Modèles et algorithmes pour la prédiction de stratégies de reprogrammation cellulaire

par Hugues Mandon

Projet de thèse en Informatique

Sous la direction de Stefan Haar et de Loïc Pauleve.

Thèses en préparation à Paris Saclay , dans le cadre de École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....) , en partenariat avec Centre INRIA Saclay - Île-de-France (laboratoire) , MEXICO : interaction et concurrence (equipe de recherche) et de École normale supérieure Paris-Saclay (Cachan, Val-de-Marne) (établissement de préparation de la thèse) depuis le 01-10-2016 .


  • Résumé

    La reprogrammation cellulaire consiste à agir sur certains gênes spécifiques, appelés Déterminants de Reprogrammation (RD), afin de déclencher une dé-différentiation ou une re-différentiation cellulaire. La prédiction in-silico de tels RDs est un but majeur, notamment en médecine régénérative. Le but de ce projet de thèse est d'apporter une base formèle à l'identification des perturbations qui permettent de changer d'attracteur dans les modèles discrets de réseaux biologiques. Premièrement, l'impact des différentes stratégies de reprogrammation (mutations permanentes ou temporaires, ordre des mutations, etc.) sera étudié en profondeur. Ensuite, des algorithmes seront conçus pour identifier et vérifier les RDs trouvés par les différentes stratégies de reprogrammation. De tels algorithmes utiliseront une analyse poussée des dynamiques des réseaux, et nécessitent de développer de nouvelles techniques pour exploiter la concurrence dans les réseaux discrets afin d'être utilisables sur des réseaux de grande taille. En se basant sur une analyse rigoureuse des dynamiques de grands réseaux, le projet mènera a une avance décisive dans le calcul de prédictions justes pour la reprogrammation cellulaire expérimentale.

  • Titre traduit

    Computational Models and Algorithms for the Prediction of Cell Reprogramming Strategies


  • Résumé

    Cell reprogramming consists in acting on specific genes, so-called Reprogramming Determinants (RDs), in order to trigger a cell de- or re-differentiation. The prediction in-silico of such RDs is a major chal- lenge, notably for regenerative medicine. The goal of this PhD project is to bring a formal base to the identification of perturbations that trigger a change of attractor in discrete models of biological networks. First, the impact of different reprogramming strategies (persistent vs temporary mutations, orders of mu- tations, etc.) will be extensively studied. Then, algorithms will be designed to identify and verify RDs according to the different reprogramming strategies. Such algorithms will involve intensive analysis of networks dynamics, and will require to extend and develop new techniques for exploiting concurrency in discrete networks in order to support large-scale models. By building on top of rigorous framework for analyzing dynamics of large networks, the project will bring a decisive step for computing predictions reliable for experimental cell reprogramming.