Laboratoire de biologie des systèmes. Logiciels et jeux de données

INDIGO

 L’algorithme INDIGO (INferring Drug Interactions using chemoGenomics and Orthology) prédit comment les antibiotiques prescrits en combinaison inhiberont la croissance bactérienne. INDIGO exploite la génomique et les données d’interactions médicamenteuses dans l’organisme modèle – E. coli, pour faciliter la découverte de thérapies combinées efficaces chez des agents pathogènes moins étudiés, tels que M. tuberculosis. [Télécharger l’algorithme INDIGO] (Réf: Chandrasekaran et al. Biologie des Systèmes Moléculaires 2016) [Tutoriel INDIGO]

MAGENTA

MAGENTA (Métabolisme et adaptation génomique des schémas antibiotiques) prédit l’impact de l’environnement pathogène sur la puissance antibiotique. MAGENTA utilise des données chimiogénomiques pour prédire les interactions médicamenteuses synergiques ou antagonistes dans différents environnements métaboliques. [Télécharger le logiciel et les jeux de données MAGENTA] (Réf: Cokol, Li et Chandrasekaran, Plos Biologie Computationnelle 2018)

GÉMEAUX

GEMINI (Gene Expression and Metabolism Integrated for Network Inference) connecte directement les interactions réglementaires aux phénotypes observables et permet une évaluation rapide des interactions réglementaires inférées en utilisant un réseau métabolique [Implémentation et données de l’algorithme GEMINI] (Réf: Chandrasekaran et Price, Plos Biologie Computationnelle 2013) [Données du tutoriel GEMINI]

ASTRIX

ASTRIX (Analyse des sous-ensembles de régulateurs de transcription influençant l’eXpression) utilise des données d’expression génique pour identifier les interactions réglementaires entre les facteurs de transcription et leurs gènes cibles. Réf: Chandrasekaran et al, PNAS, 2011. [Télécharger l’algorithme ASTRIX et des exemples de données]

ACTIVITÉ DE FLUX DYNAMIQUE (DFA)

L’approche DFA utilise des modèles de réseaux métaboliques à l’échelle du génome pour déduire l’activité des réactions métaboliques à partir des données métabolomiques au cours du temps. Cette approche s’est avérée prédire avec précision les différences métaboliques entre différentes cellules souches pluripotentes embryonnaires et induites. Réf.: Chandrasekaran et al, Rapports de cellule, 2017. [Télécharger le code source DFA; Données du didacticiel]

PROM

PROM (Régulation probabiliste du métabolisme) permet l’intégration quantitative des réseaux régulateurs et métaboliques pour construire des modèles métaboliques-régulateurs intégrés à l’échelle du génome [Télécharger les modèles PROM pour E. coli et Mycobacterium tuberculosis; dernière version de l’algorithme PROM] (Réf: Chandrasekaran et Price, PNAS 2010)

MÉTABOLISME – MODÈLE D’ÉPIGÉNOME

Le modèle de réseau métabolique à l’échelle de l’épigénome (EGEM) prédit l’impact des altérations métaboliques sur l’acétylation des histones, une modification centrale de l’épigénome qui influe sur l’expression des gènes. Données de Shen et al, Genome Biology, 2019. [Télécharger le modèle Metabolism-Epigenome]


Source de la page: https://www.sriramlab.org/software/
Traduit par Mathilde Guibert

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *