Génomique statistique et physique biologique

Les progrès dans le séquençage et dans les technologies à haut débit ont alimenté la révolution génomique, en fournissant une quantité sans précédent de données biologiques à grande échelle. L’extraction, à partir de ces données, d’informations qui nous amènent à une compréhension plus profonde du système biologique, exige la solution de problèmes d'inférence qui sont intraitable par des outils informatiques classiques.

Notre équipe, créée en septembre 2011, s'inspire de la physique statistique des systèmes désordonnés pour développer de nouveaux outils algorithmiques capables de résoudre les tâches d'optimisation et d'inférence à grande échelle, et pour adapter ces méthodes computationnelles à la recherche biologique.

Questions spécifiques de notre intérêt :

  • Approches à l'inférence de réseaux basés sur la physique statistique
  • Co-évolution biomoléculaire et prédiction structurale
  • Inférence de réseaux de signalisation

En savoir plus...

  • Inférence statistique et physique statistique
  • Modélisation statistique de données biologiques
  • Co-évolution biomoléculaire et prédiction structurale
  • Inférence de réseaux de signalisation

Collaborations

  • University of California at San Diego, US (T. Hwa, B. Lunt)
  • The Scripps Research Institute, US (H. Szurmant, J.A. Hoch)
  • Rice University, Houston, US (J. Onuchic, F. Morcos)
  • Human Genetics Foundation, Turin, Italy (R. Zecchina, A. Pagnani, C. Baldassari)
  • Karlsruhe Institute for Technology (A. Schug, B. Lutz)
  • Ecole Normale Supérieure, Paris, France (R. Monasson, S. Cocco)
  • Memorial Sloan-Kettering Cancer Center (C. Sander)
  • INSERM (O. Tenaillon)
  • European Bioinformatics Institute / EMBL Cambridge (M. Punta)
  • Howard-Hughes Medical Institute, Janelia Farm Research Campus (S. Eddy)