Mthodes et Algorithmes pour la Bioinformatique

1
Méthodes et Algorithmes pour la Bioinformatique
LIRMM gt Département Informatique gt Méthodes et
Algorithmes pour la Bioinformatique (MAB)

• Permanents V. Berry, G. Caraux, O. Gascuel, N.
  Lartillot, E. Rivals
• Associés L. Bréhelin, O. Martin
• Post-doc M. Anisimova, A. McKenzie, A. Som
• Ingénieurs CDD F. Lethiec, S. Pinloche
• Doctorants S. Bérard, D. Bertrand, A. Criscuelo,
  E. Duprat, O. Elemento, S. Guindon, O.
  Mirabeau, F. Nicolas, V. Ranwez
• 4 CNRS, 1 INRA, 2 E-C, 2 post-docs, 1
  ingénieur CDD, 6 doctorants
• Intervenants A. Jean-Marie, G. Melançon, C.
  Paul, V. Berthé

2
Thèmes de recherche
LIRMM gt Département Informatique gt Méthodes et
Algorithmes pour la Bioinformatique (MAB)

• Aspects méthodologiques
• Math. Discrètes, algorithmique combinatoire,
  algorithmique du texte, optimisation
  Statistiques, probabilités, classification,
  analyse des données, apprentissage
• Données génomiques et post-génomiques
• Reconstruction phylogénétique
• Alignement, recherche de motif
• Evolution des séquences répétées
• Analyse des données d'expression
• Des aspects fondamentaux .. aux vraies
  applications (2002-04)
• Journal of Combinatorial Theory, Discrete
  Applied Mathematics, Combinatorics Probability
  and Computing, J. of Classification, J. of
  Computational Biology (2), Bioinformatics,
  Systematic Biology (2), Molecular Biology and
  Evolution (4), Proteomics (2), J. Electronic
  Testing

3
Collaborations
LIRMM gt Département Informatique gt Méthodes et
Algorithmes pour la Bioinformatique (MAB)

• LIRMM APR, VAG, ROB, MIC
• Equipe-projet multi-laboratoires (CNRS-STIC et
  SdV, INRA, UM2)
• LIRMM, BPMP, GPIA, ISEM, U. Protéomique
• Génopole Montpellier-LR CEFE, IGH
• Nationales (ACIs)
• IRISA, LORIA, LIF, MIG, IBCP, Lab.
  Mathématiques dOrsay
• Internationales
• Camberra University (AU), Massey University
  (NZ), Max Planck Institute de Berlin (DE),
  NCBI (USA), Université de Montréal (CA),
  University of New Mexico (USA)

4
Responsabilités
LIRMM gt Département Informatique gt Méthodes et
Algorithmes pour la Bioinformatique (MAB)

• ACI Informatique, Mathématique et Physique en
  Biologie Moléculaire
• RTP 41 CNRS-STIC Bionformatique, de la
  séquence à la fonction
• Génopole Montpellier LR
• Systematic Biology (bureau éditorial), à
  lorigine du Workshop on Algorithms in
  Bioinformatics et de la conférence Mathematics
  of Evolution and Phylogenetics
• DESS de Bioinformatique

5
Etudes combinatoires
LIRMM gt Département Informatique gt Méthodes et
Algorithmes pour la Bioinformatique (MAB)

• Ensembles de périodes dans les séquences
• abracadabra 0 abababa
  0 abracadabra 7
  abababa 2 abracadabra 10
  abababa 4
  abababa 6
• Statistiques de motifs dans un texte, recherche
  de signaux dans les génomes
• Arbres de duplication en tandem
• "Intermédiaires" entre les arbres de recherche
  et les arbres phylogénétiques
• Etude de lévolution des séquences répétées,
  prédominantes dans les génomes évolués
• Caractérisation, énumération, comptage exact et
  approché, tirage uniforme, pour la mise en place
  dalgorithmes et de tests

6
Arbre de la vie
LIRMM gt Département Informatique gt Méthodes et
Algorithmes pour la Bioinformatique (MAB)

• Evolution des séquences (du géne au génome) et
  des espèces, biodiversité, bioinformatique,
  biotechnologies, (NSF-USA, 6ème PCRD)
• Inférence de grands arbres sur la base dun
  gène unique
• Méthode de distance précise et rapide, en
  O(n2log(n)) au lieu de O(n3)
• Méthode de maximum de vraisemblance plus rapide
  dun ordre de grandeur, grâce à
  loptimisation simultanée de larbre et des
  paramètres numériques, déjà largement
  diffusée et utilisée (USA, NZ, UK, F, )
• Combinaison darbres issus de plusieurs gènes
• Définitions, théorèmes de difficulté, cas
  polynomiaux
• Application aux mammifères
• Combinaison directe au sein dun modèle
  stochastique général

7
Analyse des données dexpression
LIRMM gt Département Informatique gt Méthodes et
Algorithmes pour la Bioinformatique (MAB)

• Le transcriptome (puces à ADN) indique
  lexpression des gènes dans des
  conditions connues (cinétique, traitement,
  pathologie)
• Son analyse est un enjeu majeur !
• Analyse exploratoire des données par
  sériation et classification hiérarchique
• Approche Bayésienne de la classification, par
  modèles de mélanges, de cinétiques

8
Perspectives
LIRMM gt Département Informatique gt Méthodes et
Algorithmes pour la Bioinformatique (MAB)

• Arbre de la vie
• Evolution des séquences répétées
• Méthodes statistiques pour la phylogénie
• Analyse du transcriptome et du protéome
• Recherches pluridisciplinaires, interactions
  fortes avec la biologie (EPML)