Soutenance de thèse Sandy Frank KWAMOU NGAHA

Date : Mercredi 25 Novembre à 14h, 

Lieu : Amphithéâtre Andrée Michel, situé à 100 arrêt de tram Université-Bibliothèque (voir carte)

Résumé :

Les systèmes de sécrétion bactériens sont des machineries multiprotéiques impliquées dans de nombreuses fonctions cellulaires et dans les interactions avec l'environnement. Leur identification computationnelle repose largement sur la similarité avec des composants caractérisés et reste ainsi limitée par les connaissances biologiques existantes. Cette thèse étudie comment l'apprentissage automatique et le contexte génomique peuvent être combinés pour étendre la recherche au-delà des protéines directement reconnues comme composants de systèmes de sécrétion connus.

Dans un premier temps, une approche d'apprentissage Positif--Non étiqueté (Positive-Unlabelled, PU) a été développée afin d'identifier des protéines candidates potentiellement associées aux systèmes de sécrétion, sans nécessiter la définition d'un ensemble négatif fiable. Le modèle a permis de retrouver des protéines appartenant à des familles de systèmes de sécrétion exclues de l'entraînement et, lors de son application à l'échelle des génomes, d'identifier des candidats supplémentaires sans correspondance acceptée avec les profils HMM de référence.

Dans un second temps, ces prédictions ont été intégrées au contexte génomique afin de filtrer et de prioriser les candidats selon des propriétés attendues pour des systèmes multiprotéiques conservés. Des réseaux de co-localisation ont été construits pour identifier les familles de protéines retrouvées de manière récurrente dans les mêmes voisinages génomiques. La détection de communautés, combinée à leur récurrence dans plusieurs génomes, à leur organisation en blocs génomiques et à leur distribution taxonomique, a ainsi permis de privilégier les candidats présentant une organisation génomique conservée. Cette approche a permis de retrouver l'organisation de plusieurs systèmes de sécrétion connus tout en faisant émerger des communautés non assignées, constituant un ensemble plus restreint de candidats à caractériser.

Ainsi, cette thèse propose une stratégie en deux étapes : élargir l'espace des candidats au-delà des annotations fondées sur les familles connues, puis le réduire en exploitant l'organisation génomique récurrente. L'objectif n'est pas d'identifier directement de nouveaux systèmes de sécrétion, mais de prioriser des modules génomiques candidats pour leur caractérisation biologique ultérieure.