Développement de techniques analytiques pour la détermination des agents anti-infectieux dans les eaux environnementales

Les agents anti-infectieux sont utilisés pour traiter ou prévenir les infections chez les humains, les animaux, les insectes et les plantes. L’apparition de traces de ces substances dans les eaux usées, les eaux naturelles et même l’eau potable dans plusieurs pays du monde soulève l’inquiétude de la communauté scientifique surtout à cause de leur activité biologique. Le but de ces travaux de recherche a été d’étudier la présence d’anti-infectieux dans les eaux environnementales contaminées (c.-à-d. eaux usées, eaux naturelles et eau potable) ainsi que de développer de nouvelles méthodes analytiques capables de quantifier et confirmer leur présence dans ces matrices. Une méta-analyse sur l’occurrence des anti-infectieux dans les eaux environnementales contaminées a démontré qu’au moins 68 composés et 10 de leurs produits de transformation ont été quantifiés à ce jour. Les concentrations environnementales varient entre 0.1 ng/L et 1 mg/L, selon le composé, la matrice et la source de contamination. D’après cette étude, les effets nuisibles des anti-infectieux sur le biote aquatique sont possibles et ces substances peuvent aussi avoir un effet indirect sur la santé humaine à cause de sa possible contribution à la dissémination de la résistance aux anti-infecteiux chez les bactéries. Les premiers tests préliminaires de développement d’une méthode de détermination des anti-infectieux dans les eaux usées ont montré les difficultés à surmonter lors de l’extraction sur phase solide (SPE) ainsi que l’importance de la sélectivité du détecteur. On a décrit une nouvelle méthode de quantification des anti-infectieux utilisant la SPE en tandem dans le mode manuel et la chromatographie liquide couplée à la spectrométrie de masse en tandem (LC-MS/MS). Les six anti-infectieux ciblés (sulfaméthoxazole, triméthoprime, ciprofloxacin, levofloxacin, clarithromycin et azithromycin) ont été quantifiés à des concentrations entre 39 et 276 ng/L dans les échantillons d’affluent et d’effluent provenant d’une station d’épuration appliquant un traitement primaire et physico- chimique. Les concentrations retrouvées dans les effluents indiquent que la masse moyenne totale de ces substances, déversées hebdomadairement dans le fleuve St. Laurent, était de ~ 2 kg. En vue de réduire le temps total d’analyse et simplifier les manipulations, on a travaillé sur une nouvelle méthode de SPE couplée-LC-MS/MS. Cette méthode a utilisé une technique de permutation de colonnes pour préconcentrer 1.00 mL d’échantillon dans une colonne de SPE couplée. La performance analytique de la méthode a permis la quantification des six anti-infectieux dans les eaux usées municipales et les limites de détection étaient du même ordre de grandeur (13-60 ng/L) que les méthodes basées sur la SPE manuelle. Ensuite, l’application des colonnes de SPE couplée de chromatographie à débit turbulent pour la préconcentration de six anti-infectieux dans les eaux usées a été explorée pour diminuer les effets de matrice. Les résultats obtenus ont indiqué que ces colonnes sont une solution de réchange intéressante aux colonnes de SPE couplée traditionnelles. Finalement, en vue de permettre l’analyse des anti-infectieux dans les eaux de surface et l’eau potable, une méthode SPE couplée-LC-MS/MS utilisant des injections de grand volume (10 mL) a été développée. Le volume de fuite de plusieurs colonnes de SPE couplée a été estimé et la colonne ayant la meilleure rétention a été choisie. Les limites de détection et de confirmation de la méthode ont été entre 1 à 6 ng/L. L’analyse des échantillons réels a démontré que la concentration des trois anti-infectieux ciblés (sulfaméthoxazole, triméthoprime et clarithromycine) était au dessous de la limite de détection de la méthode. La mesure des masses exactes par spectrométrie de masse à temps d’envol et les spectres des ions produits utilisant une pente d’énergie de collision inverse dans un spectromètre de masse à triple quadripôle ont été explorés comme des méthodes de confirmation possibles.

