Modélisation stochastique en biologie moléculaire : une analyse probabiliste de la polymérisation des protéines et du raccourcissement des télomères

Stochastic modelling in molecular biology : a probabilistic analysis of protein polymerisation and telomere shortening

• Auteur / Autrice : Sarah Eugène
• Direction : Marie Doumic, Philippe Robert
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques Appliquées
• Date : Soutenance le 30/09/2016
• Etablissement(s) : Paris 6
• Ecole(s) doctorale(s) : École doctorale Sciences mathématiques de Paris centre (Paris ; 2000-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Jacques-Louis Lions (Paris ; 1997-....) - Institut national de recherche en informatique et en automatique (France). Unité de recherche (Rocquencourt, Yvelines ; 1971-2015)
• Jury : Examinateurs / Examinatrices : Amaury Lambert, Loïc Chaumont, Peter Olofsson, Marek Kimmel, Human Rezaei

Mots clés

Mots clés contrôlés

Biologie -- Modèles mathématiques

Probabilités

Systèmes stochastiques

Mots clés libres

Modélisation stochastique

Polymérisation de protéines

Agrégation

Probabilité

Télomères

Amyloïde

Stochastic modelling

Protein polymerisation

Probability

Résumé

Dans cette thèse, nous proposons une analyse probabiliste de deux problèmes de biologie moléculaire dans lesquels la stochasticité joue un rôle essentiel : la polymérisation des protéines dans les maladies neurodégénératives ainsi que le raccourcissement des télomères. L’agrégation des protéines en fibrilles amyloïdes est un important phénomène biologique associé à plusieurs maladies humaines telles que les maladies d’Alzheimer, de Huntington ou de Parkinson, ou encore l’amylose ou bien le diabète de type 2. Comme observé au cours des expériences reproduisant les petits volumes des cellules, les courbes d’évolution cinétique de l’agrégation des protéines présentent une phase de croissance exponentielle précédée d’une phase de latence extrêmement fluctuante, liée au temps de nucléation. Après une introduction au problème de polymérisation des protéines dans le chapitre I, nous étudions dans le chapitre II les origines et les propriétés de la variabilité de ladite phase de latence ; pour ce faire, nous proposons un modèle stochastique minimal qui permet de décrire les caractéristiques principales des courbes expérimentales d’agrégation de protéines. On considère alors deux composants chimiques : les monomères et les monomères polymérisés. Au départ, seuls sont présents les monomères ; par suite, ils peuvent polymériser de deux manières différentes : soit deux monomères se rencontrent et for- ment deux monomères polymérisés, soit un monomère se polymérise à la suite d’une collision avec un autre monomère déjà polymérisé. Malgré son efficacité, la simplicité des hypothèses de ce modèle ne lui permet pas de rendre compte de la variabilité observée au cours des expériences. C’est pourquoi dans un second temps, au cours du chapitre III, nous complexifions ce modèle afin de prendre en compte d’autres mécanismes impliqués dans la polymérisation et qui sont susceptibles d’augmenter la variabilité du temps de nucléation. Lors de ces deux chapitres, des résultats asymptotiques incluant diverses échelles de temps sont obtenus pour les processus de Markov correspondants. Une approximation au premier et au second ordre du temps de nucléation sont obtenus à partir de ces théorèmes limites. Ces résultats re- posent sur une renormalisation en temps et en espace du modèle de population, ainsi que sur un principe d’homogénéisation stochastique lié à une version modifiée d’urne d’Ehrenfest. Dans une seconde partie, un modèle stochastique décrivant le raccourcissement des télomères est pro- posé. Les chromosomes des cellules eucaryotes sont raccourcis à chaque mitose à cause des mécanismes de réplication de l’ADN incapables de répliquer les extrémités du chromosome parental. Afin d’éviter une perte de l’information génétique, ces chromosomes possèdent à chaque extrémité des télomères qui n’encodent pas d’information génétique. Au fil des cycles de réplication, ces télomères sont raccourcis jusqu’à rendre la division cellulaire impossible : la cellule entre alors en sénescence réplicative. L’objectif de ce modèle est de remonter aux caractéristiques de la distribution initiale de la taille des télomères à partir de mesures de temps de sénescence.

This PhD dissertation proposes a stochastic analysis of two questions of molecular biology in which randomness is a key feature of the processes involved: protein polymerisation in neurodegenerative diseases on the one hand, and telomere shortening on the other hand. Self-assembly of proteins into amyloid aggregates is an important biological phenomenon associated with human diseases such as prion diseases, Alzheimer’s, Huntington’s and Parkinson’s disease, amyloidosis and type-2 diabetes. The kinetics of amyloid assembly show an exponential growth phase preceded by a lag phase, variable in duration, as seen in bulk experiments and experiments that mimic the small volume of the concerned cells. After an introduction to protein polymerisation in chapter I, we investigate in chapter II the origins and the properties of the observed variability in the lag phase of amyloid assembly. This variability is currently not accounted for by deterministic nucleation-dependent mechanisms. In order to tackle this issue, a stochastic minimal model is proposed, simple, but capable of describing the characteristics of amyloid growth curves. Two populations of chemical components are considered in this model: monomers and polymerised monomers. Initially, there are only monomers and from then, two possible ways of polymerising a monomer: either two monomers collide to combine into two polymerised monomers, or a monomer is polymerised by the encounter of an already polymerised monomer. However efficient, this simple model does not fully explain the variability observed in the experiments, and in chapter III, we extend it in order to take into account other relevant mechanisms of the polymerisation process that may have an impact on fluctuations. In both chapters, asymptotic results involving different time scales are obtained for the corresponding Markov processes. First and second order results for the starting instant of nucleation are derived from these limit theorems. These results rely on a scaling analysis of a population model and the proof of a stochastic averaging principle for a model related to an Ehrenfest urn model. In the second part, a stochastic model for telomere shortening is proposed. In eukaryotic cells, chromosomes are shortened with each occurring mitosis, because the DNA polymerases are unable to replicate the chromosome down to the very end. To prevent potentially catastrophic loss of genetic information, these chromosomes are equipped with telomeres at both ends (repeated sequences that contain no genetic information). After many rounds of replication however, the telomeres are progressively nibbled to the point where the cell cannot divide anymore, a blocked state called replicative senescence. The aim of this model is to trace back to the initial distribution of telomeres from measurements of the time of senescence.