HAL Id: tel-00452853
https://tel.archives-ouvertes.fr/tel-00452853
Submitted on 3 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.
Charles Lales
To cite this version:
Charles Lales. Modélisation gros grains et simulation multi-agents - Application à la membrane interne
mitochondriale. Modélisation et simulation. Université Sciences et Technologies - Bordeaux I, 2007.
Français. �tel-00452853�
THÈSE
PRÉSENTÉE À
L'UNIVERSITÉ BORDEAUX I
ÉCOLE DOCTORALE DE MATHÉMATIQUES ET
D'INFORMATIQUE
Par Charles Lales
POUR OBTENIR LE GRADE DE
DOCTEUR
SPÉCIALITÉ : INFORMATIQUE
Modélisation gros grains et simulation multi-agents
Appli ation à la membrane interne mito hondriale
Soutenue le :13 dé embre 2007
Après avis des rapporteurs :
DanielBORGIS ... Professeur
Frédéri GUINAND ... Professeur
Devant la ommission d'examen omposée de :
D. BORGIS ... Professeur ... Rapporteur
F. GUINAND ... Professeur ... Rapporteur
P. BALLET ... Maître de Conféren es Examinateur
M.BEURTON-AIMAR Maître de Conféren es Co-Dire teur
O.COULAUD ... Dire teur de Re her he Examinateur
J.-P. MAZAT ... Professeur ... Co-Dire teur
R.STRANDH ... Professeur ... Dire teur
Mes remer iementss'adressent en premierlieu àmondire teurde thèse RobertStrandh,ainsi
qu'à mes en adrants, MarieBeurton-Aimar et Jean-Pierre Mazat. Ils ont su me faire largement
béné ier de leur expertise dans leur domaine respe tif. Je les remer ie pour l'environnement de
travail ri heetdynamiquequ'ilsm'ontproposéde rejoindre ilyatroisans.Jeleursuiségalement
grandementre onnaissantpourleursqualitéshumainesetlapatien edontilsontfaitpreuveàmon
égard.
Je tiens à remer ier haleureusement Daniel Borgis et Frédéri Guinand pour m'avoir fait
l'honneur de lire attentivement mon mémoire. Je tiens à exprimer ma gratitude pour l'intérêt
qu'ilsont porté àl'égardde montravail.
Jeremer ie Olivier Coulaud d'avoira epté de présidermon jury,ainsi queRobertStrandh et
Pas al Balletpour avoira eptéde prendrepartà e jury.
Jetienségalementàremer ier :
tous euxduLaBRIetdulaboratoiredephysiopathologie mito hondriale pourla remarquable
ambian e detravail qu'ilsonttous ontribuéà réeretla motivation àtoujourspousserplus
loin la ritiquedutravail ee tuépourn'avoir de essede vouloirfaire mieux.
toutes les membres du GT SMABio pour les é hanges toujours agréables et enri hissants,
plusparti ulièrementPas alBalletpour es onseils extérieursetavisésainsi queGuillaume
Beslonquimetdé ouvrirlesSMAilyadéjàquelquesannéesetgrâ eàquij'aipupoursuivre
dansla re her he.
Berend Smit et Maddalena Venturoli pour leur gentillesse et les dis ussions enri hissantes
que j'ai pu avoir ave eux lorsdes workshops du CECAM ainsi que Mounir Tarek et Juan
Elezgaraypour leurs onseils avisés mepermettant demieuxappréhender la biophysiquedes
modèles grosgrains.
Claire,Christelle,Marion,Mar ,Cathel,Aurélie,Manu,Maissa,lesRémi'settous euxqui,
dans le adre d'a tivités asso iatives, que e soit l'AFoDIB, 2D2B, AquiDo ou le Réseau
BIOTe hno,m'ont faitdé ouvrird'autres domainesen ommuniquant ave passion surleur
sujetd'étude etave qui j'aivé u desexpérien es enri hissantes.
tous euxqui ont ontribuéàfairede Bordeauxunevilled'a ueil fort agréable.
Jetiensà remer ierma famille, mes parents etmes grand-parents,plusparti ulièrement papi-net
etmam'web pourm'avoirsoutenuetépaulé duranttoutes eslonguesannéesd'étude,surtoutdans
Introdu tion 7
1 Le ontexte biologique 11
1.1 Lamito hondrie . . . 11
1.1.1 Origine :l'hypothèsedel'endosymbiose . . . 12
1.1.2 Stru tureetdynamique desmito hondries. . . 13
1.2 Lemétabolismemito hondrial. . . 14
1.3 Leslipides . . . 15
1.3.1 Lesa idesgras . . . 15
1.3.2 Lesphospholipides . . . 15
1.4 Lesmembranesbiologiques . . . 18
1.5 Lamembraneinternemito hondriale . . . 20
1.6 Enrésumé. . . 20
2 Les paradigmespour la modélisation ellulaire 23 2.1 É hellesetparadigmes . . . 23
2.1.1 Lamodélisationmulti-é hellesetmulti-paradigmes . . . 24
2.1.2 Le ouplagedemodèles . . . 26
2.2 Diérentsparadigmesdisponibles: duglobalaulo al. . . 26
2.2.1 Modélisationdiérentielle . . . 27
2.2.2 Modélisationlogiquedesréseauxgénétiques . . . 29
2.2.3 LesréseauxdePetri . . . 29
2.2.4 Lesautomates ellulaires . . . 30
2.3 LesSystèmesMulti-Agents . . . 33
2.3.1 L'émergen e. . . 33
2.3.2 Lesmodèlesd'agents . . . 34
2.3.3 Lagestiondel'environnement:l'espa e . . . 35
2.3.4 Lagestiondel'environnement:letemps . . . 38
2.3.5 Intérêtdelamodélisation SMApourlespro essusbiologiques. . . 39
2.3.6 Lesplateformes deSMA . . . 39
2.4 Enrésumé. . . 45
3 Une membrane à l'é helle mésos opique 47 3.1 Lamodélisationparmodèles ontinus élastiques. . . 47
3.3 Lamodélisation parmé aniquemolé ulaire . . . 51
3.3.1 Modélisationpar hampsdefor e. . . 52
3.3.2 Del'é hellemi ros opiqueàl'é hellemésos opique . . . 54
3.4 Lesmodèlesàgrainsd'atomes :l'é hellemésos opique . . . 54
3.4.1 Lesgrains:lesdiérentstypes,lenombreparlipide . . . 55
3.4.2 Lamodélisationexibledeslipides . . . 61
3.4.3 Lamodélisationrigidedeslipides. . . 65
3.4.4 Lamodélisationdusolvant:expli ite/impli ite . . . 65
3.4.5 Lespotentielsintermolé ulairestypeLennard-Jones . . . 69
3.5 Lesméthodesde alibrage . . . 72
3.5.1 Validationpardonnéesma ros opiques . . . 72
3.5.2 Validationpardonnéesmi ros opiques . . . 73
3.5.3 Validationpardonnées roisées . . . 73
3.6 Versunpremiermodèleàgrains . . . 74
4 MitoMAS 75 4.1 Dénition d'unlipidemodèle . . . 75
4.1.1 Intégrationd'unemolé uledeDMPC . . . 75
4.1.2 Choixdelagranularité . . . 76
4.1.3 Extensiondumodèleà3grains . . . 77
4.2 Lesintera tionsentre grainsd'atomes . . . 77
4.2.1 Lesintera tionsintramolé ulaires. . . 77
4.2.2 Lesintera tionsintermolé ulaires . . . 79
4.3 Un solvantimpli ite grâ eàunpotentielparpaire . . . 81
4.4 Modélisationdel'environnement . . . 82
4.4.1 L'espa e . . . 82
4.4.2 Letemps . . . 83
4.5 Ladynamiquedesmolé ules. . . 83
4.5.1 L'équationdumouvement . . . 83
4.5.2 Modèlededépla ementdesmolé ules . . . 84
4.5.3 Gestiondupasdetemps. . . 86
4.6 Enrésumé:lemodèlebio-physique. . . 86
4.7 LemodèleagentdeMitoMAS . . . 87
4.7.1 Lamodélisationorientéeobjet . . . 87
4.7.2 Lesagentsbiologiques. . . 88
4.7.3 Diérentsmodèlesd'intera tions . . . 90
4.7.4 Lesagentsenvironnement . . . 92
4.7.5 Des omportementsspé iques . . . 93
4.8.2 Paramétraged'unesimulation. . . 98
4.8.3 Lemodulede ommuni ation . . . 99
4.9 Enrésumé:lemodèleinformatique. . . 99
5 Les expérimentations in-sili o 101 5.1 Pland'expérien ein-sili o . . . 101
5.2 Unemembranegénérique . . . 102
5.2.1 Implémentationd'unphospholipide. . . 102
5.2.2 Diérentes ongurationsinitialesdusystème . . . 102
5.2.3 Initialisationaléatoiredeslipides . . . 103
5.2.4 Initialisationdeslipidesenmono ou he . . . 105
5.2.5 Initialisationdeslipidesenbi ou he . . . 108
5.2.6 Analysedesrésultats. . . 112
5.3 Versunemembraneinternemito hondriale . . . 113
5.4 Extension:lessystèmesmixtesphospholipides/protéines. . . 115
5.4.1 Desprotéinesintramembranairesgénériques . . . 116
5.4.2 La haînerespiratoire . . . 118
5.4.3 Lesrésultatsdesimulation . . . 119
5.5 Enrésumé. . . 120
Con lusion 121 Bibliographie 129 Annexes 139 A Quelquesélémentsde mathématiques 139 A.1 Quaternionset rotations3D . . . 139
A.1.1 L'ensemble
C
desnombres omplexes . . . 139A.1.2 L'ensemble
H
desquaternions . . . 140A.1.3 Pourallerplusloin.... . . 144
A.2 Lesmodélisationsdiérentielles . . . 146
A.3 Lesméthodesd'intégration . . . 147
A.3.1 Di ultés . . . 147
A.3.2 Deux famillesdeméthodesd'intégration . . . 147
A.3.3 Intégrationexpli ite . . . 148
A.3.4 Intégrationimpli ite . . . 149
A.3.5 Analyses: . . . 150
B.2 Lesplateformesàprogrammationsimpliée . . . 153
B.3 Lesplateformesàprogrammationavan ée . . . 154
B.4 Lesméthodesdedis rétisationdel'espa e . . . 154
Lamodélisationdesobjetsbiologiquesetdeleurs omportementsauniveaumolé ulairepermet
demieux omprendrediérentsphénomènesobservablesauniveauma ros opique.Leste hniques
delamé aniquemolé ulairereprésententlesobjetsbiologiquesauniveauatomique.Ceste hniques
onstituentdesoutilsperformantspourétudierlesstru tureset lesdynamiques biologiquespour
destempsdel'ordredelananose ondeetdestaillesdel'ordredunanomètre.A ausedestempsde
al ul,lessimulationssontnéanmoinsrestreintesàquelques entainesdemolé ulesamphiphiles e
qui, pourunebi ou helipidique, orrespondàune surfa edel'ordredeladizainedenanomètres
arrés.
