En savoir plus

Il s'agit de décrire, comprendre et modéliser les systèmes biologiques et d'établir les liens causaux au sein et entre les échelles biologiques, en intégrant les effets systémiques comme la stochasticité ou les rétroactions, en tant que déterminants de la dynamique et de l’évolution du système. Au-delà de l’étude des processus dans des conditions standardisées, il s’agira également de les caractériser dans une diversité d’environnements (biotique, abiotique, contaminant) et de contextes.

Ces défis font appel à la modélisation mathématique et informatique de systèmes dynamiques, au calcul numérique, à l’extraction de connaissances et à l’intégration de données hétérogènes pour calibrer et évaluer la qualité des modèles. L’intégration de données issues de différentes sources nécessite de progresser sur les méthodes de représentation des connaissances à l’aide d’ontologies, de vocabulaires contrôlés et de réseaux ainsi que sur les méthodes de spatialisation. Les méthodes d’apprentissage sont également mobilisées.

Thématiques de recherches

• La caractérisation des principes d’organisation, de fonctionnement et d’évolution des génomes, des cellules, des organes et des organismes ;
• La construction de réseaux moléculaires sous-tendant les fonctions biologiques, et notamment les réseaux métaboliques multi-échelles ou multi-espèces ;
• Les liens entre gène(s) et forme(s) en intégrant les contraintes géométriques et physiques et les rétroactions associées ;
• Les mécanismes sous-jacents aux réponses adaptatives des organismes et des populations et les échelles spatiales et temporelles d’évolution de ces réponses.

Défis méthodologiques

• Extraire et représenter des connaissances sous des formes permettant la formalisation d’hypothèses et l’intégration dans des modèles ;
• Rechercher des relations de causalité par des méthodes d’apprentissage statistique et automatique sur des données de grande dimension ;
• Développer la modélisation multi-échelles, l’inférence de règles sur les systèmes et l’étude par simulation de systèmes dynamiques complexes décrivant le vivant ;
• Optimiser la modélisation et le couplage de différents modèles ;
• Identifier des "méta-mécanismes" comme alternative au couplage de modèles entre niveaux successifs d'organisation.