Libérer le potentiel des systèmes acellulaires pour la biodétection et la biocomputation

Unlocking the potential of cell-free systems for biosensing and biocomputation

• Auteur / Autrice : Paul Soudier
• Direction : Jean-Loup Faulon, Jérôme Bonnet
• Type : Thèse de doctorat
• Discipline(s) : Biotechnologies
• Date : Soutenance le 06/12/2022
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Structure et Dynamique des Systèmes Vivants
• Partenaire(s) de recherche : Laboratoire : Microbiologie de l'Alimentation au Service de la Santé humaine (Jouy-en-Josas) - Centre de Biologie Structurale (Montpellier)
• Partenaire(s) de recherche : référent : Faculté des sciences d'Orsay
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Life Sciences and Health (2020-....)
• Jury : Président / Présidente : Yannick Rondelez
• Jury : Examinateurs / Examinatrices : Karen M. Polizzi, Matthieu Jules, Audrey Le Gouëllec, Baptiste Panthu
• Jury : Rapporteurs / Rapporteuses : Yannick Rondelez, Karen M. Polizzi

Mots clés

Mots clés contrôlés

Interaction multimodale

Diagnostic biologique

Ordinateurs neuronaux

Systèmes biologiques

Biologie de synthèse

Biocapteurs

Mots clés libres

Biocapteur

Biologie acellulaire

Biologie synthétique

Réseaux biologiques

Biocomputation

Multimodal

Biosensor

Cell-free biology

Synthetic biology

Biological networks

Biocomputation

Multimodal

Résumé

Les systèmes acellulaires sont des plateformes synthétiques in vitro dérivées d'organismes vivants qui peuvent émuler un sous-ensemble de fonctions biologiques, en particulier la transcription et la traduction. Développés à l'origine comme outils de production de protéines, les systèmes acellulaires ont été reconvertis par les biologistes synthétiques pour implémenter divers dispositifs et systèmes biologiques. Ma thèse porte sur l'ingénierie de circuits biologiques synthétiques dans des systèmes biologiques acéllulaires pour la biodétection et la biocomputation. Dans la première partie de ma thèse, j'élargis la gamme de molécules détectables dans les systemes acellulaires en reconvertissant des éléments biologiques tels que des facteurs de transcription, des enzymes et des riborégulateurs en des détecteurs moléculaires efficaces et spécifiques. En particulier, je développe une plateforme de détection hautement modulaire utilisant le peroxyde d'hydrogène comme integrateur de signal. Peroxihub utilise des transducteurs enzymatiques produisant du H₂O₂ comme sous-produit de la transformation de métabolite cible, ce qui permet la construction rapide de biocapteurs détectant de nombreuses molécules cibles différentes. Tirant parti du potentiel des riborégulateurs conçus CAO (conception assisté par ordinateur), je développe ensuite plusieurs biocapteurs à ARN destinés à des applications spécifiques, notamment la reconnaissance d'espèces végétales et le diagnostic de maladies. Comme contribution finale au domaine de la biodétection, j'établis une nouvelle méthodologie pour utiliser efficacement l'ADN linéaire pour le criblage rapide de composants biologiques, avec des applications à l'ingénierie des biocapteurs. Dans la deuxième section de ma thèse, j'explore le potentiel des systèmes acellulaires pour la mise en œuvre de systèmes complexes de biocomputation. Dans un premier temps, les possibilités d'application de réseaux métaboliques acellulaires pour effectuer des calculs analogiques et neuronaux sont explorées par la construction et l'entraînement d'un perceptron métabolique qui effectue une classification binaire d'échantillons sur la base de leur composition en métabolites. Ensuite, inspiré par l'essor des sciences multiomiques, j'introduis le concept de circuits biologiques de calculs multimodaux, capables d'effectuer un traitement multiplexé de l'information en utilisant différents types d'entrées moléculaires (métabolites, acides nucléiques, protéines), le tout au sein d'un seul dispositif de biocomputation intégré. Dans ce contexte, je présente la base conceptuelle et expérimentale des calculs booléens, analogiques et neuronaux multimodaux. Une nouvelle méthodologie s'appuyant sur une boucle d'apprentissage actif est ensuite présentée pour permettre un entraînement expérimental du perceptron multimodal. Des jalons vers le développement de biocapteurs multimodaux pour le diagnostic médical sont également posés. Combinés ensemble, ces domaines peuvent donner naissance à une nouvelle génération de dispositifs de détection intégrés, avec des applications pour le diagnostic médical, la surveillance de l'environnement et les plates-formes intelligentes de bioproduction décentralisées.

Cell-free systems (CFS) are synthetic in vitro platforms derived from living organisms that can emulate a subset of biological functions, in particular transcription and translation. Originally developed as protein production tools, cell-free systems have been repurposed by synthetic biologists to implement various biological devices and systems. My thesis focuses on engineering synthetic biological circuits for cell-free biosensing and biocomputation. In the first part of my thesis, I expand the range of molecules detectable in CFS by repurposing biological elements such as transcription factors, enzymes, and riboregulators into efficient and specific molecular detectors. In particular, I develop a highly modular sensing platform using hydrogen peroxide as a central integrative signal. Peroxihub uses enzymatic tranducers producing H₂O₂ as a byproduct of their target metabolite transformation, enabling the rapid construction of biosensors detecting many different target molecules. Leveraging the potential of computationally designed riboregulators, I then develop several RNA biosensors targeted at specific applications including plant species recognition and disease diagnosis. As a final contribution to the domain of biosensing, I establish a new methodology to efficiently use linear DNA for fast-paced biological parts screening, with applications to biosensor engineering. Within the second section of my thesis, I explore the potential of cell-free systems for implementing complex biocomputing systems. At first, the possibilities of applying cell-free metabolic networks to carry analog and neural computations are explored through the construction and training of a metabolic perceptron that performs binary classification of samples based on their metabolite composition. Then, inspired by the rise of multiomics sciences, I introduce the concept of multimodal computing circuits, capable to perform multiplexed information processing using various types of molecular inputs (metabolites, nucleic acids, proteins), all within a single, integrated biocomputing device. In this context, I introduce the conceptual and experimental basis for multimodal Boolean, analog, and neural computations. A novel methodology relying on an Active Learning loop is then presented for experimental training of the multimodal perceptron, along with milestones toward developing multimodal biosensors for medical diagnosis. Overall, my thesis contributes to advancing cell-free biosensing and biocomputation. Combined together, these fields can give rise to a new generation of integrated sensing devices, with applications for medical diagnosis, environmental monitoring, and smart decentralized bioproduction platforms.