Inference and modeling of biological networks : from active matter to the immune system - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2022

Inference and modeling of biological networks : from active matter to the immune system

Inférence et modélisation des réseaux biologiques : de la matière active au système immunitaire

Victor Chardès
  • Fonction : Auteur
  • PersonId : 1400212
  • IdRef : 279355270

Résumé

Biological networks are collections of biologically active entities self-organizing to provide an emergent function. For example, birds collectively align in flocks to increase their ability to escape predators, and immune cells form diverse subsets of cells to ensure efficient protection against infections. In bird flocks, the number of birds is small and their interactions are local in space and time. To describe this biological system, we adopt in the first part of this thesis a statistical physics approach using over- and under-damped Langevin models. We develop a new Bayesian inference scheme for second-order stochastic models in equilibrium and out of equilibrium, and we relate the failure of naive inference schemes to the problem of inferring equations of motion from partially observed dynamics. We then demonstrate the applicability of our approach to a recent model of collective motion of flocks of birds. In the immune system, on the other hand, the number of cells is uncountable and their interactions range from the molecular to the organismal scale. To circumvent this problem, we develop in the second part of this thesis a new model describing the organization of the immune system as the result of an optimality principle. By maximizing long-term protection and minimizing short-term resource costs, we find optimal immune strategies consistent with experimentally quantified subsets of the B cell repertoire. Furthermore, we rationalize the phenomenon of antigenic imprinting, or “original antigenic sin”, as an long-term optimal immune strategy. In the final part of this thesis, we study how in return the immune pressure of a host population drives viral evolution. We find that the evolutionarily stable viral strategy maximizes the rate of antigenic evolution when cross-immunity is low and maximizes the basic reproduction ratio as it becomes larger. As a result, we show that low cross-immunity favors highly transmissible and virulent variants with mutation rates near the extinction threshold.
Les réseaux biologiques sont des collections d’entités biologiquement actives qui s’auto-organisent pour assurer une fonction émergente. Par exemple, les oiseaux s’alignent collectivement en nuées pour augmenter leur capacité à échapper aux prédateurs, et les cellules immunitaires s’organisent en divers sous-ensembles de cellules pour assurer une protection efficace contre les infections. Dans les nuées d’oiseaux, le nombre d’oiseaux est faible et leurs interactions sont locales dans l’espace et le temps. Pour décrire ce système biologique, nous adoptons dans la première partie de cette thèse une approche de physique statistique utilisant des modèles de Langevin sur- et sous-amortis. Nous développons un nouveau schéma d’inférence Bayésien pour les modèles stochastiques du second ordre en équilibre et hors équilibre, et nous relions l’échec des schémas d’inférence naïfs au problème de l’inférence des équations du mouvement à partir de dynamiques partiellement observées. Nous démontrons ensuite l’applicabilité de notre approche à un modèle récent de mouvement collectif des nuées d’oiseaux. En revanche, dans le système immunitaire le nombre de cellules est presque incalculable et leurs interactions vont de l’échelle moléculaire à l’échelle de l’organisme. Pour contourner ce problème, nous développons dans la deuxième partie de cette thèse un nouveau modèle décrivant l’organisation du système immunitaire comme résultant d’un principe d’optimalité. En maximisant la protection à long terme et en minimisant l’utilisation de ressources à court terme, nous démontrons l’existence de stratégies immunitaires optimales correspondant à des sous-ensembles du répertoire de lymphocytes B quantifiés expérimentalement. En outre, nous rationalisons le phénomène de l’empreinte antigénique, ou "péché antigénique originel", comme une stratégie immunitaire optimale à long terme. Dans la dernière partie de cette thèse, nous étudions comment, à son tour, la pression immunitaire d’une population hôte influence l’évolution virale. Nous constatons que la stratégie virale optimale sur le plan évolutif maximise le taux d’évolution antigénique lorsque l’immunité croisée est faible et maximise le taux de reproduction de base lorsqu’elle devient plus importante. En conséquence, nous montrons qu’une faible immunité croisée favorise l’émergence de variants hautement transmissibles et virulents avec des taux de mutation proches du seuil d’extinction.
Fichier principal
Vignette du fichier
Chardes_2022_These.pdf (8.93 Mo) Télécharger le fichier
Origine Version validée par le jury (STAR)

Dates et versions

tel-04645457 , version 1 (11-07-2024)

Identifiants

  • HAL Id : tel-04645457 , version 1

Citer

Victor Chardès. Inference and modeling of biological networks : from active matter to the immune system. Physics [physics]. Université Paris sciences et lettres, 2022. English. ⟨NNT : 2022UPSLE060⟩. ⟨tel-04645457⟩
0 Consultations
0 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More