Stage M2S3 (2020-2021)

La technologie à haut-débit génère d’énormes quantités de séquences génomiques brutes qui sont une source d’informations cruciales pour étudier et comprendre le vivant. Cependant, sans l’ajout de métadonnées, elles sont difficiles à exploiter et parfois même inutiles. Ce processus, souvent appelé 'annotation', permet notamment de caractériser la structure interne des gènes codant pour des protéines, qui se décompose chez la majorité des eucaryotes, en une mosaïque d’exons et d’introns. Cette complexité fait de l’annotation un défi capital que les chercheurs tentent de résoudre depuis plusieurs décennies. Une des difficultés consiste à localiser les sites d’épissage faisant la jonction entre les exons et les introns. Ainsi, de nombreux programmes informatiques ont été développés pour prédire les sites d’épissages, en s’appuyant sur des données validées d’organismes modèles (ex : souris, A. thaliana, levure...). Malheureusement, ces prédicteurs réalisent beaucoup d’erreurs et de nombreux gènes d’espèces modèles sont encore mal annotés.
Dans ce cadre, au sein de l'équipe CSTB, nous nous sommes intéressés au développement d’un nouvel outil de prédiction de site d’épissage multi-espèce. Ce programme se base sur des algorithmes d’intelligence artificielle et sur un jeu de données original. L’objectif du stage sera de participer au développement d'un modèle basé sur les réseaux de neurones artificiels qui permettra la prédiction de sites d’épissages.