HAL Id: tel-00459987
https://tel.archives-ouvertes.fr/tel-00459987
Submitted on 25 Feb 2010
HAL is a multi-disciplinary open access
archive for the deposit and dissemination of
sci-entific research documents, whether they are
pub-lished or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est
destinée au dépôt et à la diffusion de documents
scientifiques de niveau recherche, publiés ou non,
émanant des établissements d’enseignement et de
recherche français ou étrangers, des laboratoires
publics ou privés.
Méthodes d’analyse de modèles de régulation cellulaire
Ibrahima Ndiaye
To cite this version:
Ibrahima Ndiaye. Méthodes d’analyse de modèles de régulation cellulaire. Mathématiques [math].
Université Nice Sophia Antipolis, 2010. Français. �tel-00459987�
ECOLE DOCTORALE STIC
SCIENCESETTECHNOLOGIES DE L'INFORMATION ETDE LA COMMUNICATION
THESE
pour obtenir le titrede
Do teur en S ien es
de l'Universitéde Ni e- SophiaAntipolis
Mention : Automatique Traitement du signal et des images
Présentée par
Ibrahima NDIAYE
Méthodes d'analyse de modèles de régulation ellulaire
Thèsepréparée dansle projetCOMORE, INRIA Sophia-Antipolis
Dirigéepar Jean-Lu GOUZÉ
Soutenuepubliquement le01 Février2010 devant lejury omposéde :
Hassan HAMMOURI Professeur à l'Université Lyon1 Président
Gautier SALLET Professeur à l'Université de Metz Rapporteur
Anne SIEGEL Chargée dere her hes-CNRS Rennes Rapporteur
Hidde deJONG Dire teur de re her hes-INRIAGrenoble Examinateur
Ja ques A.SEPULCHRE Maître de onféren esà l'Université deNi e-SA Examinateur
Jean-Lu GOUZÉ Dire teur de re her hesINRIA SophiaAntipolis Dire teur
Tout d'abord, je tiens à remer ier Jean-Lu Gouzé,mon dire teur de thèse. Ce travail n'aurait
sans doute pas pris ette forme s'il n'avait pas été à mes otés, toujours disponible et ave
beau- oup depatien e.Toutaulongde estroisannées,ilasuorientermesre her hesauxbonsmoments.
Mer i également à Frédéri Grognard qui a o-en adré le Chapitre 5 et Madalena Chaves qui
a o-en adré le Chapitre 6. Malgré le lourd travail de re her he qui les attendait, ils ont toujours
trouvé un moment de libre pour m'aider à résoudre des problèmes. Mes remer iements vont, d'une
manière générale, à tous les membres du projet COMORE.
Jetiensàexprimer mare onnaissan e auxmembresdujurypourl'intérêtqu'ilsontportéàmon
travail : A Gauthier SalletProfesseur à l'Universitéde Metzet AnneSiegelChargée de
re her hes-CNRSqui ontbien voulu a epter de lire e travailet d'entirerun ompte-rendu.A Hiddede Jong
Dire teurdere her hes-INRIA etJa ques Alexandre Sepul hre Maître de onféren es àl'Université
de Ni e Sophia-Antipolis qui ont bien voulu jouer le rle d'examinateur. Enn, je remer ie Hassan
HammouriProfesseurà l'UniversitéLyon1pouravoira epté deprésiderlejury de ettethèse. Ses
en ouragements lors demon master m'ont beau oup motivéà entreprendre ette thèse.
Je ne saurais terminer sans remer ier mafamilleet mes amis pour leur soutiensans faille.
Prin ipaux arti les 9
Introdu tion 11
I Modélisation de réseaux de régulation ellulaire 15
1 Prin ipe de la régulation ellulaire 17
1.1 Le dogme entral de labiologie ellulaire . . . 17
1.2 Exemple del'opéronla tose . . . 19
2 Préalables pour la modélisation de réseaux de régulation ellulaire 23 2.1 Réa tionsbio himiqueset enzymatiques . . . 23
2.1.1 Réa tion himique . . . 23
2.1.2 Cinétique enzymatique . . . 25
2.2 Diérentes lasses de modèles desystèmes génétiques . . . 29
2.2.1 Modèlede régulationd'ungène . . . 30
2.2.2 Modélisationave deséquations diérentiellesordinaires . . . 31
2.2.3 Modèlesanes par mor eaux . . . 32
2.2.4 Exemple :réseau d'inhibition ré iproque dedeux gènes. . . 32
2.3 Exemple deréseau métaboli o-génétique:l'opéronla tose . . . 42
II Méthodes d'étude de modèles de régulation ellulaire 45 3 Hiérar hisation d'un modèle omplexe 47 3.1 Dé ompositionhiérar hique d'ungraphe . . . 47
3.2 Des riptiondu modèle . . . 48
3.3 Graphe d'intera tion du modèle . . . 50
3.4 Dé ompositionen omposantesfortement onnexes . . . 54
3.5 Con lusion. . . 55
4 Uni ité et stabilité globale de l'équilibre de modèles métaboliques 57 4.1 Dénition dessystèmesmonotones . . . 57
4.2 Stabilité dessystèmes monotones . . . 59
4.4.1 Réseauenzymatique fermé . . . 63
4.4.2 Réseauenzymatique ouvert ave prise en ompte destermes de dégradation . 65 4.4.3 Réseauenzymatique ouvert sansles termesde dégradation . . . 67
4.4.4 Con lusion . . . 71
4.5 Chaine enzymatique ouplée ave des gènes . . . 71
5 Etude de modèle métaboli o-génétique basée surdes te h. de syst. monotones 73 5.1 Un théorèmedu petit gain . . . 73
5.2 Appli ation :réseau métaboli o-génétique non monotone . . . 75
5.2.1 Dé ompositionen deuxsous-systèmes monotones . . . 75
5.2.2 Monotoni ité desdeux sous-systèmes . . . 76
5.2.3 Existen e des ara téristiquesentrée-état . . . 77
5.2.4 Bornitudedes solutions dusystèmeglobal . . . 79
5.2.5 Convergen e de lafon tion
u
k+1
= (k
w
ok
y
)(u
k
) = F (u
k
)
. . . 806 Os illations indu edby dierent times ales... 83
6.1 Introdu tion . . . 83
6.2 Couplingfast signallingand slow regulatorymodules . . . 85
6.2.1 Themodel. . . 86 6.2.2 Dierenttimes ales . . . 88 6.3 Stability analysis . . . 89 6.4 Parameter identi ation . . . 93 6.4.1 Bistability . . . 93 6.4.2 Os illations . . . 94
6.4.3 Validation ofdierent times ales hypotheses . . . 95
6.5 Period,sensitivity analysisandmore experiments . . . 95
6.5.1 Period ofthe orbit . . . 96
6.5.2 Modelpredi tionsandexperiments . . . 98
6.6 Con lusions . . . 99
7 Modèle inétique du réseau étendu de la réponse à un stress en . hez E. oli 101 7.1 Modèle. . . 101
7.2 Dé ompositiondu modèle . . . 104
7.2.1 Dé omposition etétudepour
u
s
= 0
. . . 1067.2.2 Dé omposition etétudepour
u
s
= 1
. . . 116Bibliographie 122
Annexes 126
A Théorèmes utiles 127
A.1 Théorème deTikhonov [67℄ . . . 127
A.2 Lemme de séparation . . . 128
B Modèle intégré de la gly olyse et la néoglu ogenèse dans E. oli 129 C The extended arbon starvation response network [58℄ 133 C.1 Variablesand parameters for theextended arbon starvation responsenetwork . . . 133
C.2 Intervalsfor on entration and parametervalues . . . 134
D Supplementary material 135 D.1 Parameter estimates . . . 135
D.1.1 Bistability . . . 135
D.1.2 Os illations . . . 139
L'objet de ette thèse est de proposer desméthodes originales d'étude et de rédu tionde
mo-dèlesmétaboli o-génétiques. Lessystèmes onsidérés sont onstituésd'unepartie génétique(réseau
degènes)etd'unepartiemétabolique oupléeauréseaugénétique.Ilssontdé ritspardeséquations
diérentielles. Ces méthodes utilisent le graphe d'intera tion du système, la monotonie des
inter-a tions, larédu tion par diéren e d'é hellesde temps etl'étude desmodèles hybrides etlinéaires
par mor eaux. Nous donnons dans la première partie quelques notions biologiques on ernant le
prin ipe de la régulation ellulaire etdes préalables pour la modélisation de réseaux de régulation
ellulaire. Dans la deuxième partie, nous présentons les diérentes méthodes mises en pla e. En
premier, nous exposons une méthode basée sur la hiérar hisation et qui permet de dé omposer
un modèle omplexe en omposantes fortement onnexes. Nous nous sommes ensuite intéressés à
l'uni ité etàla stabilitéde l'équilibre de modèles métaboliques réversibles. Nous prouvons ques'il
existe, l'équilibre est globalement asymptotiquement stable. Troisièment, nous avons appliqué des
méthodesd'étudede systèmes ouplésbasées surdeste hniquesdesystèmes monotonesà unpetit
exemple de modèle métaboli o-génétique. L'identi ation paramètrique et la rédu tion de modèle
basée sur la diéren e d'é helles de temps sont traitées dans le hapitre suivant. Nous terminons
par un modèle omposé de 14 variables qui nousest fourni par l'équipe Ibis de l'INRIA Grenoble
auquel nous appliquons quelquesunes de esméthodes; noussommes en mesure de l'étudierdans
sonintégralité.
