Société Française de Bioinformatique

Mots-Clés

Annotation Fonctionnelle métagénomes Deep Learning Biostatistiques

Description

L’objectif de ce stage est de développer des méthodes computationnelles pour l’annotation fonctionnelle de génomes marins en exploitant des techniques récentes et prometteuses fondées sur l’IA, en particulier les réseaux de neurones profonds et les grands modèles de langage [1]. Nous allons évaluer la performance de méthodes d’IA sur l’annotation fonctionnelle de génomes marins de référence: des nombreux génomes de cyanobactéries disponible dans la base Cyanorak [2] et Phaeoexplorer [3], dédiées respectivement aux cyanobactéries et aux algues brunes, deux bases développées et maintenues par la Station Biologique de Roscoff. Les résultats seront ensuite comparés à l’état de l’art: BLAST et InterProScan. L’objectif final sera de développer un outil d’annotation fonctionnelle adapté aux bactéries et eucaryotes marins, permettant de mieux de faire le lien entre diversité génétique, fonctions et habitats en milieu marin.

Références
1 - Bileschi, Maxwell L., et al. “Using deep learning to annotate the protein universe.” Nature Biotechnology 40.6 (2022): 932-937.
2-Garczarek, L, et al. “Cyanorak v2. 1: a scalable information system dedicated to the visualization and expert curation of marine and brackish picocyanobacteria genomes.” Nucleic acids research 49.D1 (2021): D667-D676.
3 - Brillet-Guéguen, L., et al. “The Phaeoexplorer Database: a Multi-Scale Genomic and Transcriptomic Data Resource for the Brown Algae.” International Conference on Biology, Informatics, and Mathematics (JOBIM 2022). 2022.