Publication : TaBooN, un workflow de synthèse de réseaux booléens pour la biologie de synthèse
Publié le :
16
déc. 2021
Franck Delaplace, chercheur au laboratoire IBISC (Informatique, BioInformatique, Systèmes Complexes) et Sara Sadat Aghamiri chercheuse au laboratoire Immunologie humaine, physiopathologie & immunothérapie publient une étude présentant un nouvel outil pour la recherche en biologie : TaBooN.
TaBooN est un workflow automatisant l'inférence de réseau booléen à partir de données expérimentales qui assiste les biologistes à la synthèse de modèle fiable plus rapidement et plus efficacement que des méthodes usuelles de synthèse manuelle.
Faciliter le traitement de l'extraordinaire masse d'informations fournie par les technologies omiques
Les développements récents des technologies Omics1 ont révolutionné la recherche en biologie en produisant des données de plusieurs dimensions et échelles. Ce progrès technologique extraordinaire pose la question cruciale de leur interprétation en se fondant sur la modélisation de systèmes biologiques s'y rapportant.
Dans cette perspective essentielle pour la médecine du futur, les réseaux offrent un cadre de modélisation approprié des interactions entre molécules. Le réseau biologique comprend des nœuds identifiant les composants biologiques tels que les gènes ou les protéines, et les arêtes/arcs formalisant les interactions entre eux. L'évolution des interactions est alors modélisée par un système dynamique.
Parmi les différentes catégories de modèles de réseaux, le réseau booléen2 constitue un cadre qualitatif ayant la réputation de modéliser les réseaux de régulation génétiques de manière fiable et fidèle. Synthétiser automatiquement un réseau booléen à partir de données expérimentales devient donc un enjeu fondamental essentiel afin de permettre une production fiable et rapide de modèles.
Cette étude présente TaBooN, un workflow original de synthèse de réseaux booléens à partir de données biologiques qui se divise en deux étapes :
- l'inférence locale de formules
- la sélection globale de modèles
L'inférence de formules locales consiste en la déduction automatique de formules logiques à partir de profils de données d'expression binarisées. Les formules ainsi engendrées pour chaque variable se combinent alors ensemble pour former des réseaux booléens candidats. Ils ont la particularité de tous valider les données par construction.
Cependant, cet espace de modèles peut être immense dépassant le milliard de modèles estimés.
Ceci nécessite donc une seconde étape de sélection du réseau booléen, élisant le plus réaliste parmi eux. Cette sélection s'appuie sur une approche originale où des propriétés traditionnellement utilisées pour tester la véracité d'un modèle sont ici employées pour sa genèse.
Ce problème se formule comme un problème d'optimisation et les chercheurs ont implanté une méthode de recherche Tabou3permettant la sélection d'un modèle optimal se conformant aux propriétés globales attendues du système biologique analysé.
Références
TaBooN - Boolean Network Synthesis Based on Tabu Search
Sara Sadat Aghamiri 1
Franck Delaplace 2