Result: Qualitative analysis of the relation between DNA microarray data and behavioral models of regulation networks

Title:
Qualitative analysis of the relation between DNA microarray data and behavioral models of regulation networks
Authors:
Siegel, Anne, Radulescu, Ovidiu, Le Borgne, Michel, Veber, Philippe, Ouy, Julien, Lagarrigue, Sandrine
Contributors:
Biological systems and models, bioinformatics and sequences (SYMBIOSE), Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Centre Inria de l'Université de Rennes, Institut National de Recherche en Informatique et en Automatique (Inria), Institut de Recherche Mathématique de Rennes (IRMAR), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-École normale supérieure - Rennes (ENS Rennes)-Université de Rennes 2 (UR2)-Centre National de la Recherche Scientifique (CNRS)-INSTITUT AGRO Agrocampus Ouest, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), Synchronous programming for the trusted component-based engineering of embedded systems and mission-critical systems (ESPRESSO), Génétique Animale (GARen), Institut National de la Recherche Agronomique (INRA)-AGROCAMPUS OUEST-Ecole Nationale Supérieure Agronomique de Rennes
Source:
BioSystems. 84:153-174
Publisher Information:
CCSD; Elsevier, 2006.
Publication Year:
2006
Collection:
collection:EC-PARIS
collection:UNIV-RENNES1
collection:IRMAR
collection:UR2-HB
collection:CNRS
collection:INRIA
collection:INSA-RENNES
collection:ENSA-RENNES
collection:INRA
collection:INRIA-RENNES
collection:IRISA
collection:IRISA_SET
collection:IFR140
collection:INRIA_TEST
collection:UNAM
collection:TESTALAIN1
collection:IRISA-D4
collection:INRIA2
collection:UR1-HAL
collection:UR1-MATH-STIC
collection:UR1-UFR-ISTIC
collection:AGREENIUM
collection:UNIV-RENNES2
collection:TEST-UNIV-RENNES
collection:TEST-UR-CSS
collection:UNIV-RENNES
collection:INRIA-RENGRE
collection:INRIA-300009
collection:INSA-GROUPE
collection:INRAE
collection:GENETIQUE_ANIMALE
collection:UR1-MATH-NUM
collection:INSTITUT-AGRO-RENNES-ANGERS-UMR-PEGASE
collection:INSTITUT-AGRO-RENNES-ANGERS
collection:INSTITUT-AGRO-PEGASE
collection:INSTITUT-AGRO
collection:PUBLIS-EC-IA
Subject Terms:
ACM: J.: Computer Applications, J.3: LIFE AND MEDICAL SCIENCES, J.3.0: Biology and genetics, [INFO.INFO-BI]Computer Science [cs], Bioinformatics [q-bio.QM], [SDV.BIBS]Life Sciences [q-bio], Quantitative Methods [q-bio.QM]
Original Identifier:
HAL:
Document Type:
Journal article<br />Journal articles
Language:
English
ISSN:
0303-2647
Access URL:
https://inria.hal.science/inria-00178809
https://inria.hal.science/inria-00178809v1/document
https://inria.hal.science/inria-00178809v1/file/BiosystemsSRLVOL.pdf
Rights:
info:eu-repo/semantics/OpenAccess
Accession Number:
edshal.inria.00178809v1
Database:
HAL

Further Information

We introduce a mathematical framework that allows to test the compatibility between differential data and knowledge on genetic and metabolic interactions. Within this framework a behavioral model is represented by a labeled oriented interaction graph; its predictions can be compared to experimental data. The comparison is qualitative and relies on a system of linear qualitative equations derived from the interaction graph. We show how to partially solve the qualitative system, how to identify incompatibilities between the model and the data, and how to detect competitions in the biological processes that are modeled. This approach can be used for the analysis of transcriptomic, metabolic or proteomic data.