Thèse soutenue

Modélisation pour la conception et l’analyse de circuits métaboliques synthétiques
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Mathilde Koch
Direction : Jean-Loup Faulon
Type : Thèse de doctorat
Discipline(s) : Sciences de la vie et de la santé
Date : Soutenance le 28/11/2019
Etablissement(s) : Université Paris-Saclay (ComUE)
Ecole(s) doctorale(s) : École doctorale Structure et dynamique des systèmes vivants (Gif-sur-Yvette, Essonne ; 2015-....)
Partenaire(s) de recherche : Laboratoire : Microbiologie de l'Alimentation au Service de la Santé humaine (Jouy-en-Josas)
établissement opérateur d'inscription : Université Paris-Sud (1970-2019)
: France. Délégation générale pour l'armement
Jury : Président / Présidente : Jörg Stelling
Examinateurs / Examinatrices : Jean-Loup Faulon, Jörg Stelling, Daniel Kahn, Grégory Batt, Wolfram Liebermeister, Olivier Sperandio
Rapporteurs / Rapporteuses : Jörg Stelling, Daniel Kahn

Résumé

FR  |  
EN

Les buts de cette thèse sont doubles, et concernent les circuits métaboliques synthétiques, qui permettent de détecter des composants chimiques par transmission de signal et de faire du calcul en utilisant des enzymes. La première partie a consisté à développer des outils d’apprentissage actif et par renforcement pour améliorer la conception de circuits métaboliques et optimiser la biodétection et la bioproduction. Pour atteindre cet objectif, un nouvel algorithme (RetroPath3.0) fondé sur une recherche arborescente de Monte Carlo guidée par similarité est présenté. Cet algorithme, combiné à des règles de réaction apprises sur des données et des niveaux différents de promiscuité enzymatique, permet de focaliser l’exploration sur les composés et les chemins les plus prometteurs en bio-rétrosynthèse. Les chemins obtenus par rétrosynthèse peuvent être implémentés dans des cellules ou des systèmes acellulaires. Afin de concevoir le meilleur milieu pour optimiser la productivité du système, une méthode d’apprentissage actif qui explore efficacement l’espace combinatoire des composants du milieu a été développée.La deuxième partie a consisté à développer des méthodes d’analyse, pour générer des connaissances à partir de données biologiques, et modéliser les réponses de biocapteurs. Dans un premier temps, l’effet du nombre de copies de plasmides sur la sensibilité d’un biocapteur utilisant un facteur de transcription a été modélisé. Ensuite, en utilisant des systèmes acellulaires qui permettent un meilleur contrôle des variables expérimentales comme la concentration d’ADN, l’utilisation des ressources a été modélisée pour assurer que notre compréhension actuelle des phénomènes sous-jacents est suffisante pour rendre compte du comportement du circuit, en utilisant des modèles empiriques ou mécanistiques. Couplés aux outils de conception de circuits métaboliques, ces modèles ont ensuite permis de développer une nouvelle approche de calcul biologique, appelée perceptrons métaboliques.Dans l’ensemble, cette thèse présente des outils de conception et d’analyse pour les circuits métaboliques synthétiques. Ces outils ont été utilisés pour développer une nouvelle méthode permettant d’effectuer des calculs en biologie synthétique.