IL-22 regulates lymphoid chemokine production and assembly of tertiary lymphoid organs.

The series of events leading to tertiary lymphoid organ (TLO) formation in mucosal organs following tissue damage remain unclear. Using a virus-induced model of autoantibody formation in the salivary glands of adult mice, we demonstrate that IL-22 provides a mechanistic link between mucosal infection, B-cell recruitment, and humoral autoimmunity. IL-22 receptor engagement is necessary and sufficient to promote differential expression of chemokine (C-X-C motif) ligand 12 and chemokine (C-X-C motif) ligand 13 in epithelial and fibroblastic stromal cells that, in turn, is pivotal for B-cell recruitment and organization of the TLOs. Accordingly, genetic and therapeutic blockade of IL-22 impairs and reverses TLO formation and autoantibody production. Our work highlights a critical role for IL-22 in TLO-induced pathology and provides a rationale for the use of IL-22-blocking agents in B-cell-mediated autoimmune conditions.

Quantum Hall Phases of two-component bosons

The recent production of synthetic magnetic fields acting on electroneutral particles, such as atoms or photons, has boosted interest in the quantum Hall physics of bosons. Adding pseudospin 1/2 to the bosons greatly enriches the scenario, as it allows them to form an interacting integer quantum Hall (IQH) phase with no fermionic counterpart. Here we show that, for a small two-component Bose gas on a disk, the complete strongly correlated regime, extending from the integer phase at filling factor ν = 2 to the Halperin phase at filling factor ν = 2 / 3, is well described by composite fermionization of the bosons. Moreover we study the edge excitations of the IQH state, which, in agreement with expectations from topological field theory, are found to consist of forward-moving charge excitations and backward-moving spin excitations. Finally, we demonstrate how pair-correlation functions allow one to experimentally distinguish the IQH state from competing states, such as non-Abelian spin singlet (NASS) states.

