Soutenance de thèse de AHMED SHARAF ABDELRAHMAN

L'adhésion membranaire est un outil que la cellule utilise pour interagir avec le milieu environnant. Les cellules adhèrent soit à d'autres cellules voisines dans l'adhésion cellule-cellule, soit à la matrice extracellulaire dans l'adhésion cellule-matrice. Dans ce travail, nous étudions différents aspects de l'adhésion cellulaire via des expériences sur des cellules vivantes ou des membranes modèles, afin de comprendre l'impact de la présentation des ligands, en particulier leur concentration, leur mobilité et leur distribution. Le premier objectif de ce travail est de fournir une compréhension physique de la dynamique de croissance des premiers stades de l'adhésion membranaire médiée par la cadhérine. Nous basons nos travaux sur des publications antérieures qui d'une part ont montré que la morphologie de la croissance des agrégats de cadhérine est régulée par de fins changements de fluctuations, et d'autre part, ont fourni un modèle pour extraire les paramètres moléculaires de la dynamique de croissance. Nous avons construit un système d'adhérence minimal composé de vésicules unilamellaires géantes décorées de cadhérine (GUV) et de bicouches lipidiques supportées (SLB) où la dynamique de croissance de la zone d'adhérence entre le GUV et le SLB pourrait être imagée à l'aide de la microscopie à contraste d'interférence de réflexion (RICM). La mobilité et la concentration de la cadhérine sur le SLB (désormais appelé ligand) pourraient être variées. Nous montrons que, comme prévu, l'état d'équilibre et la dynamique de l'adhérence sont fortement fonction de la concentration et de la mobilité des ligands, en ce sens qu'une mobilité plus rapide et une concentration plus élevée des ligands aident la dynamique de la croissance de l'adhérence à être plus rapide et la zone d'adhérence à l'équilibre qui en résulte être plus grand. Le deuxième objectif était de comprendre l'adhésion médiée par la cadhérine dans les cellules vivantes à la lumière de l'adhésion membranaire modèle discutée ci-dessus. Pour cela, nous avons utilisé des cellules PDAC qui pouvaient être modifiées pour exprimer un ou plusieurs types de cadhérines. Cependant, il s'est avéré qu'il est difficile d'amener ces cellules à adhérer spécifiquement via leur cadhérine à une surface fonctionnalisée, même si elles expriment des quantités détectables de cadhérine et adhèrent les unes aux autres. Le troisième objectif était d'étudier le rôle de la distribution des ligands sur le substrat dans l'adhésion des cellules vivantes pour lesquelles nous utilisons la structuration des protéines qui a récemment trouvé de nombreuses applications dans l'adhésion cellulaire. Pour cela, nous avons utilisé des cellules immunitaires à savoir des lymphocytes T adhérant via leurs récepteurs de cellules T (TCR). L'utilisation de la lithographie par faisceau d'électrons et de la fonctionnalisation de surface pour fabriquer des nano-modèles s'est avérée utile pour étudier les propriétés de la membrane cellulaire et du cytosquelette de cellules adhérentes. La régularité du motif fonctionnalisé permet une localisation précise du composant de motif, ce qui a permis d'utiliser un classificateur d'image basé sur un algorithme d'apprentissage en profondeur pour classer différentes caractéristiques souscellulaires dans la membrane des cellules T et le réseau d'actine qui co-localisent avec le composant de motif. Les fonctionnalités qui sont invisibles à l'œil humain même après l'application des pipelines de traitement d'image traditionnels deviennent accessibles. La capacité du classificateur d'image à classer les régions de la membrane et du cytosquelette localement impactées par les points fonctionnalisés par le motif avec une précision supérieure à la classification aléatoire, peut être considérée comme une indication que la membrane et le cytosquelette sont localement impactés par chaque motif de points.

Membrane adhesion is a tool which the cell uses to interact with the surrounding environment. Cells adhere either to other neighboring cells in cell-cell adhesion, or to the extracellular matrix in cell-matrix adhesion. In this work we study different aspects of cell adhesion via experiments on living cells or model membranes, in order to understand the impact of ligand presentation, specifically, their concentration, mobility and distribution. The first aim of this work is to provide a physical understanding of the growth dynamics of the early stages of cadherin mediated membrane adhesion. We base our work on previous publications which on one hand showed that morphology of growth of cadherin aggregates are regulated by fine changes in fluctuations, and on the other hand, provided a model to extract molecular parameters from growth dynamics. We built a minimal adhesion system consisting of cadherin decorated giant unilamellar vesicles (GUVs) and supported lipid bilayers (SLBs) where the growth dynamics of the adhesion zone between the GUV and the SLB could be imaged using Reflection Interference Contrast Microscopy (RICM). The mobility and concentration of the cadherin on the SLB (henceforth called ligand) could be varied. We show that as expected, the adhesion equilibrium state and dynamics are a strong function of ligand concentration and mobility, in the sense that faster mobility and higher concentration of the ligands help the dynamics of the adhesion growth to be faster and the resulted equilibrium adhesion zone to be bigger. The second aim was to understand cadherin mediated adhesion in living cells in light of model membrane adhesion discussed above. For that purpose, we used PDAC cells that could be modified to express one or more types of cadherins. However, it turned out that it is difficult to induce these cells to specifically adhere via their cadherin to a functionalized surface, even though they do express detectable amounts of cadherin and adhere to each other. The third aim was to study the role of ligand distribution on the substrate in adhesion of living cells for which we use protein patterning that recently got many applications in cell adhesion. For that purpose, we used immune cells namely T lymphocytes adhering via their T cell receptors (TCR). Using electron-beam lithography and surface functionalization to fabricate nano patterns proved to be useful in studying the cell membrane and cytoskeleton properties of cells. The regularity of the functionalized pattern allows for accurate localization of pattern component which made it possible to employ an image classifier based on a deep-learning algorithm to classify different subcellular features in T cells membrane and actin network that co-localize with the pattern component. Features that are invisible to the human eye even after applying traditional image processing pipelines become accessible. The ability of the image classifier to classify the membrane and cytoskeleton regions locally impacted by the pattern functionalized dots with an accuracy exceeds the random classification, can be seen as an indication that both the membrane and the cytoskeleton are locally impacted by each pattern dots.