Soutenance - Amine Ghozlane - 20/11 10h00 / Bordeaux

Bonjour,

J'ai le plaisir de vous inviter à la soutenance de ma thèse, intitulée :

"Développement de méthodes bioinformatiques dédiées à la prédiction et
l'analyse des réseaux métaboliques et des ARNs non-codants"

La soutenance aura lieu le mardi 20 novembre à 10h00 dans l'amphithéâtre
du LaBRI, Université de Bordeaux I
(http://www.labri.fr/index.php?n=LaBRI.Plan) devant un jury composé de :

- M. Denise Alain, Professeur (rapporteur)
- Mme Delest Maylis, Professeure (directrice de thèse)
- Mme Dutour Isabelle, Maître de Conférences (co-directrice de thèse)
- Mme Gaspin Christine, Directrice de recherche INRA (rapportrice)
- M. Jourdan Fabien, Chargé de recherche INRA (examinateur)
- M. Mazat Jean-Pierre, Professeur (examinateur)
- Mme Thébault Patricia, Maître de Conférences (co-directrice de
thèse)

Vous êtes également invités au pot qui suivra dans l'atrium.

Cordialement,

Amine Ghozlane

----------
Résumé :

L'identification des interactions survenant au niveau moléculaire joue
un rôle crucial pour la compréhension du vivant. L'objectif de ce
travail a consisté à développer des méthodes permettant de modéliser et
de prédire ces interactions pour le métabolisme et la régulation de la
transcription. Nous nous sommes basés pour cela sur la modélisation de
ces systèmes sous la forme de graphes et d'automates.
Nous avons dans un premier temps développé une méthode permettant de
tester et de prédire la distribution du flux au sein d'un réseau
métabolique en permettant la formulation d'une à plusieurs contraintes.
Nous montrons que la prise en compte des données biologiques par cette
méthode permet de mieux reproduire certains phénotypes observés in vivo
pour notre modèle étude du métabolisme énergétique du parasite
Trypanosoma brucei. Les résultats obtenus ont ainsi permis de fournir
des éléments d'explication pour comprendre la flexibilité du flux de ce
métabolisme, qui étaient cohérentes avec les données expérimentales.
Dans un second temps, nous nous sommes intéressés à une catégorie
particulière d'ARNs non-codants appelés sRNAs, qui sont impliqués dans
la régulation de la réponse cellulaire aux variations environnementales.
Nous avons développé une approche permettant de mieux prédire les
interactions qu'ils effectuent avec d'autres ARNs en nous basant sur une
prédiction des interactions, une analyse par enrichissement du contexte
biologique de ces cibles, et en développant un système de visualisation
spécialement adapté à la manipulation de ces données. Nous avons
appliqué notre méthode pour l'étude des sRNAs de la bactérie Escherichia
coli. Les prédictions réalisées sont apparues être en accord avec les
données expérimentales disponibles, et ont permis de proposer plusieurs
nouvelles cibles candidates.

Mots-clefs :
Bioinformatique, Graphe, réseau de Petri, métabolisme, Flux Balance
Analysis, ARN non-codant, prédiction des cibles des sRNAs.