Thèse soutenue

Prédiction de structure tridimensionnelle de molécules d’ARN par minimisation de regret
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Mélanie Boudard
Direction : Johanne CohenAlain DeniseDominique Barth
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance le 29/04/2016
Etablissement(s) : Université Paris-Saclay (ComUE)
Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
Partenaire(s) de recherche : établissement opérateur d'inscription : Université de Versailles-Saint-Quentin-en-Yvelines (1991-....)
Laboratoire : Données et algorithmes pour une ville intelligente et durable (Versailles ; 2015-...) - Laboratoire de recherche en informatique (Orsay, Essonne ; 1998-2020) - Laboratoire de recherche en informatique
Jury : Président / Présidente : Alessandra Carbone
Examinateurs / Examinatrices : Raphaël Guérois, Stefano Moretti
Rapporteurs / Rapporteuses : Christoph Dürr, Jérôme Waldispühl

Résumé

FR  |  
EN

Les fonctions d'une molécule d'ARN dans les processus cellulaires sont très étroitement liées à sa structure tridimensionnelle. Il est donc essentiel de pouvoir prédire cette structure pour étudier sa fonction. Le repliement de l'ARN peut être vu comme un processus en deux étapes : le repliement en structure secondaire, grâce à des interactions fortes, puis le repliement en structure tridimensionnelle par des interactions tertiaires. Prédire la structure secondaire a donné lieu à de nombreuses avancées depuis plus de trente ans. Toutefois, la prédiction de la structure tridimensionnelle est un problème bien plus difficile. Nous nous intéressons ici au problème de prédiction de la structure 3D d'ARN sous la forme d'un jeu. Nous représentons la structure secondaire de l'ARN comme un graphe : cela correspond à une modélisation à gros grain de cette structure. Cette modélisation permet de réaliser un jeu de repliement dans l'espace. Notre hypothèse consiste à voir la structure 3D comme un équilibre en théorie des jeux. Pour atteindre cet équilibre, nous utiliserons des algorithmes de minimisation de regret. Nous étudierons aussi différentes formalisations du jeu, basées sur des statistiques biologiques. L'objectif de ce travail est de développer une méthode de repliement d'ARN fonctionnant sur tous les types de molécule d'ARN et obtenant des structures similaires aux molécules réelles. Notre méthode, nommée GARN, a atteint les objectifs attendus et nous a permis d'approfondir l'impact de certains paramètres pour la prédiction de structure à gros grain des molécules.