⚠⚠⚠ Attention ⚠⚠⚠: Le dépôt institutionnel Papyrus sera indisponible le 2 décembre 2022 en raison de travaux majeurs d’électrification sur le campus. ⚠⚠⚠Please note ⚠⚠⚠: The Papyrus Institutional Repository will be unavailable on December 2, 2022 due to major electrification work on campus.

Afficher la notice

dc.contributor.advisorSerohijos, Adrian
dc.contributor.authorTon, Anh-Tien
dc.date.accessioned2019-07-09T16:43:38Z
dc.date.availableNO_RESTRICTIONfr
dc.date.available2019-07-09T16:43:38Z
dc.date.issued2019-03-07
dc.date.submitted2018-08
dc.identifier.urihttp://hdl.handle.net/1866/22277
dc.subjectRésistance aux antibiotiquesfr
dc.subjectÉvolutionfr
dc.subjectPaysage d'aptitudefr
dc.subjectModèle évolutiffr
dc.subjectBalayage mutationnel profondfr
dc.subjectCoût d’aptitudefr
dc.subjectAntibiotic resistancefr
dc.subjectEvolutionfr
dc.subjectFitness landscapefr
dc.subjectEvolutionary modelfr
dc.subjectDeep mutational scanningfr
dc.subjectFitness costfr
dc.subject.otherBiology - Bioinformatics / Biologie - Bio-informatique (UMI : 0715)fr
dc.titleA multiscale framework for microbial evolution to identify the emergence of antibiotic resistancefr
dc.typeThèse ou mémoire / Thesis or Dissertation
etd.degree.disciplineBio-informatiquefr
etd.degree.grantorUniversité de Montréalfr
etd.degree.levelMaîtrise / Master'sfr
etd.degree.nameM. Sc.fr
dcterms.abstractLa résistance aux antimicrobiens (pharmacorésistance) est une crise sanitaire qui menace nos moyens pour contrôler les infections bactériennes. Nos progrès dans la médecine dépendent de nos habiletés à combattre les infections avec des antibiotiques. Ainsi, il est nécessaire de comprendre le mécanisme entourant l’évolution de la résistance aux antibiotiques. Prédire les trajectoires évolutives de la pharmacorésistance demeure une tâche ardue et urgente. Actuellement, notre capacité à prédire les voies d’évolution bactérienne vers la pharmacorésistance est limitée. Il implique de combler plusieurs contraintes sur différents niveaux d’organisation biologique – des propriétés moléculaires des protéines, l’aptitude des organismes et à la dynamique des populations microbiennes. Dans ce mémoire, je développe un nouveau modèle multiscalaire pour l’évolution microbienne qui intègre principalement la génétique des populations avec la biophysique. Mon système modèle est la ß-lactamase qui concède une résistance contre une large gamme d’antibiotiques ß-lactamines. Tout d’abord, je détermine le paysage d’aptitude de la ß-lactamase en utilisant le balayage mutationnel profond (DMS), un nouvel outil pour tester expérimentalement l’aptitude d’environ 5000 variantes de la ß-lactamase. Ensuite j’intègre ces données expérimentales dans mon modèle computationnel d’évolution microbienne pour étudier les voies évolutives envers la pharmacorésistance. Dans le premier chapitre, je développe un modèle évolutionniste déterministe combinant la dynamique des populations et les effets biochimiques des mutations pour capturer les effets de la sélection purificatrice avec l’ampicilline. En raison des informations limitées qu’un modèle déterministe peut fournier, dans le deuxième chapitre, je bâtis sur le modèle initial en développant un modèle stochastique de l’évolution microbienne. Ce modèle mis à jour vise à déterminer les mutations qui pourraient être enrichies lors d’un traitement antibiotique. J’étudie également les régimes pour atténuer l’émergence de la résistance. Dans le troisième chapitre, je construis expérimentalement avec le DMS, le paysage d’aptitude de TEM-1 (Temoneira-1), une enzyme de la ß-lactamase pour déterminer son niveau de résistance et sa dépendance envers céfotaxime.fr
dcterms.abstractAntimicrobial resistance is an emerging health crisis that threatens our ability to control bacterial infections. Advances in medical treatments depend on the ability to fight infections with antibiotics. Thus, there is a need to understand the mechanism surrounding the evolution of antibiotic resistance. Predicting the evolutionary trajectories to drug resistance remains a daunting task and is urgently needed. Currently, our aptitude to predict pathways in bacterial evolution to drug resistance is limited. It entails bridging several constraints on various levels of biological organization—from molecular properties of proteins to organismal fitness, to microbial population dynamics. In this memoir, I develop a new multi-scale framework for microbial evolution that integrates principally population genetics with biophysics. My model system is beta-lactamase that provides broad-spectrum resistance against beta-lactam antibiotics. First, I determine the fitness landscape of ß‐lactamase using deep mutational scanning, a novel tool to experimentally assay the fitness of around 5000 variants of beta-lactamase. Then, I integrate this experimental fitness landscape data into my computational model of microbial evolution to study the evolutionary pathways to drug resistance. In the first chapter, I develop a deterministic evolutionary model combining population dynamics and the biochemical effects of mutations to capture the effects of purifying selection under selection with ampicillin. Due to the limited information that a deterministic model can provide, in the second chapter, I build upon the initial model to develop a stochastic model of microbial evolution. This updated model aims to determine mutations that might be enriched during antibiotic treatment. I investigate the landscape of fitness cost against resistance level. I also investigate drug regimens to alleviate the rise of resistance. In the third chapter, I experimentally determine with DMS the fitness landscape of TEM-1 (Temoneira-1), a ß-lactamase enzyme, to study its resistance level and its dose-dependence for cefotaxime.fr
dcterms.languageengfr
UdeM.ORCIDAuteurThese0000-0001-7418-6563fr


Fichier(s) constituant ce document

Vignette

Ce document figure dans la(les) collection(s) suivante(s)

Afficher la notice