Abstra t
The purpose of this thesis is to propose original methods of study and redu tion of metaboli
andgeneti models.The onsideredsystems onsistofonegeneti part(genenetwork) andone
me-taboli part oupled withthe geneti network. Theyaredes ribed bydierential equations.These
methodsusethe intera tiongraphofthesystem,themonotonyoftheintera tions,redu tionusing
thetimes ale order of magnitude and study of hybrid and pie ewise linearmodels. We give inthe
rst part some notions about the biologi al prin iples of ellular regulation and for the modeling
of ellular regulatory networks. In the se ond part, we present the dierent methods we have
im-plemented. First, we outline a method based on the hierar hisation, whi h allows to de ompose a
omplex modelinstrongly onne ted omponents. We furtherdis uss theuniquenessand stability
of the equilibrium of reversible metaboli models. We prove that if exists, the equilibrium is
glo-ballyasymptoti allystable. Third,we apply methods basedon monotonytheoryto study omplex
systems;wegive onesmall exampleof metaboli andgeneti models.Parameter identi ation and
model redu tion based upon the dieren e of time s ales are dis ussed in the next hapter. We
on lude withamodel omposed of14variables providedbytheIbis teamofINRIA Grenoble;we
•
Arti le présenté à RIAMS 2006 (ave omité de le ture) qui s'esttenue à Lyon et à JOBIM 2007 àMarseille.I. Ndiaye, F. Grognard et J.L. Gouzé, Etude d'un petit réseau métaboli o-génétique par des
te hniques desystèmes monotones
•
Arti le présentéà RIAMS2007 (ave omité dele ture) qui s'esttenue à LyonI.Ndiaye,M.ChavesetJ.L.Gouzé,Unpetit modèle d'intera tionentre expressiongénétique
etsignalisation
•
Arti le présentéà Med08 (ave omitéde le ture) quis'esttenue à Aja io en2008.I. Ndiaye, M. Chaveset J.L. Gouzé,Study and parameter identi ation of a model oupling
ell signaling andgene expression
•
Arti le a eptépour unepubli ation dansIETSystemsBiologyI. Ndiaye, M. Chaves et J. L. Gouzé, Os illations indu ed by dierent times ales in signal
modules regulated by slowly evolving protein-protein intera tions
•
Arti le a eptéà CIFA 2010 quiaura lieuà Nan y en2010I. Ndiaye et J. L. Gouzé, Uni ité et stabilité globale de l'équilibre de modèles métaboliques
La biologie molé ulaire estde nosjoursl'un desdomainesde labiologie lesplus a tifs.L'usage
de te hnologie de pointe a permis le séquen age omplet de génomes fournissant ainsi d'énormes
quantitésdedonnées. Cesimportantesbasesdedonnéespermettent dedé rire ertainsmé anismes
biologiques. Ainsi, les intera tions entre les gènes, les protéines, les métabolites et d'autres
molé- ules sont identiées. Demême, les variations de on entrations en fon tion des hangementsdans
lemilieusont aussidéte tées.L'obje tifdesbiologistesestd'arriveràuneinterprétationglobaledu
fon tionnement d'unorganisme. Il sera don né essaire d'arriver à une ompréhension desréseaux
d'intera tions, onne tés par des bou les de rétroa tion positives et négatives, pour pouvoir
diag-nostiquer, prédireoumême orriger ertains omportements.
Devant de tels réseaux, la ompréhension intuitive est impossible. Il faut le on ours de tous les
domainess ientiquespourarriveràproduiredesmodèlesmathématiquesetàfairedessimulations
par ordinateur.
Néanmoins,lesmodèles biologiquessont souvent detrès grandestaillesetsontainsitrès di ilesà
manipuler.A elas'ajoutelefaitque esmodèles omprennentdesvariablesgénétiques,métabolites,
designalisation. Deplus, pour unmathémati ien, unsystèmenon-linéairededimension supérieure
à 3estsouvent impossible oudi ile à étudier,reste lasimulation numérique.Il s'avèredon
inté-ressant de mettre en pla e de nouvelles méthodes pour es genres de modèle. C'est dans e adre
ques'ins rit ette thèse qui onsiste à proposerdesméthodesoriginales d'étude etderédu tion de
modèles métaboli o-génétiques omplexes. Ces méthodesutilisent les ara téristiquessuivantes:
•
legraphedu système(de lamatri e ja obienne);•
lamonotoniedes intera tions (théoriedes systèmesmonotones);•
larédu tionpar é helle de temps (modèle ave plusieurs é helles detemps);•
l'étudedesmodèles hybrides(dis ontinu enespa e) etlinéaires par mor eaux.Ave la ollaboration du projetIbisde l'INRIA Grenoble,nousavonspu travailler surde vrai
mo-dèles.Toutefois, nousavonseu à appliquer desméthodes surdepetitsexemplessimples.
•
Danslapremièrepartiede ettethèse,nousdonnonsquelquesnotionsbiologiquespermettant demieux omprendreles modèles quenousauronsà traiter. Le hapitre 1 abordele prin ipedelarégulation ellulaireenprésentantd'abord ledogme entral delabiologie pour terminer
sur l'exemple de l'opéron la tose. N'étant pas biologiste, je me ontenterai de donner des
des riptions sommaires sans trop entrer dans les détails. Le hapitre 2 donne despréalables
pour lamodélisation deréseaux de régulation ellulaire.