Depuis quelques années,une te hniquealternativede résolution plus grossière,les modèles à
grainsd'atomesoumodèlesgrosgrains,orelapossibilitéd'étudierlesphénomènesbiologiquesà
desé hellesdetempsdel'ordredudixièmedemi rose ondeetd'espa edel'ordredudixièmede
mi- romètre.Cesvaleurssontbeau ouppluspro hesde ellesné essairespourl'étudedephénomènes
ommelaformationdesmembranes.Déjàéprouvésdepuisdenombreusesannéesdansledomaine
delaphysiquedespolymères, esmodèlesgrosgrainsontétéemployésplusré emmentpourétudier
lesmembraneslipidiques.
Dans le adre dela modélisation d'unemembrane lipidique,diérentsparadigmesde
modéli-sation peuvent être envisagés. En adoptant un point de vue le plus global possible, 'est-à-dire
en manipulant des variablesmoyennées sur l'ensemble dusystème molé ulaire, il est possible de
dé rireune dynamique de esystème enutilisant unparadigmeàbase d'équationsdiérentielles
(EDO, EDP). Néanmoins, la prise en ompte d'une part de la spatialisation des molé ules et
d'autrepart,delasingularitédeleurs onformations,souligneleslimitesde etypedeparadigme.
En hoisissantuneappro hedeplusenpluslo aledessystèmesmolé ulaires,onpeutfaireappelà
d'autresparadigmestelsquelamodélisationlogique,lesréseauxdePetri,lesautomates ellulaires
ouen orelesSystèmesMulti-Agents(SMA).
Les SMA proposent de représenter haque objet biologique par un agent apable d'exprimer
touteslesspé i itésdelamolé ule,entermed'orientation,de onformationvoirededynamique
interne. Par nature les SMA sontdes systèmes dynamiques et distribués d'entités enintera tion
ave leurvoisinagelo al,exa tementàl'instardeslipides onstituantlesmembranes,enpré isant
toutefoisquedans e as,onparlegénéralementd'agentsréa tifsalorsquelesSMAplus
tradition-nelsutilisés parexemple pour simulerle omportementd'inse tes so iauxsontplutt desagents
ognitifs.Pour lessimulationsmolé ulaires,lesagentssontsituésdans unespa e3Det se
dépla- entdans etenvironnementgrâ eàuneéquationdumouvementquiobéitauxloisdelaphysique
lassique.
CetravailprésenteunmodèleSMApourlamodélisationdelamembraneinterne
mito hondri-ale.Les mito hondriessontdes organites intra ellulairesayantla parti ularitéde posséderdeux
membranes.Denombreux omplexesenzymatiquesparti ipantaumétabolismedelamito hondrie
sontsitués dans ettemembrane.C'est le as parexempledela haînerespiratoire,unensemble
de omplexes enzymatiques imbriqués dans lamembrane interne mito hondriale, qui assurent la
phosphorylationdel'adénosinediphosphate(ADP)enadénosinetriphosphate(ATP),molé ule
én-ergétiqueutilisableparlerestedela ellule.Pouraméliorerla ompréhensiondufon tionnementde
seulequiserviradebase àl'in lusiondes omplexesenzymatiquesmembranaires.Pour emodèle
nousnousatta heronsàmodéliserlesfor esquis'exer ententreleslipidesetlesmouvementsde es
molé ules,qui produisent lesondulationset lesinvaginations ara téristiquesde ette membrane
interne.
Parmi les obje tifs de ette thèse, nous souhaitons dénirun modèle gros grains des lipides
pourensuiteproposerune on eptionagentquiprenneen ompteleslipidesetleursintera tions.
Enn, nous souhaitons implémenter e SMA sous la forme d'une plateforme apable de simuler
desbi ou heslipidiquessusammentgrandessur destempssusammentlongspourenobserver
la dynamique.Nous souhaitons réaliser e pro essus de modélisation en onservantla possibilité
d'étendrelemodèlepourintégrerdesprotéinestellesqueles omplexesenzymatiques.Cette
plate-formedevranouspermettredesimulerdessystèmes onstituésd'unouplusieurstypesdelipides.
L'undes phénomènesquenoussouhaitonsobtenirestl'apparitiondestru turestelles queles
mi- elles oules replis des bi ou hes omme résultat de la dynamique des intera tions entre lipides.
Parmilesnombreuxparamètresdumodèle,noussouhaitons pouvoirenidentier ertains
sus ep-tiblesd'augmenterl'e a itédessimulationssanspourautantenaltérerlesrésultatsqualitatifs.
Cemémoiresedé omposeen inq hapitres.Lepremier hapitreexposerale ontextebiologique,
àsavoirlamembraneinternemito hondrialeetlesphospholipides.Lese ond hapitresera onsa ré
à la présentation de plusieurs paradigmes apables de modéliser des systèmes biologiques. Nous
nirons e hapitrepar une présentation du paradigme leplus adapté àune modélisation lo ale
des objetsbiologiques et de leurs intera tions : les SMA. Le troisième hapitreprésenterale as
spé iquedelamodélisation d'unemembranebiologique.Ilyserafaitnotammentunerevued'un
ertainnombredemodèlesgrosgrainsdisponiblesdanslalittérature.L'ensembledespropriétésde
esmodèlesnouspermettradespé ierunpremiermodèleàgrains pourlipidedanslequatrième
hapitre.Lesdiérents hoixdemodélisation on ernant e modèleàgrainsdonnerontlieuàune
on eption agent souslaforme d'un SMA apable desimuler une membrane, voire d'in luredes
peptidesmembranaires.Le inquièmeet dernier hapitrerassemblelesrésultatsdesimulationdes
Résumé Cette thèse porte sur la modélisation de la membrane interne mito hondriale et des
omplexesenzymatiquesdela haînerespiratoireimbriquésdans ette bi ou hephospholipidique.
Unealternativeauxte hniquesdelamé aniquemolé ulairequireprésententlesobjetsbiologiques
au niveauatomique sont lesmodèles àgrains d'atomes, ou modèles gros grains, qui orent la
possibilitéd'étudierles phénomènesbiologiquesà desé hellesde tempsde l'ordredudixième de
mi rose onde et d'espa e de l'ordredu dixième de mi romètre, e qui orrespond à des valeurs
beau oup pluspro hesde elles né essaires pour l'étude de phénomènes ommela formation de
replisdelamembrane.Lemodèleproposéreprésente lesphospholipides, onstituantsdela
mem-brane, sous la forme de trimères rigides re tilignes ave un solvant impli itement modélisé. Ce
modèlegrosgrains donnelieu àune on eptionorientéeagentqui est implémentée souslaforme
d'unSystèmeMulti-Agents(SMA)appeléMitoMAS.
Laplateforme MitoMASnousapermisde simulerdessystèmesave diérentesdistributions
ini-tialesdesphospholipides.Lessystèmesinitialisésdemanièrealéatoiremontrentuneagrégationdes
lipidespourminimiserl'expositiondesqueuesausolvant.Ce phénomènenatureltendàvaliderla
modélisation impli ite du solvant. Les simulations réaliséesave des mono ou heslipidiques ont
permisdesoulignerl'inuen edeladistan ede uto on ernantlespotentielsintermolé ulaires.
À partir de es résultats, nous proposons de réduire ette distan e de uto à1nm e qui
aug-mentesensiblementl'e a itédessimulations.Ave uneinitialisationdeslipidesenbi ou he,nous
pouvons observer,sous ertaines onditions de pression latérale,l'apparition de replis similaires
à euxde la membrane interne. Un ensemble de simulations ave deux types de phospholipides
diéren iés soit par la taille des queues, soit par le nombre de es queues, produit des
mem-branesqualitativementdiérentes maisnéanmoinsprésentantdesdistan esde pluspro hevoisin
relativementidentiques.MitoMASnousaaussipermisdesimulerdessystèmesmixtes
phospholipi-des/protéinesmembranaires.Enprésen ede petitesprotéines génériquesimbriquées,lesreplis de
lamembranenesontpluslesmêmesetonobservedans ertains asdes onnementsdeprotéines
sansque elles- isoientpro heslesunesdesautres danslamembrane.Lesperspe tivesenterme
d'expérimentationsin-sili o sontnombreuses.Onpourraparexempletesterd'autresintera tions
intermolé ulaires (formes et intensités diérentes pour les potentiels). Les premiers résultats de
modélisationd'undes omplexesenzymatiquesdela haînerespiratoiremontrentqu'ilestpossible
dereprésenteruneprotéineuniquementparlemaillagedesasurfa eet e,enréutilisantlestypes
quenousavonsdénipourlamembrane.
