RII - Dyliss : Modélisation de réseaux, signatures de protéines et motifs à partir de données et connaissances incomplètes.
Imprimer
Inria_855_RII_BioInfo_Dyliss-FR
RII - Dyliss : Modélisation de réseaux, signatures de protéines et motifs à partir de données et connaissances incomplètes.
Lien vers la page du documentCopiez/collez ce lien pour l'envoyer par email, l'inclure dans une page web ou le partager sur les réseaux sociaux.
Code HTMLCopiez-collez le code ci-dessous pour l'intégrer dans une page Web.
Taille d'affichage :
Titre :
RII - Dyliss : Modélisation de réseaux, signatures de protéines et motifs à partir de données et connaissances incomplètes.
Légende - Résumé :
Présentation d'outils pour exhiber des modèles robustes synthétisant données et connaissances incomplètes (par exemple, venant d'espèces non modèles). - BioASP permet la confrontation efficace de connaissances et données "omiques". - Caspo est dédié à la reconstruction exhaustive de réseaux de signalisation. - Protomata learner vise l'apprentissage de signature de familles de protéines. - Logol est un couteau suisse très expressif pour l'identification de motifs. Avec Anne Siegel.
Rencontre Inria-Industrie : Bio-informatique et outils numériques pour les produits de santé - Lyon, 11 février 2014
Nom de fichier :
Inria_855_RII_BioInfo_Dyliss-FR
Titre :
RII - Dyliss : Modélisation de réseaux, signatures de protéines et motifs à partir de données et connaissances incomplètes.
Année :
2014
Durée (min) :
00:02:14
Publications :
https://videotheque.inria.fr/videotheque/doc/855
Autres versions :
Master VF : 855 Master VEN : Autre : Lien externe :
L'équipe de recherche Dyliss travaille sur la modélisation de séquences des systèmes biologiques C'est Anne Siegel responsable de l'équipe Dyliss qui nous présente trois outils pour exhiber des modèles robustes synthétisant données et connaissances incomplètes On travaille avec différentes équipes que ce soit en microbiologie jusqu'à la santé Et finalement on va les aider à l'aide nos méthodes donc qui sont basées sur l'intelligence artificielle à vraiment identifier les acteurs des régulations Donc de manière fin C'est-à-dire que souvent ils travaillent sur des modèles qui sont assez peu compris Et avec cette idée d'interactivité donc on échange couramment avec eux On va arriver à raffiner globalement ce qu'ils recherchent exactement et les spécificités exactes des molécules qui les intéressent On va présenter en fait trois outils D'abord au niveau plus des séquences génomiques on a un outil qui s'appelle Logol et qui permet de faire de l'identification de motif à l'aide d'une grammaire extrêmement fine Ensuite au niveau plutôt des séquences protéiques on a un outil qui s'appelle Protomata learner qui permet d'apprendre les signatures de familles de protéines en identifiant des blocs de conservation partielle Et au niveau des réseaux à la dernière étape on a un outil qui s'appelle Caspo qui permet de modéliser et de contrôler la réponse de voies de signalisation Donc il y a trois usages distincts L'intérêt globalement c'est vraiment de travailler de partir des génomes ensuite de passer sur des familles de protéines et d'arriver jusqu'aux interactions complètes Donc on maîtrise la chaîne totale d'intégration grâce à ces différents outils qui sont globalement compatibles Et au niveau de l'industriel finalement ça va permettre à un un biologiste d'identifier des éléments de régulation importants puis les familles de protéines importantes et ensuite le contrôle de ces familles de protéines pour globalement comprendre comment fonctionne le système dans son ensemble Donc les applications sont extrêmement variées puisqu'on peut travailler sur des bactéries qui décomposent du cuivre dans des mines On va aussi travailler sur la régulation de voies de traduction chez l'oursin On travaille aussi sur des algues par exemple ou sur des voies de signalisation en cancérologie telles que fait elle que des problèmes liés à la fibrose
À voir aussi…
Albums (sélection d'images)
Fichiers en téléchargement
Inria_855_RII_BioInfo_Dy_HD.mp4
Format : .mp4
82,3 Mo
1024 x 576 pixels
Haute définition - équivalent DVD Encodage PAL MP4 H264 5 Mbits/s