Les cellules face à l’incertitude
La théorie des probabilités permettrait d’expliquer le comportement des cellules
Des chercheurs de l’Université McGill ont découvert que les cellules réagissent à l’évolution constante de leur environnement d'une façon similaire à celle établie par l'approche mathématique optimale correspondante. Ils ont utilisé la règle de Bayes, résultat de la théorie des probabilités. Ces résultats ont été publiés dans le numéro du 9 avril du PNAS (Proceedings of the National Academy of Sciences).
« Il y a quelques années, on voyait la modélisation mathématique d’un œil sceptique, car il était très difficile de tester certaines prédictions », explique Peter Swain, professeur adjoint du Département de physiologie et titulaire d’une Chaire de recherche du Canada en biologie des systèmes. De nos jours, ajoute-t-il, « la biologie connaît une renaissance, car de plus en plus de chercheurs examinent la cellule à l’aide de schémas dérivés de l’ingénierie et de l’informatique ».
L’étude s’est déroulée au Centre de dynamique non linéaire en physiologie et médecine de McGill (CND), avec la participation d’Eric Libby, doctorant au CND et auteur principal de l’article, de Ted Perkins, professeur adjoint à l’École d’informatique, et de Peter Swain, qui ont simulé les données du mécanisme de réaction biochimique d’une souche de bactéries E. coli. « Le modèle mathématique idéal et la simulation concordaient parfaitement avec la règle de Bayes », explique M. Swain. Le groupe de gènes et de protéines qui ont réagi aux conditions environnementales changeantes a servi de module d’inférence bayésienne, lequel prend des données marquées par le bruit et l’incertain et en interprète la signification pour la cellule. Il existe plusieurs schémas connus d'inférence en mathématique. Cette étude suggère que les cellules ont pu évoluer de telle façon à intégrer les capacités de prise de décision les plus efficaces dans leurs voies biochimiques.
La survie nécessite des réactions cellulaires rapides et précises aux signaux. Quand on pressent un danger, le corps peut détecter si le signal est réel et déclencher une production immédiate d’adrénaline. Toutefois, il est difficile de modéliser les effets d’un signal sur une partie d’une cellule, même en l’isolant des tissus et organes du corps. « Dans plusieurs cas, on ne sait pas comment les médicaments fonctionnent ou ce qu'ils ciblent précisément dans la cellule », explique M. Swain. D’après lui, une étude plus poussée des modules d’inférence pourrait aider à modéliser un comportement cellulaire plus complexe, permettant éventuellement l’informatisation des expériences et des essais sur les médicaments.
Cette étude a été financée par le Conseil de recherches en sciences naturelles et en génie (CRSNG) et par le Réseau des mathématiques des technologies de l'information et des systèmes complexes (MaTISC), un réseau national de centres d’excellence.