METAPROGRAMME DIGIT-BIO

Comprendre

Comprendre

Axe 1 : Décryptage multi-échelle des fonctions du vivant : régulations et intégration

Cet axe de recherche s’adresse à la compréhension des processus biologiques, à leurs régulations et à la façon dont ces processus interagissent ou coopèrent. Il concerne tous les niveaux d’organisation du vivant jusqu’à l’organisme et à la population.

Il s'agit de décrirecomprendre et modéliser les systèmes biologiques et d'établir les liens causaux au sein et entre les échelles biologiques, en intégrant les effets systémiques comme la stochasticité ou les rétroactions, en tant que déterminants de la dynamique et de l’évolution du système. Au-delà de l’étude des processus dans des conditions standardisées, il s’agira également de les caractériser dans une diversité d’environnements (biotique, abiotique, contaminant) et de contextes.

Ces défis font appel à la modélisation mathématique et informatique de systèmes dynamiques, au calcul numérique, à l’extraction de connaissances et à l’intégration de données hétérogènes pour calibrer et évaluer la qualité des modèles. L’intégration de données issues de différentes sources nécessite de progresser sur les méthodes de représentation des connaissances à l’aide d’ontologies, de vocabulaires contrôlés et de réseaux ainsi que sur les méthodes de spatialisation. Les méthodes d’apprentissage sont également mobilisées.

Thématiques de recherches

  • La caractérisation des principes d’organisation, de fonctionnement et d’évolution des génomes, des cellules, des organes et des organismes ;
  • La construction de réseaux moléculaires sous-tendant les fonctions biologiques, et notamment les réseaux métaboliques multi-échelles ou multi-espèces ;
  • Les liens entre gène(s) et forme(s) en intégrant les contraintes géométriques et physiques et les rétroactions associées ;
  • Les mécanismes sous-jacents aux réponses adaptatives des organismes et des populations et les échelles spatiales et temporelles d’évolution de ces réponses.

Défis méthodologiques

  • Extraire et représenter des connaissances sous des formes permettant la formalisation d’hypothèses et l’intégration dans des modèles ;
  • Rechercher des relations de causalité par des méthodes d’apprentissage statistique et automatique sur des données de grande dimension ;
  • Développer la modélisation multi-échelles, l’inférence de règles sur les systèmes et l’étude par simulation de systèmes dynamiques complexes décrivant le vivant ;
  • Optimiser la modélisation et le couplage de différents modèles ;
  • Identifier des "méta-mécanismes" comme alternative au couplage de modèles entre niveaux successifs d'organisation.

Dans ce dossier

Dans le noyau d'une cellule animale ou végétale, la conformation tridimensionnelle du génome a un impact majeur sur son fonctionnement. Mieux comprendre les liens entre la structure 3D du génome et son fonctionnement représente un défi méthodologique majeur qui nécessite un dialogue entre différentes disciplines.
La compréhension du déterminisme génétique d’un caractère, c’est-à-dire de l'ensemble des gènes impliqués dans l'élaboration et l'expression de ce caractère, est un enjeu majeur pour mieux appréhender les processus biologiques et appuyer les programmes d’amélioration génétique.
Illustration freepik
Le consortium IFM2A2 propose de rapprocher durablement les différentes communautés scientifiques qui travaillent aujourd’hui séparément à simuler le fonctionnement des méristèmes apicaux à différentes échelles, opérant dans différents départements d’INRAE (BAP, MAthNum et AgroEoSystem) en forte interaction avec l’INRIA.
cultures d'arabidopsis
Les plantes sont constamment menacées par des stress biotiques et abiotiques, en particulier dans le contexte actuel de changement climatique. La complexité de la réponse au stress implique différents niveaux d’organisations biologiques, des génomes aux métabolites.
Le changement climatique, la raréfaction de certaines ressources naturelles, la nécessité de réduire les intrants agricoles ont augmenté le nombre et la diversité des situations à appréhender par les agronomes. Pour les aider, ces derniers ont besoin de modèles de plantes ayant une capacité de prédiction étendue et capables de prendre en compte des conditions environnementales complexes, où différentes contraintes (stress) se combinent.
Sclerotinia sclerotiorum sur une tige de coco
Comprendre comment les plantes se défendent face aux agents pathogènes est un enjeu majeur pour aller vers une agriculture utilisant moins de pesticides.
En biologie, comme dans d’autres domaines scientifiques, l’intégration de données multi-sources est plus que jamais d’actualité. En effet, les données collectées sont de plus en plus complexes et leur volume ne cesse de croître, du fait du développement des plateformes analytiques, des techniques d'imagerie ou de l'essor des données omiques.
Illustration thèse confinancée
Thèse d'Ekaterina Tomilina (MaIAGE, 2022-2025). La biologie des systèmes est basée sur l’analyse de données complexes, de grande dimension et de natures très diverses. Un enjeu majeur est de comprendre les liens d’interactions et de régulation entre les différents types de données omiques mesurées. Cette thèse propose une modélisation conjointe de données multi-omiques en s'appuyant sur la théorie des copules.
Illustration thèse confinancée
Thèse de Léon Faure (MICALIS, soutenue en 2023). Peut-on concevoir des dispositifs de décision sophistiqués, comme des réseaux neuronaux artificiels dans des micro-organismes ? Inversement, peut-on utiliser des motifs de réseaux cellulaires comme architectures d’apprentissage automatique pour résoudre des problèmes similaires à ceux traités par les réseaux artificiels ? Cette thèse se penche sur les phénomènes biologiques abordés par les Réseaux Métaboliques Artificiels et passe en revue les méthodes d’utilisation les plus récentes des modèles métaboliques à l’échelle du génome.
La biologie intégrative se base sur l'étude de réseaux biologiques complexes. Comprendre la plasticité des réseaux d'interactions biologiques due à la variabilité phénotypique, environnementale ou interventionnelle est un enjeu important dans des domaines aussi variés que la génomique ou la nutrition humaine. De telles études intègrent souvent des comparaisons entre groupes contrastés, incluant des variables de diverses natures (continues, comptages, binaires, …). Ces données dites « de type mixte » peuvent être difficiles à analyser de manière unifiée. Alors que les modèles probabilistes multivariés représentent un cadre solide pour déduire les interrelations entre les variables continues, un modèle analogue pour les données de type mixte reste à définir.
  • 1 (page)

Date de modification : 26 septembre 2023 | Date de création : 10 janvier 2022 | Rédaction : Com