Réconciliation des approches fondées sur les données et les connaissances préalables pour déduire des modèles booléens à l'aide de séries chronologiques multi-omiques – RD2Bool

L'explosion des données transcriptomiques a entraîné une multiplication des méthodes permettant d'inférer des réseaux de régulation directement à partir des données, mais une comparaison systématique avec des modèles basés sur la littérature fait toujours défaut. RD2Bool testera la pertinence de différents cadres d'inférence et de modélisation sur des ensembles de données de pointe, en exploitant notre expertise complémentaire sur les cultures in vitro, la multi-omique des cellules immunitaires et la bioinformatique, la simulation de modèles booléens basés sur la littérature et les cadres de reconstruction de modèles booléens.
Nos objectifs spécifiques sont les suivants 1) Produire une série temporelle multi-omique au niveau de la cellule unique; 2) Comparer les méthodes basées sur les données à celles basées sur les connaissances préalables pour l'inférence des réseaux; 3) Comparer et combiner différentes stratégies pour l'inférence de modèles Booléens; 4) Modéliser des populations de cellules spécifiques qui communiquent entre elles.
Une évaluation des performances des approches de construction de modèles basés sur les données pour la construction de modèles spécifiques des principaux types de cellules immunitaires et la prédiction de leurs rôles dans diverses maladies immunitaires sera proposée.
Le résultat principal du projet consistera en un ensemble d'outils permettant d'effectuer une inférence de modèles basée sur les données et sur des simulations in silico pour permettre de construire des modèles dynamiques de types cellulaires spécifiques. Les modèles des principaux types de cellules immunitaires dans le sang permettront de mieux comprendre l'altération immunitaire associée au vieillissement, au covid et au cancer, mais les outils développés seront applicables à tout système multi-cellulaire d'intérêt et potentiellement à des systèmes multi-niveaux au-delà de la biologie.