•
La deuxièmepartie est onsa réeauxdiérentesméthodesmises enpla e.Ainsidansle ha-pitre3,nousprésentonsuneméthodebaséesurlahiérar hisationetquipermetdedé omposerlemodèle en omposantes fortement onnexes. Nous l'appliquons surun exemple de modèle
totiquement stable. Etant donné que les systèmes biologiques ont souvent des intera tions
négativesdonnant ainsidessystèmesnon-monotones, nousprésentons dansle hapitre 5,sur
un petit exemple une méthode d'étude desystèmes non-monotones basée surdes te hniques
desystèmesmonotones.Dansle hapitre6,nousprésentonssurunexemple,leste hniquesde
rédu tionde modèlebasées surles diéren esd'é helle de temps.Toujoursave etexemple,
nousanalysons ommentlavariationlented'unpro essuslentpeutengendrer lebas ulement
d'unpro essusrapided'unmodedefon tionnementàunautre.L'identi ationparamétrique
ainsi que l'estimation de la période d'un y le limite sont aussi faites dans e hapitre. Le
dernier hapitre onsiste en l'appli ation de quelques unes de es méthodes sur "le modèle
inétique du réseau étendu de la réponse à un stress en arbone hez Es heri hia oli" qui
nous est fourni par le projet Ibis de l'INRIA Grenoble. Dans e hapitre, nous utilisons la
Modélisation de réseaux de régulation
Prin ipe de la régulation ellulaire
Dans e hapitre, nousfaisons un rappeldes notions de base on ernant lemé anisme de base
de l'ADN.
1.1 Le dogme entral de la biologie ellulaire
An de mieux aborder le prin ipe de régulation génétique et ses modélisations, nous devons
tout d'abord omprendre le fon tionnement de base de la ellule et le rle des gènes au sein de
elle- i.Nousnouslimiteronsdanslasuiteàunedes riptiontrèssommairedesprin ipes(voir [46℄). La ellule est omme une petite po he organique possédant une membrane qui sépare l'intérieur
et l'extérieur et permet les é hanges entre elle- i et le milieu environnant. La gure 1.1 montre une ellule etles éléments qui la onstituent. Ainsi les ellules prennent de manière séle tive dans
leur environnement les divers produits (nutriments, oxygène...) né essaires à leur fon tionnement
et y ex rètent les dé hets qui résultent de elui- i. A l'intérieur de la ellule, des transformations
himiques in essantes atalysées par des enzymes se produisent. Ces réa tions orrespondent au
métabolisme ellulaire (gly olyse, respirations, enzymes), aux voies de transdu tion de signal
(ré- epteursintra ellulaires, protéines,fa teursde trans ription).
danslenoyau,dansles ellulespro aryoteselleest ontenuedansle ytoplasme.Lamolé uled'ADN
estune ma romolé ule qui remplie un ertain nombrede fon tionsparmi lesquelles:
•
le sto kage d'information génétique né essaire au développement et au fon tionnement de l'organisme,•
latransmissionde etteinformationdegénérationengénération; 'est equipermetl'hérédité,•
l'information portée par les ADN peut se modier au ours du temps. Cela entraine une diversité desindividuesetune évolution possible desespè es.Pour mieux omprendre omment l'ADN remplie es fon tions, nous allons rappeler brièvement
sa stru ture. L'ADN est don omposée de séquen es de nu léotides disposées dans deux brins se
faisant fa eetformant une double héli e. Chaquenu léotide est onstitué d'ungroupe phosphate,
d'unsu re(ledesoxyribose),d'unebaseazotée;tous esélémentssontliésentreeux ommeonpeut
levoir surlagure 1.2.
P
D
D
D
D
D
D
D
D
P
P
P
P
P
A T
A
T
G C
C G
Un nucleotide
P
Acide Phosphorique
D
Desoxyribose
Adenine
Guanine
T
A
G C
Thymine
Cytosine
Fig. 1.2Stru ture de l'ADN
Il existe quatrebases azotéesdiérentes:l'Adénine A,laThymineT, laCytosine Cetla
Gua-nineG.Par onséquent,ilexistequatrenu léotidesdiérents.Cesnu léotidessont omplémentaires
deux à deux :A est omplémentaire de T, G est omplémentaire de C. Un brin d'ADN est formé
par la répétition ordonnée de es nu léotides. Chaque nu léotide d'un brin se lie par une liaison
faible (liaison hydrogène) à elle quilui orresponddansl'autre brin. La molé uled'ADN est don
un en hainement ni de lettres sur un alphabet omportant quatre lettres
{A, T, G, C}
et haque gèneestuneportionde ettelongueséquen e.Legèneestl'unitéfon tionnelledebasedel'informa-tion génétique. Il existe des gènes de stru tures etdes gènes de régulation. Lesgènes de stru ture
ontiennent l'information utilisable par la ellule pour fabriquer ses protéines. Les protéines sont
desma romolé ules ne essairesà lasurvie dela ellule. Onpeut iteren guise d'exemple:
•
lesenzymes qui atalysent toutesles réa tions bio himiquesdu métabolisme;ellulaire sefaiten deuxétapes:
•
La trans ription : lors de ette phase, une enzyme parti ulière l'ARN polymérase (ARNp) par ourtl'un desbrinsdugèneàtrans rireetlelit.Alandelale ture, unbrind'ARNditmessager, omplémentaire dubrinpar ouruestlibéré. C'estune opie exa tedugènequiest
ainsiee tuéelors de latrans ription.La Thymine est ependant rempla ée par l'Ura ile.
Fig. 1.3 Pro essus detrans ription del'ADN [20℄
•
La tradu tion : l'ARNm libéré est omposé de odons (groupe de trois nu léotides) parmi lesquels le odons AUG qui indique le débutde latradu tion et le odon-stop qui provoquel'arrêtdelatradu tion. CetARNmestpar ouruparunribosome, odonpar odonet haque
odon orrespondàuna ideaminéex eptétrois odonsappelés odon-stop.Unefoisle
odon-stop atteint, le ribosome se déta he de l'ARNm et une séquen e d'a ides aminés (appelées
haîne polypeptidique) est libérée et pourra prendre une onguration spatiale qui lui est
propreetdevenirainsiune protéine.
La fabri ation de protéines à partir de l'information portée par l'ADN suit don les deux étapes
dé rites pré édemment.
Etantdonnéquetoutesles ellulesdel'organismepartagentlemêmegénomeetqu'ilexistediérent
typede ellule(exempleles ellulesdelapeausontdierentesdesneurones),ilestdon lairqueles
gènesspé iquesàun ertaintypede ellulen'ontpasàêtreexprimésdansunautretypede ellule.
Il existedon unou plusieurs mé anismesdans haque ellule apablede ontrlerl'expressiondes
gènes. Ainsi ertains gènes ne sont exprimés que dans ertaines ellules, à ertaines périodesde la
vie de l'organismeou sous ertaines onditions.
