Résumé : Les modèles dynamiques Booléens de réseaux de signalisation et de transcription ont été utilisés ces dernières années pour modéliser les cellules tumorales et prédire des cibles thérapeutiques dans le Cancer. Des limitations majeures de l’application plus généralisée de ce type d’approche incluent d’une part, l’étape de construction des modèles qui est actuellement faite par des experts de la biologie moléculaire du cancer à partir de curation manuelle de la littérature, ce qui en fait un processus long, dépendant du modélisateur et difficilement reproductible et d’autre part, le développement de méthodes algorithmiques performantes permettant de réaliser des prédictions à partir des modèles. Au cours de ce séminaire, j’aborderai successivement la reconstruction de modèles biologiques Booléens à partir de données biologiques de type omiques (données moléculaires), de méthodes de reprogrammation du comportement dynamique des systèmes Booléens et de l’application de ces méthodes à la découverte de cibles thérapeutiques dans le cancer.
Dans une seconde partie, j’introduirai des concepts issus des neurosciences et présenterai des résultats publiés récemment portant sur les propriétés intégratives des neurones cérébelleux.
Bio : Célia a été chercheuse chez OPM (Oncodesign Precision Medicine – Dijon), lab. science des données et Intelligence Artificielle entre cot. 2020 et oct. 2022. Avant cela elle était en post-doc. à l’Inria Rennes Bretagne Atlantique pendant 16 mois, et a travaillé sur le raisonnement sur des réseaux booléens pour identifier des signatures complexes de pathologies.
Sa thèse portait sur la reprogrammation comportementale : modèles, algorithmes et application aux maladies complexes, réalisée à l’Univ. Évry Val d’Essonne, Univ. Paris-Saclay – Laboratoire d’Informatique, Biologie Intégrative et Systèmes Complexes (IBISC).