Mots lefs modélisation, simulation, membrane, mito hondrie, modèle gros grains, systèmes
Le ontexte biologique
Ce hapitre expose le ontexte biologique de ette thèse, en l'o urren e la mito hondrie et
plusspé iquement la haîne respiratoire onstituée d'unensemble de omplexes imbriqués dans
lamembraneinternemito hondriale.
Aprèsuneprésentationdelamito hondrie,l'attentionestportéepluspré isémentsurlesobjets
biologiquesàmodéliser, 'est-à-direles omplexesenzymatiquesetlesphospholipides, onstituants
de la membrane interne mito hondriale. Pour hoisir à la fois l'appro he de modélisation et les
modalités de ettemodélisation,ilestimportantdebienspé ierlespropriétésetlesvariabilités
entre lesdiérentsobjetsbiologiquesàprendreen ompte.
1.1 La mito hondrie
Lamito hondrieest l'objetd'étudess ientiquesdepuisprèsde150anspuisque déjàen1857,
Köllikerdé rivait les aspe ts de lamito hondrie dans lemus le. En 1890, Altmaan adé rit une
te hniquede olorationdesmito hondriesetformulel'hypothèsedeleurautonomiemétaboliqueet
génétique.En1937,HansAdolfKrebsa onstruitunmodèlequ'ilappela itri a id y le[Kre40℄.
Ce y lealieudanslamito hondrie hezleseu aryotes.En1940-43,AlbertClaudeaisoléles
mi-to hondriesdans des ellulesdufoie [Cla44℄. En 1948-50,Kennedyet Lehninger ontmontré que
desvoiesmétaboliquestellesquele y ledeKrebs,la
β
-oxydationetlaphosphorylationoxydativeontlieutousdanslamito hondrie.En1978,PeterMit hellaobtenulePrixNobelpoursathéorie
himiosmotiquedétaillantunmé anismeoriginalpourlefon tionnementdesoxydations
phospho-rylantes [MIT79℄. En 1981, Sanger et sonéquipeontpublié laséquen e del'ADN mito hondrial
humain[ABB
+
81℄.Finalement,BoyeretWalker,euxaussi,ontobtenulePrixNobelen1997pour
leursétudessurlastru tureetlefon tionnementdel'ATPsynthétase[Boy97℄.
Lamito hondrieestunorganiteintra ellulaire(envertsurlaFig.1.1.3(a)),lieudela
phos-phorylationoxydativequirégénèrel'ATP
1
,lamolé uleénergétiqueutilisableparla ellule.D'une
dimension de 1 à 2
µ
m de long et de 0,5 à 1µ
m de large, la mito hondrie possède deuxbi- ou hes phospholipidiques,une externe et une interne, qui délimitenttrois espa es : l'espa e
extra-mito hondrial( ytoplasmedela ellule),l'espa eintermembranaireetlamatri e
mito hon-driale(Fig.1.1.1(a)).
1
L'adénosine triphosphate (ATP) est une molé ule utilisée hez tous les organismes vivants pour fournir de
(a)Lamito hondrieestunorganite
intra- ellulaire.
(b)Dimensionsde ertainesparti ularités
desmito hondries.
Fig.1.1.1Lamito hondrie.
(a)Modèleentier. (b) Séle tion de quatre
rêtes.
Fig.1.1.2 Imagesde synthèse générées à
partirde segments 3D de tomogrammesde
mito hondriesdu erveletdepoulet(d'après
Frey,T.G.et al.[FM00℄).
Latomographiede oupesépaissesde
mito hon-dries permet de réer une vue 3D de et organite
(Fig.1.1.2). Le modèle entier (Fig.1.1.2(a)) montre
toutes les rêtes en jaune, la membraneinterne en
bleu lair et la membrane externe en bleu fon é.
Une séle tiondequatre rêtesreprésentatives
mar-quées de diérentes ouleurs (Fig.1.1.2(b)) permet
demieuxappré ierleur omplexitéstru turelle
et leurs points d'atta he sur la membrane interne.
Ces rêtespeuventêtreperçues ommedesreplisde
la membraneinterne augmentant sasurfa een
o - upantlevolumedelamatri emito hondriale.
La gure 1.1.1(b) montre ertaines de es
spé i- ités stru turelles, identiées et agrandies depart
et d'autresde l'image, ave les dimensions
moyen-nées sur diérentstomogrammes de mito hondries
re onstruitesinsitu dansdestissusneuronaux,des
tissusadipeuxbrunset deNeurospora rassa.
1.1.1 Origine : l'hypothèse de l'endosymbiose
Le fait que la mito hondrie possède son ADN propre, omme les hloroplastes, fait pen her
pour une origine exogène de la mito hondrie qui serait la lointaine des endante d'une ba térie
adoptée par les premiers eu aryotes. Cette hypothèse, l'endosymbiose, a été développée et
argumentéeparLynnMargulisdès1966,puisaétéappuyéeparleséquençagedel'ADNspé ique
desmito hondriesen1980.Ilsemblequ'au oursdel'évolutionl'ADNdelaba tériemito hondrie
ait subidiverses évolutions, perdu ertains gènes, souvent auprot de l'ADN de la ellule hte.
Parallèlementà e reportde lasynthèse de ertainesprotéines versl'hte, e dernieradéveloppé
unarsenaldetranslo ases,enzymespermettantletransfertdesprotéinesdepuisle ytosolversla
matri emito hondriale.Laplupartdes omplexesenzymatiques(ex:l'ATP-synthase)sontformés
parlajuxtapositiondepolypeptidessynthétisésàpartirdel'ADN mito hondrialet del'ADNdu
1.1.2 Stru ture et dynamique des mito hondries
(a) En bleu, le noyau, en
orange le ytosquelette
et en vert les
mi-to hondrie (sour e :
www.mi ros opyu. om).
(b) Le réseau
mito hon-drial est présent dans tout
le ytoplasme (d'après R.
Rossignoletal.,2004).
Fig.1.1.3Leréseaumito hondrial.
Les mito hondries sont apablesde
fusion-ner entre elles pour former un ensemble de
tubules inter onne tées appelé réseau
mito- hondrial (Fig.1.1.3). Des phénomènes de
s-sionet defusion(Fig.1.1.4)sontàl'originede
lare ongurationpermanentede eréseau
mi-to hondrial. Lataille duréseau mito hondrial
par ellule est régulée par l'a tivité ellulaire.
La topologiede e réseau mito hondrial varie
d'un tissu à un autre au sein d'un même
or-ganisme mais aussi d'une espè e à une autre
(Fig.1.1.5).
Cette omplexité stru turelle et dynamique
rend parti ulièrement déli ate la modélisation
delamembraneinternedans laquellesont
im-briquésles omplexes enzymatiques.
Forme filamenteuse
Fission
Fusion
Forme fragmentée
Fig.1.1.4Fusionetssionduréseaumito hondrial(imagesdeWerner Koopman,2005).
(a)Fibroblastesdepoumonhumain
(lignéeMRC-5).
(b) Car inomes épithéliaux
pul-monaireshumains(lignéeA-549).
( )Fibroblastesrénauxdesingevert
(lignéeCV-1).
(d) Cellules épithéliales rénales de
por (lignéesLLC-PK1).
(e) Cellules épithéliales rénales de
hien(lignéeMDCK).
(f)Fibroblastesdepeaude erf
In-dianMuntia us.
1.2 Le métabolisme mito hondrial
Dansla ellule,lesréa tionsdel'anabolisme(synthèses)né essitentdel'énergie.Au ontraire,
les réa tionsdu atabolisme(dégradation)libèrent(globalement)del'énergie. Cetteénergiedoit
être sto kée pourêtre é hangéeentre lesdiérentesvoiesmétaboliques.Elle est sto kée dansdes
omposésri hes enénergie(qui libèrent aumoins 21kJ/mol d'énergie lorsdeleur hydrolyse)en
parti ulierl'ATP.
Lorsdesréa tionsdu atabolisme quesontlagly olyse (dansle ytosol) et le y lede Krebs
(danslamito hondrie)ilyaprodu tionde oenzymesréduits(
NADH
etFADH
2
).Ces oenzymesvontêtreré-oxydésparla haînerespiratoire(enaérobiose)auniveaudes rêtesdelamembrane
interne mito hondriale.
La haîne respiratoire
Ilexiste 5 omplexes protéiques et oenzymes impliquésdans lesoxydationsphosphorylantes
dela haînerespiratoire(Fig.1.2.1).Les4premiers omplexes(I, II,IIIet IV)interviennentdans
letransportdeséle tronset le inquième omplexe(V)intervientdanslasynthèsed'ATP.
Fig.1.2.1"Oxidative-phosphorylationreferen epathway"deKEGG
Sansentrerdans ledétaildu fon tionnement dela haînerespiratoire,nouspouvonsrésumer
l'a tivité des 5 omplexes et leur oopération au moyen des5équations de réa tions i-dessous
(Eq.(1.2.1) àEq.(1.2.5)).