1.2 Exemple de l'opéron la tose
Pour omprendreleprin ipedelarégulationgénétique,nousallonsprendrel'exempledel'opéron
la tose. Cetexample omprendaussides omposantsmétaboliques.Dé ritpourlapremière foisau
débutdesannées60parFran oisJa obetJa quesMonod,l'opéronla toseestlepremiersystèmede
régulationgénétiquemisen éviden e.Unopéron estuneunitéd'expressiongénétique qui omprend
un ou plusieurs gènes etdes séquen es régulatri es qui ontrolent leurs trans riptions. Dans le as
de l'opéron la tose, il s'agit de trois génes (la Z,la Y et la A) indispensables à la transformation
β
-gala tosidase, la perméase et la transa étylase. Le rle de ette dernière est mal onnu quant aux deux autres protéines, leur rle est de permettre à la ellule de s'alimenter en la tose. Laperméase permet de faire pénétrer à l'intérieur de la ellule les la toses présentent dansle milieu
extra- ellulaire, quant àla
β
-gala tosidase, elle permetladégradationdu la toseintra- ellulaire en glu ose.Cestroisgènessontpré édésd'unerégionquiréguleleurexpression.Cetterégion omprendl'opérateur qui est une région où se xe un represseur pour ontrler l'expression des gènes et le
promoteur qui est une région en amont du site d'initiation de la trans ription sur laquelle l'ARN
polymérasepeutse lier. En amont de l'opéron la tose, on trouve ungène régulateur la I qui ode
pour une protéine régulatri e. Cette protéine intervient dans le ontrle de l'expression des gènes
en sexant sur l'opérateur. Elle peutainsia tiverou réprimer spé iquement latrans ription des
gènes. Pour mieux omprendrelefon tionnement de l'opéronla tose, nousallons prendredeux as
à savoir en présen e et en absen e de la tose. Nous n'entendons pas donner le détail du système
de régulation de l'opéron la tose, nous nous limiterons juste à une des ription très sommaire du
prin ipe d'a tivation ou d'inhibition des gènes stru turaux. Ceux qui voudraient plus de détails
peuvent onsulter [16,68℄.
•
Enabsen e de la toseEnabsen edela tose,laprotéinerégulatri evaselierspé iquementauniveaudel'opérateur
de l'opéronla tose bloquant l'a ès de l'ARNpolymérase ausite d'initiation de la
trans rip-tion. Les gènes de stru ture ne sont don pas trans rits ar les enzymes orrespondant sont
inutilesenabsen edela tose.Ilyaainsiunerégulationnégative delatrans riptiondesgènes
de l'opéronla tose.
0
0
0
1
1
1
0
0
0
1
1
1
0000000000
0000000000
0000000000
0000000000
0000000000
0000000000
1111111111
1111111111
1111111111
1111111111
1111111111
1111111111
000
000
000
000
000
000
111
111
111
111
111
111
000
000
000
000
000
000
000
000
111
111
111
111
111
111
111
111
lacI
prom.
oper.
lac Z
lacY
lacA
ARNp
sens d’avancement de l’ARNp
régulatri e àforte anité
pour l'opérateur protéine
Fig. 1.4Inhibition de l'expression des gènes destru ture del'opéron la tose. L'ARNppeut
se lier au promoteur mais est bloqué au niveau del'opérateur.
•
Enprésen ede la toseEn présen e de la tose, l'allola tose, un isomère du la tose, se lie à la protéine régulatri e
hangeant ainsi sa onformation. Ce i entraine la perte de l'anité de ette protéine pour
l'opérateur. Le site de l'opérateur est don libéréet l'ARNpolymérase peutatteindre le site
0
0
0
1
1
1
0000000000
0000000000
0000000000
0000000000
0000000000
0000000000
1111111111
1111111111
1111111111
1111111111
1111111111
1111111111
000
000
000
000
000
000
111
111
111
111
111
111
00
00
00
00
11
11
11
11
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
000
000
000
111
111
111
00
00
00
00
11
11
11
11
000
000
000
111
111
111
000
000
000
000
000
000
111
111
111
111
111
111
000
000
000
000
000
000
000
000
111
111
111
111
111
111
111
111
lacI
prom.
oper.
lac Z
lacY
lacA
ARNp
sens d’avancement de l’ARNp
glucose
lactose
int.
ext.
membrane cellulaire
permease transa etylaseβ
-gala tosidase protéine régulatri epert son anitépour l'opérateur
pas de xation
Fig.1.5 S héma simplié des intera tions de l'opéron la tose. Nousn'avonspas représenté
toutes les réa tions, nous voulons juste montrer le système de régulation de la trans ription
des gènes stru turaux
La des riptionpré édantede l'opéronla tosene tient pas ompte detoutes les réa tions.Nous
noussommes justeintéressés àla partie génétique.Par example,dansl'opéronla tose, il yaaussi
unepartiemétabolique(transformationdula toseenglu ose atalyséparl'enzyme
β
-gala tosidase). Sil'onvoulaitplusdepré ision,onprendraiten omptelesréa tionsmétaboliquesenvironnantes arun réseau n'est jamais purement génétique. Ainsi pour mieux dé rire un réseau, il faut onsidérer
les réa tions himiques, enzymatiques et génétiques de même que leur intera tion. De nombreux
modèles ont été é rits sur l'opéron la tose(voir [16, 68℄).Dans la se tion 2.3, nous présentons un modèle de l'opéron la tose. Nous allons dans la suite donner des préalables pour modéliser des
Préalables pour la modélisation de
réseaux de régulation ellulaire
Nous donnons dans e hapitre quelques rappels surles modélisations lassiquespour les
réa -tions himiques, métaboliques etles régulationsgénétiques.
2.1 Réa tions bio himiques et enzymatiques
Dans ettese tion,nousallonsnousintéresserauxréa tionsenzymatiquesetàleurmodélisation.
Nous n'allons pas trop entrer dans les détails biologiques, eux qui voudraient de plus amples
expli ationspeuventseréfèrerà [7℄.Lesréa tionsenzymatiquessontdesréa tions atalyséespardes enzymes quijouent lerle d'a élérateur de réa tions.Lesenzymes sont don desma romolé ules,
des protéines ou desARNqui a élèrent susamment la vitessedes réa tions pour qu'elles soient
ompatibles ave le fon tionnement de l'organisme. Les enzymes jouent don un rle apital dans
lefon tionnenment de la ellule.Pour aider à la ompréhension de la inétique enzymatique,nous
allonstout d'abord rappelerles prin ipesde la inétique himique.
2.1.1 Réa tion himique
Une réa tion himique est une transformation de la matière au ours de laquelle les espè es
himiques (atomiques, ioniques ou molé ulaires) qui onstituent la matière sont modiées : les
espè es qui sont onsommées sont appelées réa tifs et les espè es formées au ours de la réa tion
sont appelées produits (de réa tion). La gure 2.1 représente une réa tion himique où
a
etp
représentent les oe ientsstoe hiométriques,A
est leréa tif,P
leproduit,k
1
est la onstantede vitessede laréa tiondire te etk
aA
pP
k
1
k
−1
Sens de la reaction directe
Sens de la reaction inverse
Fig.2.1 Représentation d'uneréa tion himique
Vitesse de réa tion
En onsidèrant une réa tion himique, lorsque la réa tion progresse, les réa tifs de départ
dis-paraissent alors que les produits se forment. On assiste alors à une variation des on entrations
des réa tifs et des produits au ours du temps. La mesure de la rapidité de es hangements de
on entrations est appelée vitessede réa tion. Ainsi en 1867, GuldbergetWaage établissent la loi
d'a tionde massesquiditque:àtempérature onstante, lavitessedesréa tions estproportionelle
au produit des on entrations des réa tifs. Chaque réa tif est élevé à une puissan e égale à son
oe ient stoe hiométrique.
