Analyse des systèmes bactériens : une approche in silico pour intégrer les connaissances du vivant
Year: 2012
Type: dissertation
Abstract: L émergence des expériences dites à haut débit permet l acquisition rapide de données concernant un système biologique. Les biologistes disposent ainsi, aujourd hui, d un nombre important de données de natures hétérogènes qu ils cherchent à structurer et analyser. Les méthodes dites intégratives proposent de répondre à cette demande, mais la création d une méthode générale et satisfaisant les requêtes précises des biologistes constitue une tâche ardue. Ce mémoire s inscrit dans cette problématique. Nous y abordons diverses méthodes d intégration des aspects omiques (métaboliques, génomiques, transcriptomiques...) d un système bactérien et nous proposons la nôtre, nommée SIPPER, qui est une méthode générique et flexible. SIPPER permet de retrouver de l information biologique cohérente entre les différents aspects étudiés grâce à la construction d un modèle intégratif et l utilisation d une distance reposant sur des propriétés ou hypothèses biologiques choisies. Nous avons appliqué SIPPER deux fois sur les données métaboliques et génomiques d E. coli. La première application teste l hypothèse les chaînes de réactions successives du réseau métabolique sont catalysées à l aide d enzymes produites par des gènes proches sur le génome, et la seconde teste l hypothèse les chaînes de réactions successives sont catalysées par des gènes dont l expression est similaire. Nous avons découvert, par ces expériences, des mesures caractérisant certaines entités biologiques comme la densité génomique qui permet l identification d opérons métaboliques. L apport de l intégration de données supplémentaires aux approches n utilisant traditionnellement qu un seul type d information a également été illustré au travers de la génomique comparative. Nous avons ainsi élaboré M&W-IISCSM, une méthode qui calcule des intervalles communs maximaux ayant un fort intérêt omique.
Source: HAL
Author: Philippe Bordron
Language: French
Subfield: Molecular Biology
Domain: Life Sciences
Open Access status: green
OpenAlex ID: W2263224078
