Thèse Algorithmes d'Intelligence Artificielle pour la Prédiction Robuste de Combinaisons de Mutations dans des Ensembles de Réseaux Booléens H/F

Doctorat.Gouv.Fr

Établissement : Université de Bordeaux École doctorale : Mathématiques et Informatique Laboratoire de recherche : LaBRI - Laboratoire Bordelais de Recherche en Informatique Direction de la thèse : Loïc PAULEVE ORCID 0000000272192027 Début de la thèse : 2026-09-01 Date limite de candidature : 2026-05-31T23:59:59 Les réseaux booléens (BN) modélisent des systèmes dynamiques discrets dans lesquels un nombre fixe de composants ont un état booléen évoluant dans le temps selon une fonction de mise à jour booléenne. Ce sont des modèles importants des systèmes biologiques, notamment pour saisir les événements régulateurs clés se produisant au cours des processus de différenciation cellulaire. En effet, l'abstraction booléenne à gros grains de la régulation génétique permet de raisonner efficacement sur les changements d'état et les mutations qui conduisent le système vers un attracteur particulier. Néanmoins, la conception d'un BN pour une étude de cas biologique spécifique est très difficile, car elle nécessite de déterminer quels gènes, parmi des milliers, doivent être pris en compte, et quelles sont leurs fonctions de mise à jour booléennes précises. Bien que les dispositifs expérimentaux permettent une observation de plus en plus précise de l'état cellulaire, les données restent rares, bruitées et limitées à quelques conditions expérimentales.
Les ensembles de BN visent à rendre compte de l'incertitude des modèles et de la variabilité biologique.

Au LaBRI, nous développons l'outil BoNesis pour synthétiser automatiquement des ensembles de réseaux de Bayes (BN) possédant les propriétés dynamiques souhaitées, à partir d'une analyse bioinformatique des données et de connaissances a priori sur la régulation génétique extraites de bases de données. Dans le cadre du projet REPAIRNET, nous appliquerons BoNesis pour générer un ensemble de réseaux de Bayes (BN) qui capturent l'effet de l'accumulation de mutations conduisant au cancer colorectal. À partir de ces ensembles, nous visons à prédire les perturbations génétiques qui déclencheront la réversion du cancer, en rétablissant le paysage d'attracteurs des cellules saines et en réactivant l'apoptose.

Le défi consiste alors à développer de nouveaux algorithmes et pipelines logiciels pour prédire des combinaisons de mutations génétiques qui soient robustes face à la variabilité des modèles et adaptables à des études de cas réels. Cela impliquera de concevoir de nouveaux algorithmes basés sur l'IA pour l'apprentissage des mutations à partir d'ensembles de modèles, qui pourront être générés à la demande par BoNesis. Ce doctorat s'inscrit dans le cadre du projet franco-sud-coréen REPAIRNET, récemment financé et sélectionné dans le cadre de l'appel à projets ANR-NRF 2025 « Biotechnologies utilisant l'intelligence artificielle ». Il associe des partenaires des laboratoires LaBRI (Bordeaux) et I2M (Marseille) en France, ainsi que le Centre national du cancer et le Laboratoire de biologie des systèmes et d'ingénierie bio-inspirée de l'université KAIST en Corée du Sud. - Conception et évaluation comparative d'algorithmes basés sur l'IA pour rechercher les meilleures combinaisons de mutations, qui soient évolutives et robustes face à la variabilité des ensembles de modèles
- Application à de nouvelles données liées au cancer, fourniture de prédictions de mutations pour la régression du cancer qui seront validées expérimentalement

Les algorithmes développés seront implémentés sous forme de logiciel open source étendant BoNesis.