L'algorithme de Schulze dans l'inférence de méta-réseaux transcriptionnels

Abstract

L'inférence de réseaux de régulations génétiques (GRN) permet l'étude des processus cellulaires comme le développement, le métabolisme, l'adaptation et la signalisation cellulaire. Plusieurs études ont cependant montré qu'aucune méthode d'inférence n'était optimale. C'est dans cet objectif que des méthodes d'agrégation de GRN ont été développées, avec comme objectif de former des méta-réseaux de meilleure efficacité par rapport aux réseaux individuels. L'objectif de ce mémoire est de regarder si la méthode de Schulze, une méthode de vote décrite en 2011, pourrait alors être utilisée dans le but de construire des méta-réseaux. Dans cet objectif, la méthode de Schulze a été comparée à 2 autres méthodes d'intégration de réseaux, les approches Weightsum et Ranksum. Les 3 méthodes ont été utilisées dans un 1er temps pour agréger des réseaux d'interactions physiques et fonctionnelles issus de la drosophile melanogaster. Puis les méthodes ont été utilisées sur des réseaux de co-expression simulés, dont les données provenaient des mêmes datasets, mais avaient été inférés au moyen d'approches différentes. Ensuite la qualité des méta-réseaux obtenus a été évaluée en les comparant à un réseau servant de gold standard. Les différentes méthodes d'évaluation de réseau ont montré une meilleure efficacité des méta-réseaux assemblés par la méthode de Schulze, par rapport aux réseaux obtenus par Weightsum et Ranksum. La méthode de Schulze possède également une meilleure capacité à intégrer des réseaux hétérogènes. Cependant, la forte complexité de la méthode de Schulze limite la taille des réseaux pouvant être intégrés.