Contribution des régions ADN de faible complexité dans les régulations génomiques – LOWCO

Trouver comment les séquences d'ADN régulatrices agissent pour contrôler l'expression du génome (c'est-à-dire caractériser un code cis-régulateur de l'ADN) est un domaine de recherche intense, car ces informations sont essentielles pour interpréter cliniquement les variations génétiques et favoriser la médecine génomique. Les approches de bioinformatique et d’apprentissage automatique jouent un rôle déterminant dans cette tâche, mais la plupart des approches existantes se concentrent sur des nucléotides et des motifs. Elles ne tiennent pas compte du fait que la distribution des nucléotides le long du génome n'est pas uniforme mais forme des régions dont la composition est biaisée et qui contiennent des répétitions de séquences simples - appelées ci-après régions de faible complexité (LCR). Pourtant, il a déjà été prouvé que ces séquences jouent un rôle central dans les régulations génomiques (voir par exemple les îlots CpG ou les microsatellites). Dans le présent projet, nous proposons de combiner l'apprentissage statistique et la biologie moléculaire dans une stratégie transdisciplinaire (i) pour construire des méthodes basées sur l'apprentissage automatique visant à caractériser les LCR impliquées dans les régulations génomiques en se concentrant sur deux processus biologiques spécifiques : La liaison des facteurs de transcription sur l’ADN et la transcription de l'ARN et (ii) de tester expérimentalement et améliorer ces modèles en utilisant des technologies à haut débit dans des cellules de mammifères et dans Plasmodium falciparum. Nous prévoyons que ce travail fournira les moyens d'interpréter des milliers de variations génétiques qui sont déjà associées à des maladies par des études génétiques sans être soutenues par un processus biologique précis.