Algorithmes pour la prédiction de stratégies de reprogrammation cellulaire dans les réseaux Booléens.

Algorithms For Cell Reprogramming Strategies in Boolean Networks

• Auteur / Autrice : Hugues Mandon
• Direction : Stefan Haar
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 19/11/2019
• Etablissement(s) : Université Paris-Saclay (ComUE)
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : établissement opérateur d'inscription : École normale supérieure Paris-Saclay (Gif-sur-Yvette, Essonne ; 1912-....)
• Partenaire(s) de recherche : Laboratoire : Institut national de recherche en informatique et en automatique (France). Unité de recherche (Saclay, Ile-de-France)
• Jury : Président / Présidente : Alain Denise
• Jury : Examinateurs / Examinatrices : Elisabeth Rémy, Jean-Paul Comet, Loïc Paulevé, Jun Pang, Cédric Lhoussaine, Madalena Chaves
• Jury : Rapporteur / Rapporteuse : Elisabeth Rémy, Jean-Paul Comet

Mots clés

Mots clés contrôlés

Biologie systémique

Reprogrammation cellulaire

Fonctions booléennes

Mots clés libres

Réseaux booléens

Reprogrammation cellulaire

Biologie des systèmes

Boolean networs

Cell Reprogramming

Systems Biology

Résumé

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 petites que si l'on ne perturbe qu'une seule fois.

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.