ModPhosphoNet

La modélisation de réseaux permet d'étudier les différents processus cellulaires et leur dysfonctionnement lors de maladies telles que le cancer. L'analyse de grands réseaux reste un défi. Notamment, peu d'études intégratives incluent des données de phosphoprotéomique, une source importante d'informations pour étudier les voies de signalisation, en raison des difficultés liées à l'analyse des données de phosphoprotéome. Dans le médulloblastome (MB), la tumeur cérébrale pédiatrique maligne la plus courante, nous avons pu mettre en évidence que des voies de signalisation importantes sont contrôlées au niveau post-transcriptionnel dans deux sous-groupes parmi les quatre idéntifiés. Ainsi, nous proposons ici une nouvelle stratégie d'intégration et de modélisation pour considérer avec précision les informations sur le phosphoprotéome et ses conséquences fonctionnelles potentielles. Deux principales approches informatiques seront explorées: (i) le modèle à blocs stochastiques (SBM) de réseaux multipartites et (ii) la simulation dynamique de réseaux multi-couches. Nous proposons d'utiliser des algorithmes SBM afin d'identifier des groupes de patients en fonction de leur connexion dans plusieurs réseaux moléculaires (protéomique, phosphoprotéomique et transcriptomique). Les résultats des analyses SBM seront interprétés comme des signatures pondérées par sous-groupe de MB. Basés sur ces premiers résultats, nous construirons des modèles mathématiques logiques spécifiques à chaque sous-groupe. Des simulations stochastiques seront effectuées sur ces modèles pour prédire les points d'intervention possibles. Les cibles prédites seront validées fonctionnellement et leur pertinence thérapeutique évaluée à la lumière des données cliniques. L'étude proposée vise non seulement à réaliser  d'importants progrès méthodologiques pour résoudre le problème de la réduction et de la modélisation des réseaux biologiques mais aussi à améliorer la prise en charge thérapeutique dans le MB.