L’identification précise de Réseaux de Régulation de Gènes (RRG) est encore aujourd’hui une question de grande importance pour la biologie des systèmes, puisqu’elle permettrait d’expliquer finement les phénomènes de prise de décision cellulaire. Des travaux menés précédemment dans notre équipe ont permis d'établir un algorithme itératif de reconstruction de RRGs. Cet algorithme a la particularité de ne pas proposer un ensemble de réseaux simulables au lieu d’un seul réseau candidat. Cette thèse propose une stratégie de sélection parmi un ensemble de RRGs par conception d’expériences de perturbation. Dans un premier temps, nous avons proposé une solution informatique pour le stockage et la manipulation des très grands jeux de données produits par la simulation des RRGs. Cette solution prend la forme de deux librairies Python pour optimiser l’empreinte mémoire de grandes matrices. Ensuite, nous avons défini une stratégie de sélection de réseaux par conception d'expériences. Une analyse topologique des réseaux candidats permet de choisir un petit nombre de perturbations qui seront ensuite simulées sur les RRGs afin de retenir la perturbation la plus discriminante. Enfin, nous avons élaboré un algorithme de contrôle de RRGs permettant de prédire la séquence de stimuli à appliquer pour le mener à un état cellulaire voulu et dont une preuve de concept a été faite.
Gratuit
Disciplines