• Réduire le texte

    Réduire le texte
  • Rétablir taille du texte

    Rétablir taille du texte
  • Augmenter le texte

    Augmenter le texte
  • Imprimer

    Imprimer

Des approches prédictives pour la biologie et l’écologie

Mis à jour le 23/01/2017
Publié le 05/01/2017

La transition numérique combinée à la biologie des systèmes doit contribuer à enrichir les sciences du vivant d’approches plus quantitatives et prédictives. Les capacités d’observation et d’expérimentation, du niveau moléculaire à ceux de l’organisme vivant, des populations et des communautés, progressent à un rythme inégalé. Les technologies numériques prennent une place centrale dans la collecte, l’organisation, le traitement et l’exploitation de l’information et des connaissances. Ce contexte offre un cadre naturel au développement de représentations formelles, à la modélisation des systèmes et à leur exploration par la simulation pour poser en retour de nouvelles questions à la biologie et susciter de nouvelles expérimentations.

Les questions de recherche se répartissent en trois grands champs :

La biologie des systèmes, l’intégration des mécanismes de l’échelle moléculaire à celle de l’organisme dans son environnement biotique et abiotique :

  • La représentation formelle des systèmes vivants aux différentes échelles pour la gestion, l’intégration et l’exploitation des données, de l’information et des connaissances
  • La modélisation multi-échelle pour l’analyse, la simulation ou la prédiction des systèmes vivants.

La dynamique de populations et de communautés à l’échelle d’un agro-écosystème et son impact en termes de performances, de services écosystémiques et de durabilité :

  • Les représentations formelles, dynamiques et multi-échelle, des entités et des agents structurant les agro-écosystèmes dans un paysage ou un réseau d’échange
  • La modélisation des interactions biotiques et abiotiques dans l’espace, couplant dynamique et génétique des populations y compris les processus évolutifs, et la quantification des incertitudes et de la variabilité dans cette modélisation.

L’exploitation des données massives, dans certains domaines où l’objectif immédiat n’est pas tant la compréhension des mécanismes sous-jacents – qui peuvent faire l’objet d’autres travaux – que l’exploitation massive des données. Par exemple, en sélection génomique, les corrélations entre génotypes et phénotypes dans des environnements différents permettent d’obtenir des prédictions efficaces et opérationnelles à court terme, que peuvent ensuite optimiser une connaissance plus fine des mécanismes en jeu.

Au-delà des enjeux cognitifs, ces questions portent aussi des enjeux d’innovation, entre autres en biologie de synthèse, en amélioration génétique et en conception de systèmes alimentaires. 
La biologie des systèmes, du gène à l’agroécosystème et dans tous les règnes du vivant, nécessite de croiser un ensemble de disciplines formelles (mathématiques et informatique notamment) et de disciplines d’observation (sciences du vivant et physiques).

Organiser les informations et les données qui leur sont associées conduira à un corpus de connaissances et de méthodes où sciences formelles et sciences de l’observation et de l’expérimentation s’enrichiront mutuellement. À l’image des systèmes d’information développés dans le secteur technologique, cela passe par le développement de plateformes intégratives pour tirer parti au mieux des nouvelles capacités d’investigation du vivant et pour, en retour, alimenter les hypothèses guidant cette investigation.