Modélisation grande échelle de réseaux biologiques : vérification par contraintes booléennes de la cohérence des données

Large-scale modeling of biological networks : checking data consistency using boolean constraints

• Auteur / Autrice : Philippe Veber
• Direction : Rumen Andonov, Michel Le Borgne
• Type : Thèse de doctorat
• Discipline(s) : Informatique. Bioinformatique
• Date : Soutenance en 2007
• Etablissement(s) : Rennes 1

Mots clés

Mots clés contrôlés

Cohérence (informatique)

Biologie -- Modèles mathématiques

Algorithmes

Optimisation combinatoire

Bioinformatique

Résumé

Les techniques de biologie moléculaire haut-débit permettent de mesurer un grand nombre de variables simultanément. Nous abordons la question de leur intégration : comment combiner les différentes sources dans un modèle et en tirer des conclusions pertinentes ? Nous introduisons un critère de consistance entre un modèle graphique des régulations cellulaires et des données de déplacement d'équilibre. Nous montrons ensuite comment l'utiliser pour obtenir des prédictions ou proposer des corrections en cas d'incompatibilité. Ces différentes tâches impliquent la résolution de contraintes à variables sur domaines finis, pour lesquelles nous proposons deux approches complémentaires. L'utilisation de ces techniques est illustrée avec des données réelles sur la bactérie E. Coli et sur la levure. Nous montrons enfin, sur ces données, comment notre critère de consistance nous permet d'arriver à des prédictions robustes, ainsi que des corrections pertinentes du modèle étudié.

High-throughput techniques in molecular biology are able to measure a huge number of variables simultaneously. This thesis deals with the integration of different sources of high-throughput data in order deduce relevant conclusions. To this end, we introduce a compatibility criterion between a graphical model of cellular regulations and equilibrium shift data. We then show how this criterion can be used to derive predictions or to propose corrections in case of an incompatibility. This tasks require the resolution of constraints on finite domain variables, and we developped two approaches for these problems. Finally, we applied our approach to real data on E. Coli and yeast. The networks we considered have up to several thousands of genes and regulations. We show on these data that our consistency criterion can effectively be used to derive robust predictions, as well as relevant corrections to the model under study.