Les objets principaux de cette thèse sont les schémas en groupes définis sur un schéma de base de caractéristique p > 0. Le point de vue adopté ici est l’étude de ces objets en famille. Plus précisément, nous commençons par étudier l’espace de modules des schémas en groupes finis sur un schéma de caractéristique p > 0, localement libres de hauteur 1. Ce cadre est plaisant car ces groupes sont caractérisés par leur algèbre de Lie, qui est naturellement munie d’une structure supplémentaire, appelée p-application. Nous explorons alors en détail l’espace de modules des p-algèbres de Lie localement libres de rang fini. Nous allons voir que les espaces de module qui apparaissent sont des champs non séparés, et nous proposons alors d’étudier leur défaut de séparation en étudiant leurs modèles. Ainsi en deuxième partie nous développons les bases de l'étude des modèles d'un schéma en groupe fini en famille, et nous illustrons les résultats obtenus. Nous faisons notamment le lien avec la première partie en étudiant également les modèles de schémas en groupes de hauteur 1 et ceux de leur p-algèbre de Lie.

Ces dernières années, de considérables progrès ont été obtenus en médecine génomique. L’apport de la technologie de séquençage haut-débit dans les laboratoires de génétique médicale a notamment permis de mieux diagnostiquer les pathologies génétiques rares. Malgré cette avancée, un nombre important de patients diagnostiqués se retrouvent en errance thérapeutique. Environ 250 millions de personnes souffrent de pathologies génétiques rares et moins de 5% de ces pathologies disposent aujourd’hui de traitements efficaces. La découverte et l’amélioration constante des outils CRISPR/Cas9 ont ouvert la porte à une nouvelle médecine, la chirurgie du génome. Dans ce contexte, une partie importante des altérations génétiques responsables de maladies rares peuvent être en théorie directement corrigées par cette approche, ouvrant une perspective thérapeutique inespérée pour des patients étant parfois les seuls porteurs de ces altérations génétiques. Au cours de ma thèse, j’ai l’opportunité de développer et d’évaluer les outils d’édition du génome CRISPR/Cas9, d’une part pour concevoir et mesurer l’efficacité de nouveaux traitement in vitro, et d’autre part pour installer et décrypter le rôle biologique de variants génétiques de signification inconnue. Désormais, il est possible de corriger ou créer ces variants en recherche fondamentale afin d’aider les cliniciens à conclure sur leur rôle biologique ouvrant la porte à des thérapies personnalisées dans un futur proche.

Les thérapeutiques endovasculaires ont connu un essor très important ces dernières années. Le préalable à tout acte interventionnel est de pouvoir accéder à la zone cible rapidement et efficacement. Cependant la navigation endovasculaire réalisée lors du cathétérisme est un geste technique qui s’avère difficile dans nombre de cas pathologiques, voire parfois impossible. C'est le cas de la thrombectomie mécanique pour le traitement endovasculaire de l'AVC ischémique. Afin de surmonter ces difficultés, nous apportons dans cette thèse plusieurs contributions dans le contexte de l'aide à la navigation endovasculaire : (i) une méthode deep-learning de segmentation automatique des structures vasculaires 3D d'intérêt à partir de l'angio-IRM pré-opératoire, (ii) une nouvelle méthode de recalage 3D/2D par recherche exhaustive multi-résolution permettant d'augmenter l'imagerie per-opératoire sans produit de contraste avec les données de l'imagerie préopératoire, et (iii) une nouvelle mesure de similarité entre patients exprimée en terme de navigabilité endovasculaire afin d'aider au choix de matériels dans un contexte de raisonnement à partir de cas.

