Génétique in silico - CNRS URA 2171  


  RESPONSABLEDr VERGASSOLA Massimo / massimo@pasteur.fr
  MEMBRESBAILLY-BECHET Marc / Dr BOTTANI Samuel / Dr CELANI Antonio
FOUQUIER d’HEROUEL Aymeric / Dr SEKOWSKA Agnieszka

  Rapport d'activité

L’activité de notre équipe porte sur la modélisation quantitative de la matière vivante. Nos études sont menées par une combinaison de méthodes analytiques et numériques, en collaboration étroite avec des groupes expérimentaux.

1. Méthodes in silico pour la régulation

1.1 Biais de codons Nous avons développé une nouvelle méthode de regroupement, (clustering) conçue pour éviter les limitations des méthodes généralistes existantes, par exemple sur le choix du nombre de groupes à retenir. L’application de la méthode à E. coli et B. subtilis montre que les corrélations dans l’usage du code génétique sont bien plus étendues que prévu sur la base des contraintes des opérons. Les gènes avec un usage similaire des codons ont tendance à être proches sur le chromosome. Une contribution à ces corrélations est attribuée à la pression de sélection qui agit sur la traduction des codons rares.

1.2 ARN non-codants Nous avons prédit par méthodes bioinformatiques 9 nouveaux ARNnc pour la bactérie pathogène Listeria monocytogenes et nous les avons validées par Northern blots et expériences 5’ RACE . Nous avons aussi développé une méthode in silico pour la prédiction d’ARN messagers qui sont ciblés par un ARNnc donné. La motivation de la méthode vient du fait que le duplex ARNnc-cibles est souvent interrompu par des mésappariements qui empêchent l’utilisation des techniques d’alignement classiques, par exemple BLAST. La méthode que nous avons développée permet de résoudre ce problème et d’appréhender des génomes à haut pourcentage en AT (> 60% pour Listeria). Les prédictions ont été validées expérimentalement.

2. Motilité des organismes vivants

Les phalènes qui répondent aux phéromones constituent un exemple classique d’organismes vivants capables de se repérer sur la base d’informations partielles et sporadiques. Le même type de problème se rencontre dans le développement de robots à odeurs, employés pour la détection automatique de drogues, substances chimiques, explosifs et mines. Les stratégies existantes de motilité des robots s’inspirent principalement des bactéries et de la chimiotaxie. Toutefois, les conditions typiques pour les robots et les insectes sont assez différentes de celles des bactéries. Cela nous a amenés à développer une nouvelle stratégie de recherche. La méthode, infotaxie, se base sur l’idée que le taux d’acquisition d’information peut jouer un rôle similaire à celui de la concentration en chimiotaxie. L’infotaxie maximise localement le taux estimé d’acquisition d’information sur la position de la cible recherchée. La méthode a été validée par des expériences numériques et des données expérimentales.

Mots-clés: Méthodes computationnelles pour la régulation; Biais de codons; ARN non codants; Information et motilité d’organismes vivants; Sniffers (Robots pour la détection automatique de cibles)

vergassola.jpg

Un exemple de trajectoire infotactique, en présence de vent qui souffle dans la direction verticale négative. À noter,la structure en zigzag de la trajectoire, similaire à celle typique des oiseaux et des insectes.

An example of trajectory generated by infotaxis, in the presence of wind blowing in the negative vertical direction. Note the zigzagging and casting patterns akin to those observed in the response of insects to pheromones.



  Publications de l'unité

Toutes les publications 2006 sur notre base de données




Rapports d'activité 2006 - Institut Pasteur
En cas de problèmes, de remarques, ou de questions concernant cette page Web écrire à rescom@pasteur.fr