ComplexeI:
NADH + Q + 5 H
+
matrix
→ NAD
+
+ QH
2
+ 4 H
+
cytosol
(1.2.1)ComplexeII:
Succinate + Q
→ Fumarate + QH
2
(1.2.2)Complexe III :
QH
2
+ 2 Cytc
ox
+ 2 H
+
matrix
→ Q + 2 Cytc
red
+ 4 H
+
cytosol
(1.2.3) Complexe IV:4 Cytc
red
+ O
2
+ 8 H
+
matrix
→ 4 Cytc
ox
+ 2 H
2
O + 4 H
+
cytosol
(1.2.4) ComplexeV:ADP + P
i
+ 4 H
+
cytosol
⇋
ATP + H
2
O + 4 H
+
matrix
(1.2.5)On notera au vue du s héma 1.2.1 que haque omplexe est omposé de plusieurs dizaines
de sous-unités et qu'ilssontde taille relativementimportante surtout si onles ompare ave les
onstituantsdelamembrane,lesphospholipides,danslesquelsilssonten hâssés.
Lase tionsuivanteapourobje tifdeprésenterles omposantsdesmembranesbiologiquesque
1.3 Les lipides
Les lipides jouent un rle important dans la ellule, notamment omme omposants
ma-jeurs des membranes. Ils onstituentégalement une importante quantité d'énergie sto kée et
ilssontdire tementimpliqués danslasignalisation ellulaire, àlafois ommehormonesstéroïdes
(oestrogèneset testostérone) et omme messagerspotentiels qui transportent lessignauxdes
ré- epteursmembranairesaux iblessituées àl'intérieur dela ellule.
1.3.1 Les a ides gras
Les a ides grassontdes a ides arboxyliquesà haîne aliphatique hydrophobesaturée ou
in-saturée.Appartenantàla atégoriedeslipides,ils onsistentenunelongue haînehydro arbonée,
ontenantleplussouventde16à18atomesde arbone,ave ungroupe arboxyle(COO-)àune
extrémité.
Les a ides gras insaturés ontiennent une ou plusieurs double liaisons entre des atomes de
arbone.Ces doublesliaisonsinduisentun oude danslastru turedes haîneshydro arbonéeset
sont àl'origine durayon deStokesassimilable àla largeur du ylindre ou du ne ontenant le
lipide.Les positions de es doublesliaisonssuggèrentlaforme géométrique( ylindreou ne) la
plusappropriéepourmodéliserlelipide.
Danslesa idesgrassaturés,touslesatomesde arbonesontliésauplusgrandnombrepossible
d'atomesd'hydrogène.Leslongues haîneshydro arbonéesdesa idesgrasne ontiennentquedes
liaisonsnonpolairesC-H,qui sontin apablesd'interagirave l'eau.Lanature hydrophobe de
es haînes d'a ides grasest responsable de la plupart des omportement des lipides omplexes,
parti ulièrementpour equiest delaformationdesmembranesbiologiques.
Nom ommun Formule himique
Désignation ourte Masse molé u-laire (Kda)
A idesgrassaturés
laurique
CH
3
(CH
2
)
10
COOH
12:0 200.3 myristiqueCH
3
(CH
2
)
12
COOH
14:0 228.4 palmitiqueCH
3
(CH
2
)
14
COOH
16:0 256.4 stéariqueCH
3
(CH
2
)
16
COOH
18:0 284.4 ara hidiqueCH
3
(CH
2
)
18
COOH
20:0 312.5 ligno ériqueCH
3
(CH
2
)
22
COOH
24:0 368.6A idesgrasinsaturés
palmitoléique
CH
3
(CH
2
)
5
CH = CH(CH
2
)
7
COOH
16:1(n-7) 254.4oléique
CH
3
(CH
2
)
7
CH = CH(CH
2
)
7
COOH
18:1(n-9) 282.4linoléique
CH
3
(CH
2
)
4
CH = CHCH
2
CH = CH(CH
2
)
7
COOH
18:2(n-6) 280.4(
α
-)linoléiqueCH
3
CH
2
CH = CHCH
2
CH = CHCH
2
CH = CH(CH
2
)
7
COOH
18:3(n-3) 278.4ara hidonique
CH
3
(CH
2
)
4
(CH = CHCH
2
)
3
CH = CH(CH
2
)
3
COOH
20:4(n-6) 304.5Tab.1.3.1Lesprin ipauxa idesgras ellulaires(d'après[For79℄).
Le tableau 1.3.1regroupeles diérentsa ides gras ellulaires et donne notamment lenombre
d'atomes de arbone, ave , pour les a ides gras insaturés, la position de la double liaison. En
d'autrestermes, esdonnéespermettentdedéduirelalongueur des queuesdesphospholipides
etl'en ombrementstériquedesphospholipidespourvusd'a idegrasinsaturés.Cesinformations
nousserontné essairesparlasuite ardansle adred'unemodélisationsusammentlo alepour
prendreen ompteles molé ules,nousauronsbesoinde spé ier lataille et levolumede haque
typedelipides.
1.3.2 Les phospholipides
pos-polairesgrâ eàleurstêteshydrophiles(groupephosphateetgroupeX),etpourles omposés
ap-olairesgrâ eàleursqueueshydrophobes(a idesgrasnotésR1et R2).Ainsi,dansl'eau,les
phos-pholipidespeuvents'organiserenmi elles
2
,enmembranesouend'autresstru turesdemanièreà
minimiserles onta tsentrel'eauetleursqueueshydrophobes.Lagure1.3.1présente quatredes
prin ipaux phospholipidesque l'on retrouverapar la suite.On peut remarquer que es typesde
phospholipidessediéren iententreeuxparleurtêtehydrophile(groupeXenviolet).
(a)la holine (b)lasérine
( )l'éthanolamine (d)la ardiolipine
Fig. 1.3.1 Phospholipides génériques. Bleu/vert : les a ides gras, noir : le gly érol, rouge : le
phosphateetviolet:le omposéehydroxyléestériantlephosphate(images:wikipedia).
➤
Propriétés desphospholipidesLe tableau 1.3.2 donne une répartition de diérentsa ides graspour ertainsphospholipides
issus des mito hondries de foie de rat [WH69℄. Ces données montrent que si la tête hydrophile
détermine ee tivement le type du phospholipide, plusieursvariétés peuvent oexister et se
dis-tingueruniquementparlalongueurde leurqueue, 'est-à-direles a idesgrasqui les onstituent.
Par exemple, laphosphatidyl- holine, phospholipide ara térisé par la holine (Fig.1.3.1(a)), est
préférentiellementasso iéeàl'a idegrasstéarique(18:0) enR1etàl'a ideara hidonique(20:4)
enR2.
Le tableau 1.3.3synthétise les donnéespré édentes (Tab.1.3.1et Tab.1.3.2)en terme d'a ide
grasasso iés majoritairementà haquetypedephospholipides,delongueurdesqueues,
d'en om-brementstérique etde hargedestêtes.Lesvariationsd'untypeàl'autrene nousparaissentpas
onsidérables,ex eptépourla ardiolipine(diphosphatidyl-gly érol)quiest onstituéededeuxPG,
soit dequatrequeuesapolaires.
Parmi lespropriétés des phospholipides, les plusimportantes sont la longueur des queues et
le nombre de queues par phospholipide ar elles sont dire tement liées à la onformation de la
molé ule.Dans equisuit, nousprésentonsendétail haquetypedephospholipidesenfaisantun
distingoentre lesmolé ules àdeuxqueueset ellesàquatrequeues.
2
Position 14:0 16:0 18:0 18:1 18:2 20:4 22:6 laphosphatidyl- holine(PC) R1 23 65 7 1 tra e R2 1 6 4 13 23 39 7 laphosphatidyl-éthanolamine(PE) R1 25 65 8 R2 2 11 8 8 10 46 13 laphosphatidyl-sérine(PS) R1 5 93 1 R2 6 29 8 4 32 19 lephosphatidyl-gly érol(PG) R1 7 3 3 81 R2 3 1 34 50 2 1
Tab.1.3.2Distributiondesa ides grasde ertainsphospholipidesdefoiederat (d'aprèsWood
etHarlow[WH69℄). PC 18:020:4 PE 18:020:4 PS 18:020:4 PG 18:218:2 CL (18:218:2) x2 tête taille(
A
3
) 33 25 40 80 26 masse(g.mol
−1
) 87 33 88 75 58 hargenette(àpH7) 0 0 -1 -1 -2queue taille(
A
)(nb double arbonne*longueurdouble arbonne)
2730 2730 2730 2727 2727
degrésinsaturation(nbdouble
liaison) 1 1 1 2 4 masse (
g.mol
−1
)( f nb ar-bonne) 252280 252280 252280 252252 (252 252) x2hydrophobie : position et
de-grés de l'angle (rayon de Stokes) 4
30
◦
(12) 430
◦
(12) 430
◦
(12) 230
◦
(12) 230
◦
(12)Tab. 1.3.3 PC (phosphatidyl- holine), PE (phosphatidyl-éthanolamine), PS
(phosphatidyl-sérine),PG(phosphatidyl-gly érol),CL( ardiolipine)
➤
Phospholipidesà deux queues➢
Au sensleplusstri t,lalé ithinedésigneuniquementlaphosphatidyl- holine(PC),'est-à-direun lipideformé àpartird'une holine, d'unphosphate, d'ungly érolet dedeux a ides gras
(Fig.1.3.1(a)).Dans e ontexte,ilseraitplusjustedeparlerdeslé ithines arilnes'agitpasd'une
seulemolé ulemais d'ungroupedontla ompositionen a idegrasvarie d'unemolé uleàl'autre
(Tab.1.3.2).Engénéral,unelé ithine omporteuna idegrassaturéetuna idegrasinsaturé.La
phosphatidyl holineestunlipideabondantdans lesextra tions ellulaireset onstitue prèsdela
moitiédesphospholipidesdesmembranesanimales.Les omposéspoly-insaturéssontregroupésen
positionR2et lesa idesgrassaturéslesplusabondantsenpositionR1(Tab.1.3.2).
