Le pore oméga, un défaut biophysique commun aux mutations des canaux Nav1.5 causant le développement des arythmies associées à la cardiomyopathie dilatée

Les canaux sodiques dépendants du voltage (Nav) sont des protéines transmembranaires largement exprimées au sein de l’organisme. Ils sont responsables de l’initiation des potentiels d’action au niveau des cellules excitables et régissent ainsi de nombreuses fonctions physiologiques telles que les fonctions cognitives et sensorielles, les fonctions motrices et la fonction cardiaque. Au niveau du coeur, le sous-type Nav1.5 est majoritairement exprimé à la surface des cardiomyocytes. Leurs dysfonctions sont traditionnellement associées à de nombreux troubles électriques cardiaques. Des mutations de ces canaux ont récemment été reliées au développement d’un phénotype clinique complexe associant diverses arythmies et la cardiomyopathie dilatée (DCM), une atteinte morphologique. L’objectif de mon doctorat a donc été l’identification mais aussi la caractérisation d’un potentiel défaut biophysique commun à l’ensemble des mutations Nav1.5 associées au développement de ce phénotype clinique atypique. Premièrement, nous nous sommes intéressés à deux mutations des canaux Nav1.5 retrouvées chez des patients atteints de DCM, et dont les altérations biophysiques ont été décrites comme divergentes. L’étude parallèle de ces deux mutants nous a amenés à identifier une caractéristique commune : la création d’une nouvelle voie de perméation alternative au sein des canaux Nav1.5, le pore oméga. Dans un second temps, nous avons souhaité consolider l’association entre la création du pore oméga et le développement pathologique. Cette seconde étude portant sur deux autres mutants Nav1.5 a permis de confirmer l’apparition d’un pore oméga et ainsi d’accroître la suspicion du caractère délétère de ce pore oméga. Finalement, à l’aide d’une cinquième mutation des canaux Nav1.5, nous avons investigué les conséquences physiopathologiques de la création d’un pore oméga. Cette étude, a clairement démontré les conséquences néfastes d’un tel pore au niveau de l’homéostasie ionique cellulaire. Ces perturbations se répercutent par la suite sur les signaux électriques, les propriétés morphologiques mais aussi fonctionnelles des cardiomyocytes. Les études menées lors de mon doctorat ont ainsi abouti à l’identification du pore oméga comme étant une caractéristique biophysique commune aux mutations des canaux Nav1.5 associées au développement des arythmies et de la dilatation cardiaque.

Spatio-temporal coverage optimization of sensor networks

Les réseaux de capteurs sont formés d’un ensemble de dispositifs capables de prendre individuellement des mesures d’un environnement particulier et d’échanger de l’information afin d’obtenir une représentation de haut niveau sur les activités en cours dans la zone d’intérêt. Une telle détection distribuée, avec de nombreux appareils situés à proximité des phénomènes d’intérêt, est pertinente dans des domaines tels que la surveillance, l’agriculture, l’observation environnementale, la surveillance industrielle, etc. Nous proposons dans cette thèse plusieurs approches pour effectuer l’optimisation des opérations spatio-temporelles de ces dispositifs, en déterminant où les placer dans l’environnement et comment les contrôler au fil du temps afin de détecter les cibles mobiles d’intérêt. La première nouveauté consiste en un modèle de détection réaliste représentant la couverture d’un réseau de capteurs dans son environnement. Nous proposons pour cela un modèle 3D probabiliste de la capacité de détection d’un capteur sur ses abords. Ce modèle inègre également de l’information sur l’environnement grâce à l’évaluation de la visibilité selon le champ de vision. À partir de ce modèle de détection, l’optimisation spatiale est effectuée par la recherche du meilleur emplacement et l’orientation de chaque capteur du réseau. Pour ce faire, nous proposons un nouvel algorithme basé sur la descente du gradient qui a été favorablement comparée avec d’autres méthodes génériques d’optimisation «boites noires» sous l’aspect de la couverture du terrain, tout en étant plus efficace en terme de calculs. Une fois que les capteurs placés dans l’environnement, l’optimisation temporelle consiste à bien couvrir un groupe de cibles mobiles dans l’environnement. D’abord, on effectue la prédiction de la position future des cibles mobiles détectées par les capteurs. La prédiction se fait soit à l’aide de l’historique des autres cibles qui ont traversé le même environnement (prédiction à long terme), ou seulement en utilisant les déplacements précédents de la même cible (prédiction à court terme). Nous proposons de nouveaux algorithmes dans chaque catégorie qui performent mieux ou produits des résultats comparables par rapport aux méthodes existantes. Une fois que les futurs emplacements de cibles sont prédits, les paramètres des capteurs sont optimisés afin que les cibles soient correctement couvertes pendant un certain temps, selon les prédictions. À cet effet, nous proposons une méthode heuristique pour faire un contrôle de capteurs, qui se base sur les prévisions probabilistes de trajectoire des cibles et également sur la couverture probabiliste des capteurs des cibles. Et pour terminer, les méthodes d’optimisation spatiales et temporelles proposées ont été intégrées et appliquées avec succès, ce qui démontre une approche complète et efficace pour l’optimisation spatio-temporelle des réseaux de capteurs.