Influence des glycines du lien S4-S5 sur le couplage électromécanique des canaux ioniques dépendants du voltage

Les canaux potassiques dépendants du voltage sont formés de quatre sous-unités, chacune possédant six segments transmembranaires (S1-S6) et une boucle (p-loop) qui se trouve entre le cinquième et le sixième segment au niveau du pore. Il est connu que le segment senseur du voltage (S1-S4) subit un mouvement lorsque le potentiel membranaire change. Pour ouvrir le canal, il est nécessaire de transférer l'énergie du senseur du voltage (généré par le mouvement des charges positives de S4) au pore. Le mécanisme exact de ce couplage électromécanique est encore sous étude. Un des points de liaison entre le senseur de voltage et le pore est le lien physique fait par le segment S4-S5 (S45L). Le but de cette étude est de déterminer l'influence de la flexibilité du segment S45L sur le processus de couplage. Dans le S45L, trois glycines sont distribuées dans des positions différentes. Elles sont responsables de la flexibilité des hélices-alpha. Ces glycines (mais pas leurs positions exactes) sont conservées pour tous les canaux potassiques dépendants de potentiel. En utilisant la technique de mutagènes dirigé, la glycine a été remplacée dans chacune de ces différentes positions par une alanine et dans une deuxième étape, par une proline (pour introduire un angle dans l'hélice). Pour étudier le comportement des canaux dans cette nouvelle conformation, on a appliqué la technique de « patch clamp » pour déterminer les effets lors de l'ouverture du pore (courant ionique). Avec le « cut-open oocyte voltage-clamp », nous avons étudié les effets sur le mouvement du senseur de voltage (courant “gating”) et la coordination temporelle avec l'ouverture du pore (courant ionique). Les données ont montré qu’en réduisant la flexibilité dans le S45L, il faut avoir plus d'énergie pour faire ouvrir le canal. Le changement pour une proline suggère que le mouvement du senseur est indépendant du pore pendant l'ouverture du canal.

Bootstrap for panel data models with an application to the evaluation of public policies

Le but de cette thèse est d étendre la théorie du bootstrap aux modèles de données de panel. Les données de panel s obtiennent en observant plusieurs unités statistiques sur plusieurs périodes de temps. Leur double dimension individuelle et temporelle permet de contrôler l 'hétérogénéité non observable entre individus et entre les périodes de temps et donc de faire des études plus riches que les séries chronologiques ou les données en coupe instantanée. L 'avantage du bootstrap est de permettre d obtenir une inférence plus précise que celle avec la théorie asymptotique classique ou une inférence impossible en cas de paramètre de nuisance. La méthode consiste à tirer des échantillons aléatoires qui ressemblent le plus possible à l échantillon d analyse. L 'objet statitstique d intérêt est estimé sur chacun de ses échantillons aléatoires et on utilise l ensemble des valeurs estimées pour faire de l inférence. Il existe dans la littérature certaines application du bootstrap aux données de panels sans justi cation théorique rigoureuse ou sous de fortes hypothèses. Cette thèse propose une méthode de bootstrap plus appropriée aux données de panels. Les trois chapitres analysent sa validité et son application. Le premier chapitre postule un modèle simple avec un seul paramètre et s 'attaque aux propriétés théoriques de l estimateur de la moyenne. Nous montrons que le double rééchantillonnage que nous proposons et qui tient compte à la fois de la dimension individuelle et la dimension temporelle est valide avec ces modèles. Le rééchantillonnage seulement dans la dimension individuelle n est pas valide en présence d hétérogénéité temporelle. Le ré-échantillonnage dans la dimension temporelle n est pas valide en présence d'hétérogénéité individuelle. Le deuxième chapitre étend le précédent au modèle panel de régression. linéaire. Trois types de régresseurs sont considérés : les caractéristiques individuelles, les caractéristiques temporelles et les régresseurs qui évoluent dans le temps et par individu. En utilisant un modèle à erreurs composées doubles, l'estimateur des moindres carrés ordinaires et la méthode de bootstrap des résidus, on montre que le rééchantillonnage dans la seule dimension individuelle est valide pour l'inférence sur les coe¢ cients associés aux régresseurs qui changent uniquement par individu. Le rééchantillonnage dans la dimen- sion temporelle est valide seulement pour le sous vecteur des paramètres associés aux régresseurs qui évoluent uniquement dans le temps. Le double rééchantillonnage est quand à lui est valide pour faire de l inférence pour tout le vecteur des paramètres. Le troisième chapitre re-examine l exercice de l estimateur de différence en di¤érence de Bertrand, Duflo et Mullainathan (2004). Cet estimateur est couramment utilisé dans la littérature pour évaluer l impact de certaines poli- tiques publiques. L exercice empirique utilise des données de panel provenant du Current Population Survey sur le salaire des femmes dans les 50 états des Etats-Unis d Amérique de 1979 à 1999. Des variables de pseudo-interventions publiques au niveau des états sont générées et on s attend à ce que les tests arrivent à la conclusion qu il n y a pas d e¤et de ces politiques placebos sur le salaire des femmes. Bertrand, Du o et Mullainathan (2004) montre que la non-prise en compte de l hétérogénéité et de la dépendance temporelle entraîne d importantes distorsions de niveau de test lorsqu'on évalue l'impact de politiques publiques en utilisant des données de panel. Une des solutions préconisées est d utiliser la méthode de bootstrap. La méthode de double ré-échantillonnage développée dans cette thèse permet de corriger le problème de niveau de test et donc d'évaluer correctement l'impact des politiques publiques.