Page d'accueil previous up next
Page suivante: 1 Introduction Niveau précédent: Satisfaction de contraintes et Page précédente: Satisfaction de contraintes et


Sommaire



Abstract:

Le but essentiel de nombreuses expériences effectuées en biologie moléculaire est d'accumuler, au moindre effort, suffisamment d'informations sur un objet pour déterminer de façon non ambiguë ses caractéristiques d'intérêt biologique. Très souvent, les données obtenues à la suite d'une série d'expériences forment un ensemble d'informations parcellaires, de nature disparate et entachées d'erreurs et d'incertitudes quant à l'état d'un objet biologique (molécule d'ADN ou d'ARN, protéine...) dont on tente de déterminer certaines caractéristiques (séquence d'ADN, structure tertiaire de la molécule...). Dans cet article, plusieurs problèmes mathématiques << classiques >> de la biologie moléculaire déjà approchés via des méthodes de l'intelligence artificielle, et plus particulièrement via le formalisme CSP ( Constraint Satisfaction Problem) sont considérés et analysés : cartographie physique et génétique ; détermination et visualisation de structures de molécules (ARN, protéines) ; planification d'expériences (synthèse de peptides...). Enfin, certains des développements qu'il serait intéressant d'apporter pour un meilleur traitement de ces problèmes sont étudiés.

A basic goal of many experiments in molecular biology is to accumulate, with a minimum of effort, sufficient information concerning an object so that its biologically interesting features can be determined unambiguously. Very often, the data collected from a series of experiments form a fragmentary picture with information of different kinds tainted with errors and uncertainties as to the state of a biological object (a DNA or RNA molecule, a protein...), from which it is desirable to determine features (the sequence of a RNA, the tertiary structure of a molecule...). In this article, several ``classical'' mathematical problems for which methods of artificial intelligence have been used, particularly the framework of constraint satisfaction problems (CSP), are considered and analyzed : physical and genetic mapping ; determination and visualization of molecule structures (RNA, proteins) ; experiment planning (peptide synthesis...). Finally, further developments which could contribute to an improved solving of these problems are discussed.

MOTS-CLéS : Satisfaction de contraintes, biologie moléculaire.
KEY WORDS : Constraint satisfaction, molecular biology.

Page d'accueil previous up next
Page suivante: 1 Introduction Niveau précédent: Satisfaction de contraintes et Page précédente: Satisfaction de contraintes et




Auteurs:Christine Gaspin, Christian Bessiere, Annick Moisan et Thomas Schiex

Dernière mise à jour: jeudi, 11 janvier 1996, 18:28:04 MET

Institut National de la Recherche Agronomique
Département de Biométrie et Intelligence Artificielle

Copyright(C)1995
INRA
Tous droits réservés