Revue et évaluation des approches booléennes pour l'inférence des réseaux régulateurs de gènes

Les descriptions booléennes des réseaux régulateurs de gènes peuvent fournir un aperçu des interactions entre les gènes. Les réseaux booléens ont un pouvoir prédictif, sont faciles à comprendre et peuvent être utilisés pour simuler les réseaux observés dans différents scénarios. Nous passons en revue les méthodes fondamentales et à la pointe de la technologie pour l'inférence des réseaux booléens. Nous introduisons une méthodologie pour une évaluation simple des approches d'inférence booléennes basée sur la génération de jeux de données d'évaluation, l'application de méthodes d'inférence sélectionnées et l'évaluation des mesures de performance afin de guider la sélection de la meilleure méthode pour un problème d'inférence donné. Nous démontrons cette procédure sur les méthodes d'inférence REVEAL (REVerse Engineering ALgorithm), Best-Fit Extension, MIBNI (Mutual Information-based Boolean Network Inference), GABNI (Genetic Algorithm-based Boolean Network Inference) et ATEN (AND/OR Tree ENsemble algorithm), qui infèrent des descriptions booléennes des réseaux régulateurs de gènes à partir de données de séries temporelles discrétisées. Les approches d'inférence booléenne ont tendance à mieux performer en termes de précision dynamique, et légèrement moins bien en termes de correction structurelle. Nous croyons que la méthodologie proposée et les lignes directrices fournies aideront les chercheurs à développer des approches d'inférence booléennes avec une bonne capacité prédictive tout en maintenant la correction structurelle et la pertinence biologique.