Séance Séminaire

Séminaire de Probabilités et Statistique

Inférence de réseaux bayésiens dynamiques à structure variable pour la reconstruction de réseaux de régulation génique

Le fonctionnement de toute cellule vivante repose sur des réseaux complexes de régulation des gènes. Un des objectifs en biologie des systèmes est de modéliser - et de prédire - ces réseaux de régulation à partir de séries temporelles donnant une mesure de l'expression des gènes. Or ces processus de régulation ne sont pas statiques et répondent à des changements de leur environnement. L'ensemble des interactions évoluent au cours du cycle de vie d'un organisme, de la réponse à un stress, du développement d'une tumeur cancéreuse... Les modèles homogènes, comme les réseaux bayésiens dynamiques classiques, n'ont pas la souplesse nécessaire pour représenter ces variations. Nous proposons un modèle semi-flexible basé sur un réseau bayésien dynamique homogène par morceau. Ce modèle permet de capturer les changements de structure de dépendance entre variables au cours du temps. Une procédure MCMC à sauts réversibles permet d?estimer simultanément (i) la position des points de rupture et (ii) la structure du réseau au sein de chaque segment homogène. Un partage d'information entre les segments successifs est introduit afin d'éviter le sur-apprentissage, en particulier dans le cas de séries temporelles courtes. Nous explorons et comparons différents choix de distribution a priori permettant cette régularisation.