Modélisation statistique et formelle de la régulation de l'épissage alternatif

• Auteur / Autrice : Damien Eveillard
• Direction : Alexander Bockmayr, Christiane Branlant
• Type : Thèse de doctorat
• Discipline(s) : Analyse et modélisation des systèmes biologiques
• Date : Soutenance en 2004
• Etablissement(s) : Nancy 1
• Partenaire(s) de recherche : autre partenaire : Université Henri Poincaré Nancy 1. Faculté des sciences et techniques

Mots clés

Mots clés contrôlés

Motifs hélice-boucle-hélice

Analyse discriminante

Analyse multiéchelle

Programmation par contraintes

Épissage (génétique)

Modèles mathématiques

VIH (virus)

Résumé

De récentes études expérimentales mettent en évidence le rôle central des protéines SR dans la régulation de l'épissage alternatif en se fixant à des sites privilégiés des ARN immatures. Néanmoins, l'identification expérimentale de ces sites de fixation reste difficile. Notre approche propose deux techniques de modélisation pour y remédier. Dans un premier temps, à partir de données SELEX, nous identifions statistiquement les sites pour les rechercher ensuite dans le génome de HIV-1 avec des machines d'apprentissage statistique telles que les SVM, combinées avec une recherche algorithmique discrète de mots. Pour caractériser les fonctions de ces motifs, nous modélisons formellement leurs effets sur les sites d'épissage avec des contraintes hybrides (hcc). La démarche est initiée sur la régulation d'un site d'épissage seul pour considérer ensuite un modèle de plusieur sites. Cette modélisation intégrative permet de formaliser les effets de l'épissage sur le cycle de vie de HIV-1.

Recent experimental studies have shown the main effects of the SR proteins on the alternative splicing regulation. They regulate the process by bound on immature RNA specific sites. Nevertheless, an experimental identification of this regulatory sites remains difficult. To overcome this shortcoming, our approach is based on both modelling technics: statistical and formal. First, using SELEX data, we statisticaly identified the regulatory sites in order to second discover these sites on the HIV-1 genome. Our discovery method combine statistical learning approach and discrete algorithmic tools. Thus, we consider the fonction of these sites by modelling the regulatory effects using hybrid constraints programming (hcc) on splicing site. First, we consider the single site regulation to represent in a second step a model for several splicing sites concerning HIV-1. Finaly, this integrative modeling approach allows to formalizing the splicing effects on the HIV-1 cell cycle.