Thèse Année : 2024

Modelling And Data Analysis of Protein Dynamics applied to a Fission Yeast Mechanosensor

Modélisation et Analyse de Données de la Dynamique des Protéines appliquées à un Mécanosenseur de la Levure Fissipare

Résumé

Intracellular dynamics is fundamental for cells to maintain homeostasis and respond to environmental stimuli. Among these, mechanical forces can be a potential source of damage as they can compromise the integrity of the cell. To cope with this risk, living organisms are endowed with mechanosensors, i.e. receptor at the sub-cellular level able to trigger a biological pathway by a mechanical signal. In fission yeast, a mechanosensor, Wsc1 protein, perceives excessive stress on the the cell wall and activates the glucan synthesis to keep this layer reinforced. More interestingly, Wsc1 concentration increases in the compressed region of the cell wall forming clusters. This work investigates this mechanosensitive clustering behaviour advancing models and inference method for experimental data of protein dynamics.By setting a mathematical framework based on deterministic partial differential equations, I describe the Wsc1 dynamics along the cell wall. In this model, I consider two possible protein recruitment mechanisms for shaping clusters, either from the sides due to diffusion along the cell wall and from the cytoplasm by exocytotosis. Moreover, following chemical considerations, I suppose an affinity between the cell wall and the protein that increases with the cell wall compression. The resulting reaction-diffusion equations obtained by this model are able to reproduce the clustering behaviour after cell wall compression. In addition, the model correctly predicts a longer time-scale of the dynamics in the compressed region of the cell wall. This result is in agreement with the outcomes of FRAP (Fluorescence Recovery After Photobleaching) experiment, whose analysis is based on the study of time-lapse images that reflects the spatial-temporal concentration of the molecule.However, it is not clear yet if the protein recruitment is due to diffusion, exchange with cytoplasm, or both. For this reason, in my work I also develop a new inference method for FRAP experiment capable of discerning different types of dynamics.My analysis aims at quantifying the dynamical parameters, such as diffusion coefficient and exchange rate, by minimising the distance between the reaction-diffusion model prediction and actual data. The specificity of my approach is the use of dimensional reduction to efficiently perform computation without having knowledge of the initial bleached profile. This new method is then tested and validated on artificial data. The results show that this analysis is flexible since it can work with imperfect data, where the signal-to-noise ratio is low, the number of frames is reduced and the spatial window is restricted. Moreover, this approach can be potentially generalised to complex geometries, for instance curved surface. This versatility is well-suited for studying protein dynamics in the fission yeast cell wall. The inference method is applied to experimental data of another mechanosensor in the cell wall, Mtl2, yielding reasonable values of diffusion coefficient. Nevertheless, it still needs to be tested on real data of Wsc1 protein.Overall, this study offers novel methodologies for quantifying and understanding intricate protein dynamics within cells and tissues.
La dynamique intracellulaire des molécules est fondamentale pour que les cellules maintiennent l'homéostasie et répondent aux stimuli environnementaux. Parmi ceux-ci, les forces mécaniques peuvent constituer une source potentielle de dommages en compromettant l'intégrité de la cellule. Pour faire face à ce risque, les organismes vivants sont dotés de mécanosenseurs, des récepteurs subcellulaire capables de déclencher une voie de signalisation biologique par un signal mécanique. Chez la levure à fission fissipare, un mécanosenseur, la protéine Wsc1, peut percevoir une contrainte excessive sur la paroi cellulaire et active la synthèse de glucane pour renforcer la paroi. Notablement, la concentration de Wsc1 augmente dans la région comprimée de la paroi, formant des agrégats. Ce travail de thèse explore ce comportement de formation d’agrégat mécanosensible en développant des modèles et des méthodes d'inférence pour les données expérimentales de dynamique des protéines.En établissant un cadre mathématique basé sur des équations aux dérivées partielles déterministes, je décris la dynamique de Wsc1 le long de la paroi cellulaire. Dans ce modèle, je considère deux mécanismes possibles de recrutement des protéines pour former des agrégats : soit par diffusion le long de la paroi cellulaire, soit par exocytose depuis le cytoplasme. De plus, en suivant des considérations chimiques, je suppose que l’affinité entre la paroi et la protéine Wsc1 augmente avec la compression de la paroi. Les équations de réaction-diffusion résultant de ce modèle reproduisent la formation d’agrégats après compression de la paroi cellulaire. De plus, le modèle prédit une échelle de temps plus longue pour la dynamique dans la région comprimée de la paroi cellulaire, en accord avec les résultats de l'expérience FRAP (Fluorescence Recovery After Photobleaching, redistribution de fluorescence après photoblanchiment), dont l'analyse est basée sur l'étude des images en temps réel reflétant la concentration spatio-temporelle de la molécule.Cependant, il n'est pas encore clair si le recrutement des protéines est dû à la diffusion, à l'échange avec le cytoplasme, ou aux deux. Pour cette raison, dans mon travail, je développe également une nouvelle méthode d'inférence pour l'expérience FRAP capable de distinguer différents types de dynamique. Mon analyse vise à quantifier les paramètres cinétiques, tels que le coefficient de diffusion et le taux d'échange, en minimisant la distance entre la prédiction du modèle de réaction-diffusion et les données réelles. La spécificité de mon approche réside dans l'utilisation de la réduction dimensionnelle pour calculer efficacement le paramètres sans avoir connaissance du profil initial après photoblanchiment. Cette nouvelle méthode est ensuite testée et validée sur des données artificielles. Les résultats montrent que cette méthode d’analyse est flexible, car elle peut fonctionner avec des données imparfaites où le rapport signal/bruit est faible, le nombre d’images est réduit et la fenêtre spatiale est restreinte. De plus, cette approche peut potentiellement être généralisée à des géométries complexes, telles que les surfaces courbées. Cette polyvalence est bien adaptée pour étudier la dynamique des protéines dans la paroi cellulaire de la levure fissipare. La méthode d'inférence est appliquée aux données expérimentales d'un autre mécanosenseur dans la paroi cellulaire, Mtl2, fournissant des valeurs raisonnables de coefficient de diffusion. Cependant, elle doit encore être testée sur des données réelles de la protéine Wsc1.Dans l'ensemble, cette étude propose des méthodologies novatrices pour quantifier et comprendre la dynamique complexe des protéines au sein des cellules et des tissus.
Fichier principal
Vignette du fichier
139585_LORENZETTI_2024.pdf (12) Télécharger le fichier
Origine Version validée par le jury (STAR)

Dates et versions

tel-04933340 , version 1 (06-02-2025)

Identifiants

  • HAL Id : tel-04933340 , version 1

Citer

Enrico Lorenzetti. Modelling And Data Analysis of Protein Dynamics applied to a Fission Yeast Mechanosensor. Biomechanics [physics.med-ph]. Institut Polytechnique de Paris, 2024. English. ⟨NNT : 2024IPPAX093⟩. ⟨tel-04933340⟩
0 Consultations
0 Téléchargements

Partager

More