➢
Le seul omposé de phosphatidyl-sérine (PS) est la forme dia yl :1,2-dia yl-sn-gly ero-3-phospho-L-serine ou phosphatidylserine, que l'on trouve uniquement dans les ellules animales.
La phosphatidylsérine présente en général des haînes très insaturées. La formule (Fig.1.3.1(b))
donne lairementtroisgroupesionisables:una idediesterphosphorique,ungroupeaminoetune
fon tion arboxyle.
➢
Dans les tissus de mammifères et de plantes, la phosphatidyl-éthanolamine (PE)(Fig.1.3.1( )) apparaît généralement en moindre proportion que la phosphatidyl holine. Dans
les ba téries, 'est néanmoins le prin ipal phospholipide présent. La distribution des a ides gras
(Tab.1.3.2)montre unhautdegréd'insaturation ommeave laphosphatidyl holine.
➤
Phospholipidesà quatre queuesLe phosphatidyl-gly érol est formé de deux a ides gras, liés par des liaisons ester à un premier
gly éroldontlatroisièmefon tionest estériéeparuna idephosphorique ommedanslesautres
phospholipides. L'autre fon tion a ide estérie une deuxième molé ule de gly érol.Ce lipide est
ommunmaisdetrèspetitesquantités sontrelevéesdanslestissusanimaux,essentiellementdans
lesmito hondries.Danslesplantes,ils onstituentde20à30%desphospholipides,essentiellement
dansles hloroplastes.Danslesba térieslesproportionspeuvents'éleveràplusde70%deslipides.
➢
Égalementréféren éhistoriquement ommela ardiolipine(CL),lediphosphatidyl-gly érolest présentpresqueex lusivementdanslesmito hondriesetlesba téries.Ilpeutreprésenterprès
de 20%des lipides mito hondriaux. La ardiolipine a été dé ouverte dans un tissu de oeur de
boeuf en 1942 mais a été par la suite identiée omme non spé ique de e type de tissus. La
ardiolipine(Fig.1.3.1(d))estundiphosphatidyl-gly érol,danslequeldeuxa idesphosphatidiques
estérient symétriquement les deux fon tions al ool primaires de la même molé ulede gly érol.
Curieusement, la ardiolipine de mammifères ontient à plus de 90% unseul a ide gras, l'a ide
linoléique.Parailleurs,ilaétémontréquel'espè ede ardiolipinelaplusabondante entre divers
organismesettissus( oeurhumain,lymphoblasteshumain,foiederat,drosophiles,levures, ellules
végatales) ontientseulementunoudeuxtypesd'a idesgras, equi génèreunhautdegrés
d'uni-formitéstru turelle[SRX
+
05℄.Cephospholipideabeau oupétéétudiédepuisquesonimpli ation
dans le fon tionnement la haîne respiratoire mito hondriale a été montré dans les membranes
thylakoïdes des hloroplasteset des ba téries[Rob93℄. Les phosphatidyl-gly érolet les
ardiolip-inessontprésentsdanslamembraneinterne desmito hondriesoùils sontliésspé iquementaux
enzymesintrinsèques, ommela yto hromeoxydasedela haînerespiratoiremito hondriale.
Ensebasantsur esobservationsetsurlesdonnéesdutableau1.3.3,nousavons hoisideporter
notreattentionsurdeuxtypesdephospholipides:les ardiolipines(CL)etlesphosphatidyl holines
(plus pré isémentlesdimyristoyl-phosphatidyl holinesouDMPC) pour omposerlesmembranes
mixtesquenousmodéliseronsparlasuite.
Nous venons de faire une présentation des omposants majeurs des membranes biologiques.
Lesphospholipidessedistinguentlesunsdesautresparlanaturedeleurtête, 'est-à-direl'al ool
qui estérieunese ondefoisl'a idephosphoriquemaissediéren ientégalementparleursa ides
gras qui déterminentlalongueur et l'en ombrement stérique desmolé ules.Parailleurs d'autres
molé ules, ommele holestérol,sontsus eptibles de s'ajouteraux phospholipidespour modier
sensiblement ertainespropriétésdesmembranes ommeparexemplelauidité,oulamanièredont
lesphospholipidesdemêmetypes'asso ientpréférentiellementpourformerdesmi rodomaines(ou
rafts).
Lespartiessuivantesporterontsurlesmembranesbiologiquesengénéral,leurdiversitédeforme
etde omposition,leurspropriétés ommuneset ellesquilesdiéren ientpourensuiteintroduire
lamembraneinternemito hondriale,supportdela haînerespiratoire.
1.4 Les membranes biologiques
Lavie dans toutesa diversitén'est devenue possible qu'aprèsl'apparitionde membranes
sé-parant et protégeant lessystèmes vivants primitifs de leur environnementtout en autorisant
desé hangesdematièrerégulésave lui(Fig.1.4.1).
Dansles ellulesévoluées,desmembranesassurentaussila ompartimentationdesdiérentes
a tivitésd'une elluleetletransportdemolé ules hoisiesentrelesdiérents ompartiments.
Lagure1.4.2(a)donneles hémad'une elluleave notammentsesmembranes:2.membrane
nu léaire; 4. vési ule; 5. réti ulum endoplasmique rugueux; 6. appareil de Golgi; 8. réti ulum
Fig. 1.4.1 Diversité des membranes
bi-ologiques[IT73℄.
En biologie ellulaire, la membrane
(Fig.1.4.2(b)) désigne un assemblage de
molé ules en un double feuillet séparant
la ellule de son environnement et délimitant
lesorganites àl'intérieur de elle- i[LS95℄.
Leslipides(phospho-et gly o-lipides)assurent
lastru turebidimensionnelle debase,la
uid-ité,lasouplesse et l'étan héiténé essaires aux
fon tionsdesmembraneset,serventdesolvant
pourlesprotéinesmembranaires.
Lesprotéinesjouentdesrlestrèsvariés:
pom-pes ou anaux pour le transport séle tif de
molé ulesoud'ions,transdu teurspourles
sig-naux himiques(éle triquesouhormonaux),
ré- epteurs et points d'atta he divers; elles
par-ti ipent aussi dire tement à la résistan e
mé- anique des membranes et à la régulation de
leursformes.
(a)S hémad'une elluleetdeses
mem-branes.
(b) Outrelesphospholipides lesmembranessont onstituées parun
grandnombredeprotéinesintramembranaires.
Fig.1.4.2Membranes ellulaires(sour e:Wikipedia).
Les ompositions en lipides sont diérentes d'une membrane à une autre (Fig.1.4.3).
Les onstituantslipidiquesmajeursdes ellulesanimalessontdeuxphospholipides,
phosphatidyl- holine (PC) et phosphatidyl-éthanolamine, eux des ellules végétalessont des gly olipides,
di-gala tosyldigly éride(DGDG)et monogala tosyldigly éride(MGDG). Dansles ellulesanimales,
lesmembranesplasmiques ontiennentdavantagede holestérol(30%enpoids)quelesmembranes
desmito hondriesouduréti ulum endoplasmique(3 à6%). Lesmembranesmyéliniques des
el-lulesnerveusessontplusri hesengly olipidesquelesautres,elles ontiennentégalementmoinsde
protéines,25%enpoidsaulieude50%dansunemembraneplasmique[ABL86℄.
Les onstituantsnesontgénéralementpasdistribuésuniformémentdansune membrane.
L'in-térieuretl'extérieurd'unemembranebiologiquesontdissymétriques.Cettedissymétriede
om-positionentrelesdeux feuilletsestasso iéeàunedissymétriedeuiditéetd'unedissymétrie
danslesensd'orientationdesprotéines.
Ladistributiondes onstituants n'estpashomogènenonpluslelongdesmembranes.D'un
té,desintera tionspréférentielleslipide-protéine hangentlo alementla ompositionenlipides.
Del'autre, lesprotéinesforment aussidesamas immobileset lo alisés,soit parauto-asso iation,
soitparan rage himiqueàdesmolé ulesextérieuresàlamembrane:anti orps,polysa harides,
lamentsdu ytosquelette,réseauxpolymériquesdivers.La ompositionlo aledesmembranespeut
aussis'adapteràleur ourbure.
Dupointdevuedeslipides,leseetsprin ipauxsontrelativementsimples.Ilestétabliquele
Fig.1.4.3Compostionde diérentesmembranesbiologiques(sour es:Départementde Chimie
et Bio himiedel'UniversitéduTexas).
éthanolamines,permetderégulerlauiditédesmembranes,defavoriserl'insertiondesprotéineset
de ontrlerlesdéformationsde ourbure.Laplupartdeseetss'interprètentdire temententermes
de ontrainteslo ales,d'empilementdesmolé ules,de ourburespontanéeetderigidité.D'autres
sontplussubtils arilsdépendentdu ouplageentrediérentesvariables.Onpeutmontrerquela
rigiditéd'une membraneest diminuéelorsque elle- ia lapossibilité d'ajuster sa omposition en
fon tiondes ourburesqui luisontimposées[Sa 90℄.Leseetsliésauxprotéinessonten oreplus
omplexes.
