Résumé
Les systèmes acellulaires sont des plateformes synthétiques in vitro dérivées d'organismes vivants qui peuvent émuler un sous-ensemble de fonctions biologiques, en particulier la transcription et la traduction. Développés à l'origine comme outils de production de protéines, les systèmes acellulaires ont été reconvertis par les biologistes synthétiques pour implémenter divers dispositifs et systèmes biologiques. Ma thèse porte sur l'ingénierie de circuits biologiques synthétiques dans des systèmes biologiques acéllulaires pour la biodétection et la biocomputation. Dans la première partie de ma thèse, j'élargis la gamme de molécules détectables dans les systemes acellulaires en reconvertissant des éléments biologiques tels que des facteurs de transcription, des enzymes et des riborégulateurs en des détecteurs moléculaires efficaces et spécifiques. En particulier, je développe une plateforme de détection hautement modulaire utilisant le peroxyde d'hydrogène comme integrateur de signal. Peroxihub utilise des transducteurs enzymatiques produisant du H₂O₂ comme sous-produit de la transformation de métabolite cible, ce qui permet la construction rapide de biocapteurs détectant de nombreuses molécules cibles différentes. Tirant parti du potentiel des riborégulateurs conçus CAO (conception assisté par ordinateur), je développe ensuite plusieurs biocapteurs à ARN destinés à des applications spécifiques, notamment la reconnaissance d'espèces végétales et le diagnostic de maladies. Comme contribution finale au domaine de la biodétection, j'établis une nouvelle méthodologie pour utiliser efficacement l'ADN linéaire pour le criblage rapide de composants biologiques, avec des applications à l'ingénierie des biocapteurs. Dans la deuxième section de ma thèse, j'explore le potentiel des systèmes acellulaires pour la mise en œuvre de systèmes complexes de biocomputation. Dans un premier temps, les possibilités d'application de réseaux métaboliques acellulaires pour effectuer des calculs analogiques et neuronaux sont explorées par la construction et l'entraînement d'un perceptron métabolique qui effectue une classification binaire d'échantillons sur la base de leur composition en métabolites. Ensuite, inspiré par l'essor des sciences multiomiques, j'introduis le concept de circuits biologiques de calculs multimodaux, capables d'effectuer un traitement multiplexé de l'information en utilisant différents types d'entrées moléculaires (métabolites, acides nucléiques, protéines), le tout au sein d'un seul dispositif de biocomputation intégré. Dans ce contexte, je présente la base conceptuelle et expérimentale des calculs booléens, analogiques et neuronaux multimodaux. Une nouvelle méthodologie s'appuyant sur une boucle d'apprentissage actif est ensuite présentée pour permettre un entraînement expérimental du perceptron multimodal. Des jalons vers le développement de biocapteurs multimodaux pour le diagnostic médical sont également posés. Combinés ensemble, ces domaines peuvent donner naissance à une nouvelle génération de dispositifs de détection intégrés, avec des applications pour le diagnostic médical, la surveillance de l'environnement et les plates-formes intelligentes de bioproduction décentralisées.