Error models in hydrogeology applications

Notre consommation en eau souterraine, en particulier comme eau potable ou pour l'irrigation, a considérablement augmenté au cours des années. De nombreux problèmes font alors leur apparition, allant de la prospection de nouvelles ressources à la remédiation des aquifères pollués. Indépendamment du problème hydrogéologique considéré, le principal défi reste la caractérisation des propriétés du sous-sol. Une approche stochastique est alors nécessaire afin de représenter cette incertitude en considérant de multiples scénarios géologiques et en générant un grand nombre de réalisations géostatistiques. Nous rencontrons alors la principale limitation de ces approches qui est le coût de calcul dû à la simulation des processus d'écoulements complexes pour chacune de ces réalisations. Dans la première partie de la thèse, ce problème est investigué dans le contexte de propagation de l'incertitude, oú un ensemble de réalisations est identifié comme représentant les propriétés du sous-sol. Afin de propager cette incertitude à la quantité d'intérêt tout en limitant le coût de calcul, les méthodes actuelles font appel à des modèles d'écoulement approximés. Cela permet l'identification d'un sous-ensemble de réalisations représentant la variabilité de l'ensemble initial. Le modèle complexe d'écoulement est alors évalué uniquement pour ce sousensemble, et, sur la base de ces réponses complexes, l'inférence est faite. Notre objectif est d'améliorer la performance de cette approche en utilisant toute l'information à disposition. Pour cela, le sous-ensemble de réponses approximées et exactes est utilisé afin de construire un modèle d'erreur, qui sert ensuite à corriger le reste des réponses approximées et prédire la réponse du modèle complexe. Cette méthode permet de maximiser l'utilisation de l'information à disposition sans augmentation perceptible du temps de calcul. La propagation de l'incertitude est alors plus précise et plus robuste. La stratégie explorée dans le premier chapitre consiste à apprendre d'un sous-ensemble de réalisations la relation entre les modèles d'écoulement approximé et complexe. Dans la seconde partie de la thèse, cette méthodologie est formalisée mathématiquement en introduisant un modèle de régression entre les réponses fonctionnelles. Comme ce problème est mal posé, il est nécessaire d'en réduire la dimensionnalité. Dans cette optique, l'innovation du travail présenté provient de l'utilisation de l'analyse en composantes principales fonctionnelles (ACPF), qui non seulement effectue la réduction de dimensionnalités tout en maximisant l'information retenue, mais permet aussi de diagnostiquer la qualité du modèle d'erreur dans cet espace fonctionnel. La méthodologie proposée est appliquée à un problème de pollution par une phase liquide nonaqueuse et les résultats obtenus montrent que le modèle d'erreur permet une forte réduction du temps de calcul tout en estimant correctement l'incertitude. De plus, pour chaque réponse approximée, une prédiction de la réponse complexe est fournie par le modèle d'erreur. Le concept de modèle d'erreur fonctionnel est donc pertinent pour la propagation de l'incertitude, mais aussi pour les problèmes d'inférence bayésienne. Les méthodes de Monte Carlo par chaîne de Markov (MCMC) sont les algorithmes les plus communément utilisés afin de générer des réalisations géostatistiques en accord avec les observations. Cependant, ces méthodes souffrent d'un taux d'acceptation très bas pour les problèmes de grande dimensionnalité, résultant en un grand nombre de simulations d'écoulement gaspillées. Une approche en deux temps, le "MCMC en deux étapes", a été introduite afin d'éviter les simulations du modèle complexe inutiles par une évaluation préliminaire de la réalisation. Dans la troisième partie de la thèse, le modèle d'écoulement approximé couplé à un modèle d'erreur sert d'évaluation préliminaire pour le "MCMC en deux étapes". Nous démontrons une augmentation du taux d'acceptation par un facteur de 1.5 à 3 en comparaison avec une implémentation classique de MCMC. Une question reste sans réponse : comment choisir la taille de l'ensemble d'entrainement et comment identifier les réalisations permettant d'optimiser la construction du modèle d'erreur. Cela requiert une stratégie itérative afin que, à chaque nouvelle simulation d'écoulement, le modèle d'erreur soit amélioré en incorporant les nouvelles informations. Ceci est développé dans la quatrième partie de la thèse, oú cette méthodologie est appliquée à un problème d'intrusion saline dans un aquifère côtier. -- Our consumption of groundwater, in particular as drinking water and for irrigation, has considerably increased over the years and groundwater is becoming an increasingly scarce and endangered resource. Nofadays, we are facing many problems ranging from water prospection to sustainable management and remediation of polluted aquifers. Independently of the hydrogeological problem, the main challenge remains dealing with the incomplete knofledge of the underground properties. Stochastic approaches have been developed to represent this uncertainty by considering multiple geological scenarios and generating a large number of realizations. The main limitation of this approach is the computational cost associated with performing complex of simulations in each realization. In the first part of the thesis, we explore this issue in the context of uncertainty propagation, where an ensemble of geostatistical realizations is identified as representative of the subsurface uncertainty. To propagate this lack of knofledge to the quantity of interest (e.g., the concentration of pollutant in extracted water), it is necessary to evaluate the of response of each realization. Due to computational constraints, state-of-the-art methods make use of approximate of simulation, to identify a subset of realizations that represents the variability of the ensemble. The complex and computationally heavy of model is then run for this subset based on which inference is made. Our objective is to increase the performance of this approach by using all of the available information and not solely the subset of exact responses. Two error models are proposed to correct the approximate responses follofing a machine learning approach. For the subset identified by a classical approach (here the distance kernel method) both the approximate and the exact responses are knofn. This information is used to construct an error model and correct the ensemble of approximate responses to predict the "expected" responses of the exact model. The proposed methodology makes use of all the available information without perceptible additional computational costs and leads to an increase in accuracy and robustness of the uncertainty propagation. The strategy explored in the first chapter consists in learning from a subset of realizations the relationship between proxy and exact curves. In the second part of this thesis, the strategy is formalized in a rigorous mathematical framework by defining a regression model between functions. As this problem is ill-posed, it is necessary to reduce its dimensionality. The novelty of the work comes from the use of functional principal component analysis (FPCA), which not only performs the dimensionality reduction while maximizing the retained information, but also allofs a diagnostic of the quality of the error model in the functional space. The proposed methodology is applied to a pollution problem by a non-aqueous phase-liquid. The error model allofs a strong reduction of the computational cost while providing a good estimate of the uncertainty. The individual correction of the proxy response by the error model leads to an excellent prediction of the exact response, opening the door to many applications. The concept of functional error model is useful not only in the context of uncertainty propagation, but also, and maybe even more so, to perform Bayesian inference. Monte Carlo Markov Chain (MCMC) algorithms are the most common choice to ensure that the generated realizations are sampled in accordance with the observations. Hofever, this approach suffers from lof acceptance rate in high dimensional problems, resulting in a large number of wasted of simulations. This led to the introduction of two-stage MCMC, where the computational cost is decreased by avoiding unnecessary simulation of the exact of thanks to a preliminary evaluation of the proposal. In the third part of the thesis, a proxy is coupled to an error model to provide an approximate response for the two-stage MCMC set-up. We demonstrate an increase in acceptance rate by a factor three with respect to one-stage MCMC results. An open question remains: hof do we choose the size of the learning set and identify the realizations to optimize the construction of the error model. This requires devising an iterative strategy to construct the error model, such that, as new of simulations are performed, the error model is iteratively improved by incorporating the new information. This is discussed in the fourth part of the thesis, in which we apply this methodology to a problem of saline intrusion in a coastal aquifer.