En onsidèrant ainsilaréa tion
α A + β B → P
,alors lavitesse estdonnéeparv = k[A]
α
[B]
β
où
k
représente la onstante de vitesse,[A]
et[B]
représentent respe tivement les on entrations desréa tifsA
etB
.Ordre d'une réa tion
L'ordred'uneréa tiondé ritla inétiquedelaréa tionetsedéduitdire tementdelaloid'a tion
de masse. En prenant une réa tion telleque la vitesse soit égale à
v = k[A]
α
[B]
β
,l'ordre de ette
réa tionest égale à:
σ = α + β
.Réseau de réa tions himiques
Un réseau de réa tions himiques est onstitué d'un ensemble de réa tions himiques
élémen-taires. La gure 2.2 représente un réseau de réa tions himiques omposé de quatre réa tions élémentaires. Chaque réa tion orrespond à une è he. Les réa tants apparaissent à gau he des
è hes,les onstantes inétiquesaudessusdesè hesetlesproduitsàdroite.Lesespè es himiques
A
+ B
A
+ C
B
+ B
C
B
k
1
k
2
k
3
k
4
C
B
A
Fig. 2.2 Réseau deréa tions himiques
Le modèlemathématique de e réseau estdonné par :
dA
dt
= −k
1
A
dB
dt
= k
1
A − k
2
AB − 2k
3
B
2
+ k
4
C
dC
dt
= k
2
AB + k
3
B
2
− k
4
C
(2.1)Cemodèlepeut aussis'é rire par laformulesuivante :
˙x = N V (x)
où
N
est la matri e stoe hiométrique,V
est le ve teur des vitesses de réa tions. Pour l'exemple pré édant :N =
−1
0
0
0
1
−1 −2
1
0
1
1
−1
,V =
k
1
A
k
2
AB
k
3
B
2
k
4
C
et˙x =
dA
dt
dB
dt
dC
dt
Après e petit rappel sur les réa tions himiques, nous allons maintenant nous intéresser à la
inétiqueenzymatique.
2.1.2 Cinétique enzymatique
Comme nous l'avions rappelé dans l'introdu tion de ette partie, les enzymes sont des
ataly-seurs. Le tableau ( 2.1) extrait de [36℄ met en relief le fa teur d'a roissement de la vitesse de la réa tionpar une enzyme. On omprend mieuxà travers e tableau lerledesemzymes.
Enzyme Vit.nonenzymatique(
s
−1
) Vit.enzymatique(s
−1
) F.d'a rois. Chymotrypsine410
−9
410
−2
10
7
Uréase310
−10
310
4
10
14
Phosphatase al aline10
−15
10
2
10
17
Tab.2.1 Ce tableau montre à quel point l'enzyme peut augmenter la vitesse d'uneréa tion.
En 1913, Mi haelis et Menten ont mené des études sur une réa tion enzymatique simple
im-pliquant une seule enzyme. Considéronslaréa tion onstituée d'unsubstrat noté
S
,d'uneenzyme notéeX
0
et d'un produit notéP
. Mi haelis et Menten proposent le s héma suivant : nous nous référons à [48℄ et [15℄. L'enzyme forme un omplexe transitoireX
1
avant de revenir à sa forme initiale, donnant ainsileproduitP
à partirdusubstratS
.S
+X
0
X
1
P
+X
0
k
2
k
1
k
−1
(2.2)
Le modèle estdonné par :
ds
dt
= −k
1
sx
0
+ k
−1
x
1
dx
0
dt
= −k
1
sx
0
+ k
−1
x
1
+ k
2
x
1
dx
1
dt
= k
1
sx
0
− k
−1
x
1
− k
2
x
1
dp
dt
= k
2
x
1
(2.3)où
s
,x
0
,x
1
etp
représentent respe tivement les on entrations deS
,X
0
,X
1
etP
. Remarque.dx
0
dt
+
dx
1
dt
= 0
e i signieque
x
0
+ x
1
= E(cst)
La quantité d'enzyme (sous saforme libre etsous la forme de omplexe enzyme-subtrat) reste
onstanteau ours dutemps.
Les on entrations de
S
,X
0
etX
1
étant indépendantes de la on entration deP
, nous pouvons isoler ladernièreéquation.En remplaçant
x
0
parE − x
1
,on obtient le systèmesuivant :
ds
dt
= −k
1
Es + (k
−1
+ k
1
s)x
1
dx
1
dt
= k
1
Es − (k
−1
+ k
2
+ k
1
s)x
1
(2.4)Pourtrouverl'équationdeMi haelis-Menten,lesbiologistesutilisentl'hypothèsedelaquasi-stationnarité
qui onsiste à dire que la on entration du omplexe transitoire atteint rapidement une valeur
onstanted'où
dx
1
dt
= 0
Cette hypothèse est à prendre ave beau oup d'attention. Il faudrait trouver les onditions pour
lesquelles ette approximation peut être faite. Le meilleur moyen est d' a-dimensioner le système
( 2.10).
suivants :
s
∗
(τ ) =
s(t)
s
0
etx
∗
1
(τ ) =
x
1
(t)
E
. Posonsǫ =
E
s
0
,K =
k
−1
+k
2
k
1
s
0
,λ =
k
2
k
1
s
0
,le système ( 2.10) devient :
ds
∗
dτ
= −s
∗
+ (K − λ + s
∗
)x
∗
1
ǫ
dx
∗
1
dτ
= s
∗
− (K + s
∗
)x
∗
1
(2.5)Hypothèse 1. Onsupposeque
s
0
esttrès grand devantE
Si l'hypothèse 1 est vériée, alors
ǫ
sera très petit. Le système ( 2.5) est don un système lent/rapide etx
∗
1
orrespond à la variable dont l'évolution est rapide.On applique le théorème de Thikonov(voirannexe A.1).Le nouveau systèmes'é rit alors :
ds
∗
dτ
= −s
∗
+ (K
m
− λ + s
∗
)x
∗
1
0 = s
∗
− (K + s
∗
)x
∗
1
(2.6)Cette démonstration justie mieux l'hypothèse de quasi-stationnarité. La résolution du deuxième
équationimplique
x
∗
1
=
s
∗
K + s
∗
En remplaçant
x
∗
1
danslapremière équation, nousobtenonsds
∗
dτ
=
−λs
∗
K + s
∗
(2.7)En redimensionnant l'équation (2.7),nousobtenons
1
k
1
s
0
E
ds
dt
= −
k
2
s(t)
k
1
s
2
0
k
−1
+k
2
k
1
s
0
+
s(t)
s
0
ds
dt
= −
k
2
Es(t)
k
−1
+k
2
k
1
+ s(t)
En posantK
M
=
k
−1
+k
2
k
1
V
r
= −
ds
dt
=
k
2
Es(t)
K
M
+ s(t)
(2.8)La vitessede laréa tion( 2.2)
V
r
estappeléeéquationquasi-stationnairede Mi haelis-Menten:k
2
E
est la vitesse maximale que peut atteindre la réa tion lorsque la on entration en substrats
tendvers+∞
etK
M
estla onstantede Mi haelis.L'alluredeV
r
estreprésentéedanslagure 2.30
1
2
3
4
5
6
7
8
0
0.2
0.4
0.6
0.8
1
Concentration en substrat
Vitesse de la reaction
K
M
V
M
= k
2
r
Fig. 2.3 Allure dela vitesse de la réa tion(2.2)en fon tionde la on entration du substrat
s
L'équation de vitesse du mé anisme réversible
Dans [7℄, on peut lire que en prin ipe toutes les réa tions atalysées par des enzymes sont réversibles etque en réalité de nombreuses réa tions importantes en bio himie sont réversibles. Il
s'avère don intéressant de ompléter le modèle ( 2.2) en faisant apparaitre la réa tion au sens inverse.Le modèle leplussimple est lesuivant :
S
+X
0
X
1
k
1
k
−1
k
−2
k
2
P
+X
0
(2.9)Le modèlemathématique orrespondant est lesuivant :
ds
dt
= −k
1
sx
0
+ k
−1
x
1
dx
0
dt
= −k
1
sx
0
+ k
−1
x
1
+ k
2
x
1
− k
−2
px
0
dx
1
dt
= k
1
sx
0
− k
−1
x
1
− k
2
x
1
+ k
−2
px
0
dp
dt
= k
2
x
1
− k
−2
px
0
(2.10)Enfaisantunedémar hesimilaireà ellepré édante,onarriveàl'expressiondelavitessederéa tion
suivante:
V
r
=
k
1
k
2
Es(t) − k
−1
k
−2
Ep(t)
k
−1
+ k
2
+ k
1
s(t) + k
−2
p(t)
En posantk
S
= k
1
k
2
,k
P
= k
−1
k
−2
,K
SP
= k
−1
+ k
2
,k
′
S
= k
1
etk
′
P
= k
−2
,nousobtenonsV
r
= E
k
S
s(t) − k
P
p(t)
K
SP
+ k
S
′
s(t) + k
P
′
p(t)
(2.11)versibles. Rappelons que
E
est la on entration totale d'enzyme supposée onstante (ou variant lentement)dansun premiertemps.Coopérativité et allostérie
Il est important de remarquer queles expressions de vitesse pré édentes ne on ernent que les
enzymes ayant un seul site de liaison ave le substrat. Il se trouve que dans la nature, on voit
souvent des enzymesprésentant plusieurs sites de liaisonset pour esdernières,les loispré édants
de la inétique enzymatique sont inadaptées. On distinguera deux as: sitous les sitesa ueillent
le même type de substrat alors l'enzyme possède despropriétés de oopérativité etsi haque type
de liaison on erne un substrat diérent alors l'enzyme est allostérique. En guise d'exemple de
oopérativité, nous pouvons iter l'hémoglobine qui est une protéine permettant le transport de
l'oxygéne dans le sang : elle possède quatre sites de liaison qui ont une anité ave l'oxygène O.
