Mathematical foundations of antibody affinity maturation
Fondements mathématiques de la maturation d’affinité des anticorps
Résumé
The adaptive immune system is able to produce a specific response against almost any pathogen that could penetrate our organism and inflict diseases. This task is assured by the production of antigen-specific antibodies secreted by B-cells. The agents which causes this reaction are called antigens: during an immune response B-cells are submitted to a learning process in order to improve their ability to recognize the immunizing antigen. This process is called antibody affinity maturation. We set a highly flexible mathematical environment in which we define and study simplified mathematical evolutionary models inspired by antibody affinity maturation. We identify the fundamental building blocks of this extremely efficient and rapid evolutionary mechanism: mutation, division and selection. Starting by a rigorous analysis of the mutational mechanism in Chapter 2, we proceed by successively enriching the model by adding and analyzing the division process in Chapter 3 and affinity-dependent selection pressures in Chapter 4. Our aim is not to build a very detailed and comprehensive mathematical model of antibody affinity maturation, but rather to investigate interactions between mutation, division and selection in a simplified theoretical context. We want to understand how the different biological parameters affect the system’s functionality, as well as estimate the typical time-scales of the exploration of the state-space of B-cell traits. Beyond the biological motivations of antibody affinity maturation modeling, the analysis of this learning process leads us to build a mathematical model which could be relevant to model other evolutionary systems, but also gossip or virus propagation. Our method is based on the complementarity between probabilistic tools and numerical simulations.
Le système immunitaire adaptatif est capable de produire une réponse spécifique contre presque tous le pathogènes qui agressent notre organisme. Ceci est dû aux anticorps qui sont des protéines secrétées par les cellules B. Les molécules qui provoquent cette réaction sont appelées antigènes : pendant une réponse immunitaire, les cellules B sont soumises à un processus d’apprentissage afin d’améliorer leur capacité à reconnaitre un antigène donne. Ce processus est appelé maturation d’affinité des anticorps. Nous établissons un cadre mathématique très flexible dans lequel nous définissons et étudions des modelés évolutionnaires simplifies inspirés par la maturation d’affinité des anticorps. Nous identifions les éléments constitutifs fondamentaux de ce mécanisme d’évolution extrêmement rapide et efficace : mutation, division et sélection. En commençant par une analyse rigoureuse du mécanisme de mutation dans le Chapitre 2, nous procédons à l’enrichissement progressif du modelé en ajoutant et analysant le processus de division dans le Chapitre 3 ,puis des pressions sélectives dépendantes de l’affinité dans le Chapitre 4. Notre objectif n’est pas de construire un modèle mathématique très détaillé et exhaustif de la maturation d’affinité des anticorps, mais plutôt d’enquêter sur les interactions entre mutation, division et sélection dans un contexte théorique simplifie. On cherche à comprendre comment les différents paramètres biologiques influencent la fonctionnalité du système, ainsi qu’à estimer les temps caractéristiques de l’exploration de l’espace d’états des traits des cellules B. Au-delà des motivations biologiques de la modélisation de la maturation d’affinité des anticorps, l’analyse de ce processus d’apprentissage nous a amenée à concevoir un modèle mathématique qui peut également s’appliquer à d’autres systèmes d’évolution, mais aussi à l’étude de la propagation de rumeurs ou de virus. Notre travail théorique s’accompagne de nombreuses simulations numériques qui viennent soit l’illustrer soit montrer que certains résultats demeurent extensibles a des situations plus compliquées.
Origine : Version validée par le jury (STAR)
Loading...