Reconstruction de réseau de régulation de gène à l’aide de données génomiques et de données génétiques
Résumé
Une récente approche pour reconstruire un réseau de régulation de gène consiste à exploiter un grand nombre d’individus génétiquement différents sur lesquels on mesure les données (génomiques) d’expression de l’ensemble des gènes. La variabilité génétique influe directement sur la régulation des gènes, permettant de retrouver un plus grand nombre de régulations. L’information génétique (génotypes) d’un individu peut être mesurée expérimentalement à l’aide de marqueurs. Nous étudions l’exploitation conjointe des données d’expression et des données génétiques dans le formalisme des réseaux bayésiens discrets qui permet de capturer des dépendances non linéaires entre gènes et marqueurs. L’apprentissage de leur structure est faite par une recherche gloutonne classique dont le graphe initial est obtenu par une analyse statistique des dépendances linéaires entre l’expression d’un gène et les génotypes aux marqueurs. Nous montrons sur des données simulées l’amélioration offerte par l’utilisation des données génétiques sur la qualité des réseaux reconstruits.