Pour dé rirelaxation oopérative del'oxygènesurl'hémoglobine,Hillproposeen1910 l'équation
suivante[7℄:
V
r
=
V
max
s
p
K
p
+ s
p
(2.12)V
max
estlavitesselimite,K
orrespondà lavaleurde la on entration desubstrats
pour laquelleV
r
= 0.5V
.En equi on ernele oe ientp
,Hilln'avaitpasdonnédesigni ationphysique.Pour ertains, e oe ient orrespond à une estimation du nombrede sites de xation dusubstrat surl'enzyme. Il est in orre t de traiter ainsi e oe ient ar en prenant l'exemple de l'hémoglobine,
la valeur de
p
est d'environ2, 7
, alors que le nombre de sites de xationest de quatre. Nousnous limiterons à appelerh
le oe ient de Hill.Nous avons donné dans ette se tion des élements de ompréhension de la atalyse enzymatique,
nousallonsparler danslase tionsuivantede lamodélisationdesréseauxde régulation génétiques.
2.2 Diérentes lasses de modèles de systèmes génétiques
Il estimportantde noterlagrandediversitédes lassesde modèlesde réseauxgénétiques.Nous
nouslimitonsi iàmentionnerquelquesunsde esmodèlessansautrespré isions.L'onpeuttrouver
danslalittérature, destextes plus détaillés [13,11,24,64,71℄.
Il existe ainsi des modèles à ara tère informatique souvent basés sur des graphes. Nous pouvons
aussi iterdessystèmeshybridesquisontdessystèmesdynamiquesfaisantintervenirsimultanément
desvariables dis rètesetdesvariables ontinues (voir [2,25,62,68℄).
Dans [23,47℄sont étudiésdesmodèlessto hastiques. Etant donné queles pro essusbio himiques sont marqués par des eets de bruits et d'in ertitude, les modèles sto hastiques seront don plus
"pro hes" de laréalité biologique que eux que nousallons parler par la suite maisplus di ile à
traiter etsouvent leshypothèsessur lasto hasti itésont di ilesà vérier.
Il existe aussi des modèles dis rets [41, 66, 56, 50, 70, 40℄ qui ont pour avantage de permettre de traiter desréseauxde dimension élevée. Ce i onfèreà es modèlesune grande importan e dansla
mesureoùl'onsaitqu'enbiologie,onseretrouvesouventàdevoirtraiterdegrosmodèles(legénome
d'unorganisme est souvent d'un ordre de grandeur de
10
4
).Par ontre, ils sont plus qualitatifs et
ne permettent pasengénéral dereprésenter desréseauxmétaboliques.
Avant de donnerlemodèle général de régulationgénétique, nousallonsd'abord nousintéresser
àunmodèlederégulationtrès simple.Il s'agitd'ungène
a
quiesttrans rit enARNmqu'onnoteram
. Ce dernier est traduit en protéinep
.La trans ription du gène est régulée par une protéineB
(voir gure2.4)a
m
p
B
Fig.2.4 Régulation dela trans riptiond'un gène
a
Le modèlemathématique orrespondant est lesuivant :
˙
m = k
a
h
+
(B, θ
B
, n
B
) − γ
m
m
(2.13)˙p = αm − βp
(2.14)Dans emodèle,
m
représentela on entrationdel'ARNm,p
estla on entrationdelaprotéine. Le termek
a
h
+
(B, θ
B
, n
B
)
représente la régulation positive de la trans ription du gène par une protéineB
.La fon tionh
+
(B, θ
B
, n
B
)
est unefon tion de formesigmoidale vériant lespropriétés suivantes :• h
+
(x, θ, n)
(resp.h
−
(x, θ, n)
)eststri tement roissante(resp. dé roissante)vaut0en0ettend
vers 1 en
+∞
(resp. vaut 1 en0 ettend vers 0 en+∞
)•
Lorsque n tend vers+∞
,∀x < θ,
h
+
(x, θ, n) → 0(resp.h
−
(x, θ, n) → 1)
∀x > θ,
h
+
(x, θ, n) → 1(resp.h
−
(x, θ, n) → 0)
Lesfon tionsde Hill
h
+
(x, θ, p) =
x
p
x
p
+ θ
p
(h
−
(x, θ, p) =
θ
p
x
p
+ θ
p
) vérient toutes es propriétéset sont souvent utilisées danslarégulation génétique.Faisonsmaintenant l'hypothèse suivante:
Hypothèse 2. Latrans ription dugèneest plusrapide quelatradu tionde l'ARNmen protéine.
Nous appliquons maintenant lethéorème sur lelent-rapide de Ty honov(voir annexe A.1),le systèmedevient alors :
m
∗
=
k
a
γ
m
h
+
(B, θ
B
, n
B
)
(2.15)˙p = k
p
h
+
(B, θ
B
, n
B
) − βp
(2.16) avek
p
= α
k
a
γ
m
.latradu tion. Nousavonsensuitefait unehypothèse qui nousa permisde réduirelemodèle. Nous
utiliseronsdanslasuite emodèleréduitdelaformedel'équation(2.16)pourmodéliserlasynthèse d'uneprotéinepar un gènepour le assimple oùle gènen'est régulé quepar une seule protéineB.
Nousallonsmaintenant voirun asplusgénéral oùlegènepeutêtrerégulé par plusieurséléments.
2.2.2 Modélisation ave des équations diérentielles ordinaires
Il s'agit d'unmodèledonné par deséquations diérentielles ordinaires dutype :
˙x
i
= F
i
(x, Z),
i = 1...n
où les
F
i
(x, Z)
sont de la formea
i
(
Z) − b
i
x
i
;x(t) est un ve teur deR
n
+
etZ
k
= S
+
k
(x
j
, θ
j
, n)
ouZ
k
= S
k
−
(x
j
, θ
j
, n)
estune fon tion de formesigmoidale vériant lespropriétés suivantes:• S
+
(x, θ, n)
(resp.
