Circuits cybergénétiques pour tester la composabilité des réseaux génétiques – CyberCircuits

Pour créer des circuits synthétiques hybrides dans lesquels une partie du circuit est sous la forme d’une simulation informatique, des outils provenant de différentes disciplines sont nécessaires.

Biologie expérimentale:
Les circuits sont assemblés via des techniques de clonage et contiennent des composants optogénétiques permettant de contrôler l’activité des circuits dans les cellules à l’aide de signaux lumineux.

Plateformes de microscopie:
Pour interagir avec les parties biologiques des circuits, nous utilisons des plateformes de microscopie équipées de dispositifs à micro-miroirs numériques permettant de cibler des cellules individuelles avec un signal lumineux. Pour coupler cellules et ordinateurs en temps réel, nous utilisons l'analyse d'image basée sur U-net afin de segmenter et suivre des cellules sur des puces microfluidiques.

Mathématiques et informatiques:
Pour interagir avec les parties virtuelles des circuits, ayant la forme d’algorithmes informatiques, nous avons besoin de modèles stochastiques détaillés (chaînes de Markov à temps continu). Pour calculer efficacement avec de tels modèles, nous avons besoin d'approches rapides pour estimer la solution d'équation chimique.
Pour construire ces modèles nous avons besoin de méthodes permettant d’estimer des paramètres à partir de données issues de l’observation de cellules uniques par microscopie. Les méthodes d'inférence bayésienne peuvent être utilisées à cette fin. Néanmoins, ces méthodes doivent être suffisamment efficaces pour estimer la vraisemblance de chaîne de Markov à temps continu.

Nous avons construit une collection de « repressilators », des circuits synthétiques composés de 3 répresseurs, dans laquelle l'un des 3 promoteurs a été remplacé par un promoteur optogénétique et l'un des 3 répresseurs par un gène rapporteur codant pour une protéine fluorescente. Cette collection nous a fourni de nombreux composants de circuits biologiques en grand nombre qui pourront être utilisés pour le développement de circuits cybergénétiques.

Nous avons développé une plate-forme de microscopie à l'Institut Pasteur qui utilise l'optogénétique pour cibler des cellules individuelles afin de coupler l’expression génétique dans les cellules de levure à des ordinateurs en temps réel. Nous avons développé un logiciel dédié au fonctionnement de cette plate-forme: MicroMator. C’est un environnement qui étend le logiciel de contrôle de microscopie MicroManager et permet à l'utilisateur d'effectuer une expérience de microscopie réactive dans laquelle le plan expérimental n'a pas besoin d'être pré-spécifié mais peut être mis à jour en réponse aux données entrantes.

Nous avons développé un cadre de modélisation mathématique et un outil codé en Python pour calculer avec des modèles stochastiques de processus biochimiques. Le solveur Flips se rapproche de l'équation principale chimique, couplée à des processus au niveau de la population tels que la croissance ou la sélection, avec une équation de Fokker-Planck et incorpore un schéma numérique pour résoudre les équations différentielles partielles résultantes. Le logiciel est disponible sur gitlab.inria.fr/dlunz/flips.

Nous avons fait des progrès significatifs sur la mise en place de plateformes et le développement de méthodes mathématiques. Nous disposons désormais de tous les outils pour réaliser des circuits bio-digital hybrides applicable aux bactéries et aux levures. Nos futurs efforts seront donc centrés sur l'amélioration des composants de nos circuits biologiques et du couplage entre les travaux expérimentaux et méthodologiques pour atteindre les objectifs du projet.

J Ruess, M Pleška, CC Guet, G Tkacik, Molecular noise of innate immunity shapes bacteria-phage ecologies, PLoS Computational Biology 15 (7), e1007168, 2019. doi.org/10.1371/journal.pcbi.1007168

D Lunz, G Batt, J Ruess, To isolate or not to isolate: a theoretical framework for disease control via contact tracing, medRxiv, 2020. doi.org/10.1101/2020.05.26.20113340

D Lunz, G Batt, J Ruess, JF Bonnans, Beyond the chemical master equation: stochastic chemical kinetics coupled with auxiliary processes, HAL-Inria, 2020. hal.inria.fr/hal-02991103

D Lunz, On continuum approximations of continuous-time discrete-state stochastic processes of large system size, HAL-Inria, 2020. hal.inria.fr/hal-02560743

ZR Fox, S Fletcher, A Fraisse, C Aditya, S Sosa-Carrillo, S Gilles, F Bertaux, J Ruess, G Batt, MicroMator: Open and Flexible Software for Reactive Microscopy, bioRxiv, 2021.
doi.org/10.1101/2021.03.12.435206

Une propriété fondamentale des systèmes construits par l’homme est leur composabilité: le comportement d’un système complexe est prédictible à partir des propriétés des sous-systèmes qui le constitue et de leurs interconnections. Est-ce que les réseaux de régulations géniques présentent cette propriété ? C’est une question aujourd’hui encore ouverte qui est pourtant d’un intérêt fondamental pour comprendre le comportement de ces réseaux, fruits de l’évolution, ainsi que pour en concevoir et construire de nouveaux.

Nous avons récemment développé une plateforme expérimentale unique qui permet le suivi par microscopie de fluorescence de centaines de cellules bactériennes placées dans un environnement précisément contrôlé par microfluidique, l’analyse en temps réel de ces données d’observation, et la stimulations optogénétique de cellules individuelles. Cette plateforme nous offre des capacités inégalées de perturber, observer et contrôler des réseaux génétiques dans des cellules isolées, d’étudier la dynamique stochastique de la régulation génique, et plus important encore, d’implémenter des communications entre ordinateur et cellules individuelles. Nous pouvons donc construire des circuits bio-digitaux hybrides dans lesquels une partie du réseau génétique est implémentée dans une cellule tandis que l’autre n’existe que virtuellement dans un ordinateur sous la forme d’un modèle numérique.

Dans ce projet, nous allons exploiter cette capacité technologique nouvelle pour résoudre ou contourner ce qui est probablement le problème le plus fondamental en biologie quantitative : notre incapacité à comprendre, voire simplement à prédire, la dynamique de processus biochimiques non-triviaux dans des cellules, et en conséquence notre incapacité à concevoir de façon rationnelle des réseaux synthétiques complexes répondant de façon fiable à des spécifications quantitatives. Nous avons donc deux objectifs principaux dans ce projet : construire des modèles prédisant et expliquant mieux comment les circuits génétiques fonctionnent in vivo et concevoir et construire des circuits fonctionnant in vivo comme spécifié initialement.