Samuel Buchet
La compréhension des mécanismes cellulaires repose souvent sur l’étude de l’expression génétique. Les gènes sont cependant impliqués dans des processus de régulation complexes et leur mesure est difficile à réaliser. Dans ce contexte, la modélisation qualitative des réseaux de régulation vise à établir leur fonction à partir d’un réseau d’interaction dynamique discret. Ce travail aborde la mise en place d’une telle approche à partir des données de séquençage single-cell (RNA-seq). Ces données se révèlent en effet intéressantes pour la modélisation qualitative, car elles apportent une certaine précision et peuvent être interprétées de manière dynamique. Nous développons ainsi une méthode d’inférence de modèles qualitatifs basée sur l’apprentissage automatique de programmes logiques, formulé comme un problème d’optimisation. Cette méthode est mise en œuvre sur des données single-cell et nous proposons plusieurs approches pour interpréter les modèles résultants en les confrontant avec des connaissances préétablies.