L'Abbé Aubrée,... notice biographique [par A. de La Borderie]. Fête de la Cinquantaine. Funérailles. [Allocution par M. Moricel.] Oraison funèbre [par M. Évin]

Comprend : Allocution

Loss of penicillin tolerance by inactivating the carbon catabolite repression determinant CcpA in Streptococcus gordonii.

OBJECTIVES: Antibiotic tolerance is a phenomenon allowing bacteria to withstand drug-induced killing. Here, we studied a penicillin-tolerant mutant of Streptococcus gordonii (Tol1), which was shown to be deregulated in the expression of the arginine deiminase operon (arc). arc was not directly responsible for tolerance, but is controlled by the global regulator CcpA. Therefore, we sought whether CcpA might be implicated in tolerance. METHODS: The ccpA gene was characterized and subsequently inactivated by PCR ligation mutagenesis in both the susceptible wild-type (WT) and Tol1. The minimal inhibitory concentration and time-kill curves for the strains were determined and the outcome of penicillin treatment in experimental endocarditis assessed. RESULTS: ccpA sequence and expression were similar between the WT and Tol1 strains. In killing assays, the WT lost 3.5 +/- 0.6 and 5.3 +/- 0.6 log(10) cfu/mL and Tol1 lost 0.4 +/- 0.2 and 1.4 +/- 0.9 log(10) cfu/mL after 24 and 48 h of penicillin exposure, respectively. Deletion of ccpA almost totally restored Tol1 kill susceptibility (loss of 2.5 +/- 0.7 and 4.9 +/- 0.7 log(10) cfu/mL at the same endpoints). In experimental endocarditis, penicillin treatment induced a significant reduction in vegetation bacterial densities between Tol1 (4.1 log(10) cfu/g) and Tol1DeltaccpA (2.4 log(10) cfu/g). Restitution of ccpA re-established the tolerant phenotype both in vitro and in vivo. CONCLUSIONS: CcpA, a global regulator of the carbon catabolite repression system, is implicated in penicillin tolerance both in vitro and in vivo. This links antibiotic survival to bacterial sugar metabolism. However, since ccpA sequence and expression were similar between the WT and Tol1 strains, other factors are probably involved in tolerance.

Comparing Random-based and k-Anonymity-Based Algorithms for Graph Anonymization

Recently, several anonymization algorithms have appeared for privacy preservation on graphs. Some of them are based on random-ization techniques and on k-anonymity concepts. We can use both of them to obtain an anonymized graph with a given k-anonymity value. In this paper we compare algorithms based on both techniques in orderto obtain an anonymized graph with a desired k-anonymity value. We want to analyze the complexity of these methods to generate anonymized graphs and the quality of the resulting graphs.

Soybean cultivar BR-16-AHAS tolerance to the herbicide imazapyr

The objective of this work was to evaluate the effect of the transgenic soybean BR-16-AHAS genetic constitution on the tolerance to the herbicide imazapyr. BR-16-AHAS was crossed with ten other genotypes. The experimental design was a complete randomized block, in a 2x12x3 factorial arrangement, with two sowing periods (winter and summer), twelve crossing groups and three plant positions (upper, mid and lower), with three replicates. The plants were treated with 100 g ha-1 a.i. of imazapyr at the V3/V4 stage. For each position of the plant (upper, mid and lower), the following variables were assessed: number of pods, number of seeds, seed weight, number of seeds per pod and the 100 seeds weight. The effect of the herbicide varied according to the more affected plant position (upper, mid and lower) of each genotype. The use of the same gene ahas of BR-16-AHAS, in various genotypes, results in materials with good tolerance to imazapyr; tolerance levels depend not only on the ahas gene, but also on the presence of other genes.

