See this page in english

Réseaux génomiques

Équipe GNet / Marie-Laure Martin-Magniette

Notre équipe développe des modèles statistiques et des approches bioinformatiques pour améliorer l'annotation fonctionnelle et relationnelle des gènes de la plante modèle Arabidopsis thaliana. Notre objectif à long terme est de transférer cette connaissance à des plantes d'intérêt agronomique.

Nos travaux de recherche s'organisent autour de 3 axes :

 

Méthodes statistiques pour l'analyse de données omiques

Nous développons des méthodes statistiques pour l'analyse des données moléculaires acquises par des technologies à haut-débit. L'objectif dans le développement de ces méthodes est de tenir compte de la complexité intrinsèque de ce type de données (gestion de la dimension, contrôle des faux-positifs, …) et d'avoir des résultats biologiquement interprétables. Nous sommes experts en classification supervisée ou non-supervisée, les modèles linéaires et leur généralisation ainsi que dans les méthodes algorithmiques. Ces méthodes permettent d'étudier l'activité du génome telle que  l'expression des gènes, leurs interactions et les mécanismes de contrôle de l'expression.

Nos sujets de recherche actuels sont : 

  • Les études de comparaisons neutres.
  • Les modèles de mélanges pour l'analyse de la co-expression.
  • Les méthodes de segmentation pour l'analyse longitudinale du génome.
  • L'inférence statistique de réseaux de gènes.

 

Intégration de données pour l'annotation fonctionnelle

L'équipe est impliquée dans plusieurs projets de biologie intégrative nécessitant la mise en relation de plusieurs ressources biologiques, de la prédiction bioinformatique et des analyses statistiques. Les bases de données et les interfaces graphiques sont des approches pertinentes pour organiser et visualiser les résultats.

Depuis plusieurs années maintenant, nous développons et maintenons les bases des données FLAGdb++ et  CATdb  pour participer à l'amélioration de l'annotation fonctionnelle et relationnelle des gènes. Cela nous semble également le meilleur moyen de partager les résultats de nos analyses.

 

  • FLAGdb++  est une base dédiée à l'annotation structurale et fonctionnelle de 6 génomes de plantes

 

  • CATdb  est la base recensant toutes données transcriptomiques produites par la plate-forme POPS depuis 2003.

 

Le module GEM2Net de CATdb présente les résultats d'une grande étude de co-expression chez la plante modèle Arabidopsis thaliana quand cette dernière est soumise à différents stress (18 catégories de stress sont disponibles). Des fonctions sont associées aux groupes de gènes co-exprimés grâce à une analyse bioinformatique (analyse de la GO, de la localisation subcellulaire des protéines, des familles d'hormone, de facteurs de transcription et enfin une liste de gènes déjà connus pour être impliqués dans les réponses aux stress). Des réseaux de gènes sont construits grâce à l'intégration de données d'interactome et de liaison de facteurs de transcription avec leurs cibles.

 

Étude des gènes impliqués dans la réponse aux stress

Nos méthodes sont générales et peuvent s'appliquer dans des projets variés.  Cependant notre intérêt est de travailler à l'interface entre les statistiques, la bioinformatique et la biologie.

Depuis 2010, nous nous investissons dans les réponses des plantes aux stress: 

  • Nous coordonnons une méta-analyse transcriptomique pour identifier les gènes impliqués dans la réponse aux stress.
  • Nous nous impliquons dans des projets biologiques d'ampleur, coordonnés par d'autres équipes.
  • Nous sommes en charge de la planification expérimentale et des analyses bioinformatiques et statistiques.

 

Visiteurs

Nous accueillons régulièrement des visiteurs pour commencer ou renforcer  une collaboration. Nos visiteurs peuvent venir sur une période fixe ou de manière régulière s'ils vivent près de Paris-Saclay. Si vous êtes intéressés, n'hésitez pas à nous contacter : Marie-Laure Martin-Magniette (Marie-Laure.Magniette @ inra.fr)

 

SPOmics, la plateforme transcriptomique POPS

L'équipe GNet co-dirige la plateforme transcriptomique de l'IPS2 avec l'équipe OGE.