DYLISS

Responsable d'équipe
Olivier DAMERON (Enseignant-chercheur, Université de Rennes 1)

DYLISS : Dynamics, Inference and Logics for bIological Systems and Sequences

DYLISS est une équipe de bioinformatique qui se consacre à l'identification et à la caractérisation des groupes d'acteurs génétiques qui contrôlent la réponse phénotypique d'individus ou d'espèces à leur environnement.

La révolution des données en sciences de la vie combinées à des techniques d'apprentissage automatique permettent d'identifier les entités les plus saillantes dans un jeu de données. Cependant, le besoin biologique réside dans l'explication du classement obtenu, et plus précisément dans l'identification des processus biologiques ayant conduit à l'observation de ces phénotypes. Ceci nécessite de tenir compte des connaissances existantes à propos des chaînes d'interaction
des entités biologiques et de leurs régulateurs.

Les défis sont ainsi

  • d'intégrer de grands jeux de données hétérogènes et complémentaires entre eux et avec des bases de connaissances,
  • de générer des modèles explicatifs compatibles avec les connaissances et les observations,
  • d'explorer et analyse exhaustivement la famille des modèles compatibles.


DYLISS développe des méthodes d'analyse de données et de raisonnement s'articulant sur trois axes :

  • développer des méthodes de structuration et d'intégration de données en graphes de connaissances permettant d'unifier les données et les connaissances. cela s'appuie sur les technologies du Web Sémantique et les ressources de l'initiative des données liées.
  • tirer parti de ces graphes de connaissances pour générer des familles de modèles des processus compatibles avec les observations et les connaissances
  • aider les experts du domaine à explorer et analyser ces familles de modèles.
Date de création
01/07/2013
Etablissements de rattachement
INRIA, Université de Rennes 1, CNRS
Localisation
Campus de Beaulieu, RENNES (35)
Rapports d'activité
Fichier attaché Taille
dyliss2019.pdf 492.14 Ko
dyliss2018.pdf 470.61 Ko
dyliss2017.pdf 538.87 Ko