L’Analyseur Automatique de Marches Aléatoires Biomoléculaires: La Science des molécules uniques à l’époque des données massives – TRamWAy

La biologie des molécules uniques est le siège d’avancées techniques impressionnantes. De nouvelles méthodes d’imageries apparaissent régulièrement, permettant l’enregistrement de dynamiques biomoléculaires à des densités spatiales toujours plus élevées et à des résolutions temporelles toujours plus rapides. Une simple cellule permet d’obtenir des millions de localisations et des centaines de milliers de trajectoires.
La science des molécules uniques suit le chemin tracé par la biologie vers toujours plus de données. Leur accumulation entraine un écartement des principes de Karl Popper où une hypothèse était formulée avant d’être empiriquement testée afin d’être corroborée ou infirmée. La variété des dynamiques biomoléculaires et des environnements cellulaires dépasse la production de théories pour les expliquer ou le développement de méthodes statistiques pour les caractériser. Toujours plus de données entrainent toujours plus de défis pour les expliquer.
Dans un domaine scientifique déjà dominé par les bruits physiques de l’échelle nanométrique, par l’hétérogénéité des environnements cellulaires et par la variabilité inter cellulaire, l’arrivée de quantités massives de données pose un immense défi à l’analyse robuste, fiable et reproductible des résultats. Ainsi, la biologie des molécules uniques doit se réinventer pour s’adapter à l’arrivée de quantités massives de données produites par de nombreuses expériences et aux nouvelles pratiques où hypothèses et théories sont produites à mesure que les données sont observées.
Notre solution à ces défis est la plate-forme logicielle TRamWAy. L'objectif principal de ce projet est de développer une approche globale bayésienne qui englobe toute l’analyse des expériences de biomolécules uniques. Elle inclura de l’apprentissage machine pour localiser les molécules uniques, de la théorie des graphes pour l’assignation probabiliste des molécules afin d’éliminer les biais dus aux tracking, et de la sélection bayésienne de modèles afin de déterminer les phénomènes physiques sources des marches aléatoires. Ce cadre unifié permettra l’analyse rigoureuse et quantitative des marches aléatoires des biomolécules, la sélection de modèles sources de ces dynamiques ainsi que les distributions a posteriori de l’ensemble des paramètres. Ce cadre sera la source de notre plateforme TRamWAy. Afin que notre plateforme puisse être compatible avec des données massives, notre projet sera centré sur l’efficacité des algorithmes et sur leurs capacités à être exécutés sur de multiples infrastructures de calculs.
Notre second but s’appuiera sur ce nouvel outil statistique afin de démontrer que les « screens », ces expérience répétitives menées à grandes échelles, de dynamiques biomolécules sont non seulement possibles mais permettront une meilleur compréhension des phénomènes cellulaires. Le multiplexage expérimental fournira les données en quantités et un échantillonnage des conditions biologiques. La plateforme fournira l’analyse fiable et complète des résultats. Nous construirons un atlas des propriétés physiques des marches aléatoires de biomolécules sur des milliers de cellules de plusieurs lignées cellulaires. Nous continuerons également notre exploration des synapses inhibitrices par la construction d’une base de données des dynamiques de récepteurs en collaboration avec deux équipes d’expérimentateurs.
Notre projet promeut l’idée que la combinaison de l’apprentissage machine, de la théorie des graphes, des inférences bayésiennes et de la modélisation physique des marches aléatoires fournira un cadre efficace, fiable et reproductible pour sonder et comprendre la dynamique des biomolécules. C’est un grand défi et nous sommes convaincus que de nombreux accomplissements en découleront.