Manipuler et comprendre la fonction dans les séquences biologiques par l'apprentissage de représentations – MANUFACTURE

Les séquences biologiques (ADN, ARN, protéines) sont des chaînes d'acides aminés ou de nucléotides. Un principe clé en biologie est que la séquence détermine la fonction d'une molécule dans l'organisme. Cependant, cette relation est complexe et dépend du contexte. Comprendre comment des fonctions diverses sont encodées dans ces séquences est une question fondamentale en biologie. La conception de séquences peut être vue comme un problème inverse : étant donné une fonction phénotypique souhaitée, quelles séquences peuvent l'accomplir ? En raison de la complexité de la relation entre séquence et fonction, concevoir des séquences biologiques pour des fonctions spécifiques est un défi, avec de nombreuses applications en santé, industrie, et au-delà.

Au cours de l'évolution, la variation des séquences est limitée par la conservation des fonctions. Aujourd'hui, des ensembles de données massifs peuvent être collectés via des expériences à haut débit, riches en signaux évolutifs qui peuvent éclairer la correspondence séquence-fonction. Des modèles d'apprentissage automatique appris sur ces données peuvent prédire les fonctions et générer de nouvelles séquences.

Dans ce projet, nous allons développer des modèles génératifs qui encodent des séquences dans des espaces de représentation fonctionnellement interprétables. En appliquant des contraintes appropriées lors de l'apprentissage, nous nous assurerons que les propriétés fonctionnelles d'intérêt correspondent à des coordonnées démêlées de l'espace de représentation. Ces coordonnées pourront ensuite être manipulées indépendamment pour concevoir des séquences dotées de propriétés spécifiques.

Pour cela, nous développerons des méthodes d'apprentissage automatique nouvelles, étudierons les limites fondamentales de l'apprentissage de la représentation en utilisant des approches de physique statistique appliquées aux réseaux neuronaux, et travaillerons avec des collaborateurs expérimentaux pour valider les séquences conçues.