====== Inférence de réseaux de régulation génétiques par apprentissage automatique  ======

Comprendre la réponse de la cellule à un signal donné requiert l'élucidation des mécanismes complexes qui gouvernent l'expression génique et donc la synthèse de protéines. Ces mécanismes sont mis en oeuvre par un réseau d'interactions entre les gènes et/ou leurs produits. Identifier ces interactions notamment à partir de mesures expérimentales constitue à l'heure actuelle un problème important de la biologie des systèmes. L'apprentissage automatique offre un cadre à la fois formel et méthodologique pour résoudre ce problème.

L'unité de recherche en systèmes et modélisation a développé dans ce cadre une méthode, appelée GENIE3, qui a obtenu d'excellentes performances lors de la compétition internationale DREAM (première position en 2009 et 2010). L'objectif de ce travail de fin d'étude sera d'explorer certaines pistes d'amélioration de la méthode, qui seront évaluées aussi bien sur des jeux de données artificiels que réels.



====== Bibliographie   ======

  *[[http://www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone.0012776|Inferring Regulatory Networks from Expression Data Using Tree-Based Methods]]
  *[[http://www.the-dream-project.org/|DREAM]]
  *[[http://www.montefiore.ulg.ac.be/~huynh-thu/software.html|GENIE3]]

====== Renseignements   ======

Encadrement: [[http://www.montefiore.ulg.ac.be/~geurts/|Pierre Geurts]]