Pour traiter la grande quantité de données visuelles disponible, il est important de concevoir des algorithmes qui peuvent trier, améliorer, compresser ou stocker des images et des vidéos. Dans cette thèse, nous proposons deux approches différentes pour améliorer la qualité d'images. Tout d'abord, nous proposons une étude des méthodes d'évaluation automatique de l'esthétique. Ces algorithmes sont basés sur des réseaux de neurones supervisés. Nous avons récolté des images de différents types, puis nous avons utilisé ces images pour tester des modèles. Notre étude montre que les caractéristiques nécessaires pour évaluer précisément les esthétiques de photographies professionnelles ou compétitives sont différentes, mais qu'elles peuvent être apprises par un seul et unique réseau. Enfin, nous proposons de travailler sur les images à grande gamme dynamique (High Dynamic Range, HDR en anglais). Nous présentons ici un nouvel opérateur pour augmenter la gamme dynamique d'images standards, appelé HDR-LFNet. Cet opérateur fusionne la sortie de plusieurs algorithmes pré-existants, ce qui permet d'avoir un réseau plus léger et plus rapide. Nous évaluons les performances de la méthode proposée grâce à des métriques objectives, ainsi qu'une évaluation subjective. Nous prouvons que notre méthode atteint des résultats similaires à l'état de l'art en utilisant moins de ressources.

L’hétérogénéité tumorale est une conséquence directe de la dynamique évolutive non observable de la croissance des tumeurs. Elle fait partie des challenges actuels en oncologie car elle est à l’origine de la résistance aux thérapies anti-cancer actuelles, soit par l’expansion d’une population clonale présente résistante, soit par une résistance acquise à la suite de l’exposition aux traitements. Pouvoir caractériser ces clones permettrait de mieux comprendre l’évolution des cancers, et ainsi identifier de nouveaux marqueurs pour les futures thérapies ciblées. C’est dans cet esprit que SomaSnake a été développé : permettre des analyses reproductibles et capables d’apporter une aide pour la compréhension des réponses des cancers aux traitements actuels. SomaSnake est un outil bioinformatique qui a pour but d’harmoniser et de faciliter les analyses de données de caractérisation des génomes tumoraux, particulièrement dans le cas où ces analyses sont étagées dans le temps. En effet, cette tâche peut s’avérer complexe lorsqu’il s’agit d’être en mesure de retrouver avec exactitude les mêmes résultats à partir d’une réanalyse à distance des mêmes données brutes, mais également lorsqu’il s’agit d’en intégrer de nouvelles. SomaSnake est un package conda facile d’installation et d’utilisation permettant de réaliser des analyses classiques telles que le traitement des reads, l’appel des variants somatiques et leur annotation, mais aussi des analyses plus complexes visant à reconstruire les populations clonales et sous clonales des tumeurs.

Les mécanismes physiologiques à l’origine des épisodes d’apnée chez le nouveau-né, ne sont pas encore entièrement élucidés. Cette thèse vise à utiliser des modèles computationnels pour améliorer notre compréhension de la réponse cardio-respiratoire aux événements d'apnée chez les nouveau-nés prématurés. Pour cela, un modèle des interactions cardio-respiratoires a été amélioré et adapté à la physiologie des nouveau-nés et des prématurés. Des analyses de sensibilité ont été réalisées pour étudier l'adaptation cardio-respiratoire due à la présence ou à la fermeture d'un canal artériel persistant, une malformation cardiaque courante chez les prématurés. Sur le même principe, des analyses ont souligné l'importance de certaines grandeurs physiologiques sur la réponse à l'apnée-bradycardie, telles que la fraction d'oxygène inspiré, les taux métaboliques et le volume pulmonaire. À partir de ces résultats, un sous-ensemble de paramètres a été identifié pour étudier la dynamique de la fréquence cardiaque pendant une apnée-bradycardie mixte à partir d'une base de données clinique de 37 apnées-bradycardies détectées sur 18 patients. Les résultats obtenus apportent de nouvelles connaissances sur les interactions cardio-respiratoires et sur les mécanismes sous-jacents de l’apnée de la prématurité. Ils permettent notamment de mettre en avant que la présence du canal artériel ne semble pas avoir d'impact sur la réaction cardio-respiratoire à l'apnée et sur la régulation après celle-ci. Ces résultats ouvrent de nouvelles perspectives pour la prise en charge et l'optimisation des thérapies en unités de soins intensifs néonatals.