1.5 La membrane interne mito hondriale
Lamito hondrie est unorganite intra ellulairequi présente laspé i itéd'être onstituéede
deuxmembranes:unemembraneexterneetunemembraneinterne.Cettestru tureatypiquepeut
êtreexpliquéeparl'origineexogènedel'organite(voirl'hypothèsedel'endosymbiose,se tion1.1.1).
Ces deuxmembranesserévèlenttrèsdiérentes.
Lamembraneexterneestforméede50%deprotéinesetde50%delipidespolaires.Elle ontientde
nombreusesprotéines appeléesporinesquiformentdes anauxaqueuxautraversdelamembrane
et laissent passer toutes les molé ules hydrophiles d'une masse molé ulaire inférieure à 10 000
daltons.
Lamembraneinterneestbeau oupmoinsperméablequelamembraneexterne.Elleest omposée
de80%deprotéinesetde20%delipides(proportionenmasse).Elle ontient,enproportionélevée
relativement aux autres membranes, des phospholipides doubles, les ardiolipines, renfermant
4 a ides gras. Les phospholipides majoritairement représentés restent laphosphatidyl- holine
(PC) etlaphosphatidyl-éthanolamine(PE).
1.6 En résumé
Lesobje tifspremiersde ettethèsesontdon :
lamodélisation des phospholipideset leur organisation naturelle sus eptible de produire
desrepliementsde ettemembraneinterne;
ma ro-A terme,il seraéventuellementintéressantde modéliser desprotéines membranaires dans la
membranemito hondrialeinterne.
En eet, nous avons vu en début de hapitre que la membrane interne ontient les omplexes
enzymatiques de la haîne respiratoire. Parmi les rles attribués à es protéines
intramem-branaires,nouspouvons iter:le onnementd'intermédiairesderéa tion[SP00℄,lastabilisation
de omplexesprotéiques[APBBFS
+
04℄,l'augmentationdela apa itéd'insertiondeprotéinepour
la membrane interne [APN
+
98℄ et la génération de replis, appelés également rêtes ou ristae,
modiantlamorphologiede ettemembrane[PVC
+
02℄.Detous esphénomènesrésultantdesintera tionsphospholipides/protéines,noussouhaiterionsêtre
enmesured'évaluer,d'unepart,l'impa tdelaprésen ede esprotéinesmembranairesauniveau
desreplis,etd'autrepart,siee tivementlesreplissontsus eptiblesdeproduiredessituationsde
Les paradigmes pour la modélisation
ellulaire
Ce hapitreprésente ertainesappro hesemployéesdans le adre delamodélisation des
pro- essus biologiques. Dans un premier temps, nous pré iserons quelques dénitions d'é helle, de
modélisation multi-é helles, de paradigme ou en ore de modélisation multi-paradigmes. Ensuite
nousexpli iteronsplusparti ulièrement ertainesappro hesde modélisation depuisles
modélisa-tions les plus globales jusqu'aux modélisations les plus lo ales, ette dis tin tion portant sur le
niveaud'abstra tiondesélémentsmodélisés.Nous termineronspar unerevue desmodèleset des
plateformesmulti-agentsutilisésdans le ontextedelabiologie.
2.1 É helles et paradigmes
Selonladis ipline,voirele ontextehistorique,ladénitiondemodèleetdemodélisationpeut
variernotablement.Sansentrerdansunedis ussionpropreàl'épistémologie,nousretiendronsune
dénition ontemporaine donnée par J. Ferber [Fer95℄ : Un modèle, en s ien e, est une image
styliséeetabstraite d'une portion de réalité.
La simulation de pro essus biologiques, et plus pré isément la simulation ellulaire, devient
unenjeu importantde nos jours. En eet, le domainede la re her heen biologie adû a quérir,
lasseretsto kerlamassedesdonnéesissuesentreautreduséquençage,ave unepriseen ompte
des problèmes qui se posent pour aller du gène à la formation de la protéine, à son ontrle et
àsasigni ationphysiologiqueet physiopathologique.Ils'agîtmaintenantd'analyser esdonnées
hétérogènes,d'identierlesévènementssigni atifsetdelesinterpréter,enutilisantleste hniques
demodélisationet desimulation.
Aprèsl'étudedugénome(ADN),dutrans riptome(ARN)etduprotéome(protéines)vientl'étude
del'intera tome quiin lut l'étudedumétabolisme.Orl'étude dumétabolisme ellulaire,et don
elle du métabolisme mito hondrial, impose des ontraintes déli ates àprendre en ompte ave
les paradigmes standards manipulant des variables moyennées omme les systèmes d'équations
diérentielles(souventutilisésenmodélisationbiologique).
Autitredesdi ultés spé iquesà ette étudedel'intera tome,nous pouvons iter:
le partitionnement de l'espa e parles membranesbiologiques et,plus parti ulièrement
pournotreétude,parlamembraneinternemito hondrialeetsesnombreuxreplis;
lesintera tionsentrelesobjetsbiologiquesdediérentenature ommeparexemple
l'inter-a tionentrelesmembranesetlesprotéines;
la omplexité des objets biologiques que sont les omplexes enzymatiques en terme de
stru ture, dedynamiqueinterne etlané essitédeprendreen ompte l'ordonnan ementdes
réa tionsenzymatiques.
biologiques peut justier une utilisation satisfaisante de modèles dit ontinus manipulant des
variablesmoyennéessurl'ensembledelapopulationmolé ulaire(loidesgrandsnombres).Toutefois
es modèles ne permettent que di ilement de prendre en ompte la lo alisation des molé ules
dans desstru tures pouvantdis rétiser l'espa ede manière omplexe, omme 'est le as ave la
membraneinternemito hondriale.
Nousallonsmaintenantpré iserlesnotionsdemulti-é hellesetdemulti-paradigmes.
2.1.1 La modélisation multi-é helles et multi-paradigmes
➤
Lamodélisationmulti-é hellesPardénition
1
, une é helleest une proportionde taille entre lareprésentationd'une hose et
la hosereprésentée. Une modélisation multi-é hellesintègredon simultanémentdiérentes
pro-portionsdetailled'unmême système.Parexemple,unemodélisation multi-é hellesd'une
problé-matique biologiqueintègreplusieurs é hellesounessesde représentationdes objetsbiologiques.
Dans e as,onpourras'intéresserauxintera tionsentredesban sdepoissonsenseplaçantsoit
au niveaudela populationde poissons dansson ensemble, soit au niveau desgroupesouen ore
auniveaud'unpoisson.Delamêmemanière,lamodélisationdesorganesd'unêtrevivantpeutse
faireauniveaudestissus ellulaires,des ellulesouauniveaumolé ulaire.
Lagure2.1.1montrelesé hellesspatio-temporelles ara téristiquesdessystèmesvivants.Certains
ensemblestelsque lesmolé ules,les ellules,lesorganismes,les populationset les é osystèmesy
sontreprésentéssuivantleursdimensionslogarithmiques [Pav94℄.On peutnoter que
l'augmenta-tion desdimensionsselonuneé hellevade paireave l'augmentationdesdimensionssur l'autre.
Ainsil'étudedelarépli ationd'uneprotéinepeutêtreréaliséeàl'é helledelajournée,alorsqu'en
général,sions'intéresseaudevenir d'unorgane,il serané essaired'augmenterl'é helledetemps
del'étude.
Fig.2.1.1É hellesspatio-temporelles ara téristiquesdessystèmesvivants[Pav94℄.
➤
Lamodélisationmulti-paradigmesUn paradigme est une représentation du monde, une manière de voir les hoses, un modèle
ohérent de vision du monde qui repose sur une base dénie : matri e dis iplinaire, modèle
théoriqueou ourantdepensée.
Cette dénition,qui renvoie à lanotionde modèle,aévoluédans le ontextede l'a tivité
s ien-tique pourdevenir le référentiel d'un système de pensée : 'est-à-direune ertaine on eption
dumonde,desenjeuxetdesméthodesd'unedis iplines ientique onsidérés ommevalablespar
euxquiensontlesprati iens[Kuh72℄.Nouspouvonsalorsparlerd'unparadigmedemodélisation
ommeétantl'ensembledesdénitionsetformalismes, desméthodes,desoutilset deste hniques
qui ara térisent ettea tivitédemodélisation.
La gure 2.1.2 montre, en les positionnant relativement aux é helles de temps et d'espa e
prisen ompte, diérentsparadigmes apablesdemodéliserdessystèmesmolé ulaires. La himie
quantiquedé ritle omportementéle troniquedesatomesetdesmolé ulesparlebiaisd'équations
mathématiquesquimodélisentle ortègeéle tronique.Ladynamiquemolé ulaireetlesmodèlesà
grainsd'atomes al ulentl'évolutiond'unsystèmedeparti ulesenintera tion.Ennilestpossible
d'opterpouruneappro he ontinueave uneéquationouunsystèmed'équations apablededé rire
lesystèmemolé ulairedanssonensemble.
Fig.2.1.2Diérentsparadigmes pourlessystèmesmolé ulaires.
➤
Corrélation entrela modélisationmulti-é helleset multi-paradigmesLamodélisationmulti-é hellesetlamodélisationmulti-paradigmessontgénéralementétroitement
liées.En termed'asso iation,plusieurs asdeguresontpossibles:
Dans une modélisation multi-é helles, il est possible de ne faire appel qu'à un seul
paradigme.Parexemple,dansle adredessystèmesmulti-agents,l'étudedel'émergen ea
parfoissus ité ledéveloppementde modèlesintégrantles diérentes é helles ommeautant
deparamètresdénissantlesgroupesetlesrlesattribuésauxmêmesagents(modèleagent,
groupe,rleouAGR,voirFerberet al.[FG℄).