Machine learning for geospatial data : algorithms, software tools and case studies

Résumé Cette thèse est consacrée à l'analyse, la modélisation et la visualisation de données environnementales à référence spatiale à l'aide d'algorithmes d'apprentissage automatique (Machine Learning). L'apprentissage automatique peut être considéré au sens large comme une sous-catégorie de l'intelligence artificielle qui concerne particulièrement le développement de techniques et d'algorithmes permettant à une machine d'apprendre à partir de données. Dans cette thèse, les algorithmes d'apprentissage automatique sont adaptés pour être appliqués à des données environnementales et à la prédiction spatiale. Pourquoi l'apprentissage automatique ? Parce que la majorité des algorithmes d'apprentissage automatiques sont universels, adaptatifs, non-linéaires, robustes et efficaces pour la modélisation. Ils peuvent résoudre des problèmes de classification, de régression et de modélisation de densité de probabilités dans des espaces à haute dimension, composés de variables informatives spatialisées (« géo-features ») en plus des coordonnées géographiques. De plus, ils sont idéaux pour être implémentés en tant qu'outils d'aide à la décision pour des questions environnementales allant de la reconnaissance de pattern à la modélisation et la prédiction en passant par la cartographie automatique. Leur efficacité est comparable au modèles géostatistiques dans l'espace des coordonnées géographiques, mais ils sont indispensables pour des données à hautes dimensions incluant des géo-features. Les algorithmes d'apprentissage automatique les plus importants et les plus populaires sont présentés théoriquement et implémentés sous forme de logiciels pour les sciences environnementales. Les principaux algorithmes décrits sont le Perceptron multicouches (MultiLayer Perceptron, MLP) - l'algorithme le plus connu dans l'intelligence artificielle, le réseau de neurones de régression généralisée (General Regression Neural Networks, GRNN), le réseau de neurones probabiliste (Probabilistic Neural Networks, PNN), les cartes auto-organisées (SelfOrganized Maps, SOM), les modèles à mixture Gaussiennes (Gaussian Mixture Models, GMM), les réseaux à fonctions de base radiales (Radial Basis Functions Networks, RBF) et les réseaux à mixture de densité (Mixture Density Networks, MDN). Cette gamme d'algorithmes permet de couvrir des tâches variées telle que la classification, la régression ou l'estimation de densité de probabilité. L'analyse exploratoire des données (Exploratory Data Analysis, EDA) est le premier pas de toute analyse de données. Dans cette thèse les concepts d'analyse exploratoire de données spatiales (Exploratory Spatial Data Analysis, ESDA) sont traités selon l'approche traditionnelle de la géostatistique avec la variographie expérimentale et selon les principes de l'apprentissage automatique. La variographie expérimentale, qui étudie les relations entre pairs de points, est un outil de base pour l'analyse géostatistique de corrélations spatiales anisotropiques qui permet de détecter la présence de patterns spatiaux descriptible par une statistique. L'approche de l'apprentissage automatique pour l'ESDA est présentée à travers l'application de la méthode des k plus proches voisins qui est très simple et possède d'excellentes qualités d'interprétation et de visualisation. Une part importante de la thèse traite de sujets d'actualité comme la cartographie automatique de données spatiales. Le réseau de neurones de régression généralisée est proposé pour résoudre cette tâche efficacement. Les performances du GRNN sont démontrées par des données de Comparaison d'Interpolation Spatiale (SIC) de 2004 pour lesquelles le GRNN bat significativement toutes les autres méthodes, particulièrement lors de situations d'urgence. La thèse est composée de quatre chapitres : théorie, applications, outils logiciels et des exemples guidés. Une partie importante du travail consiste en une collection de logiciels : Machine Learning Office. Cette collection de logiciels a été développée durant les 15 dernières années et a été utilisée pour l'enseignement de nombreux cours, dont des workshops internationaux en Chine, France, Italie, Irlande et Suisse ainsi que dans des projets de recherche fondamentaux et appliqués. Les cas d'études considérés couvrent un vaste spectre de problèmes géoenvironnementaux réels à basse et haute dimensionnalité, tels que la pollution de l'air, du sol et de l'eau par des produits radioactifs et des métaux lourds, la classification de types de sols et d'unités hydrogéologiques, la cartographie des incertitudes pour l'aide à la décision et l'estimation de risques naturels (glissements de terrain, avalanches). Des outils complémentaires pour l'analyse exploratoire des données et la visualisation ont également été développés en prenant soin de créer une interface conviviale et facile à l'utilisation. Machine Learning for geospatial data: algorithms, software tools and case studies Abstract The thesis is devoted to the analysis, modeling and visualisation of spatial environmental data using machine learning algorithms. In a broad sense machine learning can be considered as a subfield of artificial intelligence. It mainly concerns with the development of techniques and algorithms that allow computers to learn from data. In this thesis machine learning algorithms are adapted to learn from spatial environmental data and to make spatial predictions. Why machine learning? In few words most of machine learning algorithms are universal, adaptive, nonlinear, robust and efficient modeling tools. They can find solutions for the classification, regression, and probability density modeling problems in high-dimensional geo-feature spaces, composed of geographical space and additional relevant spatially referenced features. They are well-suited to be implemented as predictive engines in decision support systems, for the purposes of environmental data mining including pattern recognition, modeling and predictions as well as automatic data mapping. They have competitive efficiency to the geostatistical models in low dimensional geographical spaces but are indispensable in high-dimensional geo-feature spaces. The most important and popular machine learning algorithms and models interesting for geo- and environmental sciences are presented in details: from theoretical description of the concepts to the software implementation. The main algorithms and models considered are the following: multi-layer perceptron (a workhorse of machine learning), general regression neural networks, probabilistic neural networks, self-organising (Kohonen) maps, Gaussian mixture models, radial basis functions networks, mixture density networks. This set of models covers machine learning tasks such as classification, regression, and density estimation. Exploratory data analysis (EDA) is initial and very important part of data analysis. In this thesis the concepts of exploratory spatial data analysis (ESDA) is considered using both traditional geostatistical approach such as_experimental variography and machine learning. Experimental variography is a basic tool for geostatistical analysis of anisotropic spatial correlations which helps to understand the presence of spatial patterns, at least described by two-point statistics. A machine learning approach for ESDA is presented by applying the k-nearest neighbors (k-NN) method which is simple and has very good interpretation and visualization properties. Important part of the thesis deals with a hot topic of nowadays, namely, an automatic mapping of geospatial data. General regression neural networks (GRNN) is proposed as efficient model to solve this task. Performance of the GRNN model is demonstrated on Spatial Interpolation Comparison (SIC) 2004 data where GRNN model significantly outperformed all other approaches, especially in case of emergency conditions. The thesis consists of four chapters and has the following structure: theory, applications, software tools, and how-to-do-it examples. An important part of the work is a collection of software tools - Machine Learning Office. Machine Learning Office tools were developed during last 15 years and was used both for many teaching courses, including international workshops in China, France, Italy, Ireland, Switzerland and for realizing fundamental and applied research projects. Case studies considered cover wide spectrum of the real-life low and high-dimensional geo- and environmental problems, such as air, soil and water pollution by radionuclides and heavy metals, soil types and hydro-geological units classification, decision-oriented mapping with uncertainties, natural hazards (landslides, avalanches) assessments and susceptibility mapping. Complementary tools useful for the exploratory data analysis and visualisation were developed as well. The software is user friendly and easy to use.