Cette thèse explore l'impact des décisions financières et de la conception des contrats sur la performance opérationnelle dans une chaîne d'approvisionnement décentralisée. Plus précisément, l'étude se concentre sur deux aspects financiers : le financement par crédit et les contrats d'options. Le financement par crédit accroît le risque opérationnel, tandis que les contrats d'options sont examinés comme un l'outil de gérer le risque de profit. Cette étude montre que les contrats d'options sont un outil précieux pour atténuer les effets néfastes de la décentralisation de la chaîne d'approvisionnement, surtout dans le cadre de contraintes financières. En transférant une partie du risque lié à la demande entre les membres de la chaîne d'approvisionnement, les contrats d'options peuvent améliorer la performance de l'ensemble du système en réduisant les risques d'inventaire et de faillite. Cette étude considère que les contrats d'options sont proposés en complément des contrats de prix de gros traditionnels pour améliorer la performance globale de la chaîne d'approvisionnement et celle de chaque membre. Ces contrats n'ont pas besoin de remplacer les accords existants, car ils sont déjà établis et évalués sur le marché. Au contraire, proposer des contrats d'options en tant qu'outil supplémentaire peut être plus avantageux. Les détaillants peuvent utiliser les contrats d'options pour gérer leur risque et augmenter leurs propres bénéfices en augmentant leur niveau d'inventaire, tandis que les fournisseurs peuvent les utiliser pour absorber le risque lié à la demande, ce qui leur permet d'améliorer leurs bénéfices. En conclusion, cette thèse offre des perspectives nouvelles sur l'efficacité des approches contractuelles pour améliorer la performance de la chaîne d'approvisionnement et réduire les risques financiers et opérationnels.

La sélection de la plante hôte pour l'alimentation dépend de la stratégie nutritionnelle de l'insecte. Identifier les facteurs qui déterminent ces stratégies est une question fondamentale pour comprendre les interactions plantes-insectes, mais est aussi d'un intérêt pour la recherche appliquée visant à améliorer la résistance des cultures. Nous avons combiné des approches de l'écologie nutritionnelle et chimique et de la génétique quantitative pour élucider les déterminants de la stratégie nutritionnelle du méligèthe, un ravageur majeur du colza. Nos résultats suggèrent que, bien que les méligèthes soient généralistes, ils semblent s’être spécialisés sur le contenu en macronutriments et métabolites des fleurs ouvertes du colza, leur principale ressource. Dans ce contexte, nous avons cherché à comprendre les bases du rejet connu de la moutarde blanche par le méligèthe, qui pourraient avoir des applications agronomiques prometteuses pour protéger les cultures de colza. Nous avons montré que le contenu en macronutriments du pollen n'explique pas ce rejet, contrairement aux métabolites du périanthe des boutons floraux. Nous avons identifié les premiers déterminants génétiques de la résistance de la moutarde blanche, avec l'identification de trois QTL de résistance. Le pyramidage de multiples gènes souhaitables et de traits de résistance chimiques, tel qu'il peut être envisagé à partir de ce travail, offre des perspectives prometteuses pour les programmes de sélection visant à introduire des résistances durables de la moutarde blanche dans les cultivars de colza. Dans l'ensemble, ce travail met en évidence la nécessité d'intégrer des approches provenant de différents domaines de recherche afin d'élucider les pressions de sélection qui influencent le choix de la ressource par les insectes. Comme nous l'avons démontré ici, cette intégration est d’intérêt à la fois pour une meilleure compréhension des processus de sélection des plantes-hôtes et pour le développement de programmes durables de protection des cultures.

