Non-equilibrium effects in cell biology : Mathematical and computational modeling of G-protein signal transduction and other biochemical reaction-diffusion networks
Les propriétés diverses des organismes vivants émergent de réseaux complexes de réactions biochimiques. Ces systèmes reposent fortement sur des effets de non-équilibre, résultant de la conduction hors-équilibre soutenue de différentes espèces, des photons arrivant continuellement du soleil aux nuclé...
Wedi'i Gadw mewn:
| Prif Awdur: | |
|---|---|
| Awduron Eraill: | , , , |
| Fformat: | Thèse numérique |
| Iaith: | Anglais Français |
| Cyhoeddwyd: |
2024.
|
| Pynciau: | |
| Mynediad Ar-lein: | Accès au texte intégral https://theses.univ-orleans.fr/public/2024ORLE1081_va.pdf http://www.theses.fr/2024ORLE1081/abes https://theses.hal.science/tel-05019760 |
| Nodyn: |
Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Santé, Sciences Biologiques et Chimie du Vivant (Centre-Val de Loire ; 2012-....) Partenaire(s) de recherche : Centre de biophysique moléculaire (Orléans ; 1967-....) (Laboratoire) Autre(s) contribution(s) : Francesca Di Patti (Président du jury) ; Alessandro Barducci (Membre(s) du jury) ; Francesca Di Patti, Alessandro Barducci (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Effets de non-équilibre en biologie cellulaire :, Modélisation mathématique et informatique de la transduction du signal par les protéines G et autres réseaux biochimiques de réaction-diffusion |
| LEADER | 10038nam a22004457a 4500 | ||
|---|---|---|---|
| 001 | 1298166 | ||
| 008 | 250403s2024 xxe ||| |||| 00| 0 eng d | ||
| 009 | PPN284131733 | ||
| 041 | 0 | |a eng |a fre |b fre |b eng | |
| 082 | |a 571.6 | ||
| 084 | |a 570 | ||
| 100 | 1 | |a Fillion, Thibault, |d 1997- | |
| 240 | 1 | 0 | |a Effets de non-équilibre en biologie cellulaire : |b Modélisation mathématique et informatique de la transduction du signal par les protéines G et autres réseaux biochimiques de réaction-diffusion |
| 245 | 1 | 0 | |a Non-equilibrium effects in cell biology : |b Mathematical and computational modeling of G-protein signal transduction and other biochemical reaction-diffusion networks |c Thibault Fillion ; sous la direction de Francesco Piazza et de Josef Hamacek. |
| 256 | |a Données textuelles | ||
| 260 | |c 2024. | ||
| 500 | |a Titre provenant de l'écran-titre | ||
| 500 | |a Ecole(s) Doctorale(s) : École doctorale Santé, Sciences Biologiques et Chimie du Vivant (Centre-Val de Loire ; 2012-....) | ||
| 500 | |a Partenaire(s) de recherche : Centre de biophysique moléculaire (Orléans ; 1967-....) (Laboratoire) | ||
| 500 | |a Autre(s) contribution(s) : Francesca Di Patti (Président du jury) ; Alessandro Barducci (Membre(s) du jury) ; Francesca Di Patti, Alessandro Barducci (Rapporteur(s)) | ||
| 502 | |a Thèse de doctorat. Biologie. Orléans. 2024 | ||
| 520 | |a Les propriétés diverses des organismes vivants émergent de réseaux complexes de réactions biochimiques. Ces systèmes reposent fortement sur des effets de non-équilibre, résultant de la conduction hors-équilibre soutenue de différentes espèces, des photons arrivant continuellement du soleil aux nucléotides di et triphosphate maintenus à des niveaux de non-équilibre dans le cytosol par le métabolisme. En effet, les systèmes biochimiques sont des systèmes ouverts, qui maintiennent leur structure en dissipant l'énergie en provenance de l'extérieur par des mécanismes complexes dont il reste encore beaucoup à comprendre. Lors de la construction de modèles aux propriétés émergentes, il est alors important de tenir rigoureusement compte des sources de non-équilibre, afin de faire la distinction entre relaxation à l'équilibre et comportements de non-équilibre et de quantifier la dissipation d'énergie associée à des conditions stationnaires de non-équilibre spécifiques. Les cellules ont la capacité de percevoir et répondre à des signaux chimiques externes. Cette capacité est désignée sous le terme de transduction du signal, et représente un concept central en biologie cellulaire. Comme pour les autres processus biochimiques, la transduction du signal repose sur des réseaux complexes de réactions chimiques, impliquant principalement des enzymes distribuées dans différents compartiments biologiques, en particulier l'environnement extracellulaire, le cytoplasme et la membrane plasmique. Il existe deux superfamilles proches de protéines jouant un rôle fondamental dans la transduction du signal : les GTPase et les Récepteurs Couplés aux Protéines G (RCPG). Nous étudions des modèles de réseaux de GTPases de complexité croissante, et présentons un modèle cinétique de signalisation par RCPG. Chaque réseau est construit de manière thermodynamiquement consistante. La réversibilité microscopique est imposée via des contraintes sur les ensembles de constantes d'équilibre. Nous présentons une méthode pour construire des ensembles complexes de contraintes par une approche modulaire. En utilisant une approche informatique, nous étudions la dynamique des différents systèmes, soulignant leurs différents régimes, correspondant à des régions caractéristiques de leur espace de paramètres cinétiques associés avec des comportements biologiques spécifiques. Dans le cas du modèle RCPG, de taille conséquente, nous avons été capables de réduire l'ensemble de ses paramètres cinétiques à trois paramètres libres spécifiques, et avons étudié les régimes correspondants. L'étude de ces systèmes biologiques requiert des approches informatiques reposant sur des outils dédiés. Durant la thèse, nous avons développé un tel outil, que nous avons dénommé STReNGHTS. Il s'agit d'un package Python open-source qui offre une interface pour la modélisation et la simulation de