Apprentissage de représentations sur-complètes par entraînement d’auto-encodeurs

Les avancés dans le domaine de l’intelligence artificielle, permettent à des systèmes informatiques de résoudre des tâches de plus en plus complexes liées par exemple à la vision, à la compréhension de signaux sonores ou au traitement de la langue. Parmi les modèles existants, on retrouve les Réseaux de Neurones Artificiels (RNA), dont la popularité a fait un grand bond en avant avec la découverte de Hinton et al. [22], soit l’utilisation de Machines de Boltzmann Restreintes (RBM) pour un pré-entraînement non-supervisé couche après couche, facilitant grandement l’entraînement supervisé du réseau à plusieurs couches cachées (DBN), entraînement qui s’avérait jusqu’alors très difficile à réussir. Depuis cette découverte, des chercheurs ont étudié l’efficacité de nouvelles stratégies de pré-entraînement, telles que l’empilement d’auto-encodeurs traditionnels(SAE) [5, 38], et l’empilement d’auto-encodeur débruiteur (SDAE) [44]. C’est dans ce contexte qu’a débuté la présente étude. Après un bref passage en revue des notions de base du domaine de l’apprentissage machine et des méthodes de pré-entraînement employées jusqu’à présent avec les modules RBM, AE et DAE, nous avons approfondi notre compréhension du pré-entraînement de type SDAE, exploré ses différentes propriétés et étudié des variantes de SDAE comme stratégie d’initialisation d’architecture profonde. Nous avons ainsi pu, entre autres choses, mettre en lumière l’influence du niveau de bruit, du nombre de couches et du nombre d’unités cachées sur l’erreur de généralisation du SDAE. Nous avons constaté une amélioration de la performance sur la tâche supervisée avec l’utilisation des bruits poivre et sel (PS) et gaussien (GS), bruits s’avérant mieux justifiés que celui utilisé jusqu’à présent, soit le masque à zéro (MN). De plus, nous avons démontré que la performance profitait d’une emphase imposée sur la reconstruction des données corrompues durant l’entraînement des différents DAE. Nos travaux ont aussi permis de révéler que le DAE était en mesure d’apprendre, sur des images naturelles, des filtres semblables à ceux retrouvés dans les cellules V1 du cortex visuel, soit des filtres détecteurs de bordures. Nous aurons par ailleurs pu montrer que les représentations apprises du SDAE, composées des caractéristiques ainsi extraites, s’avéraient fort utiles à l’apprentissage d’une machine à vecteurs de support (SVM) linéaire ou à noyau gaussien, améliorant grandement sa performance de généralisation. Aussi, nous aurons observé que similairement au DBN, et contrairement au SAE, le SDAE possédait une bonne capacité en tant que modèle générateur. Nous avons également ouvert la porte à de nouvelles stratégies de pré-entraînement et découvert le potentiel de l’une d’entre elles, soit l’empilement d’auto-encodeurs rebruiteurs (SRAE).

