Modélisation logique et raisonnement qualitatif pour la compréhension du comportement des complexes Biomolecular Network

Ali AYADI (icube Strasbourg)
Thursday, March 30, 2017 - 10:30
Room Aurigny
Talk abstract: 

La biologie des systèmes vise à modéliser, décrire et comprendre le comportement des organismes vivants, à savoir, celui de la cellule. Cet organisme vivant est représenté par un réseau biomoléculaire complexe. Dans la littérature, la plupart des recherches se concentrent uniquement sur la modélisation des parties isolées de ce réseau, comme le réseau métabolique ou le réseau de régulation génétiques. Cependant, pour bien comprendre le comportement d'une cellule, il serait indispensable de modéliser et analyser le réseau biomoléculaire dans son ensemble.

 

Les approches et méthodologies actuellement disponibles ne répondent pas suffisamment à ces exigences. En combinant une modélisation logique, une approche sémantique et un raisonnement qualitatif, nous proposons une plate-forme qui permet aux biologistes de simuler les changements d'états des réseaux biomoléculaires dans le but de diriger leurs comportements d’un état quelconque à un état spécifique.

 

Dans la présentation, nous proposons d'abord une introduction portant sur les principales notions du sujet. Ensuite, nous présentons une approche logique pour décrire et modéliser les réseaux biomoléculaires complexes suivant la théorie des systèmes. Cette modélisation est basée sur les aspects structurels, fonctionnels et comportementaux. En outre, nous proposons une approche sémantique basée sur quatre ontologies pour fournir une riche description pour la modélisation d'un réseau biomoléculaire et de ses changements d'états au cours du temps. Nous présentons également une méthode de raisonnement qualitatif, basée à la fois sur la modélisation logique et sémantique, pour simuler qualitativement le réseau biomoléculaire et interpréter son comportement dans le temps.

L'applicabilité de nos approches est illustrée par une étude de cas qui porte sur l'autorégulation du gène 32 du phage T4. Ces approches fournissent les éléments nécessaires pour modéliser, analyser, raisonner et comprendre le comportement dynamique et les différents états de transition des réseaux biomoléculaires complexes.

 

 

 

English version:

 

 

Title:

Formal Modeling and Qualitative Reasoning for understanding the behaviour of complex Biomolecular Network

 

Abstract:

Systems biology models aim to describe and understand the behaviour of a cell. This living organism is represented by a complex biomolecular network. In the literature, most researches focus only on modeling isolated parts of this network, such as the metabolic network or the gene regulatory network. However, to fully understand the behaviour of a cell we should model and analyze the biomolecular network as a whole.

 

Currently available approaches and methodologies do not address these new requirements sufficiently. By combining a logical modeling, a semantic approach and a qualitative reasoning, this talk deals with a platform that enables biologists to simulate the state changes of biomolecular networks with the goal of steering their behaviours.

 

To this end, we firstly offer an introduction to the main ideas of the subject. Second, we present a logic-based approach for describing and modeling complex biomolecular networks following systems theory. This modeling is based on the structural, functional and behavioural aspects.

In addition, we propose a semantic approach based on four ontologies to provide a rich description for modeling a biomolecular network and its state changes. We also present a method of qualitative reasoning, based on both the logical and semantic modeling, to qualitatively simulate the biomolecular network and interpret its behaviour over time.

 

The applicability of our approaches is illustrated through a case study related to the autoregulation of the bacteriophage T4 gene 32. These approaches provide the necessary elements to model, analyze, reason and understand the dynamic behaviour and the transition states of complex biomolecular networks.