Tracking the ghost of coevolution in specific plant-insect interactions : the case of the pollination system between the globeflower Trollius europaeus and seven european Chiastocheta flies

This study aims at understanding the evolutionary processes at work in specialized species interactions. Prom the macroevolutionary perspective, coevolution among specialized taxa was proposed to be one of the major processes generating biodiversity. We challenge this idea from the theoretical and practical perspective and through a literature review and show that the major hypotheses linking coevolutionary process with macroevolutionary patterns do not necessarily predict lineage co diversification and parallel speciation, limit¬ing the utility of the comparative phylogenenetic approach for investigating coevolution¬ary processes. We also point to the rarity of observed long-term coevolutionary dynamics among lineages and propose that coevolution rather occurs in shorter timescales, followed by ecological fitting. Prom the empirical point, we focus on the nursery pollination interaction between the European globeflower Trollius europaeus (Ranunculaceae) and its associated Chiastocheta flies (Anthomyiidae; Diptera) as a model system of evolution and maintenance of special¬ized interactions. The flies are obligate parasites of the seeds, but also pollinate the plant - it was thus proposed that both species are mutually dependent. Contrasting with the paradigm used for two decades of research on this system, we show that the female fitness component of the plant is similar in the populations with and without Chiastocheta. The plant is thus not exclusively dependent on the flies for reproduction. We discuss this result in the context of the factors responsible for the evolution of mutualistic systems. Understanding the evolution of a biological system requires understanding of its phylo- genetic context. Previous studies showed large mismatch between mtDNA phylogeny and morphological taxonomy in Chiastocheta. By using a large set of RAD-sequencing loci, we delineate the species limits that are congruent with morphology, and show that the discordance is best explained by the scenario of mitochondrial capture among fly species. Finally, we examine this system from a phylogeographic perspective, and identify the lack of congruence in spatial genetic structures of the plant and associated insects across their whole geographic range. The flies show lower numbers of spatial genetic groups than the plant, indicating that not all of the plant réfugia were shared by all the fly species or that the migration dynamics homogenized some of the groups. The incongruence in spatial genetic patterns indicates that fly migrations were largely independent from the genetic background of the plant, following rather a scenario of resource tracking, without the signature of coevolutionary process at this scale. Indeed, while the flies require the plant to survive climatic oscillations, the opposite is not true. Eventually, we show that there is no phylogenetic signal of spatial genetic structures, meaning that neither histories nor life- history traits are shared among closely related species and that species are characterized by unique trajectories of their genes. -- Cette étude vise à comprendre les processus évolutifs à l'oeuvre au sein d'interactions en¬tre espèces spécialisées. Du point de vue macroévolutif, la coévolution entre les taxons spécialisée a été considérée comme l'un des principaux processus générateur de biodiversité. Nous contestons cette idée du point de vue théorique et pratique à travers une revue de la littérature. Nous montrons que les hypothèses majeures reliant les processus coévolutifs avec les patterns de diversité au niveau macroévolutif ne prédisent pas nécessairement la co- diversification des lignées et leur spéciation parallèle, ce qui limite l'utilité de l'approche de phylogénie comparative pour étudier les processus coévolutifs . Nous rappelons également le peu d'exemples de dynamique coévolutive à long terme et proposons que la coévolution se produit plutôt dans des intervalles courts, suivis d'ajustements écologiques. Du point empirique, nous nous concentrons sur l'interaction de pollinisation entre le Trolle d'Europe Trollius europaeus (Ranunculaceae) et ses pollinisateurs associés, du genre Chiastocheta (Anthomyiidae; Diptera) en tant que système-modèle pour étudier l'évolution et le maintien des interactions spécialisées. Les mouches sont des parasites obligatoires des semences, mais pollinisent également la plante. Il a donc été proposé que les deux espèces soient mutuellement dépendantes. Contrastant avec le paradigme utilisé pendant deux décennies de recherche sur ce système, nous montrons, que la composante de fitness femelle de la plante est similaire dans les populations avec et sans Chiastocheta. La plante ne dépend donc pas exclusivement de son interaction avec les mouches pour la reproduction. Nous discutons de ce résultat dans le contexte des facteurs responsables de l'évolution des systèmes mutualistes. Comprendre l'évolution d'un système biologique nécessite la compréhension de son con- texte phylogénétique. Des études antérieures ont montré, chez Chiastocheta, de grandes disparités entre les phylogénies obtenues à partir d'ADN mitochondrial et la taxonomie basée sur les critères morphologiques. En utilisant un grand nombre de loci obtenus par RAD-sequencing, nous traçons les limites des espèces, qui concordent avec les car¬actéristiques morphologies, et montrons que la discordance s'explique en fait par un scénario de capture mitochondriale entre espèces de mouches. Enfin, nous examinons le système d'un point de vue phylogéographique, et identi¬fions les incohérences entre structurations génétiques spatiales de la plante et des insectes associés dans toute leur aire de distribution géographique. Les mouches présentent un nombre de groupes génétiques inférieur à la plante, indiquant que tous les refuges de la plante n'étaient pas partagés par toutes les espèces de mouches ou que les dynamiques migratoires ont homogénéisés certains des groupes chez les mouches. Les différences ob¬servées dans les patrons de structuration génétique spatiale indique que les migrations et dispersions des mouches ont été indépendantes du contexte génétique de la plante, et ces dernières ont été uniquement tributaires de la disponibilité des ressources, sans qu'il n'y ait de signature du processus de coévolution à cette échelle. En effet, tandis que les mouches ont besoin de la plante pour survivre aux oscillations climatiques, le contraire n'est pas exact. Finalement, nous montrons qu'il n'y a pas de signal phylogénétique des structurations génétiques spatiales chez les mouches, ce qui signifie que ni l'histoire, ni les traits d'histoire de vie ne sont partagés entre les espèces phylogénétiquement proches et que les espèces sont caractérisées par des trajectoires uniques de leurs gènes.