A une même é helle du système,il est possiblede représenter ertainesvariables selon
unpremierparadigmeetd'autressuivantunse ond paradigmediérent.Parexemple,
lesindividus d'unepopulationpeuventêtremodélisésparunSystèmeMulti-Agents(SMA)
dansleurdépla ementetpardesEDOpour e quiestdeleurmétabolisme.
Une modélisation multi-é hellesd'uneproblématiquebiologiquepeutintégrerdes
mod-èles baséssur desparadigmesdiérents.En eet,il est souventplussimpled'asso ier le
passaged'uneé helleàuneautreàun hangementd'appro he.Parexemple,dansunmodèle
proies/prédateurs,l'intera tionlo aleentrelesproiesetlesprédateurspeutêtregéréeparle
biaisd'unSMAtandisqu'uneépidémieae tantlapopulationdesproiespeut-êtremodélisée
pardeséquationsdiérentielles.
Onnoteraquedanstousles asdemodélisationmulti-paradigmes,qu'elleintègreounonune
modélisationmulti-é helles,il estné essairedeprévoirle ouplageentrelesdiérentsparadigmes,
2.1.2 Le ouplage de modèles
Parmi les modélisations utilisant le ouplage entre diérents modèles, nous pouvons donner les
exemplessuivantsqui sontdes ouplagesmulti-paradigmes:
➢
ouplageentrelamé aniquequantiqueet ladynamique molé ulairepourlamodélisation delapropagationdessuresdanslesmatériaux.L'asso iationde esdeuxparadigmesa ommeavantage
d'augmentersensiblementlestempssimulés.
➢
ouplageentreunSMAetuneéquationdiérentielle.L'exempleestun ouplagedeparadigmespourl'étudedu opépode,petit organismemarinappartenantàlafamilledeszoo-plan tons.Pour
modéliser l'intera tion entre une population de ellules de phytoplan ton et une population de
opépodes,unpremiermodèle(SMA)sefo aliseprin ipalementsurledépla ementdu opépodeet
laprédationtandisqu'unse ondmodèle(EDO)s'o upeuniquementdelagestiondel'énergiedans
lemétabolisme du opépode. Cetteappli ationaétéréaliséegrâ eauformalisme DEVS(Dis ret
EVent system Spe i ation) qui permet de dénir une interfa e fon tionnelleentre diérents
paradigmes [ZSKP95℄. A partir de ladénition d'un ensemble de variables de type entrée-sortie
pour haqueparadigme,DEVSpermet d'établirune ommuni ationentre esparadigmes.
Danslase tionsuivante,nousexamineronsplusieursparadigmes ourammentutilisésen
mod-élisationdessystèmesbiologiques.
2.2 Diérents paradigmes disponibles : du global au lo al
Ilexiste de nombreusesthéorieset appro hes mathématiques pour modéliser lesphénomènes
biologiquesdepuislesmodèlesàbased'équationsdiérentielles,sto hastiquesjusqu'auxautomates
ellulaires.
paradigme temps
espa e niveaud'abstra tion
équation
diéren-tielleordinaire
ontinu nonprisen ompte global : variables moyennées sur
l'ensemble des éléments du
sys-tème
équation
diéren-tielle ordinaire par
ompartiment
ontinu pris en ompte
( ompartimenta-tiondel'espa e)
intermédiaire : variables
moyen-nées restreintes aux populations
des ompartiments
équation
diéren-tiellepartielle
ontinu prisen ompte(expressions
analy-tiquessimples)
global : variables moyennées sur
l'ensemble des éléments du
sys-tème
modélisation
sto hastique
généralement
on-tinu
généralementnonprisen ompte intermédiaire:variablesaléatoires
orrespondantes aux densités de
probabilité des éléments du
sys-tème modélisation logique généralement dis- rétisé (transition d'un état à un autre)
apriorinonprisen ompte(mais
dessous- lassesdemolé ules
peu-ventêtreasso iéesàdesrégionsde
l'espa e)
intermédiaire: regroupementdes
élémentsdemêmetype
réseaudePetri
ontinuoudis rétisé
(transitions)
pris en ompte (au travers des
pla es)
intermédiaire: un jeton par
élé-mentmaistemps (transitions)et
espa e(pla es)sontdis rétisés
automate ellulaire
généralement
dis- rétisé (mais peut
êtresimulé ontinu)
né essairement dis rétisé
(quadrillagexe)
intermédiaire:autantd'attributs
par ellule (tant que eux- i ne
dépendentpasdel'espa e)
système
multi-agents
généralement
dis- rétisé (mais peut
êtresimulé ontinu)
généralement ontinu n:touteslessingularitésdes
élé-mentsprisesen ompte
Tab.2.2.1Diérentsparadigmesetleurrelationautemps,àl'espa eetauxélémentsmodélisés.
D'une ertaine manière, il est possible de positionner les diérents paradigmes les uns par
susant, il est possiblede modéliser le système dans son ensemble en manipulant des variables
moyennées réelles(et nonentières), e quiparfoisamèneàparlerd'unemoitiéde elluleou d'un
quartdemouton.Al'inverse,dupointdevuelepluslo alpossible, haqueélémentdusystèmepeut
êtremodélisédanstoutesasingularité.Entre esdeuxpositionsantinomiques,d'autresparadigmes
atta hentplusoumoins de détailautemps, àl'espa eouaux éléments.Le tableau 2.2.1résume
pour ha undesparadigmesleurniveaudepriseen omptedutempset del'espa eainsiqueleur
niveaud'abstra tiondesobjetsbiologiquesmodélisés.
Nous allonsnous onsa rer maintenantà laprésentation de es formalismes enles restituant
dansle ontextedelabiologie.
2.2.1 Modélisation diérentielle
Enmathématique,uneéquationdiérentielleestunerelationentreuneouplusieursfon tions
in onnues et leurs dérivées(voirl'annexeA.2pourune dénitionplus omplète). La
modéli-sation de systèmes paréquations diérentielles est a tuellement largementrépandue en biologie.
Elle omporte ertainsavantagesessentiels:
l'appro he est formalisée.Eneet,uneéquationmathématiqueestuniversellement
om-préhensible, dessolutions analytiquespeuventêtretrouvéeset si e n'est pasle as, des
simulationsnumériquespeuventêtreee tuées.
unsystème d'équationsdiérentielles permet dedé rire l'évolutiond'un système
om-posé d'un grand nombre d'éléments ou de nombreux types d'intera tions entre plusieurs
ensemblesd'éléments.
Les équations diérentielles sont utilisées pour onstruire des modèles mathématiques de
phénomènesphysiquesetbiologiques,parexemplepourl'étudedelaradioa tivitéoulamé anique
éleste. De même, les réseaux de régulation biologique sont lassiquement modélisés à l'aide de
systèmesd'équationsdiérentielles ordinaires,partielles ouen oresto hastiques (voirlarevue de
H.deJong[dJ02℄).
Dans e qui suit nousdonnons unensemblede dénitions et d'exemples, tirés notamment de
l'ouvraged'A.Pavé[Pav94℄,permettantdemieux omprendrelessystèmes diérentiels.
➤
Les équations diérentiellesordinairesUne équation diérentielleordinaire (EDO) est une équation ontenant une variable dite
in-dépendantet,unnombrenidefon tionsdet,appeléesvariablesdépendantes,
y
k
(t)
ouy
k
etleursdérivées parrapport àt, notées
˙y
k
(t)
ouy
′
k
(t)
.En biologie,lavariable indépendante treprésenteleplussouventletemps.
Pour illustrer le hamps d'appli ation des EDO, voi i ertains as d'utilisation de es systèmes
diérentiels:
➢
Ladynamique des populationsOn onsidèreunepopulationdetaille
y
etuntauxdereprodu tionr(t, y)
.Sonévolutiontemporelleestdé riteparl'équationdiérentielle(2.2.1)pourune onditioninitiale
y(0) = y
0
donnée.˙y = r(t, y)y
(2.2.1)Suivantquel'ondésiremodéliserune roissan eexponentielleounon,onpourra hoisir
respe tive-mentpour
r(t, y)
untaux onstantr(t, y) = r
ouunmodèlelogistiquedelaformer(t, y) = (1
− y)
.➢
Le modèle proie-prédateurC'est un modèle d'intera tion entre plusieurs espè es. Un modèle simple qui dé rit la relation
espè esàpartirdesdeuxéquationssuivantes:
˙y
1
= ry
1
− ay
1
y
2
˙y
2
=
−dy
2
+ by
1
y
2
(2.2.2)
Lapremièreéquationdé rit l'évolutionde lapopulation
y
1
enfon tiondesa roissan eexponen-tielle
ry
1
àlaquelleonsoustraitleprélèvementdesprédateurs−ay
1
y
2
.Lase ondeéquationdé ritl'évolutiondelapopulationduprédateur
y
1
enfon tiondesa mortalité−dy
2
etde sa apa ité àsereproduireen utilisantlapopulationdesproies
by
1
y
2
. Ce modèlepeutengendrer dessolutionsos illantes entretenues, solutions qu'il est néanmoins di ile d'observer expérimentalement. En
eet, une roissan e exponentiellesuppose un milieunon limitanten substrat et même pourdes
expérien esenlaboratoireimpliquantdeuxpopulationsdeba tériesoù ette onditionestremplie,
il n'est pasévident d'obtenir un tauxde mortalité du prédateur susant par rapport au temps
de générationdelaproie.Toutefois, emodèleest trèssouventutilisé ené ologieoubiologiedes
populationset est onsidéré ommeunbonmodèlepour simulerparexemple uneépidémie dans
unepopulation.