Factors affecting the snow and wind induced damage of a montane secondary forest in northeastern China

Abstract

Low-P tolerance mechanisms and differential gene expression in contrasting wheat genotypes

The objectives of this study were to determine low-P tolerance mechanisms in contrasting wheat genotypes and to evaluate the association of these mechanisms to differential gene expression. Wheat seedlings of cultivars Toropi (tolerant to low-P availability) and Anahuac (sensitive) were evaluated. Seedlings were hydroponically grown in the absence or presence of P (1.0 mmol L-1) during three different time periods: 24, 120 and 240 hours. Free phosphate (Pi) and total P contents were measured in shoots and roots. The experiment's design was in randomized blocks with three replicates, each formed by ten plants. The relative expression of genes encoding the malate transporter TaALMT1 and the transcription factor PTF1 was evaluated. Phosphorus starvation beyond ten days increased the expression of TaALMT1 only in 'Toropi'. PTF1's expression was early induced in both genotypes under P starvation, but remained significant after ten days only in 'Toropi'. Shoot Pi concentration in 'Toropi' was independent from P availability; under starvation, 'Toropi' favored the maintenance of shoot Pi concentration. The low-P tolerance of Toropi cultivar at initial growth stages is mainly due to its ability to maintain constant the Pi shoot level.