Understanding deep architectures and the effect of unsupervised pre-training

Cette thèse porte sur une classe d'algorithmes d'apprentissage appelés architectures profondes. Il existe des résultats qui indiquent que les représentations peu profondes et locales ne sont pas suffisantes pour la modélisation des fonctions comportant plusieurs facteurs de variation. Nous sommes particulièrement intéressés par ce genre de données car nous espérons qu'un agent intelligent sera en mesure d'apprendre à les modéliser automatiquement; l'hypothèse est que les architectures profondes sont mieux adaptées pour les modéliser. Les travaux de Hinton (2006) furent une véritable percée, car l'idée d'utiliser un algorithme d'apprentissage non-supervisé, les machines de Boltzmann restreintes, pour l'initialisation des poids d'un réseau de neurones supervisé a été cruciale pour entraîner l'architecture profonde la plus populaire, soit les réseaux de neurones artificiels avec des poids totalement connectés. Cette idée a été reprise et reproduite avec succès dans plusieurs contextes et avec une variété de modèles. Dans le cadre de cette thèse, nous considérons les architectures profondes comme des biais inductifs. Ces biais sont représentés non seulement par les modèles eux-mêmes, mais aussi par les méthodes d'entraînement qui sont souvent utilisés en conjonction avec ceux-ci. Nous désirons définir les raisons pour lesquelles cette classe de fonctions généralise bien, les situations auxquelles ces fonctions pourront être appliquées, ainsi que les descriptions qualitatives de telles fonctions. L'objectif de cette thèse est d'obtenir une meilleure compréhension du succès des architectures profondes. Dans le premier article, nous testons la concordance entre nos intuitions---que les réseaux profonds sont nécessaires pour mieux apprendre avec des données comportant plusieurs facteurs de variation---et les résultats empiriques. Le second article est une étude approfondie de la question: pourquoi l'apprentissage non-supervisé aide à mieux généraliser dans un réseau profond? Nous explorons et évaluons plusieurs hypothèses tentant d'élucider le fonctionnement de ces modèles. Finalement, le troisième article cherche à définir de façon qualitative les fonctions modélisées par un réseau profond. Ces visualisations facilitent l'interprétation des représentations et invariances modélisées par une architecture profonde.

Les voies de signalisation utérines à l'émergence de la diapause embryonnaire chez le vison américain

La diapause embryonnaire se manifeste par un arrêt réversible du développement embryonnaire durant la période de préimplantation et induit un retard de l’implantation. Chez le vison américain, une diapause embryonnaire obligatoire caractérise chaque gestation. Si les mécanismes de contrôle de la diapause embryonnaire obligatoire chez cette espèce sont bien connus, le rôle utérin impliqué dans la réactivation de l’embryon demeure, quant à lui, encore inconnu. Le sujet de ce doctorat a consisté dans un premier temps à explorer l’environnement utérin à la sortie de la diapause embryonnaire afin de caractériser, dans un deuxième temps, les principaux acteurs utérins qui provoquent la réactivation de l’embryon. Nous avons effectué une analyse du transcriptome utérin à l’émergence de la diapause embryonnaire ce qui a permis de construire une librairie de 123 séquences d’ADNc utérines différentiellement exprimées à la réactivation de l’embryon et homologues à des séquences de gènes connues chez d’autres espèces. Ces gènes sont impliqués dans la régulation du métabolisme (25 %), de l’expression génique (21 %), de la transduction de signal (15 %), du cycle cellulaire (15 %), du transport (10 %) et de la structure cellulaire (9 %), reflétant ainsi d’importantes modifications utérines à la réactivation embryonnaire. Nous avons validé l’expression différentielle de dix gènes ainsi identifiés : GDF3 (growth and differentiation 3), ALCAM (activated leukocyte cell adhesion molecule), ADIPOR1 (adiponectin receptor 1), HMGN1 (high mobility group N1), TXNL1 (thioredoxin like 1), TGM2 (tissue transglutaminase 2), SPARC (secreted protein acidic rich in cystein), et trois gènes codant pour AZIN1 (antizyme inhibitor 1), ODC1 (ornithine decarboxylase 1) et SAT1 (spermidine/spermine N1-acetyltransferase), des enzymes impliquées dans la biosynthèse des polyamines. Le patron de l’expression spatio-temporel de SPARC et d’HMGN1 illustrent spécifiquement un remodelage tissulaire et de la chromatine au niveau utérin à la sortie de la diapause embryonnaire. Ayant mesuré une augmentation des concentrations utérines en polyamines à la reprise du développement embryonnaire, nous avons émis l’hypothèse que les polyamines seraient impliquées dans les événements menant à la sortie de la diapause. L’inhibition de la biosynthèse des polyamines par un traitement à l’ α-difluoromethylornithine (DFMO) a provoqué une diminution significative de la proliferation cellulaire dans les embryons à la réactivation, un retard du moment de l’implantation, mais n’a pas affecté le succès de la reproduction. De manière similaire, nous avons induit un état de dormance dans les cellules de trophoblaste de vison en présence DFMO dans le milieu de culture, et constaté que cet état était réversible. En conclusion, cette étude a non seulement ouvert de nouveaux horizons quant à la compréhension du rôle utérin dans les événements menant à la sortie de la diapause embryonnaire, mais a démontré pour la première fois, l’existence de facteurs utérins indispensables à la réactivation de l’embryon: les polyamines.

