L'intelligence artificielle pour prédire les réseaux et les phénotypes des plantes

Artificial Intelligence to Predict Plant networks and Phenotypes

• Auteur / Autrice : Jean-Baptiste Carluer
• Direction : André Mas, Gabriel Krouk
• Type : Thèse de doctorat
• Discipline(s) : Biostatistique
• Date : Soutenance le 18/12/2023
• Etablissement(s) : Université de Montpellier (2022-....)
• Ecole(s) doctorale(s) : École doctorale Information, Structures, Systèmes (Montpellier ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Institut Montpelliérain Alexander Grothendieck (Montpellier ; 2003-....)
• Jury : Président / Présidente : Andreas Niebel
• Jury : Examinateurs / Examinatrices : Sophie Lèbre, Vincent Ségura
• Jury : Rapporteurs / Rapporteuses : Véronique Brunaud, Frédérick Garcia
• DOI : 10.70675/61d815ebz74f7z4385za681z815db71f1b01

Mots clés

Mots clés contrôlés

Apprentissage automatique

Prédictions conformes (informatique)

Phénotype

Mots clés libres

Apprentissage machine

Prédictions

Modélisation

Réseaux de gène

Machine Learning

Predictions

Modelisation

Gene networks

Résumé

Cette thèse explore l’impact de l’apprentissage automatique, en particulier l’apprentissage supervisé, sur l’avancement de divers domaines de la biologie, avec un accent particulier sur la science des plantes. Dans la première partie de ce travail, un aperçu complet de divers modèles d’apprentissage automatique supervisé est présenté, servant de point d’entrée fondamental dans le domaine de ces méthodes. La deuxième partie se penche sur les applications de ces modèles dans le contexte de la science des plantes.La partie de la thèse consacrée aux applications aborde l’énigme de l’héritabilité manquante. Ce phénomène, mis en lumière par le premier GWAS, concerne les variations phénotypiques inexpliquées qui transcendent les simples modifications génomiques.L’épistasie entre différents loci a émergé comme une explication partielle. Cependant, les modèles statistiques GWAS actuels souffrent de problèmes d’extensibilité et d’une grande sensibilité au taux de fausse découverte (FDR). Pour relever ces défis, la thèse présente Next-Gen GWAS (NGG), une nouvelle approche de modélisation capable d’évaluer plus de 60 milliards de polymorphismes nucléotidiques en quelques heures. La méthode est comparée aux modèles GWAS les plus récents et appliquée à Arabidopsis thaliana, ce qui permet d’obtenir des cartes épistatiques en 2D à la résolution du gène. Les résultats dé-montrent l’efficacité de NGG dans la récupération de l’héritabilité manquante à travers les interactions épistatiques, améliorant ainsi les capacités de prédiction des phénotypes.En outre, la thèse étudie les mécanismes de régulation qui régissent l’expression des gènes,en mettant l’accent sur les interactions des facteurs de transcription (TF). Les TF sont connus pour jouer un rôle important dans la régulation de l’expression des gènes, et leurs interactions sont connues pour façonner les réponses transcriptionnelles génomiques. La thèse propose une approche d’apprentissage automatique utilisant des arbres CART pour prédire les TF influents dans un ensemble de données scRNA-seq provenant des racines d’Arabidopsis thaliana. Cette méthodologie offre un moyen robuste et interprétable de prédire les TF mais est actuellement fortement limitée par les données de validation. Cette thèse souligne principalement l’influence profonde de l’apprentissage automatique super-visé sur la science expérimentale, en mettant en évidence ses contributions au décryptage de phénomènes délicats tels que l’héritabilité manquante et les mécanismes complexes de régulation des gènes.

This PhD thesis explores the transformative impact of machine learning, specifically su-pervised learning, on various fields of biology, with a focus on plant science. In the firstpart of this work, a comprehensive overview of several supervised machine learning mod-els is presented, serving as a foundational entry point into the realm of these methods.The second part delves into the applications of these models within the context of plantscience.The applications part of the thesis addresses the enigma of missing heritability. Thisphenomenon illuminated by the first GWAS pertains to unexplained phenotypic variationsthat transcend simple genomic modifications. Genetic interactions between different locihas emerged as a partial explanation. However, current GWAS statistical models sufferfrom scalability issues, high sensibility to false discovery rate (FDR). To address thesechallenges, the thesis introduces Next-Gen GWAS (NGG), a novel modeling approachcapable of evaluating over 60 billions single nucleotide polymorphisms within hours. Themethod is benchmarked against state of the art GWAS models and applied to Arabidop-sis thaliana yielding 2D epistatic maps at gene resolution. Results demonstrate NGG’sefficacy in retrieving missing heritability through epistatic interactions, thereby enhanc-ing phenotype prediction capabilities. Additionally, the thesis investigates the regulatorymechanisms that govern gene expression, with a focus on transcription factor interactions(TF). TF are known to play an important role in gene expression regulation, and theirinteractions are known to shape genomic transcriptional responses. The thesis proposesa machine learning approach using CART Trees to predict influent TF in a scRNA-seqdataset from Arabidopsis thaliana roots. This new methodology offers a robust and inter-pretable means of predicting TFs but is currently highly limited by validation data. Thegoal of this thesis is mainly to underscores the profound influence of supervised machinelearning on experimental science, showcasing its contributions to deciphering complexphenomena such as missing heritability and intricate gene regulatory mechanisms.