Statistical inference of evolutionary paths
- 7 April 2026
- thesis
- Published by Agence Bibliographique de l'Enseignement Supérieur
Abstract
Inférence statistique des trajectoires évolutives: Le système immunitaire est un système complexe multi-échelles englobant de nombreux mécanismes qui assurent la protection contre les menaces pathogènes. Dans cette thèse, nous nous concentrons sur un sous-ensemble particulier du système immunitaire, le répertoire des lymphocytes B. Afin de s’adapter aux antigènes, les cellules B sont équipées de mécanismes de diversification somatique qui génèrent une grande diversité de récepteurs et permettent de les modifier lors d’un stimulus antigénique. La principale source de diversité est le processus de recombinaison V(D)J, dans lequel les gènes codant pour les récepteurs sont formés à partir de modèles encodés dans le génome. Une seconde modification des récepteurs a lieu au cours du processus de maturation de l’affinité, un processus darwinien dans lequel la diversité générée de manière stochastique est utilisée pour s’adapter aux changements environnementaux, dans ce contexte dû aux infections. Le travail présenté dans cette thèse est centré sur le développement de méthodes statistiques pour décrire le répertoire des cellules B en utilisant des ensembles de données de séquençage à haut débit. Nous montrons que la diversité du répertoire des cellules B permet d’identifier des lignées de cellules issues du même événement de recombinaison V(D)J et diversifiées lors de la maturation de l’affinité. Nous proposons une nouvelle méthode qui exploite les modèles probabilistes de recombinaison et incorpore le signal phylogénétique pour reconstruire les lignées avec une grande précision. L’identification des lignées est le fondement d’une approche phylogénétique qui nous permet de modéliser le processus de mutation et de quantifier la dépendance du taux de mutation à la position et au contexte de la séquence. Dans la deuxième partie de cette thèse, nous étudions le problème de l’inférence bayésienne dans le cas où la vraisemblance est compliquée à estimer. Nous introduisons un nouveau cadre pour l’inférence basée sur la simulation qui propose une interprétation en terme d’information mutuelle. Nous étudions la performance d’estimateurs alternatifs de l’information mutuelle pour estimer la fonction de probabilité a posteriori de trajectoires de processus stochastiques.Keywords
This publication has 176 references indexed in Scilit:
- Longitudinal Isolation of Potent Near-Germline SARS-CoV-2-Neutralizing Antibodies from COVID-19 PatientsCell, 2020
- Maturation Pathway from Germline to Broad HIV-1 Neutralizer of a CD4-Mimic AntibodyCell, 2016
- Immunization for HIV-1 Broadly Neutralizing Antibodies in Human Ig Knockin MiceCell, 2015
- Comparing Clusterings by the Variation of Information2003
- Resource Competition Determines Selection of B Cell RepertoiresJournal of Theoretical Biology, 2001
- Numerical Solution of Stochastic Differential Equations1992
- Asymptotic evaluation of certain markov process expectations for large time. IVCommunications on Pure and Applied Mathematics, 1983
- Evolutionary trees from DNA sequences: A maximum likelihood approachJournal of Molecular Evolution, 1981
- A simple method for estimating evolutionary rates of base substitutions through comparative studies of nucleotide sequencesJournal of Molecular Evolution, 1980
- Theoretical studies of clonal selection: Minimal antibody repertoire size and reliability of self-non-self discriminationJournal of Theoretical Biology, 1979