Modèles de dynamiques de répertoires immunitaires par approche de biophysique statistique.

Statistical biophysics models of immune repertoire dynamics.

• Auteur / Autrice : Meriem Bensouda koraichi
• Direction : Aleksandra Walczak, Thierry Mora
• Type : Projet de thèse
• Discipline(s) : Physique
• Date : Inscription en doctorat le ; Soutenance le 23/09/2022
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : École doctorale Physique en Île-de-France (Paris ; 2014-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de physique de l'ENS (Paris ; 2019-....)
• Partenaire(s) de recherche : établissement opérateur d'inscription : École normale supérieure (Paris ; 1985-....)
• Jury : Président / Présidente : Grant Lythe
• Jury : Examinateurs / Examinatrices : Aleksandra Walczak, Andrew Yates, Anne-Florence Bitbol, Chase Broedersz, Thierry Mora
• Jury : Rapporteur / Rapporteuse : Andrew Yates

Mots clés

Mots clés libres

Immunologie

Biophysique Statistique

Inférence

Dynamique de populations

Immunology

Statistical Biophysics

Inference

Population Dynamics

Résumé

Le système immunitaire adaptatif comprend une diversité de lymphocytes T capables de reconnaître un large éventail d'antigènes. La spécificité de chaque cellule T pour les antigènes est déterminée par ses récepteurs (TCR), qui forment un répertoire de milliards de récepteurs uniques chez chaque individu. Les cellules T possèdent un récepteur capable de reconnaître l'agent pathogène ou la cellule maligne que l'organisme veut éliminer et se multiplient suite à cette reconnaissance. Ces événements se produisent non seulement après un stimulus aigu, mais aussi en permanence, car le système immunitaire interagit constamment avec l'environnement extérieur. En utilisant la dynamique stochastique des populations pour faire correspondre le répertoire de lymphocytes T à un système écologique, et des outils issus de la théorie de l'inférence bayésienne, nous construisons et confrontons des modèles biophysiques à des données réelles. Nous tirons parti de la disponibilité de nouvelles données dû aux progrès majeurs du séquençage à haut débit et donc, de la génération de données sur le répertoire de lymphocytes T qui contient beaucoup d'informations à déchiffrer. Grâce à ces méthodes, le résultat est multiple, nous sommes capables d'interpréter les données et le bruit qui les sous-tend, de comprendre la dynamique du répertoire de lymphocytes T en présence ou en l'absence d'un stimulus fort sur une échelle de temps courte ou longue, de caractériser la spécificité de chaque répertoire TCR avec le temps et de développer des outils qui peuvent être utilisés par tout immunologiste quantitatif intéressé par l'étude de la dynamique du répertoire de lymphotcytes T.

The adaptive immune system includes a diversity of T cells capable of recognizing a wide range of antigens. The specificity of each T cell for antigens is determined by its T cell receptors (TCRs), which together form a repertoire of billions of unique receptors in each individual. The T cells have a receptor capable of recognizing the pathogen or malignant cell the body wants to eliminate. T-cells multiply following this recognition. These events happen after an acute stimulus and continuously as the immune system interacts permanently with the external environment. Using stochastic population dynamics to match the TCR repertoire system to an ecological system and tools from Bayesian inference theory, we build and confront biophysical models to actual data. We take advantage of the availability of new data due to significant advances in high-throughput sequencing. Thanks to these methods, we can interpret data and the noise behind it, understand the TCR repertoire dynamics of people in the presence or absence of a strong stimulus on a short or long time scale, characterize the specificity of each TCR repertoire with time and develop tools that can be used by any quantitative immunologist interested in studying TCR repertoire dynamics.