M1 MABS BBS BGPG TD GRNs
From silico.biotoul.fr
m |
m (→Résumé) |
||
| Line 3: | Line 3: | ||
Le but de cette séance est de mettre en pratique les méthodes d'inférence de réseau de régulation (de l'expression des gènes) à l'échelle du génome. Une fois les différents réseaux obtenus à partir de différentes méthodes, il s'agira d'évaluer leur qualité, par rapport à un réseau de référence. | Le but de cette séance est de mettre en pratique les méthodes d'inférence de réseau de régulation (de l'expression des gènes) à l'échelle du génome. Une fois les différents réseaux obtenus à partir de différentes méthodes, il s'agira d'évaluer leur qualité, par rapport à un réseau de référence. | ||
| - | Une des difficulté majeure est l'obtention d'un réseau de référence. En effet, un certain nombre de régulations sont connues et disponibles à travers certaines banques spécialisées ou la littérature scientifique (exemples ''positifs''). Par contre, l'absence de régulation (exemples ''négatifs'') peut correspondre à une régulation encore non mise en évidence ''in vivo''. Il est donc difficile de constituer un lot d'exemples négatifs sans que ceux-là ne soient triviaux ou incorrects. C'est pour ces raisons que bien souvent l'évaluation des méthodes d'inférence de réseau de régulation utilise des jeu de données synthétiques (un ou des réseaux artificiels sont générés et les données pour l'inférence sont simulées). Ca a été le cas pour le [https://www.synapse.org/#!Synapse:syn3049712/wiki/ DREAM4 - In Silico Network Challenge] de 2009 au cours duquel plusieurs jeu de données d'expression synthétiques étaient proposés (mais pas les réseaux) afin de mettre en compétition les équipes désirant participer au challenge. Ces données ont été reprises par la suite par la communauté scientifique. Elles permettent d'évaluer et de comparer les méthodes développées et sont souvent citées dans des publications scientifiques. L'année suivante d'autres données ont été proposées dans le même but pour le challenge [https://www.synapse.org/#!Synapse:syn2787209/wiki/ DREAM5 - Network Inference]. | + | Une des difficulté majeure est l'obtention d'un réseau de référence. En effet, un certain nombre de régulations sont connues et disponibles à travers certaines banques spécialisées ou la littérature scientifique (exemples ''positifs''). Par contre, l'absence de régulation (exemples ''négatifs'') peut correspondre à une régulation encore non mise en évidence ''in vivo''. Il est donc difficile de constituer un lot d'exemples négatifs sans que ceux-là ne soient triviaux ou incorrects. C'est pour ces raisons que bien souvent l'évaluation des méthodes d'inférence de réseau de régulation utilise des jeu de données synthétiques (un ou des réseaux artificiels sont générés et les données pour l'inférence sont simulées). Ca a été le cas pour le [https://www.synapse.org/#!Synapse:syn3049712/wiki/ DREAM4 - In Silico Network Challenge] de 2009 au cours duquel plusieurs jeu de données d'expression synthétiques étaient proposés (mais pas les réseaux) afin de mettre en compétition les équipes désirant participer au challenge. Ces données ont été reprises par la suite par la communauté scientifique. Elles permettent d'évaluer et de comparer les méthodes développées et sont souvent citées dans des publications scientifiques. L'année suivante d'autres données ont été proposées dans le même but pour le challenge [https://www.synapse.org/#!Synapse:syn2787209/wiki/ DREAM5 - Network Inference]. Il s'agit de réseaux concernant ''Escherichia coli'' (RegulonDb), ''Staphylococcus aureus'' et ''Saccharomyces cerevisiae'' et de données expérimentales. Le tout est décrit dans l'article [[doi:10.1038/NMETH.2016|Wisdom of crowds for robust gene network inference]] dont la lecture vous est vivement conseillée. |
Revision as of 12:16, 25 March 2016
Résumé
Le but de cette séance est de mettre en pratique les méthodes d'inférence de réseau de régulation (de l'expression des gènes) à l'échelle du génome. Une fois les différents réseaux obtenus à partir de différentes méthodes, il s'agira d'évaluer leur qualité, par rapport à un réseau de référence.
Une des difficulté majeure est l'obtention d'un réseau de référence. En effet, un certain nombre de régulations sont connues et disponibles à travers certaines banques spécialisées ou la littérature scientifique (exemples positifs). Par contre, l'absence de régulation (exemples négatifs) peut correspondre à une régulation encore non mise en évidence in vivo. Il est donc difficile de constituer un lot d'exemples négatifs sans que ceux-là ne soient triviaux ou incorrects. C'est pour ces raisons que bien souvent l'évaluation des méthodes d'inférence de réseau de régulation utilise des jeu de données synthétiques (un ou des réseaux artificiels sont générés et les données pour l'inférence sont simulées). Ca a été le cas pour le DREAM4 - In Silico Network Challenge de 2009 au cours duquel plusieurs jeu de données d'expression synthétiques étaient proposés (mais pas les réseaux) afin de mettre en compétition les équipes désirant participer au challenge. Ces données ont été reprises par la suite par la communauté scientifique. Elles permettent d'évaluer et de comparer les méthodes développées et sont souvent citées dans des publications scientifiques. L'année suivante d'autres données ont été proposées dans le même but pour le challenge DREAM5 - Network Inference. Il s'agit de réseaux concernant Escherichia coli (RegulonDb), Staphylococcus aureus et Saccharomyces cerevisiae et de données expérimentales. Le tout est décrit dans l'article Wisdom of crowds for robust gene network inference dont la lecture vous est vivement conseillée.
