Model-based investigation of microbial metabolism to interpret gene essentiality results, illustrated on Acinetobacter baylyi ADP1 metabolism.
Elucidation du métabolisme des microorganismes par la modélisation et l'interprétation des données d'essentialité de gènes. Application au métabolisme de la bactérie Acinetobacter baylyi ADP1.
Résumé
Microbial metabolism has traditionally been investigated at two different scales: the finest involves characterizing individually each reaction occurring in the cell; the largest focuses on global cell physiology. Both scales have recently benefited from technological advances: analyzing sequenced genomes identifies a large fraction of reaction-catalyzing enzymes; cell physiology can be determined at high-throughput for several environmental conditions and genetic perturbations. Combining both scales remains, however, especially complex as the global physiological behavior of a cell results from the coordinated action of a large network of reactions. Mathematical modeling approaches have yet shown recently that genome-scale metabolic models could help in linking both scales.
In this thesis, we explore the use of such models to expand the knowledge of reactions with a specific type of high-level data: gene essentiality data, assessed using growth phenotypes of deletion mutants. We will use as model organism the bacterium Acinetobacter baylyi ADP1, for which a genome-wide collection of gene deletion mutants has recently been created.
Following a presentation of the key steps and developments that have been required to reconstruct a global metabolic model of A. baylyi, we will show that confronting observed and predicted phenotypes highlight inconsistencies between the two scales. We will then show that a formal interpretation of these inconsistencies can guide model corrections and improvements to the knowledge of metabolism. We will illustrate this claim by presenting model corrections triggered by A. baylyi mutant phenotypes. Finally, we will introduce a method that automates the correction of inconsistencies caused by wrong associations between genes and reactions.
In this thesis, we explore the use of such models to expand the knowledge of reactions with a specific type of high-level data: gene essentiality data, assessed using growth phenotypes of deletion mutants. We will use as model organism the bacterium Acinetobacter baylyi ADP1, for which a genome-wide collection of gene deletion mutants has recently been created.
Following a presentation of the key steps and developments that have been required to reconstruct a global metabolic model of A. baylyi, we will show that confronting observed and predicted phenotypes highlight inconsistencies between the two scales. We will then show that a formal interpretation of these inconsistencies can guide model corrections and improvements to the knowledge of metabolism. We will illustrate this claim by presenting model corrections triggered by A. baylyi mutant phenotypes. Finally, we will introduce a method that automates the correction of inconsistencies caused by wrong associations between genes and reactions.
Deux échelles d'observations sont traditionnellement utilisées pour étudier le métabolisme des microorganismes: d'une part, à l'échelle locale, la caractérisation individuelle des réactions ayant lieu dans la cellule et d'autre part, à l'échelle globale, l'étude de la physiologie de la cellule. Ces deux échelles ont bénéficié de progrès technologiques récents : l'analyse des génomes séquencés permet d'identifier une large fraction des enzymes catalysant les réactions ; la physiologie des microorganismes peut être étudiée à haut débit pour de nombreux environnements et perturbations génétiques. Cependant, l'exploitation conjointe de ces deux échelles demeure complexe car le comportement physiologique global de la cellule résulte de l'action coordonnée de nombreuses réactions. Les approches de modélisation mathématique ont toutefois récemment permis de relier ces deux échelles à l'aide de modèles globaux du métabolisme.
Dans cette thèse, nous explorerons l'utilisation de ces modèles pour compléter la connaissance des réactions à l'aide d'une catégorie particulière de données d'échelle globale : les essentialités de gènes déterminées en observant les phénotypes de croissance de mutants de délétion. Nous nous appuierons pour cela sur la bactérie Acinetobacter baylyi ADP1 pour laquelle une collection complète de mutants de délétion a été récemment constituée au Genoscope.
Après avoir présenté les étapes clés et les développements que nous avons effectués pour reconstruire un modèle global du métabolisme d'A. baylyi, nous montrerons que la confrontation entre phénotypes observés et phénotypes prédits permet de mettre en évidence des incohérences entre les deux échelles d'observations. Nous montrerons ensuite qu'une interprétation formelle de ces incohérences permet de corriger le modèle et d'améliorer la connaissance du métabolisme. Nous illustrerons ce propos en présentant les corrections que nous avons réalisées à l'aide des phénotypes de mutants d'A. baylyi. Enfin, dans une dernière partie, nous proposerons une méthode permettant d'automatiser la correction des incohérences causées par des erreurs d'association entre gènes et réactions.
Dans cette thèse, nous explorerons l'utilisation de ces modèles pour compléter la connaissance des réactions à l'aide d'une catégorie particulière de données d'échelle globale : les essentialités de gènes déterminées en observant les phénotypes de croissance de mutants de délétion. Nous nous appuierons pour cela sur la bactérie Acinetobacter baylyi ADP1 pour laquelle une collection complète de mutants de délétion a été récemment constituée au Genoscope.
Après avoir présenté les étapes clés et les développements que nous avons effectués pour reconstruire un modèle global du métabolisme d'A. baylyi, nous montrerons que la confrontation entre phénotypes observés et phénotypes prédits permet de mettre en évidence des incohérences entre les deux échelles d'observations. Nous montrerons ensuite qu'une interprétation formelle de ces incohérences permet de corriger le modèle et d'améliorer la connaissance du métabolisme. Nous illustrerons ce propos en présentant les corrections que nous avons réalisées à l'aide des phénotypes de mutants d'A. baylyi. Enfin, dans une dernière partie, nous proposerons une méthode permettant d'automatiser la correction des incohérences causées par des erreurs d'association entre gènes et réactions.
Fichier principal
these-M_Durot.pdf (14.07 Mo)
Télécharger le fichier
soutenance-M_Durot.ppt (4.85 Mo)
Télécharger le fichier
Format : Autre