Collaboration franco-japonaise en bioinformatique à Centrale Nantes

Les nombreuses applications dans la santé des travaux de recherche de Morgan Magnin ont pour objectif d’aider au diagnostic des maladies et de concevoir de nouvelles thérapies. Elles participent ainsi à la mise en place de la médecine personnalisée et adaptée au plus près aux besoins de chacun.
Professeur des Universités à Centrale Nantes au sein de l’équipe MeForBio du LS2N (UMR CNRS), Morgan Magnin entretient depuis des années de solides relations avec le Pr Katsumi Inoue, du laboratoire du même nom au sein du NII à Tôkyô.


Au cours des sept dernières années, la collaboration a abouti aux résultats suivants :

• 4 doctorants de Centrale Nantes / LS2N ont effectué un stage dans le laboratoire de Katsumi Inoue (minimum 3 mois chacun) grâce au dispositif d’accueil en stages Masters ou doctoraux proposés par le NII;
• M. Magnin, qui occupe un poste de professeur invité dans le laboratoire de Katsumi Inoue depuis 2015, a passé 2 ans (en cumulé) au NII, invité sur des budgets japonais (telle qu’une bourse de la JSPS) ;
• un ancien doctorant de Katsumi Inoue, T. Ribeiro, est devenu post-doctorant pendant 3 ans à Centrale Nantes / LS2N ;
• M. Magnin et T. Ribeiro sont membres du projet KAKENHI Kiban-A porté par Katsumi Inoue autour de l’apprentissage de la dynamique à partir de données de types « états-transitions »
• Plusieurs publications communes : 5 revues internationales, 8 conférences internationales avec comité de lecture avec actes et 3 ateliers internationaux ou conférences nationales.

Biologie des systèmes

Leurs travaux s’intéressent à la biologie des systèmes et considèrent les organismes vivants comme des systèmes de réseaux en interactions. Sur la base de l’observation du comportement de ces systèmes, il s’agit de construire un modèle, un programme logique, qui permettre d’expliquer ou de prédire une situation. Exemple : peut-on se baser sur le patrimoine génétique d’une personne pour prédire qu’elle aura le virus de la grippe ?
Morgan Magnin est également le porteur français d'un projet franco-japonais PHC Sakura entre Centrale Nantes et l'Université de Kobe, qui a été lancé début 2019.

Pour aller plus loin : résumé des échanges académiques

Le laboratoire de Katsumi Inoue (Inoue Lab.) du National Institute of Informatics (NII) à Tôkyô et l’équipe MeForBio de Centrale Nantes / LS2N collaborent depuis 2011.
Ensemble, ils étudient les avantages respectifs - et la complémentarité - de la modélisation logique (en termes d'apprentissage et de vérification) pour s'attaquer aux systèmes dynamiques complexes, notamment ceux de la biologie des systèmes.
Lors de l'analyse de systèmes dynamiques à grande échelle, certaines propriétés clés sont communes à tous les systèmes, quelle que soit leur nature (temps réel, biologique, logistique). L'équipe MeForBio de Centrale Nantes / LS2N et du laboratoire du Pr. Katsumi Inoue au NII s’intéresse depuis toujours aux propriétés telles que les attracteurs, l’accessibilité, la connectivité… La collaboration a commencé par l’intérêt commun des deux équipes pour les approches formelles d’analyse dynamique de systèmes complexes à grande échelle : l’équipe française a développé des algorithmes d’analyse statique efficaces pour traiter les propriétés dynamiques des réseaux d'automates ; l'équipe japonaise a une solide expérience des réseaux booléens et de leur modélisation logique. La combinaison de ces approches a conduit à des méthodes efficaces pour traiter des modèles avec une connaissance incomplète de la coopération entre composants.
Par la suite, la collaboration s'est concentrée sur l'apprentissage de systèmes dynamiques à partir de l'observation de leurs changements en termes de transitions d'états. Sur la base des travaux phares de Katsumi Inoue, les chercheurs ont conçu diverses extensions du cadre LFIT (Learning From Interpretation Transition) pour apprendre les systèmes dynamiques à partir d'observations de transitions d'état. Ils ont appliqué cette approche aux données réelles provenant de collaborateurs en biologie, d’une part, aux défis mondiaux ouverts d’apprentissage automatique (DREAM Challenges), d’autre part. Ensemble, en 2016, ils ont participé au défi DREAM11 sur la prévisibilité de l'apparition des symptômes de la grippe en ce qui concerne l'expression des gènes. Cette participation leur a donné d’autres idées pour leur recherche. Face aux données réelles, le principal inconvénient d'une approche purement logique est la nécessité de discrétiser les données brutes. Pour surmonter cette limite, ils ont récemment conçu une méthode qui apprend la dynamique du système directement à partir de données chronologiques continues ainsi que d’une extension LFIT permettant un apprentissage indépendant de la sémantique en présence.