Etude de la diversité métabolique dans l'espèce Escherichia coli : a l'aide de réseaux et de modèles du métabolisme à l'échelle de l'organisme

Metabolic diversity in Escherichia coli species : using metabolic networks and models at genome scale

• Auteur / Autrice : Gilles Vieira
• Direction : Claudine Médigue
• Type : Thèse de doctorat
• Discipline(s) : Bioinformatique
• Date : Soutenance le 05/12/2011
• Etablissement(s) : Evry-Val d'Essonne
• Ecole(s) doctorale(s) : Ecole doctorale des Génomes aux organismes (Versailles ; 2000-2015)
• Jury : Président / Présidente : Jean-Loup Faulon
• Jury : Examinateurs / Examinatrices : Bruno Bost, Jacques Van Helden
• Jury : Rapporteur / Rapporteuse : Jean-Charles Portais, Marie-France Sagot

Mots clés

Mots clés contrôlés

Biodiversité

Escherichia coli

Métabolisme

Mots clés libres

Réseau

Network

Résumé

Il existe plusieurs façons de concevoir l’étude des différences métaboliques chez les microorganismes. On peut s’intéresser à des variations des capacités métaboliques des organismes. Derrière cette analyse se cache niveau d’étude à l’échelle la cellule qui permet d’avoir une vue d’ensemble des capacités de croissance de l’organisme dans différentes conditions. Dans cette thèse, nous proposons une nouvelle stratégie de reconstruction de réseaux et de modèles du métabolisme à l’échelle globale. Cette stratégie s’applique à un nombre quelconque d’organismes à condition qu’ils soient de la même espèce et qu’il existe un réseau métabolique de référence de bonne qualité pour au moins l’un d’entre eux. Le point clé de cette stratégie repose sur l’utilisation et la propagation automatisée des connaissances déjà acquises sur les organismes étudiés. Nous avons appliqué cette stratégie pour reconstruire et étudier les réseaux métaboliques de 23 Escherichia coli et 6 Shigellas. Nous avons ensuite converti ces réseaux en modèles métaboliques pour explorer les capacités physiologiques des différentes souches. Nous avons comparé nos prédictions de croissance à des expériences de croissance ainsi qu’aux résultats du modèle de référence. Au final le travail réalisé propose une nouvelle stratégie de reconstruction de réseaux et de modèles du métabolisme à l’échelle de la cellule, qui permet d’étudier le lien entre l’évolution et les capacités métaboliques des organismes étudiés.

Metabolic differences in microorganisms can be focused on the variations in metabolic capacities. This analysis is at genome scale, and provides a global view of the organism’s growth capacities under various conditions. In this project, we propose a new strategy to reconstruct metabolic networks and models at genome scale. Our strategy can be applied to any number of organisms as long as they are members of the same species and a curated metabolic network for one of the strains of this species is already reconstructed. The keystone of the strategy is the automatic utilization and propagation of both specific knowledge of the species and general knowledge in metabolic databases. This strategy was applied, to study the metabolic network of 23 strains of Escherichia coli and 6 of Shigella. Next, we have converted these networks into metabolic models to explore the metabolic capacities of these organisms. We compared the growth predictions of the models to experimental growth observations and also to the reference model. Finally, the studies carried out for this thesis consist of a new strategy, which allows the reconstruction of metabolic networks and models at cell scale. The models give us the opportunity to study the link between evolution, genomes and metabolic capacities of these organisms.