L’arrêt de l’expérimentation animale pour l’évaluation de la sécurité des ingrédients cosmétiques nécessite le développement d’approches alternatives pour l’évaluation de la sécurité. Dans ce contexte, la génération de données -omiques sur des systèmes in vitro et leur analyse semblent être des approches particulièrement pertinentes pour étudier les perturbations potentielles d’un large panel de processus biologiques. Parmi ces processus, le métabolisme est particulièrement concerné par les phénomènes de toxicité suite à l’exposition à différents composés pharmaceutiques, industriels ou alimentaires. Cependant, l’impact de ces composés sur le métabolisme cellulaire n’est pas systématiquement étudié ou seulement de manière indirecte. L’étude de la réponse du métabolisme cellulaire à l’exposition à ces composés peut être réalisée grâce à des méthodes de modélisation globale du réseau métabolique à l’échelle du génome. Certaines de ces méthodes basées sur des approches de modélisation sous-contraintes, permettent de reconstruire le sous-réseau métabolique représentatif d’une condition biologique en intégrant des données transcriptomiques. Cependant, la complexité du réseau métabolique global face au nombre souvent plus limité de données expérimentales conduit à l’existence d’une multitude de sous-réseaux métaboliques possibles pour représenter une condition biologique, qui peuvent être obtenus par des approches d’énumération. L’analyse de cette très grande quantité de sous-réseaux ainsi que les coûts computationnels de ces approches d’énumération représentent encore à l’heure actuelle des défis qui nécessitent le développement de nouvelles méthodes d’analyse. Ces travaux de thèse ont pour objectif d’apporter une réponse à ces limites en proposant une stratégie permettant de modéliser le métabolisme cellulaire de cellules exposés à un xénobiotique à partir de données transcriptomiques par modélisation sous-contraintes avec énumération couplée à une analyse mécanistique basée sur le calcul de fréquences d’activation et d’analyse de graphes métaboliques. La première partie de cette stratégie a été appliquée à 8 molécules connues pour leurs capacités à induire des phénomènes hépatotoxiques. Cette première étape a permis d’identifier des réactions différentiellement activées (DARs) pour chacune des molécules testées que nous avons pu replacer dans le contexte des voies métaboliques. Afin de proposer une interprétation plus précise de ces réactions potentiellement modulées, nous avons développé une analyse basée sur le calcul de distances métaboliques : le principe de cette analyse est d’identifier des ensembles de DARs proches dans le réseau et d’extraire les sous-réseaux minimaux correspondant à ces ensembles. Cette deuxième partie de la stratégie a été appliquée sur 2 des 8 molécules (acide valproïque et amiodarone), ce qui nous a permis de montrer que cette stratégie était capable de proposer des mécanismes d’action métaboliques pertinents et décrits dans la littérature. En conclusion, la stratégie développée par la combinaison de différentes approches de modélisation du métabolisme, permet d’analyser plus finement l’effet métabolique induit par des composés chimiques et de proposer des hypothèses quant aux possibles mécanismes d’action, apportant ainsi des éléments de réponse aux limites identifiées dans la littérature. |
The discontinuation of animal testing for the safety assessment of cosmetic ingredients calls for the development of alternative approaches for safety evaluation. In this context, the generation of -omics data on in vitro systems and their analysis are relevant approaches for studying potential disruptions to a wide range of biological processes. Among these processes, metabolism is particularly concerned with the occurrence of toxicity following exposure to xenobiotics. However, the impact of these compounds on cellular metabolism is not systematically studied, or only indirectly. The study of the response of cellular metabolism to exposure to these compounds can be carried out using modelling methods on genome-scale metabolic networks. Some of these methods, based on constraint-based modelling approaches, can reconstruct the metabolic sub-network that is representative of a biological condition by integrating transcriptomic data. However, the complexity of the global metabolic network compared to the often limited amount of experimental data leads to the existence of a many possible metabolic sub-networks representing a biological condition. Interestingly, enumeration approaches are able to find a set of subnetworks, on the order of thousands subnetworks, for each of the modelled conditions. The analysis of this very large number of subnetworks, as well as the computational costs of these enumeration approaches, still represent challenges that require the development of new analysis methods. The aim of this thesis work is to provide an answer to these limitations by proposing a strategy for modelling the cellular metabolism of cells exposed to a xenobiotic from transcriptomic data using constraint-based modelling with enumeration, coupled with mechanistic analysis based on the calculation of activation frequencies and metabolic graph analysis. The first part of this strategy was applied to 8 molecules known to induce hepatotoxicity. This first step allowed us to identify differentially activated reactions (DARs) for each of the tested molecules, on which we performed over-representation analyses. In order to propose a more precise interpretation of these potentially modulated reactions, we developed an analysis based on the calculation of metabolic distances. The principle of this analysis is to identify sets of DARs close in the network and extract the minimal sub-networks corresponding to these sets. The second part of the strategy was applied to 2 of the 8 molecules (valproic acid and amiodarone), enabling us to show that this strategy was capable of proposing relevant metabolic mechanisms of action described in the literature. In conclusion, the strategy developed by combining different metabolic modelling approaches helps to analyze in greater detail the metabolic effect induced by xenobiotics, and to propose hypotheses as to possible mechanisms of action, thus providing some answers to the limitations identified in the literature. |