Synthèse de réseaux booléens à partir de la structure et de la dynamique des réseaux de réactions

Conversion between modelling formalisms is a critical challenge in systems biology, as it helps to get new insights into complex biological systems. This thesis proposes an approach to automatically synthesise Boolean networks from existing reaction networks, enabling the conversion betweentwo widely used formalisms. The thesis consists of three contributions. First, we introduce a method for extracting the structure and dynamics of a reaction network. That is, a graph that encodes the potential direct influences between the components, and either a (binarised) time series or a (partial) transition graph. Second, we present an answer-set programming-based approach to synthesise Boolean networks that comply with the extracted structure and dynamics. Finally, we evaluate the resulting pipeline on both toy examples and reaction networks from the Biomodels repository, encoded in the system biology markup language. Our results demonstrate the effectiveness of our approach in generating relevant Boolean networks from reaction networks.La conversion entre différent formalismes de modélisation est un défi majeur en biologie des systèmes, car elle aide à obtenir de nouvelles connaissances sur les systèmes biologiques. Cette thèse propose une approche pour synthétiser automatiquement des réseaux booléens à partirde réseaux de réactions existants, permettant la conversion entre deux formalismes très utilisés. La thèse se compose de trois contributions. La première concerne l’extraction de la structure et de la dynamique d’un réseau de réactions : un graphe qui encode les potentielles influencesdirectes entre les composants du système, et soit une série temporelle (binarisée), soit un graphe de transition (potentiellement partiel). La deuxième est une approche basée sur la programmation d’ensembles-réponses pour synthétiser des réseaux booléens conformes à la structure et à ladynamique extraites. La troisième concerne l’évaluation du pipeline ainsi formé, sur des exemples jouets et des réseaux de réactions issus de la base de données Biomodels. Ces modèles sont encodés dans le langage SBML. Nos résultats démontrent l’efficacité de notre approche pour générer des réseaux booléens pertinents à partir de réseaux de réactions