Modelling, analysis and control for systems biology : application to bacterial growth models - INRIA - Institut National de Recherche en Informatique et en Automatique Accéder directement au contenu
Thèse Année : 2014

Modelling, analysis and control for systems biology : application to bacterial growth models

Modélisation, analyse et contrôle pour la biologie des systèmes : application à des modèles de croissance de bactéries

Alfonso Carta
  • Fonction : Auteur
  • PersonId : 772829
  • IdRef : 178847631

Résumé

This thesis deals with modelling, analysis and control of gene regulatory networks in the bacterium E. coli, with tools of Control Theory. Different mathematical methodologies (qualitative/quantitative, deterministic/stochastic) have been used to best describe the different biological systems under investigation. Notably, in the first part of the thesis we mainly addressed the problem of controlling the growth rate of bacterial cells. Growth control is essential in industrial biotechnology and fundamental research of this kind could pave the way to novel types of antimicrobial strategies. To this aim we developed new qualitative mathematical formalisms, derived from piecewise linear systems, to couple gene expression with growth rate. We applied these formalisms to small E. coli synthetic gene circuit models (conceived with our collaborators from Ibis, Inria Grenoble) implementing both open and closed loop configurations. By means of phase plane analysis and bifurcation diagrams we showed that the proposed qualitative control strategies, which act on the gene expression machinery (GEM), can mathematically control the cell growth rate. Moreover, in order to identify the key components of GEM that mostly determine the bacterial growth rate, we also tested several growth rate models using Boolean computational tools. In the second part of the thesis, we developed a coarse-grained, but quantitative, ODE model of E. coli GEM whose parameter values have been identified from published experimental data at different steady state growth rate values.
Cette thèse porte sur la modélisation, l'analyse et le contrôle de réseaux de régulation génétique dans la bactérie E. Coli, avec les outils de la Théorie du Contrôle. On utilise plusieurs formalismes (qualitatif/quantitatif, déterministe/stochastique) pour décrire les différents systèmes. Dans la première partie de la thèse, on considère le problème du contrôle du taux de croissance pour les bactéries. Le taux de croissance est une caractéristique essentielle pour l'industrie des biotechnologies, et cette recherche peut ouvrir la voie à de nouvelles stratégies antimicrobiennes. Nous avons développé de nouveaux formalismes qualitatifs, basé sur les systèmes affines par morceaux différentiels, qui couplent l'expression des gènes et la croissance. Nous appliquons ces formalismes à de petits modèles de circuits génétiques synthétiques (conçus avec nos collaborateurs de Ibis, Inria Grenoble), et étudions des boucles de contrôle ouvertes ou fermées. Par une étude du portrait de phase et des bifurcations, nous montrons que la stratégie qualitative de contrôle proposée, qui agit sur la machinerie cellulaire globale, permet de contrôler le taux de croissance. Pour trouver les composants les plus représentatifs de cette machinerie cellulaire, nous testons plusieurs modèles de taux de croissance, avec des outils de calcul booléens. Dans la seconde partie de la thèse, nous développons un modèle simplifié de la machinerie cellulaire globale chez E. Coli, basé sur des équations différentielles, et dont les paramètres sont identifiés à partir de données de la littérature pour plusieurs taux de croissance.
Fichier principal
Vignette du fichier
2014NICE4024.pdf (5.67 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-01094091 , version 1 (11-12-2014)
tel-01094091 , version 2 (01-06-2016)

Identifiants

  • HAL Id : tel-01094091 , version 2

Citer

Alfonso Carta. Modelling, analysis and control for systems biology : application to bacterial growth models. Other. Université Nice Sophia Antipolis, 2014. English. ⟨NNT : 2014NICE4024⟩. ⟨tel-01094091v2⟩
504 Consultations
729 Téléchargements

Partager

Gmail Facebook X LinkedIn More