Déficience dans la réparation par excision de nucléotides en phase S induite par la séquestration du facteur de réplication RPA

Introduction Les lésions induites par les rayons UV peuvent causer des blocages dans la réplication de l'ADN. Ces dommages sont éliminés par le processus moléculaire très conservé de réparation par excision de nucléotides (NER). Nous avons précédemment démontré que la protéine ATR, une kinase majeure impliquée dans le stress réplicatif, est requise pour une NER efficace, et ce exclusivement durant la phase S. Des résultats subséquents ont suggéré que ce prérequis n’était pas lié à la réponse induite par ATR, mais plutôt d’une conséquence globale causée par la présence de stress réplicatif. En ce sens, nous mettons l’emphase qu’après irradiation UV, le complexe RPA joue un rôle crucial dans l'activation des mécanismes de NER ainsi que dans le redémarrage des fourches de réplication bloquées. Hypothèses: En général, les mutations qui confèrent une augmentation du stress réplicatif engendrent une séquestration excessive du facteur RPA aux fourches de réplication bloquées ce qui réduit son accessibilité pour le NER. Méthodes et résultats: Le modèle de la levure a été choisi pour vérifier cette hypothèse. Nous avons développé un essai de NER spécifique à chacune des phases du cycle cellulaire pour démontrer que les cellules déficientes en Mec1, l’homologue d’ATR, sont défectives dans la réparation par excision de nucléotides spécifiquement en phase S. De plus, plusieurs autres mutants de levure, caractérisés par un niveau de dommages spontanés élevé, ont aussi exhibé un défaut similaire. Ces mutants ont démontré une fréquence et une intensité de formation de foyers de RPA plus élevée. Finalement, une diminution partielle de RPA dans les levures a induit un défaut significatif dans le NER spécifiquement durant la phase S. Conclusion: Nos résultats supportent la notion que la séquestration de RPA aux fourches de réplication endommagées durant la phase S prévient son utilisation pour la réparation par excision de nucléotides ce qui inhibe fortement l'efficacité de réparation. Cette étude chez la levure facilite l’élucidation du phénomène analogue chez l’humain et, ultimement, comprend des implications majeures dans la compréhension du mécanisme de développement des cancers UV-dépendants.

Mécanismes de transfert de proton d’une réaction acido-basique en phase aqueuse : une étude ab-initio

Les réactions de transfert de proton se retrouvent abondamment dans la nature et sont des processus cruciaux dans plusieurs réactions chimiques et biologiques, qui se produisent souvent en milieu aqueux. Les mécanismes régissant ces échanges de protons sont complexes et encore mal compris, suscitant un intérêt des chercheurs en vue d’une meilleure compréhension fondamentale du processus de transfert. Le présent manuscrit présente une étude mécanistique portant sur une réaction de transfert de proton entre un acide (phénol fonctionnalisé) et une base (ion carboxylate) en phase aqueuse. Les résultats obtenus sont basés sur un grand nombre de simulations de dynamique moléculaire ab-initio réalisées pour des systèmes de type « donneur-pont-accepteur », où le pont se trouve à être une unique molécule d’eau, permettant ainsi l’élaboration d’un modèle cinétique détaillé pour le système étudié. La voie de transfert principalement observée est un processus ultra-rapide (moins d’une picoseconde) passant par la formation d’une structure de type « Eigen » (H9O4+) pour la molécule d’eau pontante, menant directement à la formation des produits. Une seconde structure de la molécule d’eau pontante est également observée, soit une configuration de type « Zündel » (H5O2+) impliquant l’accepteur de proton (l’ion carboxylate) qui semble agir comme un cul-de-sac pour la réaction de transfert de proton.

Étude du mécanisme de décalage de phase de lecture en-1 du virus de l'immunodéficience humaine de type 1 et de son importance dans la réplication du virus

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

Resolution of deep venous thrombosis in type 2 diabetes mice model : implication of fibrinolytic and matrix metalloproteinase systems

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Dynamic Programming Approaches for Estimating and Applying Large-scale Discrete Choice Models

People go through their life making all kinds of decisions, and some of these decisions affect their demand for transportation, for example, their choices of where to live and where to work, how and when to travel and which route to take. Transport related choices are typically time dependent and characterized by large number of alternatives that can be spatially correlated. This thesis deals with models that can be used to analyze and predict discrete choices in large-scale networks. The proposed models and methods are highly relevant for, but not limited to, transport applications. We model decisions as sequences of choices within the dynamic discrete choice framework, also known as parametric Markov decision processes. Such models are known to be difficult to estimate and to apply to make predictions because dynamic programming problems need to be solved in order to compute choice probabilities. In this thesis we show that it is possible to explore the network structure and the flexibility of dynamic programming so that the dynamic discrete choice modeling approach is not only useful to model time dependent choices, but also makes it easier to model large-scale static choices. The thesis consists of seven articles containing a number of models and methods for estimating, applying and testing large-scale discrete choice models. In the following we group the contributions under three themes: route choice modeling, large-scale multivariate extreme value (MEV) model estimation and nonlinear optimization algorithms. Five articles are related to route choice modeling. We propose different dynamic discrete choice models that allow paths to be correlated based on the MEV and mixed logit models. The resulting route choice models become expensive to estimate and we deal with this challenge by proposing innovative methods that allow to reduce the estimation cost. For example, we propose a decomposition method that not only opens up for possibility of mixing, but also speeds up the estimation for simple logit models, which has implications also for traffic simulation. Moreover, we compare the utility maximization and regret minimization decision rules, and we propose a misspecification test for logit-based route choice models. The second theme is related to the estimation of static discrete choice models with large choice sets. We establish that a class of MEV models can be reformulated as dynamic discrete choice models on the networks of correlation structures. These dynamic models can then be estimated quickly using dynamic programming techniques and an efficient nonlinear optimization algorithm. Finally, the third theme focuses on structured quasi-Newton techniques for estimating discrete choice models by maximum likelihood. We examine and adapt switching methods that can be easily integrated into usual optimization algorithms (line search and trust region) to accelerate the estimation process. The proposed dynamic discrete choice models and estimation methods can be used in various discrete choice applications. In the area of big data analytics, models that can deal with large choice sets and sequential choices are important. Our research can therefore be of interest in various demand analysis applications (predictive analytics) or can be integrated with optimization models (prescriptive analytics). Furthermore, our studies indicate the potential of dynamic programming techniques in this context, even for static models, which opens up a variety of future research directions.