Thèse de Gilles Vieira

5 décembre 2011 -

« Etude de la diversité métabolique dans l’espèce Escherichia coli à l’aide de réseaux et de modèles du métabolisme à l’échelle de l’organisme »

Gilles Vieira (mail) soutiendra sa thèse le lundi 5 décembre à 14h en salle Jacob, au Genoscope. Ses travaux ont été effectués au sein du laboratoire « Laboratoire d’Analyses Bioinformatiques pour la Genomique et le Metabolisme » de Claudine Médigue (mail) .

Il existe plusieurs façons de concevoir l’étude des différences métaboliques chez les microorganismes. On peut soit s’intéresser à des variations ponctuelles (i.e. la présence ou non de certains acteurs moléculaires), soit s’intéresser à des variations des capacités métaboliques des organismes. Derrière ces analyses se cachent deux niveaux d’études : le premier se situe au niveau d’un ensemble restreint de gènes et d’activités enzymatiques et permet d’établir des relations de causalité entre ces deux éléments. Le second est à l’échelle la cellule et permet d’avoir une vue d’ensemble des capacités de croissance de l’organisme dans différentes conditions. Cependant, la complexité et l’interdépendance des processus métaboliques, et surtout le manque de réseaux reconstruits suffisamment détaillés rendent difficile l’explicitation des liens entre caractéristiques phénotypiques de croissance et le génotype lors des analyses à l’échelle de la cellule. En effet les avancées technologiques, dont le séquençage intégral du génome d’un organisme, l’accumulation des connaissances biologiques référencées dans des bases de données et enfin les avancées méthodologiques, permettent de reconstruire des réseaux et des modèles du métabolisme à l’échelle de la cellule. Malheureusement, pour obtenir des réseaux de qualité, il est encore aujourd’hui indispensable de passer par un processus de curation manuelle, long et fastidieux. 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 (ou proches d’un point de vue phylogénétique) 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. Ces souches couvrent les différents groupes phylogénétiques des E. coli et contiennent des représentants de différents types de pathogénicité. Les réseaux ainsi reconstruits présentent une nette amélioration en comparaison des réseaux reconstruits par les stratégies habituelles. L’analyse de ces réseaux a mis en évidence un fort lien entre l’évolution du métabolisme et l’histoire évolutive des souches. Pourtant, tous les processus métaboliques ne sont pas impactés de la même manière. On observe que certains processus sont fortement conservés alors que d’autres semblent subir moins de contraintes sélectives. 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. Dans le meilleur des cas, les modèles reconstruits ont un nombre de bonnes prédictions supérieur au modèle de référence et dans le pire des cas, ce est voisin de celui du modèle de référence. Cette observation est le résulta de l’ajout de nouvelles voies métaboliques fonctionnelles (i.e, en accords avec les observations expérimentales) dans les modèles reconstruits. Enfin nous avons préparé nos modèles pour l’intégration de données biologiques hétérogènes, données contenant des résultats expérimentaux, dont des concentrations d’enzyme et des résultats de simulation de flux provenant d’un modèle cinétique. 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.