Decouverte des interactions genotype-phenotype à l'aide de graphe de connaissance et d'IA – DIG-AI

Les besoins en alimentation devraient croître considérablement dans les prochaines décennies. Pour relever ce défi dans un contexte de changement climatique, une meilleure compréhension des relations génotype-phénotype est cruciale pour améliorer les capacités de production des cultures. La recherche agronomique connaît une révolution sans précédent dans l'acquisition de données diverses. La compréhension des interactions génotype-phénotype est l'un des domaines de recherche les plus importants en agronomie. Cependant, elles sont complexes à identifier car elles sont exprimées à différents niveaux moléculaires et sont fortement influencées par des facteurs environnementaux. Les nouveaux défis consistent à identifier ces interactions en intégrant des informations de différents niveaux afin de comprendre le fonctionnement réel du système biologique.
Le Web sémantique offre des méthodes pour transformer les données en connaissances. Nous avons développé AgroLD pour intégrer des données agronomiques hétérogènes. L'objectif principal de DIG-AI est de développer des méthodes computationnelles pour tirer parti des connaissances exploitables issues de la biologie. Nous nous concentrerons sur les objectifs suivants : 1) Exploiter les méthodes d'ingénierie des connaissances pour formuler des hypothèses de recherche qui relient le génotype au phénotype, 2) Gérer efficacement de grands volumes de données biologiques pour extraire les connaissances, 3) Utiliser la base de connaissances AgroLD pour construire des réseaux d'interactions moléculaires entre les gènes et les phénotypes à partir de données éparses, 4) Identifier les gènes clés pour l'amélioration des plantes parmi des centaines de résultats potentiels. L'ambition de DIG-AI sera de s'appuyer sur AgroLD pour développer plusieurs axes de recherche. Ils sont regroupés en trois domaines de recherche : l'intégration dynamique des données, l'enrichissement des connaissances et la priorisation des gènes candidats.