Des guides concrets pour transformer un site en outil vraiment utile.

Auteurs indexés : Christophe Bécavin. Source : tel-05736333, version 1.

L'ADN est transcrit, les ARN sont traduits et les protéines sont produites. Pourtant, cette vision simpliste a été dépassée depuis longtemps. Ce dogme central, bien que fondateur, a été dépassé depuis longtemps. En réalité, des milliers d'éléments hétérogènes interagissent, formant des échelles omiques qui nécessitent une caractérisation, une mesure et une intégration via une approche commune. Faire face à cette complexité requiert une approche multi-omique. Cela implique : la production simultanée de données, la création de bases de données hybrides, le développement d'outils d'intégration statistique et la conception d'interfaces dédiées. Dans ce manuscrit, je présenterai mes 15 années d'analyses multi-omiques. Tout au long de mes projets, j'ai fait face aux dés susmentionnés. Ce rapport met en lumière mon parcours de recherche à travers les diérents aspects de la multi-omique. Ce fut un voyage à grande portée, traversant des domaines aussi divers que la conception web et la géométrie, pour couvrir toute l'étendue des outils multi-omiques. Mon exploration des couches multi-omiques a débuté par une investigation biophysique de la structure de la chromatine. J'ai travaillé sur un modèle de propagation de la torsion pendant la transcription, ce qui a démontré la difficulté, voire l'impossibilité, de modéliser un phénomène biologique en ne considérant qu'une seule échelle omique. Au cours de ma thèse, je suis passé d'une approche biophysique à une approche bioinformatique, montrant comment les méthodes géométriques de réduction de dimensionnalité peuvent aider à interpréter les données omiques. Bien que ces analyses n'aient pas encore été multi-omiques, elles le sont devenues au cours de mes recherches postdoctorales. J'ai progressivement reconstruit une image multi-omique d'un organisme entier, la bactérie Listeria. J'ai ensuite construit un site web permettant la navigation à travers divers ensembles de données publiés pour chaque échelle omique chez Listeria. En parallèle de ce parcours de recherche, j'ai été recruté en 2020 comme Maître de conférences à l'Université Côte d'Azur, où j'ai construit un cursus de bioinformatique aux niveaux Licence et Master. J'y ai développé des cours sur des sujets aussi divers que la bioinformatique, la biologie des systèmes et l'analyse de données omiques. Cette dimension pédagogique est devenue une part intégrante de mon parcours multiomique, me permettant de distiller des années d'expérience en cours structurés pour la prochaine génération de bioinformaticiens. Cette même année, la pandémie de COVID-19 a ouvert une frontière inattendue. Je me suis engagé dans une démarche de médiation scientifique intensive, sortant du laboratoire pour m'investir au coeur de la cité. Les approches et perspectives diverses que j'ai développées au l des années ont convergé lorsque j'ai rejoint mon laboratoire actuel. Là, je me concentre sur le développement d'outils d'intégration et d'annotation de données unicellulaires pour la reconstruction multi-omique d'atlas cellulaires des poumons. La révolution des modèles d'apprentissage profond nous permet de pousser encore plus loin l'analyse des données multi-omiques. Nous avons développé notre propre approche, un modèle d'autoencodeur tripartite modulaire nommé scMusketeers. Cette innovation signifie que l'intégration et la réduction de dimensionnalité, autrefois des étapes distinctes dans l'analyse multi-omique, sont désormais réalisées conjointement grâce à des modèles de pointe tels que les modèles de fondation. Je conclurai ce manuscrit par mes directions de recherche futures, qui incarnent la convergence des nombreux domaines scientifiques que j'ai traversés : la bioinformatique, la biologie cellulaire, la biologie des systèmes, l'apprentissage automatique, la modélisation et bien sûr la multi-omique. À leur intersection, je suis en mesure d'explorer la prochaine frontière : la reconstruction d'une Cellule Virtuelle par IA qui intègre toute la complexité des systèmes vivants.

Auteurs indexés : Christophe Bécavin. Source : tel-05736333, version 1.

DNA is transcribed, RNAs are translated, and proteins are produced. Yet this simplistic view has long been surpassed. This central dogma, while foundational, has long been surpassed. In reality, thousands of heterogeneous elements interact, forming omic scales that require characterization, measurement, and integration through a common approach. Addressing this complexity requires a multi-omic approach. Doing so involves : simultaneous data production, creating hybrid databases, developing statistical integration tools, and designing dedicated interfaces. In this manuscript, I will present my 15 years of multi-omic analyses. Throughout all my research projects, I have confronted the aforementioned challenges. This report highlights my research journey across the various aspects of multi-omics. It has been,a far-reaching journey, crossing elds as diverse as web design and geometry to cover the full breadth of multi-omics tools. My exploration of multi-omic layers began with a biophysical investigation of chromatin structure. I worked on a model of torsion propagation during transcription, which demonstrated the diculty, even impossibility, of modeling a biological phenomenon when considering only a single omic scale. During my thesis, I transitioned from a biophysical to a bioinformatics approach, showing how geometric methods of dimensionality reduction can help interpret omic data. While these analyses were not yet multi-omic, they evolved into such during my postdoctoral research. I progressively reconstructed a multi-omic image of an entire organism, the bacterium Listeria. I then built a website enabling navigation through various published datasets for each omic scale in Listeria. Alongside this research journey, I was recruited in 2020 as Maître de conférences at Université Côte d'Azur, where I built a bioinformatics curriculum at both Bachelorand Master levels. I have developed courses on subjects as diverse as bioinformatics, systems biology, and omics data analysis. This pedagogical dimension became an integral part of my multi-omic journey, allowing me to distill years of research experience into structured lessons for the next generation of bioinformaticians. That same year, the COVID-19 pandemic brought an unexpected frontier. I engaged in extensive public outreach, stepping out of the laboratory and into the heart of the city. The diverse approaches and insights I've developed over the years converged when I joined my current laboratory. There, I focus on developing single-cell data integration, and annotation, tools for the multi-omic reconstruction of cellular atlases of the lungs. The revolution of deep learning models allows us to push multi-omic data analysis even further. We've developed our own approach, a modular tripartite autoencoder model named scMusketeers. This innovation means that integration and dimensionality reduction, once separate steps in multi-omic analysis, are now performed together in a combined manner through cutting-edge models like foundation models. I will close this manuscript with my future research directions, which embody the convergence of the many scientic elds I have traversed : bioinformatics, cell biology, systems biology, machine learning, modeling, and of course multi-omics. Standing at their intersection, I am positioned to pursue the next frontier : the reconstruction of an AI Virtual Cell that integrates the full complexity of living systems.