|
General : |
|
|
|
|
|
Publications : |
|
|
|
|
|
|
|
|
|
Current : |
|
|
|
|
|
GB4 bio théorique
Bio-informatique
et I.A., GB3 second semestre 2025-2026
Plan du cours:
La note de ce cours est attribuée via
un exposé de groupe, sur un domaine d'actualité de la biologie des
systèmes ou de la bio-informatique et l'I.A.
- Former des groupes de 4 étudiants, au choix des étudiants
(éventuellement 1 groupe de 3 ou 2 à 3 groupes de 5)
- Chaque groupe choisit un domaine à exposer et, à l'issue du premier
cours, les délégués envoient le tableau des groupes et des domaines
choisis à gilles.bernot@univ-cotedazur.fr
- L'exposé devra durer entre 12 et 14 minutes, préparez-le
soigneusement
- Tous les membres du groupe devront intervenir durant l'exposé ;
l'exposé devra donc être préparé avec soin
- L'usage de l'IA et en particulier des LLM pour préparer l'exposé est
autorisé et même conseillé. Cependant chaque détail de l'exposé
devra être parfaitement dominé par les membres du groupe.
Il est important de comprendre que l'IA est un outil maintenant
indispensable pour l'ingénieur mais elle ne peut en aucun cas remplacer
son jugement professionnel. De même, l'IA peut aider le processus
d'apprentissage de chaque élève mais l'élève ne doit en aucun cas
laisser l'IA remplacer son cerveau; ce serait aussi idiot que de croire
que survoler la solution des anales d'examens suffit à se préparer.
- Les critères de notation comprendront: la compréhension détaillée de
chacun des membres du groupe durant l'exposé et les questions, l'intérêt
du sujet abordé, la clarté des tenants et aboutissants du domaine exposé
(i.e. le contexte), la clarté et la complétude des questions
scientifiques que cela soulève
Les exposés auront lieu le 12 mai de 13h30 à 17h30 en
présence de tous.
Le choix du domaine à exposer est laissé libre.
Les propositions ci-dessous ne sont que des exemples
desquels vous pouvez vous inspirer si les idées vous manquent. Elles
décrivent des domaines assez larges qui peuvent être réduits si l'on préfère
se focaliser sur certains aspects.
Biologie synthétique et biotechnologies:
Comment la modélisation en biologie des systèmes permet de faire appel au
vivant pour optimiser la production de composés d'intérêt (bio-fuel,
molécules pharmaceutiques, etc).
Modélisation pour la conception de molécules pharmaceutiques:
Apports de la notion de fragment moléculaire et de la modélisation des
domaines protéiniques pour prédire des fragments prometteurs de molécules
thérapeutiques, leur action phénotypique sur la cellule et leur action sur
les molécules cibles au sein de la cellule...
Reconstruction de réseaux biologiques à partir de données
expérimentales:
Connaître le génome d'une espèce ne suffit pas à prédire les phénotypes
cellulaires. Essentiellement trois types de réseaux pilotent le comportement
d'une cellule: réseaux de signalisation, réseaux de régulation et réseaux
métaboliques. Les techniques bio-informatiques pour reconstruire ces réseaux
à partir des données expérimentales et des phénotypes observés sont devenues
incontournables pour comprendre le vivant.
Biologie des systèmes et modélisation pour piloter la chronothérapie:
Ses liens avec la médecine personnalisée pour prédire l'impact des horaires
de prise de médicaments sur l'efficacité thérapeutique, pour préconiser les
meilleures stratégies de distribution des heures de travail ou pour limiter
leur impact sur la santé (e.g. "les trois-huit"), etc.
Deep-Learning et spiking neural networks:
Comment l'évolution des connaissances en neurologie ont influencé l'I.A. au
travers des réseaux neuronaux informatique. Évolution récente vers les
réseaux de neurones à spikes.
De Darwin aux algorithmes génétiques:
Comment les connaissances sur le rôle des mutations génétiques dans
l'évolution ont influé l'informatique pour la recherche de solutions
optimales à des problèmes d'optimisation. Avantages et limitations.
Apports de la modélisation pour limiter l'expérimentation animale:
Comment la biologie des systèmes fait appel à la modélisation in silico
pour prédire des comportements néfastes, et ainsi mieux choisir les
traitements qui méritent de passer à la phase d'expérimentation animale (en
pharmacologie, en cosmétiques, etc).
Ordinateurs biochimiques:
Recherches récentes sur l'exploitation des réseaux biologiques
(métaboliques, régulation, signalisation) pour effectuer des "calculs" qui
permettent par exemple de produire des diagnostics (cf. EasyCov),
ou les méthodes de calcul à ADN, ou encore l'exploitation des molécules
d'ADN pour stocker des données informatiques à long terme, etc.
Les apports de la bio-informatique pour le traitement du cancer:
Par exemple pour caractériser les types de tumeurs, pour aborder les
thérapies du cancer, pour concevoir de nouvelles stratégies thérapeutiques,
etc.
Évolution artificielle et étude des premiers organismes vivants:
Étude des mécanismes d'évolution potentiels, prédiction des évolutions à
venir ou, inversement, hypothèses sur les origines de la vie, modélisation
pour la théorie synthétique de l'évolution, évolution de la complexité des
génomes, etc.
Digital twin:
L'efficacité ou la toxicité de bon nombre de molécules thérapeutiques dépend
de chaque patient. Dans un cadre de médecine personnalisée, la connaissance
du génome du patient, de ses antécédents et ses habitudes de vie permettent
de concevoir un système artificiel supposé reproduire la réaction du patient
à de futur traitements, mieux les doser, voire les proscrire...
Virtual cell:
Dès que l'on veut prédire l'impact de stress multiples, ou de multithérapies
sur une cellule, il n'est plus possible de se contenter de screening à
grande échelle car la combinatoire des stress ou des molécules à appliquer
induit un trop grand nombre de tests à effectuer. La seule voie possible est
alors de modéliser la cellule est de mener les expériences in silico.
L'état de l'art de cette approche avance vite, en particulier avec les
apports de l'IA explicable...
Reconstruction d’atlas cellulaire et de leur réseaux de regulation,
etc.
|
Gilles Bernot