Université de Rennes 1 Intégrer les échelles moléculaires et cellulaires dans l'inférence de réseaux métaboliques : application aux xénobiotiques Integrate molecular and cellular scales in the inference of metabolic networks : application to xenobiotics BioinformatiqueChemoinformatiqueModélisation multi-échellePrédictionMétabolismeToxicitéPipelineDynamiqueQuantitatifXénobiotiques Computational BiologyChemoinformaticsMulti-scale modellingPredictingMetabolismToxicityPipelineDynamicQuantitativeXénobiotics Bioinformatique Thèses et écrits académiques Analyse multiéchelle Thèses et écrits académiques Xénobiotiques Métabolisme Informatique Thèses et écrits académiques Prédire, modéliser et analyser le métabolisme de xénobiotiques, substances étrangères à un organisme, à l'aide de méthodes informatiques est un challenge majeur mobilisant la communauté scientifique depuis de nombreuses années. Cette thèse vise à implémenter des méthodes informatiques multi-échelles pour prédire et analyser le métabolisme des xénobiotiques. Un premier axe de cette étude portait sur la construction et l'annotation automatique de novo de graphes métaboliques combinant fortes sensibilités et précisions. Ces graphes fournissent ainsi la prédiction du métabolisme de xénobiotiques chez l'homme, ainsi que la génotoxicité des molécules et atomes qui le composent. Puis, le travail s'est orienté sur l'implémentation d'un modèle mathématique dynamique modélisant des effets de compétition enzymatique à travers le développement d'une méthodologie permettant l'exploitation de données biologiques restreintes tout en limitant les biais inhérents. Predicting, modelling and analysing the metabolism of xenobiotics, substances foreign to an organism, using computer methods, has been a major challenge for the scientific community for many years. This thesis aims to implement multiscale computing methods for predicting and analyzing the metabolism of xenobiotics. A first focus of this study was on the construction and automatic de novo annotation of metabolic graphs combining high sensitivity and precision. These graphs thus provide the prediction of the metabolism of xenobiotics in humans, as well as the genotoxicity of the molecules and atoms that make up xenobiotics. Then, the work focused on the implementation of a dynamic mathematical model modelling enzymatic competition effects through the development of a methodology allowing the exploitation of limited biological data while limiting inherent biases. Electronic Thesis or DissertationText fr application/pdf1 : 54342 Kohttps://ecm.univ-rennes1.fr/nuxeo/site/esupversions/a6bd89b7-9fb3-41b2-9d95-72b5ddac74d9 Delannée Victorien 1990-02-12 FR 223645141 delannee.victorien@live.fr 2017REN1S058 http://www.theses.fr/2017REN1S058 2017-11-08 Informatique Universite de Rennes 1thesis.degree.grantor_1 02778715X Doctorat non ouiSiegelAnneintervenant_1068665067ThéretNathalieintervenant_2118318020 MATHSTICecoleDoctorale_1 139007164 Universite Bretagne LoirepartenaireRecherche_1 191639044 IRISA partenaireRecherche_2 026386909 IRSET partenaireRecherche_3 177984775 ddc:004ddc:570 SiegelAnneThéretNathalieUniversite de Rennes 1Sciences et technologie, medecine, pharmacie, odontologie, droit, economie, gestion, philosophieMATHSTICUniversite Bretagne Loire Communaute des etablissements d enseignement superieur et de recherche (ComuE) IRISA IRSET ASCII PDF 55646439