Prédire la transcription à partir des séquences génomiques Prediction of transcription and genomic sequences

Résumé

Les développements technologiques récents ont grandement facilité et accéléré l’obtention des séquences nucléiques à l’échelle génomique. À partir de ces séquences, les bio-informaticiens tentent de délimiter les régions fonctionnelles, y compris bien sûr les gènes, mais aussi les motifs et les conditions qui contrôlent leur expression. Dans un article récemment publié dans Cell, M.A. Beer et S. Tavazoie combinent une méthode de classification (clustering) de données de transcriptome (puces à ADN), un logiciel de découverte de motifs cis-régulateurs, ainsi qu’une méthode d’apprentissage probabiliste pour inférer des règles susceptibles de rendre compte des profils d’expression transcriptionnelle observés.

Summary

Technological developments have enhanced DNA sequencing at genomic scale. On the basis of the resulting sequences, computational biologists now attempt to localise the most important functional regions, starting with genes, but also importantly the regulatory motifs and conditions controlling their expression. In a recent paper published in Cell, M.A. Beer and S. Tavazoie report the results obtained by combining statistical classifications (clustering) of transcriptome data (DNA chips), software for the discovery of cis-regulatory patterns, together with a probabilistic learning method to infer regulatory rules tentatively accounting for the observed transcriptional profiles.