Liaison avec le programme
On se situe dans le thème 3-A-3 du programme de Terminale S : Le phénotype immunitaire au cours de la vie.
Les élèves auront préalablement étudié les événements caractéristiques de l’immunité adaptative. La rencontre entre un antigène et les cellules de l’immunité adaptative qui lui sont spécifiques déclenche la sélection clonale, l’amplification clonale et la différenciation en cellules effectrices.
Extrait programme (BO)
| Connaissances | Capacités, attitudes |
|---|---|
| Une fois formés, certains effecteurs de l’immunité adaptative sont conservés grâce à des cellules-mémoires à longue durée de vie. Cette mémoire immunitaire permet une réponse secondaire à l’antigène plus rapide et quantitativement plus importante qui assure une protection de l’organisme vis-à-vis de cet antigène. La vaccination déclenche une telle mémorisation. L’injection de produits immunogènes mais non pathogènes (particules virales, virus atténués, etc.) provoque la formation d’un pool de cellules mémoires dirigées contre l’agent d’une maladie. L’adjuvant du vaccin déclenche la réaction innée indispensable à l’installation de la réaction adaptative. Le phénotype immunitaire d’un individu se forme au gré des expositions aux antigènes et permet son adaptation à l’environnement. La vaccination permet d’agir sur ce phénomène. La production aléatoire de lymphocytes naïfs est continue tout au long de la vie mais, au fil du temps, le pool des lymphocytes mémoires augmente. |
Recenser, extraire et exploiter des informations sur la composition d’un vaccin et sur son mode d’emploi. |
Mise en situation et recherche à mener
Activité
MATÉRIEL ET RESSOURCES
| Le réel : faits expérimentaux |
|
|---|---|
| Schéma exprimant l’hypothèse avancée par le premier étudiant |
|
| Schéma exprimant l’hypothèse avancée par le second étudiant |
|
| Matériel | - Toute donnée relative aux organes, tissus, cellules ou molécules du système immunitaire d’un individu.
 Logiciel NetBioDyn de simulation/modélisation
Modèle numérique modifiable de suivi des effectifs de cellules et molécules lors d’une première injection de globules rouges de mouton à une souris. |
DÉROULEMENT DE L’ACTIVITÉ
1. Concevoir une stratégie pour résoudre une situation problème
Proposer une stratégie de résolution réaliste permettant de déterminer quel étudiant a raison.
UN EXEMPLE DE PROPOSITION :
— > Modifier le modèle numérique proposé en l’adaptant aux hypothèses proposées par chaque étudiant ;
— > Faire tourner les deux modèles ainsi obtenus ;
— > Comparer les résultats de chacune des deux simulations aux variations réelles des quantités d’anticorps mesurées lors de la deuxième rencontre avec l’antigène ;
— > L’hypothèse à retenir sera celle associée à la simulation dont les résultats sont semblables aux variations effectivement mesurées.
2. Mettre en œuvre un protocole de résolution pour obtenir des résultats exploitables
Mettre en œuvre le protocole de construction et de test de deux modèles numériques de réponse à deux injections du même antigène afin de déterminer quel étudiant a raison.
| Ressource supplémentaire | Entités et comportements paramétrés dans le modèle « souris1injGRM.nbd »
|
|---|---|
| Matériel | - Logiciel NetBioDyn et fiches techniques pour construire un modèle ou utiliser un modèle
|
| Protocole | - Construire, à partir du pré modèle "souris1injGRM.nbd", un modèle incluant la réponse à une deuxième injection de GRM selon l’hypothèse du premier étudiant. Faire fonctionner ce modèle en simulant les deux injections et comparer aux variations réelles de la quantité d’anticorps anti-GRM (données expérimentales). - Construire, à partir du pré modèle "souris1injGRM.nbd", un modèle incluant la réponse à une deuxième injection de GRM selon l’hypothèse du second étudiant. Faire fonctionner ce modèle en simulant les deux injections et comparer aux variations réelles de la quantité d’anticorps (données expérimentales) |
Autour de l’hypothèse proposée par le premier étudiant
Le schéma exprimant l’hypothèse avancée par le premier étudiant postule que les plasmocytes ont une longue durée de vie : il faut donc choisir "0" au lieu de "90" comme demi-vie de l’entité "plasmocyte", dans le menu définissant les entités. On doit également paramétrer la deuxième injection de GRM (= création de l’entité "GRMinj2") et l’activation des lymphocytes B spécifiques lors de la 2ème injection de GRM :
| Entités à déclarer | Comportement à ajouter |
|---|---|
| GRMinj2 (= GRM introduits lors de la deuxième injection) Demi-vie = 100 |
LBspé+ GRMinj2 —> LBa + GRMinj2 Probabilité de cet événement = 0,04 |
Il reste à intégrer ces modifications dans le pré modèle, en utilisant le didacticiel du logiciel NetBioDyn en mode construction de modèle.
- Le pré modèle, à modifier
Voici une illustration des opérations à réaliser :
déclaration de l’entité "GRMinj2" :
- Ajout d’une entité
modification de la demi-vie de l’entité "plasmocyte" :
- Modification d’une caractéristique d’une entité
création du comportement d’activation des lymphocytes B spécifiques lors de la deuxième injection de GRM :
- Ajout d’un comportement
- Paramétrage d’un comportement
- Choix des réactifs et des produits
Au terme de ces opérations, les élèves auront finalement créé un modèle numérique "hypoth1souris2injGRM.nbd".