systèmes biologiques de réaction-diffusion dans des environnements complexes. Les systèmes sont décrits comme des espaces discrets dans lesquels les espèces peuvent réagir et diffuser. Chaque nœud de réaction individuel est appelé une cellule . Les compartiments biologiques sont modélisés en définissant différent types de cellules, qui sont désignées sous le terme d'environnements de réaction-diffusion. Des chémostats peuvent également être définis, localement ou globalement, pour imposer des conditions de non-équilibre. Le logiciel propose une interface générique pour les algorithmes de simulation, qui est utilisée pour implémenter à la fois des moteurs d'évolution temporelle déterministes et stochastiques. Dans cette thèse, nous présentons le logiciel, ainsi que le cadre théorique correspondant, accompagné de quelques exemples d'applications choisis à des fins d'illustration. | ||
| 520 | |a The diverse properties of living organisms emerge from complex networks of biochemical reactions. Those systems heavily rely on non-equilibrium effects, resulting from the sustained driving of different species, from photons continuously arriving from the sun, to di and triphosphate nucleotides kept at non-equilibrium levels in the cytoplasm by the metabolism. Indeed, biochemical systems are open systems, which maintain their structure by dissipating the energy coming from the outside through complex mechanisms which are still to be understood. When building bottom-up models for such systems, it is then important to properly account for the sources of non-equilibrium driving, in order to make a distinction between equilibrium relaxation and non-equilibrium behavior and quantify the energy dissipation associated with specific stationary non-equilibrium conditions .Cells have the ability to sense and respond to external chemical signals. This ability is referred to as signal transduction, and is a central concept in cell biology. As for other biochemical processes, signal transduction relies on complex networks of chemical reactions, involving mostly enzymes spread across different biological compartments, specifically the extracellular space, the cytoplasm and the plasma membrane. There are two closely-related kinds of proteins which play a fundamental role in signal transduction: GTPases and G-protein Protein Coupled Receptors (GPCRs). On the one hand, GTPases are binary switch enzymes, which, once activated by upstream Guaine nucleotide Exchange Factors (GEFs), transduce the signal by activating a downstream effector. On the other hand, GPCRs are transmembrane receptors coupled with G-proteins, which are GTPases themselves. Upon activation by an agonist ligand, GPCRs activate the G proteins which then carry-on the signal transduction. In this thesis, we study models of GTPase networks of increasing complexity, and eventually introduce our own kinetic model of GPCR signaling. The different models use parameters gathered from the scientific literature and others from educated guesses. Each network is also thermodynamically consistent. Microscopic reversibility is imposed by constraining the sets of equilibrium constants. We present a method to build complex sets of constraints through a modular approach. Using a computational approach, we study the dynamics of the different systems, underlying their different regimes, corresponding to characteristic regions of their kinetic parameter space associated with specific biological behaviors. In the case of the large GPCR model, we were able to reduce the ensemble of its kinetics parameters to a set of three specific free parameters, and studied the corresponding regimes. The study of such biochemical systems requires computational approaches relying on dedicated tools. During the PhD, we developed such a tool, that we termed STReNGTHS. This is an open-source Python Package that offers an interface for the modeling and the simulation of biochemical reaction-diffusion systems in complex environments. Systems are described as discrete spaces in which species react and diffuse. Each individual reaction node is called a cell. Biological compartments are modeled by defining different types of cells, referred to as reaction-diffusion environments. Chemostats can also be set, locally or globally, to impose non-equilibrium conditions. The software proposes a generic interface for simulation algorithm, that is used to implement both deterministic and stochastic time-evolution engines. In this thesis, we present the software, along with the corresponding theoretical framework and a few selected applications as an illustration. | ||
| 538 | |a Configuration requise : un logiciel capable de lire un fichier au format : PDF | ||
| 650 | |a Biologie |x recherche | ||
| 650 | |a Transduction du signal cellulaire |x Modèles mathématiques | ||
| 650 | |a GTPases | ||
| 650 | |a Récepteurs couplés aux protéines G | ||
| 650 | |a Simulation, méthodes de | ||
| 650 | |a Thèses et écrits académiques | ||
| 700 | 1 | |a Piazza, Francesco, |d 1970- |4 ths | |
| 700 | 1 | |a Hamacek, Josef, |d 19..- |4 ths | |
| 700 | 1 | |a Di Patti, Francesca, |d 19..- | |
| 700 | 1 | |a Barducci, Alessandro, |d 19..- |4 opn | |
| 710 | 2 | |a Université d'Orléans. |4 dgg | |
| 856 | 4 | |q PDF |s 9649489 |u http://www.theses.fr/2024ORLE1081/document |z Accès au texte intégral | |
| 856 | 4 | |u https://theses.univ-orleans.fr/public/2024ORLE1081_va.pdf | |
| 856 | 4 | |u http://www.theses.fr/2024ORLE1081/abes | |
| 856 | 4 | |u https://theses.hal.science/tel-05019760 | |
| 997 | |0 1298166 |1 Thèse numérique |a Ressource numérique |b INSA |b ENSA |c 0/Bibliothèque numérique/ |c 1/Bibliothèque numérique/Autre ressource numérique/ | ||