Prédiction de structure tridimensionnelle de molécules d’ARN par minimisation de regret
Time: 14:00 -- Location: LRI, 435, salle des theses
Cette soutenance aura lieu Vendredi 29 Avril 2016 à 14h00 Adresse de la soutenance : Université Paris Sud, Bât 650 Ada Lovelace, 91405 Orsay Cedex France - salle Salle 435
devant le jury composé de : Johanne COHEN Chargée de recherche Université Paris Sud 11 - Laboratoire LRI CoDirecteur de thèse
Alain DENISE Professeur des Universités Université Paris Sud 11 - Laboratoire LRI CoDirecteur de thèse
Dominique BARTH Professeur des Universités Université de Versailles -Laboratoire DAVID CoDirecteur de thèse
Christoph DÜRR Directeur de recherche Université Pierre et Marie Curie - Laboratoire LIP6 Rapporteur
Jérôme WALDISPÜHL Professeur McGill University - School of Computer Science Rapporteur
Raphaël GUEROIS Chercheur CEA Paris Saclay - I2BC Examinateur
Alessandra CARBONE Professeur des Universités Université Pierre et Marie Curie - Laboratoire de Biologie Computationnelle et Quantitative Examinateur
Stefano MORETTI Chargé de recherche Université Paris-Dauphine - Laboratoire LAMSADE Examinateur
Mots clés en français : ARN,structure 3D,théorie des jeux,minimisation de regret,potentiel statistique,discrétisation de l'espace
Résumé de la thèse en français :
Les fonctions d'une molécule d'ARN dans les processus cellulaires sont très étroitement liées à sa structure tridimensionnelle. Il est donc essentiel de pouvoir prédire cette structure pour étudier sa fonction. Le repliement de l'ARN peut être vu comme un processus en deux étapes : le repliement en structure secondaire, grâce à des interactions fortes, puis le repliement en structure tridimensionnelle par des interactions tertiaires. Prédire la structure secondaire a donné lieu à de nombreuses avancées depuis plus de trente ans. Toutefois, la prédiction de la structure tridimensionnelle est un problème bien plus difficile. Nous nous intéressons ici au problème de prédiction de la structure 3D d'ARN sous la forme d'un jeu. Nous représentons la structure secondaire de l'ARN comme un graphe : cela correspond à une modélisation à gros grain de cette structure. Cette modélisation permet de réaliser un jeu de repliement dans l'espace. Notre hypothèse consiste à voir la structure 3D comme un équilibre en théorie des jeux. Pour atteindre cet équilibre, nous utiliserons des algorithmes de minimisation de regret. Nous étudierons aussi différentes formalisations du jeu, basées sur des statistiques biologiques. L'objectif de ce travail est de développer une méthode de repliement d'ARN fonctionnant sur tous les types de molécule d'ARN et obtenant des structures similaires aux molécules réelles. Notre méthode, nommée GARN, a atteint les objectifs attendus et nous a permis d'approfondir l'impact de certains paramètres pour la prédiction de structure à gros grain des molécules.