Anne Goelzer
english version

Contact - CV - Publications - Logiciels - Animation - Thèse



Coordonnées
Institut National de la Recherche Agronomique
Unité MaIAGE - Mathématique, Informatique Appliquées du Génome à l'Environnement Mail : anne.goelzer 'at' inra.fr
Domaine de Vilvert, Bâtiment 210 Tel : +33(0)1.34.65.28.79
78350 Jouy en Josas Fax : +33(0)1.34.65.29.01



CV
Formation:
Expérience professionelle:
Compétences:


Publications
Articles de journaux:
  1. A. Goelzer, V. Fromion. RBA for eukaryotic cells: foundations and theoretical developments. BioRxiv, (2019).

  2. A. Bulovic, S. Fischer, M. Dinh, F. Golib, W. Liebermeister, C. Poirier, L. Tournier, E. Klipp, V. Fromion, A. Goelzer. Automated generation of bacterial resource allocation models. Metabolic Engineering, 55:12-22, (2019).

  3. V.J. Henry, A. Goelzer, A. Ferré, S. Fischer, M. Dinh, V. Loux, C. Froidevaux, V. Fromion. The bacterial interlocked process ONtology (BiPON): a systemic multi-scale unified representation of biological processes in prokaryotes. Journal of Biomedical Semantics, 8:53 (2017).

  4. A. Goelzer, V. Fromion. Resource allocation in living organisms. Biochemical Society Transactions, BST20160436 (2017).

  5. L. Tournier, A. Goelzer, V. Fromion. Optimal resource allocation enables mathematical exploration of microbial metabolic configurations. Journal of Mathematical Biology, 75(6-7):1349-1380 (2017).

  6. A. Kalantari, T. Chen, B. Ji, I. Stancik, V. Ravikumar, D. Franjevic, C. Saulou-Berion, A. Goelzer, I. Mijakovic. Conversion of glycerol to 3-hydroxypropanoic acid by genetically engineered Bacillus subtilis. Frontiers in Microbiology, 8:638 (2017).

  7. O. Borkowski, A. Goelzer, M. Schaffer, U. Mäder, S. Aymerich, M. Jules, V. Fromion. Translation elicits a growth-rate dependent and genome-wide, differential production of proteins in Bacillus subtilis. Molecular Systems Biology, 12(5):870 (2016).

  8. J. Faria, R. Overbeek, R. Taylor, N. Conrad, V. Vonstein, A. Goelzer, V. Fromion, M. Rocha, I. Rocha, and C. Henry. Reconstruction of the regulatory network for Bacillus subtilis and reconciliation with gene expression data. Frontiers in Microbiology, 7 (2016).

  9. A. Goelzer, J. Muntel, V. Chubukov, M. Jules, E. Prestel, R. Nolker, M. Mariadassou, S. Aymerich, M. Hecker, P. Noirot, D. Becher, V. Fromion. Quantitative prediction of genome-wide resource allocation in bacteria.. Metabolic Engineering , 32: 232-243 (2015).

  10. J. Muntel, V. Fromion, A. Goelzer, A. Maass, U. Mader, K. Buttner, M. Hecker, D. Becher. Comprehensive absolute quantification of the cytosolic proteome of Bacillus subtilis by multiplexed LC/MS (LC/MSE). Molecular and Cellular Proteomics, 13(4):1008-1019 (2014).

  11. L. Aichaoui, M. Jules, L. Le Chat, S. Aymerish, V. Fromion, A. Goelzer. BasyLiCA: a tool for automatic processing of a Bacterial Live Cell Array. Bioinformatics, 28(20): 2705-2706 (2012).

  12. M. Celton, I. Sanchez, A. Goelzer, V. Fromion, C. Camarasa, S. Dequin. A comparative transcriptomic, fluxomic and metabolomic analysis of the response of Saccharomyces cerevisiae to increases in NADPH oxidation. BMC Genomics, 13(1):317 (2012).

  13. M. Celton, A. Goelzer, C. Camarasa, V. Fromion, S. Dequin. A constraint-based model analysis of the metabolic consequences of increased NADPH oxidation in Saccharomyces cerevisiae. Metabolic Engineering, 14(4):366-379 (2012).