Warren Pershing, petit fils [i.e. fils] du général Pershing à la fête de la Victoire à Londres [19 juillet 1919] : [photographie de presse] / [Agence Rol]

Référence bibliographique : Rol, 55101

Fête de la Victoire à Bruxelles, défilé des drapeaux alliés [21 juillet 1919] : [photographie de presse] / [Agence Rol]

Référence bibliographique : Rol, 55163

Fête de la Victoire à Bruxelles, M. Poincaré dépose des fleurs au monument aux morts [21 juillet 1919] : [photographie de presse] / [Agence Rol]

Référence bibliographique : Rol, 55164

Fête de la Victoire à Bruxelles, le roi des Belges et le maréchal Foch [à cheval, 21 juillet 1919] : [photographie de presse] / [Agence Rol]

Référence bibliographique : Rol, 55165

Role of pparß in irradiation mediated intestinal damage

Les récepteurs activés proliférateurs de peroxisomes (PPARs) appartiennent à la grande famille des récepteurs nucléaires et ont été impliqué dans plusieurs processus physiologiques. Parmi les trois isotypes PPAR, PPARβ est bien connu pour son rôle dans les décisions déterminant le destin des cellules, notamment dans les processus de prolifération, de différentiation et d'apoptose. Ce rôle a particulièrement été souligné comme protecteur dans les contextes de survie cellulaire et de cicatrisation. Il est fortement exprimé dans l'intestin grêle. Notre groupe a déjà rapporté sa présence importante dans les cryptes duodénales, où se trouvent les cellules souches intestinales. Précédemment, nous avons aussi fait remarquer le rôle de PPARβ dans la differentiation des cellules de Paneth, par la régulation négative de la signalisation Ihh de l'épithélium intestinal. Malgré sa capacité de figurer parmi les tissus du corps qui se régénèrent le plus rapidement, l'épithélium intestinal est particulièrement sensible aux attaques cytotoxiques, surtout celles dues à la radiothérapie des cancers abdomino-pelviens. Cela peut donner lieu à des lésions gastro-intestinal en tant qu'effet indésirable d'une exposition aiguë et chronique à l'irradiation. En raison du rôle protecteur de PPARβ le but de cette étude était de comprendre les voies de signalisation moléculaires régulées par PPARβ qui sont impliquées dans les réponses des cellules intestinales aux dommages causés par l'irradiation.Afin de déchiffrer les mécanismes moléculaires sous-jacents, un modèle in-vitro d'une lignée cellulaire - HT-29 a été utilisée. Il n'y a cependant pas de preuve d'un effet protecteur de PPARβ dans divers contextes d'endommagement cellulaire testés in-vitro. Ceci contraste avec les observations in-vivo qui indiquent que l'irradiation provoque une létalité supérieure dans les souris PPARβ-/- par rapport aux souris PPARβ+/+, entre autre correlée avec une apoptose augmentée des cellules souches intestinales à 4h après irradiation. En plus, le décès plus important de cellules mésenchymateuses a été observé dans les souris PPARβ-/-, 8 jours après irradiation. Moins nombreuses, ces cellules se sont également détachées de la matrice extracellulaire reliant l'épithélium et le mésenchyme. Nous stipulons qu'in-vivo, PPARβ participe au dialogue entre le mésenchyme et l'épithélium, ce qui est concordant avec le délai observé lors de la réparation tissulaire. Ce dialogue entre l'épithélium et le mésenchyme, n'existe pas de la même manière in-vitro. Il en résulte donc un défaut de réponse mésenchymale médiée par PPARβ, d'où le paradoxe entre les conditions in-vivo et in-vitro.Ces observations indiquent l'implication possible de PPARβ dans les lesions actiniques, en tant que conséquence naturelle de la radiothérapie de patients avec un cancer. Les mécanismes précis de l'action de PPARβ nécessitent une exploration approfondie de son rôle physiologique dans ce contexte.

Postharvest mechanical damage affects fruit quality of 'Montenegrina' and 'Rainha' tangerines

The objective of this work was to evaluate the visual and chemical quality of tangerines after mechanical damage by impacts. The tangerine cultivars Montenegrina and Rainha were submitted to different degrees of impact and evaluated for decay and oleocellosis, loss of fresh weight, total soluble solids, total titratable acidity and ascorbic acid degradation, as well as for epicarp color changes. Experiments with three replicates and experimental units of six fruit for each cultivar were done in a completely randomized design. Impact produced qualitative internal and minor external changes on tangerines. The main modifications produced by impact on the fruit were losses of citric acid and soluble solids, which increased the solid:acid ratio, and losses of ascorbic acid. 'Montenegrina' tangerines are more susceptible to internal quality damage than 'Rainha'.