Modélisation prédictive de réseaux transcriptionnels à partir de données semi-quantitatives

 

Derek Ruths

Université McGill

 

Domaine : techniques, mesures et système

Programme établissement de nouveaux chercheurs universitaires

Concours 2010-2011

Les progrès dans la compréhension des réseaux transcriptionnels (RT) soit le schéma global, à l'échelle du génome entier d'un organisme, des interactions entre gènes et entre produits de ces gènes, se traduisent par une caractérisation plus complète des systèmes cellulaires et par de nouveaux traitements de certaines pathologies. Comme le travail de laboratoire nécessite beaucoup de ressources et de temps, et vu la complexité des systèmes biologiques, les chercheurs dépendent de plus en plus de la modélisation informatique et mathématique prédictive des RT. L'emploi de tels modèles permet d'acquérir des connaissances utiles pour définir l'orientation à prendre dans les expériences futures. Toutefois, la qualité et la quantité des données disponibles actuellement sont insuffisantes pour permettre aux biologistes d'utiliser des approches existantes afin de modéliser des RT.

Nous proposons ici de pallier ce problème en développant une méthode informatique capable de générer des modèles prédictifs pour les RT grâce aux données biologiques facilement accessibles. Contrairement aux approches existantes qui requièrent des mesures quantitatives issues de données expérimentales, nous nous concentrons sur la potentialisation de données comme la connectivité du réseau, les tendances observées dans les expériences à haut débit (plutôt que les nombres exacts dérivés de celles-ci). Bien que ces données semi-quantitatives soient moins précises que celles issues d'autres sources mieux contrôlées, elles sont plus faciles à produire et plus largement disponibles. Notre méthode permettra donc aux chercheurs de construire et d'utiliser des modèles de RT.