Axe et rotaxane parapluie : vers de nouveaux transporteurs transmembranaires de chlorures et de médicaments cycliques

La membrane cellulaire est principalement une bicouche phospholipidique constituant une barrière qui régule les échanges entre la cellule et son environnement. Son intérieur hydrophobe empêche le passage d’espèces hydrophiles, chargées, de grande masse moléculaire et polaires, qui sont généralement transportées par des protéines à travers la bicouche. Dans certains cas de systèmes défectueux (e.g. les canalopathies), l’équilibre des concentrations en ions à l’intérieur et à l’extérieur des cellules est perturbé et les cellules sont compromises. C’est pourquoi le développement de transporteurs transmembranaires synthétiques est nécessaire. De nombreux travaux ont été faits dans le développement de transporteurs synthétiques d’anions (particulièrement du chlorure). Dans cette thèse, nous présentons nos travaux sur un nouveau transporteur d’anion appelé axe parapluie, capable de changer de conformation dépendamment de la polarité de son environnement. Dans un premier temps, nous avons conçu le design, puis synthétisé ces axes parapluie qui montrent une importante activité en tant que transporteur de chlorures. Ces composés réunissent deux concepts : - Le parapluie, constitué d’acides biliaires amphiphiles (une face hydrophile, une face hydrophobe). La flexibilité des articulations combinée à la grande surface des acides choliques permettent d’empêcher les interactions défavorables entre les parties hydrophiles et hydrophobes, ce qui facilite l’insertion dans la bicouche. - Un site ammonium secondaire en tant que site de reconnaissance, capable de former des ponts hydrogène avec des ions chlorure. De plus, l’axe peut complexer une roue de type éther couronne pour former un pseudo-rotaxane ou rotaxane parapluie ce qui résulte en l’inhibition partielle de leurs propriétés de transport. Ceci nous mène au second objectif de cette thèse, le développement d’un nouveau moyen de transport pour les médicaments cycliques. Certains macrocycles polaires et biologiquement actifs tels que les nactines ont besoin d’atteindre leur objectif à l’intérieur de la cellule pour jouer leur rôle. La membrane cellulaire est alors un obstacle. Nous avons imaginé tirer profit de notre axe parapluie pour transporter un médicament cyclique (en tant que roue d’un rotaxane parapluie). Les assemblages des rotaxanes parapluie furent accomplis par la méthode de clipage. Le comportement de l’axe et du rotaxane parapluie fut étudié par RMN et fluorimétrie. Le mouvement du parapluie passant d’une conformation fermée à exposée dépendamment du milieu fut observé pour le rotaxane parapluie. Il en fut de même pour les interactions entre le rotaxane parapluie et des vésicules constituées de phospholipides. Finalement, la capacité du rotaxane parapluie à franchir la bicouche lipidique pour transporter la roue à l’intérieur de la vésicule fut démontrée à l’aide de liposomes contenant de la α-chymotrypsine. Cette dernière pu cliver certains liens amide de l’axe parapluie afin de relarguer la roue.

On Recurrent and Deep Neural Networks

L'apprentissage profond est un domaine de recherche en forte croissance en apprentissage automatique qui est parvenu à des résultats impressionnants dans différentes tâches allant de la classification d'images à la parole, en passant par la modélisation du langage. Les réseaux de neurones récurrents, une sous-classe d'architecture profonde, s'avèrent particulièrement prometteurs. Les réseaux récurrents peuvent capter la structure temporelle dans les données. Ils ont potentiellement la capacité d'apprendre des corrélations entre des événements éloignés dans le temps et d'emmagasiner indéfiniment des informations dans leur mémoire interne. Dans ce travail, nous tentons d'abord de comprendre pourquoi la profondeur est utile. Similairement à d'autres travaux de la littérature, nos résultats démontrent que les modèles profonds peuvent être plus efficaces pour représenter certaines familles de fonctions comparativement aux modèles peu profonds. Contrairement à ces travaux, nous effectuons notre analyse théorique sur des réseaux profonds acycliques munis de fonctions d'activation linéaires par parties, puisque ce type de modèle est actuellement l'état de l'art dans différentes tâches de classification. La deuxième partie de cette thèse porte sur le processus d'apprentissage. Nous analysons quelques techniques d'optimisation proposées récemment, telles l'optimisation Hessian free, la descente de gradient naturel et la descente des sous-espaces de Krylov. Nous proposons le cadre théorique des méthodes à région de confiance généralisées et nous montrons que plusieurs de ces algorithmes développés récemment peuvent être vus dans cette perspective. Nous argumentons que certains membres de cette famille d'approches peuvent être mieux adaptés que d'autres à l'optimisation non convexe. La dernière partie de ce document se concentre sur les réseaux de neurones récurrents. Nous étudions d'abord le concept de mémoire et tentons de répondre aux questions suivantes: Les réseaux récurrents peuvent-ils démontrer une mémoire sans limite? Ce comportement peut-il être appris? Nous montrons que cela est possible si des indices sont fournis durant l'apprentissage. Ensuite, nous explorons deux problèmes spécifiques à l'entraînement des réseaux récurrents, à savoir la dissipation et l'explosion du gradient. Notre analyse se termine par une solution au problème d'explosion du gradient qui implique de borner la norme du gradient. Nous proposons également un terme de régularisation conçu spécifiquement pour réduire le problème de dissipation du gradient. Sur un ensemble de données synthétique, nous montrons empiriquement que ces mécanismes peuvent permettre aux réseaux récurrents d'apprendre de façon autonome à mémoriser des informations pour une période de temps indéfinie. Finalement, nous explorons la notion de profondeur dans les réseaux de neurones récurrents. Comparativement aux réseaux acycliques, la définition de profondeur dans les réseaux récurrents est souvent ambiguë. Nous proposons différentes façons d'ajouter de la profondeur dans les réseaux récurrents et nous évaluons empiriquement ces propositions.

The Gandarela Mountain Range and the “resistance space” against iron ore mining threat: a focus on the contrapositions

Full Text / Article complet