Inférence logique de réseaux booléens à partir de connaissances et d'observations de processus de différenciation cellulaire - Laboratoire Interdisciplinaire des Sciences du Numérique Access content directly
Theses Year : 2022

Logical inference of Boolean networks from knowledge and observations of cellular differentiation processes

Inférence logique de réseaux booléens à partir de connaissances et d'observations de processus de différenciation cellulaire

Abstract

Dynamic models are essential tools for exploring regulatory mechanisms in biology. This thesis was guided by the need expressed in oncology and developmental biology to automatically infer Boolean networks reproducing cellular differentiation processes.By considering observations and knowledge that the modelers have at their disposal, this thesis presents an approach that allows to model the richness of this cellular behavior by inferring all the compatible Boolean networks at that scale of the regulatory networks commonly considered in biology.To develop this method, three main contributions are presented.The first contribution is a formal framework of the properties of data collected to study cellular differentiation. This framework allows reasoning about the desired dynamic properties within Boolean networks to be consistent with this cellular behavior.The second contribution concerns the encoding of the model inference problem as a Boolean satisfiability problem whose solutions are the Boolean networks compatible with the biological data. For this, constraints on the dynamics of Boolean networks corresponding to the previously formalized properties have been implemented in logic programming.The last contribution was to apply to real biological problems the model inference method, named BoNesis, which was developed thanks to the constraints. These applications showed the benefit of inferring a set of models for the process analysis and illustrated the modeling methodology, from the preparation of biological data to the analysis of the inferred models.
Les modèles dynamiques sont des outils importants pour l'exploration des mécanismes de régulation en biologie.Les travaux de cette thèse sont guidés par le besoin exprimé en biologie du développement et en cancérologie d'inférer automatiquement des réseaux booléens reproduisant des processus de différenciation cellulaire.En considérant les observations et les connaissances que les modélisateurs ont à disposition, ce mémoire de thèse présente une approche qui permet de modéliser la richesse de ce comportement cellulaire en inférant l’ensemble des réseaux booléens compatibles tout en passant à l’échelle des réseaux de régulation couramment considérés en biologie.Afin de développer cette méthode, les travaux présentés se décomposent en trois contributions principales.La première contribution est la proposition d'un cadre formel sur les propriétés des données collectées pour étudier la différenciation cellulaire. Ce cadre permet de raisonner sur les propriétés dynamiques souhaitées au sein des réseaux booléens pour qu’ils soient compatibles avec ce comportement cellulaire.La deuxième contribution porte sur l'encodage du problème d’inférence de modèles comme un problème de satisfiabilité booléenne dont les solutions sont les réseaux booléens compatibles avec les données biologiques. Pour cela, des contraintes sur la dynamique des réseaux booléens correspondant aux propriétés précédemment formalisées ont été implémentées en programmation logique.La dernière contribution est l’application à des problématiques biologiques réelles de la méthode d’inférence de modèles, nommée BoNesis, qui a été développée grâce aux contraintes créées. Ces applications ont montré l’apport de l’inférence d’ensemble de modèles pour l’analyse de processus et illustré la méthodologie de modélisation, de la préparation des données biologiques à l’analyse des modèles inférés.
Fichier principal
Vignette du fichier
106218_CHEVALIER_2022_archivage.pdf (19.9 Mo) Télécharger le fichier
Origin Version validated by the jury (STAR)

Dates and versions

tel-03917566 , version 1 (02-01-2023)

Identifiers

  • HAL Id : tel-03917566 , version 1

Cite

Stéphanie Chevalier. Inférence logique de réseaux booléens à partir de connaissances et d'observations de processus de différenciation cellulaire. Bio-informatique [q-bio.QM]. Université Paris-Saclay, 2022. Français. ⟨NNT : 2022UPASG061⟩. ⟨tel-03917566⟩
191 View
27 Download

Share

Gmail Mastodon Facebook X LinkedIn More