IL-27 Induces Th17 Differentiation in the Absence of STAT1 Signaling.

It is known that differentiation of Th17 cells is promoted by activation of STAT3 and inhibited by activation of STAT1. Although both transcription factors are activated by several cytokines, including IL-6, IL-21, and IL-27, each of these cytokines has a very different effect on Th17 differentiation, ranging from strong induction (IL-6) to strong inhibition (IL-27). To determine the molecular basis for these differences, we measured STAT3 and STAT1 activation profiles for IL-6, IL-21, and IL-27, as well as for cytokine pairs over time. We found that the ratio of activated STAT3/activated STAT1 is crucial in determining whether cytokines promote or inhibit Th17 differentiation. IL-6 and IL-21 induced p-STAT3/p-STAT1 ratios > 1, leading to the promotion of Th17 differentiation, whereas IL-27 or IL-6+IL-27 induced p-STAT3/p-STAT1 ratios < 1, resulting in inhibition of Th17 differentiation. Consistent with these findings, we show that IL-27 induces sufficient p-STAT3 to promote Th17 differentiation in the absence of STAT1. Furthermore, IL-27-induced STAT1-deficient T cells were indistinguishable from bona fide highly proinflammatory Th17 cells because they induced severe experimental autoimmune encephalomyelitis upon adoptive transfer. Our results suggest that the ratio of p-STAT3/p-STAT1 induced by a cytokine or cytokine pairs can be used to predict whether they induce a competent Th17-differentiation program.