Cogoni, Florian (2024) Approche participative transdisciplinaire pour la modélisation multi-agents appliquée à la biologie cellulaire. École doctorale Mathématiques, Informatique et Télécommunications (Toulouse).

Preview

Text Download (24MB) | Preview

Abstract

La modélisation est un outil puissant et versatile pour décrire et comprendre les phénomènes qui régissent notre monde. Les mathématiques et plus récemment l'informatique ont permis l'émergence de modèles et de représentations qui permettent une plus grande compréhension de ces mécanismes. Ce niveau d'abstraction permis par les outils numériques est appelé in silico. La biologie s'intéresse à des objets complexes faisant intervenir plusieurs phénomènes qui peuvent interagir à plusieurs échelles. C'est pourquoi cette science se repose, entre autres, sur des représentations et des modèles pour simplifier la réalité et extraire les mécanismes principaux permettant d'expliquer ce qui est observé. Les progrès techniques dans le domaine des sciences computationnelles ont permis à la biologie de bénéficier de nouveaux outils pour approfondir leur compréhension du vivant au travers des modèles in silico. Cependant, ces outils requièrent des compétences en mathématiques et/ou informatique qui peuvent freiner les biologistes à les utiliser ou compliquer leur compréhension du modèle dans le cadre de collaborations avec des modélisateurs.Les travaux présentés dans cette thèse s'intéressent au développement d'une méthodologie et d'une plateforme au service de cette dernière pour faciliter la collaboration entre biologistes et modélisateurs dans le cadre du développement de modèles multi-agents de biologie cellulaire. Dans un premier temps, nous avons développé une méthodologie participative pour impliquer les biologistes dans le processus de modélisation en facilitant le dialogue et la compréhension du modèle se reposant sur des outils visuels comme des diagrammes UML. Cette méthodologie a pour objectif de réduire le temps de développement et la frustration en maximisant l'intercompréhension, le dialogue et l'implication de tous les collaborateurs.Dans un second temps, pour appuyer cette méthodologie, nous avons développé une plateforme, nommée ISiCell, permettant de générer le code du modèle à la volée à partir des différents diagrammes. La plateforme permet ensuite de visualiser et d'analyser des simulations. Le but de cette plateforme est de faciliter et d'accélérer la mise en place de la méthodologie tout en offrant un outil versatile pour développer des modèles multi-agents de biologie cellulaire.Enfin, nous avons éprouver notre méthodologie et notre plateforme en développant différents modèles issus de la littérature, d'anciennes ou de nouvelles collaboration avec des biologistes. Cela nous a permis, à la fois, d'enrichir et de raffiner ISiCell et la méthodologie qu'elle sert.Ces travaux ont été réalisés au sein de l'équipe Réelle Expression Vie Artificielle (REVA) de l'Institut de Recherche en Informatique de Toulouse (IRIT UMR 5505) et ont été financés par une bourse de doctorat de la région Occitanie et de l'Université Toulouse I Capitole dans le cadre du projet OnkoOptim.

Modeling is a powerful and versatile tool for describing and understanding the phenomena that govern our world. Mathematics and, more recently, computer science have enabled the emergence of models and representations that provide a greater understanding of these mechanisms. This level of abstraction made possible by digital tools is known as in silico. Biology is concerned with complex objects involving several phenomena that can interact at different scales. This is why this science relies, among other things, on representations and models to simplify reality and extract the main mechanisms that explain what is observed. Technical advances in the computational sciences have provided biology with new tools to deepen its understanding of the living world through in silico models. However, these tools require mathematical and/or computational skills that may hinder biologists from using them, or complicate their understanding of the model when collaborating with modelers.The work presented in this thesis focuses on the development of a methodology and a platform to facilitate collaboration between biologists and modelers in the development of multi-agent models of cell biology. Firstly, we developed a participatory methodology to involve biologists in the modeling process by facilitating dialogue and model understanding, based on visual tools such as UML diagrams. This methodology aims to reduce development time and frustration by maximizing inter-comprehension, dialogue and involvement of all collaborators.Secondly, to support this methodology, we have developed a platform, called ISiCell, for generating model code on the fly from the various diagrams. The platform can then be used to visualize and analyze simulations. The aim of this platform is to facilitate and accelerate the implementation of the methodology, while offering a versatile tool for developing multi-agent models of cell biology.Finally, we tested our methodology and our platform by developing different models from the literature, from old or new collaborations with biologists. This has enabled us to both enrich and refine ISiCell and the methodology it serves.This work was carried out within the Réelle Expression Vie Artificielle (REVA) team at the Institut de Recherche en Informatique de Toulouse (IRIT UMR 5505) and was funded by a doctoral grant from the Occitanie region and the Université Toulouse I Capitole as part of the OnkoOptim project.