Sujet de stage de master 2 (Biophysique, Bioinformatique, Modélisation de Systèmes Biologiques, Biomathématique)

 

Robustesse génèrique des réseaux de gènes

 

La robustesse est un principe fondamental des systèmes biologiques, encore insuffisamment compris. Avec Alexander Gorban,

nous avons proposé une approche nouvelle de la robustesse des systèmes moléculaires [1,2]. Selon notre approche, le comportement

robuste résulte de la compensation statistique de la variabilité d'un grand nombre de composantes. Cette généralisation de la loi de grands

nombres s'applique génériquement à des systèmes complexes avec une dynamique multi-échelle.

 

Le cadre mathématique naturel d'étude de ces phénomènes est constitué par la concentration de mesure dans des espaces métriques mesurables (développés en mathématiques par Gromov et par Talagrand). Nous avons obtenu quelques résultats préliminaires dans cette direction concernant

notamment la concentration des temps caractéristiques de la relaxation de grands réseaux de régulation [2].

 

Dans ce  stage on se proposera d'identifier, en utilisant l'expérimentation numérique du type Monte Carlo, plusieurs types génériques de

robustesse: concentration du type cube, du type simplex et robustesse avec paramètres critiques. Les modèles étudiés seront extraites

à partir de plusieurs bases de données disponibles. En plus de sa participation à un développement théorique original, le stagiaire sera

familiarisé avec des standards et des logiciels de la biologie systémique: SBML, SBGN, Cytoscape, Celldesigner, etc. Des compétences

en simulation numérique solides sont souhaitables.   

 

Ce travail se déroulera dans la nouvelle équipe de Biologie Physique et Systèmique du laboratoire DIMNP

(Montpellier, UMR 5235). encadrant: O.Radulescu (ovidiu.radulescu@inria.fr, 04 67 14 41 83)

 

 

Bibliographie.

 

[1] ORadulescu, A.N.Gorban, A.Zinovyev, et  A.Lilienbaum, "Robust simplifications of multiscale

biochemical networks", BMC Systems Biology, (2008) 2:86.

 

[2] Dynamical robustness of biological networks with hierarchical distributions of time scales.

A. Gorban et O.Radulescu, IET Systems Biology (2007) 1: 238-246.