  14. Buescher JM, Liebermeister W, Jules M, Uhr M, Muntel J, Botella E, Hessling B, Kleijn RJ, Le Chat L, Lecointe F, Mäder U, Nicolas P, Piersma S, Rügheimer F, Becher D, Bessières P, Bidnenko E, Denham EL, Dervyn E, Devine KM, Doherty G, Drulhe S, Felicori L, Fogg MJ, Goelzer A, Hansen A, Harwood CR, Hecker M, Hubner S, Hultschig C, Jarmer H, Klipp E, Leduc A, Lewis P, Molina F, Noirot P, Peres S, Pigeonneau N, Pohl S, Rasmussen S, Rinn B, Schaffer M, Schnidder J, Schwikowski B, Van Dijl JM, Veiga P, Walsh S, Wilkinson AJ, Stelling J, Aymerich S, Sauer U. Global network reorganization during dynamic adaptations of Bacillus subtilis metabolism. Science, 335(6072):1099-1103 (2012).

  15. Nicolas P, Mäder U, Dervyn E, Rochat T, Leduc A, Pigeonneau N, Bidnenko E, Marchadier E, Hoebeke M, Aymerich S, Becher D, Bisicchia P, Botella E, Delumeau O, Doherty G, Denham EL, Fogg MJ, Fromion V, Goelzer A, Hansen A, Härtig E, Harwood CR, Homuth G, Jarmer H, Jules M, Klipp E, Le Chat L, Lecointe F, Lewis P, Liebermeister W, March A, Mars RA, Nannapaneni P, Noone D, Pohl S, Rinn B, Rügheimer F, Sappa PK, Samson F, Schaffer M, Schwikowski B, Steil L, Stülke J, Wiegert T, Devine KM, Wilkinson AJ, van Dijl JM, Hecker M, Völker U, Bessières P, Noirot P. Condition-dependent transcriptome reveals high-level regulatory architecture in Bacillus subtilis. Science, 335(6072):1103-1106 (2012).

  16. A. Goelzer, V. Fromion, G. Scorletti. Cell design in bacteria as a convex optimization problem. Automatica, 47(6):1210-1218 (2011).

  17. A. Goelzer, V. Fromion. Bacterial growth rate reflects a bottleneck in resource allocation. BBA General Subjects, 1810(10):978-88 (2011).

  18. A. Goelzer, B. Charnomordic, S. Colombié, V. Fromion, J.M. Sablayrolles. Simulation and optimization software for alcoholic fermentation in winemaking conditions. Food Control, 20(7), pp 635-642 (2009).

  19. A. Goelzer, F. Bekkal Brikci, I. Martin-Verstraete, P. Noirot, P. Bessières, S. Aymerich, V. Fromion. Reconstruction and analysis of the genetic and metabolic regulatory networks of the central metabolism of Bacillus subtilis. BMC Systems Biology, 2:20 (2008).

  20. A. Goelzer, Émergence de structures modulaires dans les régulations des systèmes biologiques: théorie et applications à Bacillus subtilis. PhD Thesis, Ecole Centrale de Lyon (2010).

Articles de conférence avec comité de lecture:
  1. G. Jeanne, A. Goelzer, S. Tebbani, V. Fromion, D. Dumur. Towards a realistic and integrated strain design in batch bioreactor. In Proceedings of the 57th IEEE Conference on Decision and Control, pages 2698-2703, Miami, USA, 2018.

  2. G. Jeanne, S. Tebbani, D. Dumur, A. Goelzer, V. Fromion. Integration of protein dynamics in batch bioprocess optimization. In Proceedings of the 37th Benelux Meeting on Systems and Control, Soesterberg, Netherlands, 2018.

  3. G. Jeanne, A. Goelzer, S. Tebbani, V. Fromion, D. Dumur. Dynamical resource allocation models for bioreactor optimization. In Foundations of Systems Biology in Engineering (FOSBE). Chicago, USA, 2018.