Étude génétique et fonctionnelle des Interferon-producing Killer Dendritic Cells

L’idée qu’une cellule puisse effectuer la cytolyse de cellules transformées, comme une cellule Natural Killer (NK), tout en ayant la capacité de présenter des antigènes, comme une cellule dendritique (DC), peut sembler fantaisiste. Cependant, de telles cellules furent bel et bien identifiées chez la souris en 2006. Ces cellules, nommées Interferon-producing Killer Dendritic Cells (IKDC), furent l’objet d’une caractérisation extensive qui révéla leur énorme potentiel immunologique. La combinaison de fonctions associées à des cellules NK et à des DC a doté les IKDC d’un pouvoir antitumoral remarquable. D’ailleurs, il a été démontré que les IKDC sont plus efficaces que les cellules NK pour limiter la croissance tumorale. Ainsi, suite à leur découverte, les IKDC ont suscité beaucoup d’intérêt. Cependant, une controverse émergea sur la nature des IKDC. Plusieurs groupes indépendants tentèrent de reproduire les expériences attestant les fonctions de DC des IKDC, sans y parvenir. De plus, des études additionnelles révélèrent que les IKDC possèdent des similitudes très importantes avec les cellules NK. Ces observations ont mené la communauté scientifique à suggérer que les IKDC sont des cellules NK en état d’activation (aNK). Malgré cette controverse, les caractéristiques antitumorales des IKDC sont si uniques et considérables qu’il est primordial de poursuivre l’étude de ces cellules. Pour y arriver, il est essentiel de déterminer la nature des IKDC et de mettre fin à ce débat. Par la suite, il sera important d’identifier des façons de cibler spécifiquement les IKDC pour permettre leur usage dans le cadre de thérapies antitumorales. Ainsi, l’objectif de cette thèse est de définir l’identité des IKDC, puis de déterminer les facteurs génétiques responsables de la régulation de ces cellules. Nous avons démontré que les IKDC ne sont pas des cellules aNK, contrairement à ce qui avait été suggéré. Nous avons constaté que les IKDC prolifèrent activement et possèdent un phénotype unique, des caractéristiques associées à des cellules NK très immatures. Afin de déterminer si les IKDC peuvent acquérir un phénotype mature, nous avons effectué des expériences de transfert adoptif. Suite à leur injection in vivo, les IKDC acquièrent un phénotype de cellules matures, mais étonnamment, elles se différencient aussi en cellules NK. Ainsi, nous avons révélé que les IKDC sont un intermédiaire dans la différenciation des cellules NK. En parallèle, nous avons démontré que la proportion d’IKDC varie grandement entre des souris de fond génétique différent, indiquant que des facteurs génétiques sont impliqués dans la régulation de ces cellules. Nous avons alors effectué une analyse génétique qui a révélé que les IKDC sont régulées par des facteurs génétiques compris dans une région distale du chromosome 7. Les résultats présentés dans cette thèse constituent une avancée importante pour la recherche sur les IKDC. Ils ont permis de définir la nature des IKDC et d’identifier un intervalle génétique impliqué dans la régulation de ces cellules. Ces découvertes sont des connaissances précieuses pour l’identification des IKDC chez l’Homme et la création de nouvelles thérapies dans la lutte contre le cancer.