Séminaire mensuel virtuel (les vendredi à 13h)

2 octobre 2020: Caroline Baroukh et Anaïs Baudot

Lieu : URL Teams à venir...

13h00 - 13h30 -- Caroline Baroukh -- Modélisation métabolique des interactions plantes-pathogènes
Résumé: Les outils de la biologie des systèmes, et plus particulièrement la modélisation métabolique, sont parfaitement adaptés pour étudier l’interaction métabolique hôte-pathogène. En effet, ils permettent de formaliser les systèmes complexes de manière rigoureuse, d’avoir une vision globale et générique, de faire des bilans matières et surtout de faire un lien entre physiologie observée (croissance, excrétion de facteur de virulence, déplétion des substrats) et données génomiques (génome, transcriptome, protéome). Ces approches ont déjà fait leur preuve dans le domaine des biotechnologies et de la biologie de synthèse pour l’optimisation de la production de molécules d’intérêts industriels. Leur adaptation au domaine de la pathologie des plantes peut aider à déchiffrer les stratégies de virulence de pathogènes de plante.
Après une brève présentation des techniques de modélisation utilisées, deux exemples de l’apport de la modélisation métabolique pour la pathologie des plantes seront présentés. Le premier exemple est la reconstruction et la modélisation semi-automatique des réseaux métaboliques des souches du complexe d’espèces Ralstonia solanacearum, bactéries pathogènes provoquant le flétrissement de nombreuses plantes. L’étude in silico a montré que l’architecture des réseaux métaboliques semble liée à la phylogénie des souches, ainsi qu’au style de vie particulier de certaines souches. Le second exemple est la reconstruction du réseau métabolique de Xylella fastidiosa (souche CFBP8418), phytopathogène bactérien responsables de nombreuses maladies dont l’«Olive Scorch » en Italie. L’étude in silico du métabolisme de cette souche a permis de révéler certaines particularités métaboliques qui impactent fortement la robustesse du pathogène et qui pourrait expliquer en partie sa croissance fastidieuse.

13h30 - 14h00 -- Anaïs Baudot -- A Multi-Objective Genetic Algorithm to Find Active Modules in Multiplex Biological Networks
Résumé: The identification of subnetworks of interest - or active modules - by integrating biological networks with molecular profiles is a key resource to inform on the processes perturbed in different cellular conditions. We here propose MOGAMUN, a Multi-Objective Genetic Algorithm to identify active modules in multiplex biological networks. MOGAMUN optimizes the scores of the nodes (e.g., their differential expression) and the density of interactions from multiplex networks. Multiplex networks are composed of different layers of physical and functional relationships between genes and proteins. Each layer is associated to its own meaning, topology, and biases; the multiplex framework allows exploiting this diversity of biological networks.