Arnaud Bonnaffoux

Soutenance de thèse

Inférence de réseaux de régulation de gènes à partir de données dynamiques multi-échelles

Vendredi 12 octobre 2018, à 14h à l’ENS de Lyon site Monod (salle de réunion M6).

Le jury sera composé de :

DUPONT Geneviève, Université libre de Bruxelles
SIEGEL Anne, IRIS
BATT Gregory, Institut Pasteur
GROS Pierre-Alexis, Comostech
GANDRILLON Olivier, LBMC ENS de Lyon

Résumé :
L’inférence des réseaux de régulation de gènes (RRG) à partir de données d’expression est un défi majeur en biologie. L’arrivée des technologies de mesure de transcriptomique à l’échelle de la cellule a suscité de nombreux espoirs, mais paradoxalement elles montrent une nouvelle complexité du problème d’inférence des RRG qui limite encore les approches existantes.

Nous avons commencé par montrer, à partir de données d’expression en cellules uniques acquises sur un modèle aviaire de différenciation érythrocytaire, que les RRG sont des systèmes stochastiques à l’échelle de la cellule et qu’il y a une évolution dynamique de cette stochasticité au cours du processus de différenciation (Richard et al, PLOS Comp.Biol., 2016).
C’est pourquoi nous avons développé par la suite un modèle de RRG mécaniste qui inclus cette stochasticité afin d’exploiter au maximum l’information des données expérimentales à l’échelle de la cellule (Herbach et al, BMC Sys.Biol., 2017). Ce modèle décrit les interactions entre gènes comme un couplage de processus de Markov déterministes par morceaux. En régime stationnaire une formule explicite de la distribution jointe est dérivée du modèle et peut servir à inférer des réseaux simples.

Afin d’exploiter l’information dynamique et d’intégrer d’autres données expérimentales (protéomique, demi-vie des ARN), j’ai développé à partir du modèle précédent une approche itérative, intégrative et parallèle, baptisée WASABI qui est basé sur le concept de vague d’expression (Bonnaffoux et al, en révision, preprint BioRxiv 2018). Cette approche originale a été validée sur des modèles in-silico de RRG, puis sur nos données in-vitro. Les RRG inférés affichent une structure de réseau originale au regard de la littérature, avec un rôle central du stimulus et une topologie très distribuée et limitée. Les résultats montrent que WASABI surmonte certaines limitations des approches existantes et sera certainement utile pour aider les biologistes dans l’analyse et l’intégration de leurs données.

Les commentaires sont clos.