Assas Recherche | Modélisation stochastique de l'expression des gènes et inférence de réseaux de régulation

Modélisation stochastique de l'expression des gènes et inférence de réseaux de régulation (Document en Français)

Accès au(x) document(s)

Accéder au(x) document(s) :

http://www.theses.fr/2018LYSE1155/abes

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Version :

Thèse avec 2 versions : seule la version intégrale est proposée ; sur authentification (communication intranet).

Informations sur les contributeurs

Auteur : Herbach Ulysse

Herbach, Ulysse

Nom

Herbach

Prénom

Ulysse

Nationalité

Français

Date de soutenance : 27-09-2018

Directeur(s) de thèse : Fougères Anne-Laure

Fougères, Anne-Laure

Nom

Fougères

Prénom

Anne-Laure

- Gandrillon Olivier

Gandrillon, Olivier

Nom

Gandrillon

Prénom

Olivier

- Espinasse Thibault

Espinasse, Thibault

Nom

Espinasse

Prénom

Thibault

Etablissement de soutenance : Lyon

Lyon

Nom

Lyon

Laboratoire : Institut Camille Jordan (Rhône ; 2005-....)

Institut Camille Jordan (Rhône ; 2005-....)

Nom

Institut Camille Jordan (Rhône ; 2005-....)

Ecole doctorale : École doctorale InfoMaths (Lyon ; 2009-....)

École doctorale InfoMaths (Lyon ; 2009-....)

Nom

École doctorale InfoMaths (Lyon ; 2009-....)

Informations générales

Discipline : Mathématiques
Classification : Mathématiques

Mots-clés libres : Expression stochastique des gènes, Réseaux de régulation, Processus de Markov déterministes par morceaux, Champs de Markov
Mots-clés :

Champs aléatoires de Markov
Markov, Processus de
Régulation génétique

Résumé : L'expression des gènes dans une cellule a longtemps été observable uniquement à travers des quantités moyennes mesurées sur des populations. L'arrivée des techniques «single-cell» permet aujourd'hui d'observer des niveaux d'ARN et de protéines dans des cellules individuelles : il s'avère que même dans une population de génome identique, la variabilité entre les cellules est parfois très forte. En particulier, une description moyenne est clairement insuffisante étudier la différenciation cellulaire, c'est-à-dire la façon dont les cellules souches effectuent des choix de spécialisation. Dans cette thèse, on s'intéresse à l'émergence de tels choix à partir de réseaux de régulation sous-jacents entre les gènes, que l'on souhaiterait pouvoir inférer à partir de données. Le point de départ est la construction d'un modèle stochastique de réseaux de gènes capable de reproduire les observations à partir d'arguments physiques. Les gènes sont alors décrits comme un système de particules en interaction qui se trouve être un processus de Markov déterministe par morceaux, et l'on cherche à obtenir un modèle statistique à partir de sa loi invariante. Nous présentons deux approches : la première correspond à une approximation de champ assez populaire en physique, pour laquelle nous obtenons un résultat de concentration, et la deuxième se base sur un cas particulier que l'on sait résoudre explicitement, ce qui aboutit à un champ de Markov caché aux propriétés intéressantes

Informations techniques

Type de contenu : Text
Format : PDF

Informations complémentaires

Entrepôt d'origine :

STAR : dépôt national des thèses électroniques françaises

Identifiant : 2018LYSE1155
Type de ressource : Thèse