiotic and its effects. The difficulty in predicting such effects comes mainly from the fact that a large number of complex mechanisms are involved, from the entry of the molecule in the body to its excretion. To understand and quantify this relationship it is necessary to know the main biological mechanisms involved and to propose corresponding mathematical models. Pharmacokinetics, pharmacodynamics and systems biology are the scientific fields most appropriate to meet this need. The first examines the fate of xenobiotics in the body and the second, the evolution of their effects. Systems biology is a relatively new approach which combines different levels of information (experimental data, chemical and biological knowledge, assumptions, etc) with mathematical models to understand how complex biological systems work. Our work shows that the use of systems biology is not easy and still lacks maturity. The amount of data and parameters to manage is typically huge. For a model taking into account only one signaling pathway, several months were needed for its calibration. This length of time is largely due to computation time required for parameter estimates, but also to the time required for harvesting and processing of diverse data (PK data omics, physiological, cellular, etc.) It is important that data collection protocol be defined in common by all the teams involved., Le besoin actuel de comprendre les conséquences précises que l'administration d'une molécule va avoir sur un organisme et les organes qui le composent, est un enjeu majeur pour la recherche pharmaceutique et l'étude de la toxicité des xénobiotiques. Il n’est pas difficile de se rendre compte, quand les effets sont observables, qu’il existe un lien entre la dose administrée d’un xénobiotique et ses effets. La difficulté de les prédire, qu'ils soient bénéfiques ou délétères, réside principalement dans le fait qu'un nombre très important de mécanismes complexes sont mis en jeu, dès l'entrée de cette molécule dans l'organisme et jusqu'à son excrétion. Afin de comprendre et quantifier ce lien, et pour pouvoir faire des prédictions, il est nécessaire de connaître les principaux mécanismes biologiques impliqués et de proposer des modèles mathématiques les décrivant. Le travail présenté dans cette thèse montre que l'utilisation de la biologie systémique n'est pas facile et manque encore de maturité. Au-delà de la diversité des connaissances auxquelles elle fait appel, on se rend compte que la quantité de données et de paramètres à gérer est considérable. Pour un modèle ne prenant en compte qu'une seule voie de signalisation, comme celui présenté ici, plusieurs mois ont été nécessaires pour sa calibration. Cette durée est en grande partie imputable au temps de calculs nécessaire aux estimations des paramètres, et à celui nécessaire à la récolte et aux traitements des données très diverses (données PK, omiques, physiologiques, cellulaires, etc). Il est très important que le protocole de collecte des données soit défini en commun par l'ensemble des équipes les utilisant par la suite.