  4. V. Henry, F. Sais, E. Marchadier, J. Dibie, A. Goelzer, V. Fromion. BiPOm: Biological interlocked Process Ontology for metabolism. How to infer molecule knowledge from biological process? International Conference on Biomedical Ontology, Newcastle, United Kingdom, 2017.

  5. G. Jeanne, S. Tebbani, A. Goelzer, V. Fromion, D. Dumur. Optimization of a micro-organisms culture in a fedbatch bioreactor using an intracellular model. Mediterranean Conference on Control and Automation, Valletta, Malta, 2017.

  6. G. Jeanne, S. Tebbani, A. Goelzer, V. Fromion, D. Dumur. Modelling and Optimization of Metabolic Pathways in Bacteria. International Conference on System Theory, Control and Computing. Sinaia, Roumanie, 2016.

  7. V. Henry, A. Ferré, C. Froidevaux, A. Goelzer, V. Fromion, S. Cohen-Boulakia, S. Dérozier, M. Dinh, G. Fiévet, S. Fischer, J.-F Gibrat, V. Loux, S. Peres. Représentation systémique multi-échelle des processus biologiques de la bactérie. Ingénierie des connaissances, Montpellier, 2016.

  8. N. Meslem, V. Fromion, A. Goelzer, L. Tournier. Stability Analysis for Bacterial Linear Metabolic Pathways with Monotone Control System Theory. ICINCO, Portugal (2010).

  9. A. Goelzer, V. Fromion, G. Scorletti. Cell design in bacteria as a convex optimization problem. 48th IEEE Conference on Decision and Control, China (2009).

Chapitres de livre :
  1. A. Goelzer, V. Fromion. Towards the modular decomposition of the metabolic network. in System Theoretic Approach to Systems and Synthetic Biology , Ed. V. Kulkarni, G-B. Stan, and K. Raman, Springer Verlag, pp.121-152 (2014).

  2. S. Aymerich,A. Goelzer, V. Fromion. Transcriptional controls of the central carbon metabolism in Bacillus subtilis. in Global Regulatory Networks in Bacillus subtilis, Ed. Y. Fujita, pp.39-73 (2007).

Conférences internationales (présentation orale):


Logiciels


Animation


Thèse
Résumé: Cette thèse consiste à étudier l'organisation du système de contrôle des voies métaboliques des bactéries afin de dégager des propriétés systémiques révélant son fonctionnement. Dans un premier temps, nous montrons que le contrôle des voies métaboliques est hautement structuré et peut se décomposer en modules fortement découplés en régime stationnaire. Ces modules possèdent des propriétés mathématiques remarquables ayant des conséquences importantes en biologie. Cette décomposition, basée intrinsèquement sur la vision système de l'Automatique, offre un cadre théorique formel général d'analyse du contrôle des voies métaboliques qui s'est révélé effectif pour analyser des données expérimentales.
Dans un deuxième temps, nous nous intéressons aux raisons possibles de l'émergence de cette structure de contrôle modulaire. Nous identifions un ensemble de contraintes structurelles agissant au niveau de la répartition d'une ressource commune, les protéines, entre les processus cellulaires. Respecter ces contraintes pour un taux de croissance donné conduit à formaliser et résoudre un problème d'optimisation convexe non différentiable, que nous appelons Resource Balance Analysis. Ce problème d'optimisation se résout numériquement à l'échelle de la bactérie grâce à un problème de Programmation Linéaire équivalent. Plusieurs propriétés sont déduites de l'analyse théorique du critère obtenu. Tout d'abord, le taux de croissance est structurellement limité par la répartition d'une quantité finie de protéines entre les voies métaboliques et les ribosomes. Ensuite, l'émergence des modules dans les voies métaboliques provient d'une politique générale d'économie en protéines chez la bactérie pour gagner du taux de croissance. Certaines stratégies de transport bien connues comme la répression catabolique ou la substitution de transporteurs haute/basse affinité sont prédites par notre méthode et peuvent alors être interprétées comme le moyen de maximiser la croissance tout en minimisant l'investissement en protéines.

Téléchargement de la thèse :