Thèse soutenue

Modélisation multi-échelle de cellule-centrée pour systèmes et biologie synthétique : de l'expression stochastique des gènes en cellule unique à l'espace organisé des populations de cellules
FR  |  
EN
Accès à la thèse
Auteur / Autrice : François Bertaux
Direction : Grégory BattDirk Drasdo
Type : Thèse de doctorat
Discipline(s) : Mathématiques
Date : Soutenance le 15/05/2016
Etablissement(s) : Paris 6
Ecole(s) doctorale(s) : École doctorale Sciences mathématiques de Paris centre (Paris ; 2000-....)
Partenaire(s) de recherche : Laboratoire : Institut national de recherche en informatique et en automatique (France). Centre de recherche de Paris (Paris)
Jury : Président / Présidente : Alessandra Carbone
Examinateurs / Examinatrices : Emmanuel Barillot, Jérémie Roux
Rapporteurs / Rapporteuses : Mark A. J. Chaplain, Paul Macklin

Résumé

FR  |  
EN

Les sources intrinsèques d'héterogénéité cellulaire, comme l'expression stochastique des gènes, sont de plus en plus reconnues comme jouant un rôle important dans la dynamique des tissus, tumeurs, communautés microbiennes... Cependant, elles sont souvent ignorées ou représentées de manière simpliste dans les modèles théoriques de populations de cellules. Dans cette thèse, nous proposons une approche cellule-centrée (chaque cellule est représentée de manière individuelle), multi-échelle (les décisions cellulaires sont placées sous le contrôle de voies de signalisation biochimiques simulées dans chaque cellule) pour modéliser la dynamique de populations de cellules. La nouveauté principale de cette approche réside dans la prise en compte systématique (pour toutes les protéines modélisées) des fluctuations du niveau des protéines résultant de l'expression stochastique des gènes. Cela permet d'étudier l'effet combiné des causes intrinsèques et environnementales d'héterogénéité cellulaire sur la dynamique de la population de cellules. Un élément central de notre approche est une stratégie parsimonieuse pour attribuer les paramètres de modèles d'expression stochastique des gènes. Nous appliquons cette approche à deux cas d'étude. Nous considérons en premier la resistance à l'agent anti-cancer TRAIL, qui peut induire l'apoptose sélectivement dans les cellules cancéreuses. Nous construisons d'abord un modèle 'cellule unique' de l'apoptose induite par TRAIL et le comparons à des données existantes quantitatives et 'cellules uniques'. Le modèle explique la mort fractionnelle (le fait que seul une fraction des cellules meurent à la suite d'un traitement) et prédit correctement l'héritabilité transiente du destin cellulaire ainsi que l'acquisition transiente de résistance, deux propriétés observées mais hors de portée des modèles pré-existants, qui ne capturent pas la dynamique de l'héterogénéité cellulaire. Dans une seconde étape, nous intégrons ce modèle dans des simulations multi-cellulaires pour étudier la résistance à TRAIL dans des scénarios virtuels intermédiaires entre les études classiques in-vitro et la réponse de tumeurs in-vivo. Plus précisément, nous considérons la réponse en temps long de sphéroides multi-cellulaires à des traitements répétés de TRAIL. L'analyse de nos simulations permet de proposer une explication originale et méchanistique de l'acquisition transiente de résistance, impliquant la dégradation ciblée des protéines activées et un différentiel dans le renouvellement des protéines pro- et anti- apoptotiques. Nous appliquons aussi notre approche à un système synthétique de création de motifs développé dans des levures par des collaborateurs. Nous nous concentrons d'abord sur un circuit senseur d'une molécule messager pour lequel nous construisons un modèle cellule unique qui capture de manière fine la dynamique de réponse du circuit telle qu'observée par cytométrie en flux. Nous intégrons ensuite ce modèle dans des des simulations multi-cellulaires et montrons que la réponse de micro-colonies organisées spatialement et soumises à des gradients de molécule messager est correctement prédite. Finalement, nous incorporons un modèle d'un circuit de mort et comparons les motifs prédits de cellules mortes/vivantes avec des données expérimentales, nous permettons de mieux comprendre comment les paramètres du circuit se traduisent en phénotypes d'organisation multi-cellulaire. Notre approche peut contribuer à l'obtention de modèles de populations de cellules de plus en plus quantitatifs, prédictifs et qui englobent l'échelle moléculaire.