Le “jeu des possibles” biologique est si complexe qu’il paraît a priori impossible de dériver des théories fondamentales semblables à ce qui existe en physique. Pourtant dans la dernière décennie, des progrès énormes ont été faits dans l’acquisition et l’analyse des données (par exemple l’expression dynamique des gènes dans un tissu). Je montrerai comment des approches inspirées de la physique, combinées à l’apprentissage machine, permettent d’identifier des structures dynamiques simples dans ces données, suggérant des modèles géométriques (analogues à des potentiels) de processus cellulaires a priori complexes. J’illustrerai cette approche sur deux exemples: les oscillateurs cellulaires contrôlant la formation des vertèbres, et l’encodage de l’information immunitaire par des lymphocytes T.
Références :
Jutras-Dubé et al, eLife, 2020
Seyboldt et al, PNAS, 2022
Achar et al, Science, 2022
