ORGANISATEURS SCIENTIFIQUES

P.S. Swain (McGill)
B.P. Ingalls (Waterloo)
M.C. Mackey (McGill)


CONFÉRENCIERS INVITÉS

Eric Cytrynbaum (UBC)
Michael Ellison (Alberta)
Tim Elston (North Carolina)
Eldon Emberly (Simon Fraser)
James E. Ferrell, Jr. (Stanford School of Medicine)
Jeff Hasty (UC San Diego)
Martin Howard (Imperial College London)
Terry Hwa (UC San Diego)
Pablo Iglesias (Johns Hopkins)
Mads Kaern (Ottawa )
Edda Klipp (Max Plank)
Andre Levchenko (Johns Hopkins)
David McMillen (Toronto)
Nick Monk (Kroto Research Institute, Sheffield)
Felix Naef (ISREC)
Vincent Noireaux (Minnesota)
Sharad Ramanathan (Harvard)
Chris Rao (Illinois)
Andrew Rutenberg (Dalhousie)
Anirvan Sengupta (Rutgers)
Eric Siggia (Rockefeller)
Victor Sourjik (Heidelberg)
John Tyson (Virginia Tech)
Alex Van Oudenaarden (MIT)
Jose Vilar (Sloan-Kettering Institute)
Ron Weiss (Princeton)
Ned Wingreen (Princeton)


Semestre thématique
sur les systèmes dynamiques appliqués
Juin-décembre 2007

Les nouvelles technologies ont mené à une augmentation phénoménale des données au niveau moléculaire dans les systèmes biologiques. Ces données permettent la transition de la biologie moléculaire vers une science quantitative, et engendrent également une nouvelle complexité dans les réseaux biochimiques. On a pensé originellement que les protéines et les gènes existent dans des chemins linéaires, avec un composant ascendant activant seulement ses contreparties descendantes. Actuellement les raccordements et l'interférence entre les chemins sont habituels, et il s'avère que les propriétés dynamiques non linéaires de ces réseaux déterminent non seulement la physiologie des cellules mais également le développement et le comportement de l'organisme.

Les réseaux biochimiques sont fortement complexes, contenant rétroactions positives, négatives, et mélangées couplées avec des composants stochastiques et un temps de retard. Des outils et des concepts mathématiques sont essentiels pour développer une compréhension prédictive : les processus stochastiques et les équations différentielles (à retard) fournissent des modèles précis. L'analyse de bifurcation décrit la dynamique du modèle, la simulation numérique donne la prévision, et les statistiques et les méthodes de Monte Carlo par chaînes de Markov adaptent les prévisions aux données.

Cet atelier animé par des spécialistes de la modélisation et des expérimentateurs, se concentrera sur la «création» de réseau. Bien que la reproduction du comportement cellulaire par simulation ait une force prédictive de valeur considérable, la simulation en elle-même peut devenir presque aussi complexe que le réseau lui-même. Une compréhension intuitive des propriétés de réseau sera probablement atteinte uniquement par la séparation des réseaux en modules fonctionnels comme, par exemple, un système électrique peut être décomposé en transistors et commutateurs. Une telle approche a été de valeur inestimable en sciences physiques et le caractère multidisciplinaire de cet atelier fournira l'élan pour son application en biologie.

Cet atelier est précédé du mini-cours sur la biologie quantitative (22-23 septembre 2007).

Parrainné par

logo