S
−
(x, θ, n)
) est stri tement roissante (resp. dé roissante) vaut 0 en 0 et tend vers 1 en+∞
(resp. vaut 1 en0 ettend vers 0 en+∞
)•
Lorsque n tend vers+∞
,∀x < θ,
S
+
(x, θ, n) → 0(resp.S
−
(x, θ, n) → +∞)
∀x > θ,
S
+
(x, θ, n) → +∞(resp.S
−
(x, θ, n) → 0)
Ces propriétés sont toutes vériéespar les fon tionsde Hillqu'on notera
h(x, θ, n)
Le terme
a
i
(
Z)
peut avoir plusieurs formes. Il peut être égal àαZ
i
, il peut aussiêtre une somme(Z
i
+ Z
j
+ ...)
, un produit(Z
i
Z
j
...)
ou même une somme de produits(Z
i
Z
j
+ Z
k
Z
l
+ ...)
. Ce terme dépendra des éléments du réseau et éventuellement de la variable elle même. Cettedépen-dan e symboliselarégulation.De e fait, nousutiliseronspour unerégulation positive(a tivation)
une fon tion de Hill positive (
h
+
=
x
p
θ
p
+ x
p
) et pour une régulation négative (inhibition), nousprendrons une fon tion de Hill négative
h
−
= 1 − h
+
=
θ
p
θ
p
+ x
p
.La fon tion de Hill admet deux paramètres :θ
qui est une valeur seuil etp
qui orrespond à la oopérativité (voir la sous-se tion2.1.2). Mathématiquement
p
orrespond à la raideur de la fon tion. Le termeb
i
x
i
orrespond à la dégradationdes diérentesespè es.Cettemodélisationreprésente bienladynamiquedusystèmemais ependant,l'étudeanalytiqueest
très di ile dufait dela nonlinéaritéde lafon tion de Hill.
Il existe unautre typede fon tion approximant les sigmoidesetsouventutilisée pour simplier les
al uls [52℄:ils'agit deslogoides. Unelogoide positive(resp.négative)esttellequeen onsidèrant l'intervalle
[0, +∞]
,elleest onstanteetvaut0
(resp.1
)entre[0, i]
,elleest onstanteetvaut1
(resp.0
) entre[j, +∞]
.Elle roitde fa on ontinue(resp.dé roitde fa on ontinue)dansl'intervalle[i, j]
ontenant leseuilθ
.Voir lagure 2.5.0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
0
0.2
0.4
0.6
0.8
1
sigmoide
logoide
Fig.2.5Représentation d'unesigmoide ave omme paramètres :
θ = 0.5
etp = 6
etdelalogoide l'approximant2.2.3 Modèles anes par mor eaux
Nous allons parler dans ette se tion d'un modèle intermédiaire entre les modèles ontinus et
dis rets. Il s'agit dans es modèles de rempla er les fon tions sigmoidales ou logoidales par des
fon tionsdeHeaviside entréesen
θ
[27,26℄,appeléesaussifon tionstep.L'introdu tiondefon tion stepva entrainer desdis ontinuités danslese ond membre.Ces systèmes ont la formesuivante:˙x
i
= a
i
(
Z) − b
i
x
i
,
i = 1...n
(2.17) Lesa
i
(
Z)
sont onstantes par mor eaux. Dans haque mor eau ou boite re tangulaire, le sys-tème(2.17) estane. Ce i estintéressant arlalinéarité va fa iliterl'étude deséquations quelque soit lataille dusystème.2.2.4 Exemple : réseau d'inhibition ré iproque de deux gènes
Pour donner plus de larté à es des riptions de modèles, nous allons traiter un exemple de
réseaux génétiques ave d'une part un modèle ave équations diérentielles ordinaires et d'autre
part ave modèle ane par mor eaux. Il s'agit dans ette se tion de faire une étude d'un réseau
de régulation génique de deux gènes. Le réseau se présente omme suit : ha un des gènes ode
une protéine régulatri e qui inhibe l'expression de l'autre gène, en se xant à un site hevau hant
le promoteur du gène (voir la gure 2.6). Le réseau sera modélisé d'une part ave des équations diérentielles ordinaires etd'autre partpar unmodèleanepar mor eaux.
A
B
protéines A et B, ainsi que leursintera tions régulatri es
Modèles d'équations diérentielles ordinaires non linéaires
Equations mathématiques
dx
a
dt
= k
a
h
−
(x
b
, θ
b
, n
b
) − γ
a
x
a
dx
b
dt
= k
b
h
−
(x
a
, θ
a
, n
a
) − γ
b
x
b
(2.18)Lesvariables
x
a
etx
b
représentent les on entrations desprotéinesAetB odéespar lesgènesaet brespe tivement.Le terme
k
a
h
−
(x
b
, θ
b
, n
b
)
(resp.
k
b
h
−
(x
a
, θ
a
, n
a
)
) est le terme de synthèse de la protéine A (resp.
de laprotéineB), tandis que
γ
a
x
a
(resp.γ
b
x
b
) représente letermededégradation de laprotéineA (resp.de laprotéine B)et estproportionnel à sapropre on entrationx
a
(resp.x
b
).La fon tion h estune fon tion de Hill.Tousles paramètres sont des onstantespositives.
Proposition 2.2.1. Domaine d'étude :
Le domained'étude est
R
≥0
et est positivement invariant. Preuve 1. Sens deslignesde hamps au niveau desfrontières :•
Enposantx
a
=0,on trouvedx
a
dt
= k
a
h
−
(x
b
, θ
b
, n
b
)
>0 Leslignesde hampsvont danslesens desx
a
positifs,•
Enposantx
b
=0, on trouvedx
b
dt
= k
b
h
−
(x
a
, θ
a
, n
a
)
>0 Leslignesde hampsvont danslesens desx
b
positifs.Lesfrontières sont don répulsivesd'oùl'invarian e dudomaine voirgure 2.7.
Xb
Xa
Fig.2.7 Lignes de hamps au niveau des frontières
Etude des points d'équilibre Lesiso linessont donnéespar :
x
a
=
k
a
h
−
(x
b
, θ
b
, n
b
)
γ
a
= f (x
b
)
x
b
=
k
b
h
−
(x
a
, θ
a
, n
a
)
γ
b
= g(x
a
)
(2.19)0
1
2
3
4
5
6
7
8
9
10
0
1
2
3
4
5
6
7
8
9
10
xa
xb
isocline issue de xapoint
isocline issue de xapoint
Fig.2.8Tra édesIso linesde
x
a
etx
b
ave lesvaleursdeparamètressuivantes:n=3,θ
a
= θ
b
= 5
,k
a
= k
b
= 10
,γ
a
= γ
b
= 1
Proposition 2.2.2. Nous obtenons ave ertaines valeurs de paramètres la gure 2.8 où nous avons trois points d'équilibre.
Etude de la stabilité des points d'équilibre Rappel : Soitun système diérentiel ordinaire
de dimension
2
etsoitx
∗
unéquilibre de e système.