➢
La inétique himiqueConsidérons une réa tionqui permet laprodu tion d'uneespè e
A
2
àpartir d'uneespè eA
1
ouinversement.Cetteréa tionpeutêtredé riteparles héma(2.2.3)oùnestunentierpositifappelé
le oe ient stoe hiométrique de
A
1
et oùk
21
,k
12
représentent respe tivement les vitesses deréa tiondansunsensoul'autre.
n
·A
1
k
21
−−⇀
↽
−−
k
12
A
2
(2.2.3)Ondénote
y
1
,y
2
les on entrationsdeA
1
etA
2
. Cetteréa tionsetraduitparlesystèmed'EDO(2.2.4).
˙y
1
=
n.k
12
y
2
− n.k
21
y
1
n
˙y
2
=
−k
12
y
2
+ k
21
y
n
1
(2.2.4)
Sionrajouteuneréa tion onsommantunefra tionde
A
2
,nousavonspourn = 1
unpro essusdelaforme(2.2.5).Cemodèlesimplepeutêtreutilisépourreprésenterladynamiqued'unmédi ament
oud'unedroguedansle orpshumain.Dans e as
A
1
etA
2
orrespondentàla on entrationdumédi amentd'unepartdansletissuetd'autrepartdanslesang.Letaux
k
0
représentelavitesseàlaquelle
A
2
estéliminé parlesreins.Lesystème orrespondantestdonnépar(2.2.6).n
·A
1
k
21
−−⇀
↽
−−
k
12
A
2
k
0
−→ 0
(2.2.5)˙y
1
=
k
12
y
2
− k
21
y
1
˙y
2
=
−k
12
y
2
+ k
21
y
1
− k
0
y
2
(2.2.6)LesEDOmanipulentdesvariablesmoyennéessurl'ensembledusystème.Ordansle asquifait
l'objetde etteétude,lamembraneinternemito hondriale,il nousapparaîtessentield'intégrerla
ompartimentalisationdel'espa einduiteparlesnombreuxreplis.
Il existedeux appro hespourprendre en ompte l'espa e dans unsystème diérentiel : soit une
ompartimentationdel'espa epermet àdessystèmesd'EDOdese toyer (EDOpar
omparti-ment),soitlesvariablesmanipuléessontdépendantesàlafoisdutempsetdel'espa e(EDP).
➤
Lesmodèlespar ompartimentL'idéede ompartimenterunvolumedé oulesouventd'unbesoindeprendreen omptel'espa e
et de diéren ier ertainesrégions. Chaque ompartiment ontiendraalors sespropresensembles
possible deprendre en ompte une ertainerégionalisation.On garderaen mémoirequedans un
modèlepar ompartimentilestné essairededénirleséquationsdé rivantlesuxd'élémentsd'un
ompartimentàunautre.L'utilisationd'unmodèle ompartimentépermetd'intégrerladénition
d'unensembledeparamètres ommeparexemplelagéométriedes ompartiments,les onnexions
entre es ompartiments,lesvaleursinitialesdesvariablesdanstousles ompartimentset les
on-ditionsauxlimites desvariables.
Parexemple, dansle modèlede Lotka-Volterraquenous venonsde présenter, il est possible
d'a-jouterunesegmentationdel'environnementdanslequelévoluentlesproiesetlesprédateurs, ette
segmentationétantasso iéeàdesdis ontinuitéslo alesdel'environnement.
De tels modèles onduisenttrès souventàl'explosiondu nombrede paramètresàprendre en
ompte dans lesystème d'équations et rendent d'autant plusdi ile lare her he d'unesolution
analytiqueoumêmelamiseenoeuvre desimulations.
Leparagraphesuivantprésente uneautresolutionàlapriseen omptede ara téristiquesliéesà
unespatialisationdesphénomènesétudiés.
➤
Les équations diérentiellespartiellesLeséquationsauxdérivéespartielles(EDP)sontutiliséeslorsquel'ondésireintégreraumodèle
plus d'une variable indépendante. Ce i permet don de modéliser à la fois l'espa e et le temps
ommedesvariablesindépendantes.Lorsqu'unesolutionanalytiqueexiste,ildeviendrapossiblede
dénirun gradientde on entrationdes diérents éléments dusystème. Alors que lesensembles
de solutions d'une équation diérentielle ordinaire sont paramétrés par les onditions initiales,
dans le as des EDP les onditions aux limites se présentent plutt sous la forme de fon tions.
Malheureusement ette te hnique onduit également à l'a roissement du nombre de solutions
possibles.
Dans le ontexte de la modélisation des systèmes vivants, il est di ile de onnaître ave
pré isionlesvaleursdesparamètresné essairesainsiquelaformedesfon tionsqui ara térisent e
système.Parailleurs,laspatialisationproposéeparlesEDPestlimitéeparl'utilisationdevariables
moyennées.Aussi,ilpeutêtreintéressantdesetournerversdesmodèlesqualitatifspourexplorer
d'autrespossibilitésdemodélisation.
2.2.2 Modélisation logique des réseaux génétiques
Leséquationslogiquesutilisentdesvariablesbooléennesoumulti-valuées[GK73℄[TTK95℄. Le
développement demodèleslogiquespourdiérentsréseauxbiologiques adéjà aboutià
d'intéres-santesavan éesentermed'analysedestru turederéseauxbiologiques( ommeles ir uit"feedba k"
ouderétroa tiono)etdespropriétésdynamiques orrespondantes[TTK95℄.Enutilisantl'appro he
logiquegénéraliséedeR.Thomas,D.Thieryetal.ontdéveloppéunlogi iel,GIN-sim,quipermet
àunbiologistedespé ierunmodèlederégulationetdetesterl'évolutiondusystèmeétantdonné
desétatsinitiaux[CRMT03℄.
Cependant, omme le nombre d'états (logiques ou dis rets) possibles du système augmente
exponentiellement ave le nombre d'éléments impliqués dans le réseau biologique, il est souvent
né essaired'opterpourd'autresappro hes apablesdeprendreen omptedesréseauxbiologiques
sansavoirre oursàune dis rétisationdusystèmeetaudénombrementdesesétatspossibles.
2.2.3 Les réseaux de Petri
LesréseauxdePetri,proposéspourlapremièrefoisparCarlAdamPetri [Pet66℄,sontunedes
nombreusesreprésentationsmathématiquesd'unsystèmedis retdistribué.
transitionsetdesar sorientés onne tantlespla esauxtransitions.
(a)Représentationgraphique. (b)Entrée ( )Sortie (d)
M
0
Fig.2.2.1UneréseaudePetri.
Formellement,unréseaudePetripeutêtrereprésentésouslaformed'unquadruplé(P,T,E,S) où
Pestunensemblenidepla es;
Tunensemblenidetransitions;
Eestuneappli ationE:PxT
→ N
appeléeappli ation d'in iden e avant(Fig.2.2.1(b));S est une autre appli ation S : PxT
→ N
appelée appli ation d'in iden e arrière(Fig.2.2.1( )).
LemarquageMd'unréseau orrespondàsonétat.Formellement,unmarquageestuneappli ation
M :P
→ N
donnantpour haquepla e lenombrede jetonsqu'elle ontient.Le marquageinitialest généralementnoté
M
0
(Fig.2.2.1(d)).Un réseaudePetriévoluelorsqu'onexé uteunetransition:desjetonssontprisdanslespla esen
entréede ettetransitionetenvoyésdanslespla esensortiede ettetransition.L'exé utiond'une
transition(onparlealorsdesonfran hissement)estuneopérationindivisiblequiest onditionnée
parlaprésen edejetonsurlapla ed'entrée.L'exé utiond'unréseaudePetriestnon
détermin-iste, ar il peut y avoir àuninstant donné autantde possibilitésd'évolutionque de transitions
fran hissablesà etinstant.
Lesre her hessurlesréseauxdePetriontunelonguehistoiredepresque40ansdanslaplupart
desdomainesliésàlasimulation.Lespremiers asd'utilisationderéseauxdePetripourmodéliser
lesvoies métaboliquesontétéréalisésparReddyet al.[RML93℄et Hofestadt[Hof94℄. Genri h
et al. [GKV01℄ ont modélisé des voies métaboliques en utilisant des réseau de Petri spé iques,
appelés réseaux de Petri olorés,en assignant les vitesses deréa tions enzymatiques aux
transi-tions.Vossetal.[VHK03℄ontutilisédiéremment esmêmesréseauxdePetri oloréspourréaliser
uneanalysequalitativedesétatsd'équilibredesvoiesmétaboliques.LesréseauxdePetri
sto has-tiquesontétéutiliséspourmodéliserunegrandevariétédevoiesmétaboliques:larépli ationdes
plasmidesColE1[GP98℄, laréponse dufa teurdetrans ription
σ32
àun ho thermique[SPB01℄et lesintera tions inétiques d'uneinvasionvirale[SYSY02℄. Miyanoet al.ontmodéliséleréseau
de régulation génétique du phage
λ
ave un formalisme hybride de réseaux de Petri mêlant lesdynamiques dis rèteset ontinues[MDNM00℄.
Les réseaux de Petri ontmontré leur e a ité en terme de simulation dis rète (ou non) des
mé anismesréa tionnelsenbiologie.Toutefois lesinformations surla onformationdesmolé ules
ouleursintera tionstridimensionnellesrestentextrêmement omplexesàspé ierdans unréseau
dePetri.
Nous allonsmaintenantprésenter lessystèmesmulti-agentset leurs an êtreslesautomates
ellu-lairesqui intègrentplusaisément es données.
2.2.4 Les automates ellulaires