- Modèle créé selon l’hypothèse du premier étudiant
La mise à l’épreuve du modèle numérique
Une simulation réalisée avec le modèle numérique, incluant une première injection de GRM à t=0 et une deuxième injection de GRM à t=30 jours donne les résultats suivants :
- Le modèle : variation calculée de la quantité d’anticorps anti-GRM à la suite de deux injections de GRM
Or les résultats expérimentaux sont les suivants :
- Le réel : variation mesurée de la quantité d’anticorps anti-GRM à la suite de deux injections de GRM
Autour de l’hypothèse proposée par le second étudiant
Le schéma exprimant l’hypothèse avancée par le second lycéen montre deux particularités, non prévues dans le pré modèle, qu’il faudra donc intégrer à la construction du modèle numérique :
(1) Il y a production de cellules mémoires à durée de vie longue lors de la première rencontre avec l’antigène.
(2) Les cellules mémoires formées lors de la première rencontre sont activées lors de la deuxième rencontre avec l’antigène. Elles se multiplient d’une part pour se différencier en cellules effectrices, d’autre part pour augmenter le pool de cellules mémoires.
Les modifications à apporter au pré modèle pour modéliser la deuxième injection de GRM selon l’hypothèse du second étudiant sont donc les suivantes :
| Entités à déclarer | Comportements à ajouter |
|---|---|
| LBmémoire ; Demi-vie = infinie (« 0 ») GRMinj2 (= GRM introduits lors de la deuxième injection) ; Demi-vie = 100 |
- Production de lymphocytes B mémoires lors de la 1ère injection de GRM : LBa —> LB mémoire + LB mémoire + LB mémoire + LB mémoire + LBmémoire Probabilité de cet événement = 0,1 - Activation des lymphocytes B spécifiques lors de la 2ème injection de GRM : LBspé+ GRMinj2 —> LBa + GRMinj2 Probabilité de cet événement = 0,04 - Activation des lymphocytes B mémoires lors de la 2ème injection : LB mémoire + GRMinj2 —> LBa + GRMinj2 Probabilité de cet événement : 0,1 |
Il reste à intégrer ces modifications dans le pré modèle, en utilisant le didacticiel du logiciel NetBioDyn en mode construction de modèle.
Voici une illustration de quelques unes des opérations à réaliser :
déclaration de l’entité "LBmémoire" :
- Ajout d’une entité
déclaration du comportement de production des LB mémoires à partir des LB activés :
- Ajout d’un comportement
- Paramétrage d’un comportement
- Choix des réactifs et des produits
Au terme de l’ensemble des opérations prévues, les élèves auront finalement créé un modèle numérique "hypoth2souris2injGRM.nbd".
- Modèle créé selon l’hypothèse du second étudiant
La mise à l’épreuve du modèle numérique
Une simulation réalisée avec le modèle numérique, incluant une première injection de GRM à t=0 et une deuxième injection de GRM à t=30 jours donne les résultats suivants :
- Le modèle : variation calculée de la quantité d’anticorps anti-GRM à la suite de deux injections de GRM
Or les résultats expérimentaux sont les suivants :
- Le réel : variation mesurée de la quantité d’anticorps anti-GRM à la suite de deux injections de GRM
3. Présenter les résultats pour les communiquer
Sous la forme de votre choix présenter les données brutes et les traiter pour qu’elles apportent les informations nécessaires à la résolution du problème.
UNE COMMUNICATION POSSIBLE :
- Un exemple de communication techniquement correcte, bien renseignée, bien organisée (?)
4. Exploiter les résultats obtenus pour répondre au problème
Exploiter les résultats pour déterminer quel étudiant a raison
UNE REPONSE POSSIBLE :
On sait que la réponse secondaire à un même antigène est plus précoce, plus ample et plus durable que la réponse primaire.
On observe que la simulation numérique selon l’hypothèse du second étudiant montre une bonne adéquation entre la réponse secondaire calculée par le modèle et celle mesurée (= le réel). En revanche, la simulation numérique selon l’hypothèse du premier étudiant montre, par rapport à la réponse mesurée (= le réel) une trop grande durabilité de la réponse primaire et une amplitude insuffisante de la réponse secondaire.
On conclut que le second étudiant a raison.
Remarques et liens utiles
La conception puis la construction des modèles numériques étant chronophage, il peut être intéressant de répartir le travail entre différents groupes d’élèves : chaque groupe se consacre à une hypothèse, confectionne le modèle associé et le teste.
Variante : On peut aussi imaginer une version en "pédagogie inversée" de l’activité présentée dans cet article. Dans cas, on donne aux élèves le modèle "papier" des scientifiques (il s’agit bien sûr du schéma de l’hypothèse du second étudiant), le pré modèle et les données expérimentales. On demande alors aux élèves de conforter le modèle des scientifiques, selon une consigne du type : "démontrer à l’aide d’une modélisation numérique que les résultats expérimentaux plaident en faveur du modèle de mise en place d’une mémoire immunitaire proposé par les scientifiques" . Les élèves sont ainsi invités à construire à l’aide du modèle des scientifiques un modèle numérique incluant la modélisation de la réponse secondaire, puis à éprouver le modèle construit en le confrontant aux résultats expérimentaux.
Pour aller plus loin dans les mécanismes de la modélisation multi-agents opérée avec le logiciel : voir un article en ligne rédigé par Pascal BALLET, concepteur du logiciel NetBioDyn
Pour aller plus loin sur la notion de mémoire immunitaire : ressources du site ACCES
Auteur de cet article : Anne FLORIMOND, professeur de SVT au lycée RICHELIEU (Rueil-Malmaison), professeur associé aux travaux de l’Ifé (Equipe ACCES), et professeur formateur co-animant avec David Guillerme le stage "Modèles et modélisation en SVT " (PAF Versailles) .
Remerciements à Laurent Guerre pour sa relecture, son aide et les conseils apportés.