Silatra edelaja obienneévaluéeen
x
∗
estnégativeetledéterminantpositif,alorsx
∗
estlo alement asymptotiquement stable.0
5
10
15
0
5
10
15
2
4
6
8
10
12
14
0
5
10
15
xa
xb
Fig. 2.9 Représentation des deux iso lines et exemples de traje toires. Le système possède une
séparatri e qui partageles bassins d'attra tions des deux pointsd'équilibre stables
Pour simplier les é ritures, nous allons poser
h
−
(x
a
, θ
a
, n
a
) = h
a
et
h
−
(x
b
, θ
b
, n
b
) = h
b
, la
matri e ja obienne dusystème( 2.18) seradon :
J =
−γ
a
k
b
h
′
b
k
a
h
′
a
−γ
b
T race(J) = −γ
a
− γ
b
< 0
det(J) = γ
a
γ
b
− k
b
h
′
b
k
a
h
′
a
Soit
E
1
etE
2
les points d'équilibre du haut et du bas,E
3
le point d'équilibre du milieu(voir -gure2.8).Déterminons lesigne dudéterminant en ha un de es pointsd'équilibre :Remarque.
x
a
=
k
a
γ
a
h
b
peut aussi s'é rire en utilisant sa fon tion inverse sous la formef (x
a
) =
x
b
= h
−1
(
γ
a
k
a
x
a
)
.La gure 2.8est une représentation graphique de
f (x
a
)
etg(x
a
) = x
b
=
k
b
h(a)
γ
b
. Nous pouvons
sortirde etteguredesinégalitéssurlespentesdesdeuxiso lines.Ainsien
E
1
etE
2
,f
′
(x
a
) < g
′
(x
a
)
etenE
3
,f
′
(x
a
) > g
′
(x
a
)
. Org
′
(x
a
) =
k
b
γ
b
h
′
a
etf
′
(x
a
) = h
−1
′
(
γ
a
k
a
x
a
)
= (
γ
a
k
a
x
a
)
′
1
h
′
(h
−1
(
γa
ka
x
a
))
=
γ
a
k
a
1
h
′
b
Don enE
1
etE
2
,γ
a
k
a
1
h
′
b
<k
b
γ
b
h
′
a
D'oùγ
a
γ
b
> k
b
h
′
b
k
a
h
′
a
arh
′
b
< 0
Le déterminant estdon positif. La tra e de
J
est négative quelque soit lepoint onsidèré.Proposition 2.2.3. Les deux points d'équilibre
E
1
etE
2
sontasymptotiquement stables.En
E
3
,γ
a
k
a
1
h
′
b
>k
b
γ
b
h
′
a
,etparlemêmeraisonnementquepré édemment,ontrouvequeDet(J) < 0
enE
3
.Proposition 2.2.4. En
E
3
, il y a don deux valeurs propres dont les parties réelles sontde signes ontraires.E
3
est don un point selle.A la valeur propre à partie réelle négative, on asso ie un sous ensemble propre stable
E
s
et à elleà partie réellepositive,on asso ie unsousensemble propreinstableE
i
.Con lusion L'analyse de es résultats nous amène à dire que le réseau d'inhibition ré iproque
est sous ertaines valeurs de paramètres bistable, 'est à dire qu'à partir des onditions initiales,
le système atteindra l'un des deux équilibres stables. De même, l'équilibre instable n'est atteint
quepourdes onditions initialestrèsparti ulières. Remarquons aussiqueles deuxétatsd'équilibre
orrespondent soit à une on entrationélevée de l'une desprotéines et faible de l'autreou
inverse-ment. De e fait, une perturbation allant dans le sens de dégrader fortement la protéine ayant la
on entration laplus élevée entraine un bas ulement dans l'autre équilibre stable. Ce phénomène
ner et al[21℄.Ils ont re onstitué dansla ellule d'Es heri hia oli e réseau par lonage des gènes surunplasmide. Lesgènesont été hoisis desorte quel'a tivié desprotéines orrespondantes peut
être régulée par des signaux de l'extérieur. Des expérien es iblées ont montré que le système est
bistableetpeutbas ulerd'unéquilibreàl'autreenfon tion d'uneindu tion himiqueouthermique
transitoire.
0
2
4
6
8
10
12
14
16
18
0
2
4
6
8
10
12
14
16
18
xa
xb
0
2
4
6
8
10
12
14
16
18
0
2
4
6
8
10
12
14
16
18
xa
xb
Fig.2.10 Analysede la bifur ation quise produit lorsque la valeur de
θ
b
est augmentéeRemarque.Pour ertainesvaleursdesparamètres,le omportementdusystème hange(gure2.10). Enxanttouslesparamètresetenaugmentant
θ
b
,l'iso linedex
a
sedépla eetonarappro hement entre l'un despointsd'équilibre stableet lepoint d'équilibre instable. Pourθ
b
supérieurou égal àk
b
γ
b
,lesystèmeperdlespropriétés de bistabilité etd'hystérésis. Ily adon bifur ation.
Remarque. Il est aussi intéressant de remarquer que pour e type de modèle, nous parvenons
qualitativement à lo aliser les deux équilibres stables mais il nousest di ile d'avoir les solutions
analytiques deséquationsdu faitdelanonlinéaritéde lafon tionde Hill.Noussommes obligésde
passerpar une solutiongéométrique.
Ce inousamène àproposer unmodèleoù lafon tion deHillest rempla ée par unefon tion step.
Modèles d'équations diérentielles ordinaires linéaires par mor eaux
Equations mathématiques Lemodèlenonlinéaireétantdi ileàétudier analytiquementpour
des modèles de dimension élevée, nous pouvons penser à utiliser un modèle plus simple et qui
représente la dynamique du système. Etant donné que la fon tion de Hill se omporte omme un
steppour
n
grand(voirgure3.1),onpeutainsirempla erh
−
par lafon tion
s
−
quiesttelleque:
s
−
(x
i
, θ
i
) = 0
pourx
i
> θ
i
s
−
(x
i
, θ
i
) = 1
pourx
i
< θ
i
0
1
2
3
4
5
6
7
8
9
10
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
La modélisationen utilisant lafon tion
s
−
donne lesystème dis ontinu suivant :
dx
a
dt
= k
a
s
−
(x
b
, θ
b
) − γ
a
x
a
dx
b
dt
= k
b
s
−
(x
a
, θ
a
) − γ
b
x
b
(2.20)
Le se ondmembre estdis ontinu etdon lespropriétés habituellesnes'appliquentplus. Deplus,le
hampn'est pasdénisur lesseuils.D'où lané essitéde faireappelà d'autresméthodesquenous
détaillerons danslasuite.
θ
b
θ
a
x
b
B
3
B
4
B
2
x
a
B
1
Fig. 2.12 Division del'espa e enquatre régions par
x
a
= θ
a
etx
b
= θ
b
En tenant ompte desvaleursquepeuvent prendres
−
(x
i
, θ
i
)
selon qu'on soità gau he ou àdroite
de
θ
a
ouθ
b
, on se ramène à une dé omposition de l'espa e en quatre parties et à ha une d'elles orrespondunsystèmed'équation diérentielle linéaire.Lagure 2.12montreladé omposition de l'espa e.•
pourx
a
< θ
a
etx
b
< θ
b
B
1
:
d
dt
x
a
x
b
=
−γ
a
0
0
−γ
b
x
a
x
b
+
k
a
k
b
•
pourx
a
> θ
a
etx
b
< θ
b
B
2
:
d
dt
x
a
x
b
=
−γ
a
0
0
−γ
b
x
a
x
b
+
k
a
0
•
pourx
a
< θ
a
etx
b
> θ
b
B
3
:
d
dt
x
a
x
b
=
−γ
a
0
0
−γ
b
x
a
x
b
+
0
k
b
•
pourx
a
> θ
a
etx
b
> θ
b
B
4
:
d
dt
x
a
x
b
=
−γ
a
0
0
−γ
b
x
a
x
b
On se retrouve maintenant ave dessystèmes anes etdé ouplés. Toutela di ulté se trouve