Comprendre comment les troubles neurologiques affectent les fonctions cérébrales depuis le début de la maladie et tout au long de sa progression est un défi important en neuroscience clinique. La maladie de Parkinson (MP) est le trouble du mouvement le plus courant et une maladie neurologique prévalente qui contribue significativement à la charge mondiale de handicap en raison de sa variabilité dans les symptômes et la progression. Par conséquent, prédire avec précision la gravité et la progression de la MP constitue une étape importante vers un conseil optimal aux patients, des soins spécifiques aux symptômes et des traitements efficaces. Toutefois, pour atteindre cet objectif, il est nécessaire de développer des biomarqueurs fiables qui caractérisent non seulement la maladie mais aussi suivent et prédisent avec précision son évolution. Ces dernières années, l'électroencéphalographie (EEG) est apparue comme un outil précieux en pratique clinique à cette fin. Cette technique de neuroimagerie directe, non invasive, peu coûteuse et relativement facile à utiliser permet l'extraction d'informations clés sur les altérations de l'activité cérébrale associées à des affections neurologiques telles que la MP. Dans ce contexte, cette thèse vise à étudier dans quelle mesure l'EEG à haute résolution en état de repos peut précisément caractériser les fonctions cérébrales anormales associées à différents aspects cliniques de la MP et à identifier des mesures basées sur l'EEG qui peuvent prédire les résultats de la maladie. Pour ce faire, nous avons mené trois études différentes en utilisant des enregistrements longitudinaux d'EEG à haute résolution en état de repos et une batterie de tests neuropsychologiques et cliniques pour des patients atteints de MP et des sujets sains contrôles, à la ligne de base ainsi qu'au suivi après 3 et 5 ans. Nous avons d'abord examiné les changements longitudinaux dans les réseaux fonctionnels cérébraux des patients atteints de MP sur 5 ans et avons associé différents modèles d'anomalies aux scores cognitifs des patients et à la latéralisation de leurs symptômes moteurs. Deuxièmement, nous avons identifié les sous-types de la maladie de Parkinson en se basant exclusivement sur les caractéristiques EEG. Nous avons mené une analyse de « Clustering » pour identifier ces sous-types et les avons associés à des modèles uniques de perturbations. Nous avons étudié leur capacité à prédire le déclin cognitif chez les patients, ainsi qu'à caractériser la trajectoire clinique de la maladie au fil du temps. Troisièmement, nous avons étudié les empreintes électrophysiologiques qui caractérisent l'anxiété chez les patients atteints de la maladie de Parkinson et les avons corrélées avec les résultats cliniques de la maladie liés à l'anxiété tout au long de la progression de la maladie. Dans l'ensemble, nos résultats ont montré différents modèles d'anomalies qui caractérisent les aspects distincts d'intérêt et nous avons été en mesure d'identifier des marqueurs basés sur l'EEG qui peuvent être corrélés avec les résultats cliniques de la maladie et peuvent prédire son évolution. Nous croyons que cette thèse démontre le potentiel de l'EEG à haute résolution en état de repos dans le développement de biomarqueurs fiables des symptômes et de la progression de la MP, ce qui peut conduire ultimement à un pronostic et un diagnostic plus précis ainsi qu'à de meilleures stratégies thérapeutiques.

Les antibiotiques sont devenus omniprésents dans l'environnement en raison de leur utilisation généralisée en médecine humaine et vétérinaire, ainsi qu'en agriculture. Ces composés peuvent persister dans les sédiments pendant de longues périodes, impactant potentiellement les processus microbiens et le fonctionnement des écosystèmes. Cependant, les effets des polluants antibiotiques sur les bactéries peuvent être atténués par des minéraux naturels, tels que les oxydes de manganèse. Par conséquent, cette thèse se concentre sur les effets des antibiotiques sur les bactéries et les processus de dénitrification dans les écosystèmes sédimentaires fluviaux, en mettant l'accent sur l'interaction entre les antibiotiques, les minéraux et les bactéries. Dans la première partie, la résistance aux antibiotiques d'une bactérie dénitrifiante non pathogène, Pseudomonas veronii, a été étudiée ainsi que l’effet de plusieurs antibiotiques représentatifs sur son activité dénitrifiante. Dans la deuxième partie, les mécanismes de transformation de la ciprofloxacine et de la tétracycline par un minéral commun du sol, la birnessite (MnO2), ont été étudiés pour déterminer les effets des sous-produits de transformation sur la croissance et l'activité de la mêmee bactérie dénitrifiante. La troisième partie s'est concentrée sur le transport de la ciprofloxacine et de la tétracycline dans les sédiments de l'estuaire de la Seine (France), dans des conditions de réduction de nitrate. Ces résultats améliorent notre compréhension de l'activité antimicrobienne et de la toxicité des antibiotiques et de leurs sous-produits d'oxydation, en particulier contre les bactéries environnementales, ce qui a des implications importantes pour l'agriculture durable, la gestion de la qualité de l'eau et des sédiments, et les cycles biogéochimiques globaux.