BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//wp-events-plugin.com//7.4.1//EN
TZID:Europe/Paris
X-WR-TIMEZONE:Europe/Paris
BEGIN:VEVENT
UID:0-62@lisn.upsaclay.fr
DTSTART;TZID=Europe/Paris:20221010T143000
DTEND;TZID=Europe/Paris:20221010T173000
DTSTAMP:20221007T150946Z
URL:https://www.lisn.upsaclay.fr/evenements/soutenance-de-coline-gianfrott
 a/
SUMMARY:Soutenance de Coline Gianfrotta
DESCRIPTION:La soutenance aura lieu le lundi 10 octobre à 14h30\, à l'UFR
  des Sciences de l'UVSQ (45\, avenue des Etats-Unis\, 78000\, Versailles)\
 , au 3e étage du bâtiment Descartes (salle 301).\nJury\nChristine GASPIN
 \, Directrice de recherche\, INRAE-MIAT\, Castanet-Tolosan - RapportriceGu
 illaume FERTIN\, Professeur\, LS2N\, Université de Nantes - RapporteurAle
 ssandra CARBONE\, Professeure\, LGQB\, Sorbonne Université - Examinatrice
 Sarah COHEN-BOULAKIA\, Professeure\, LISN\, Université Paris-Saclay - Exa
 minatriceDominique BARTH\, Professeur\, DAVID\, UVSQ\, Université Paris-S
 aclay - Directeur de thèseAlain DENISE\, Professeur\, LISN &amp\; I2BC\, 
 Université Paris-Saclay - Co-encadrant\, membre invitéVladimir REINHARZ\
 , Professeur\, Department of Computer Science\, Université du Québec à 
 Montréal - Membre invité\nRésumé\nLes molécules d'ARN sont des moléc
 ules biologiques impliquées dans de nombreuses fonctions au sein de la ce
 llule\, allant de la régulation de l'expression génétique\, à la prote
 ction de la cellule. La fonction qu'assure une molécule d'ARN est intrins
 èquement liée à la structure tridimensionnelle qu'adopte cette molécul
 e dans l'espace. Cependant\, la structure tridimensionnelle d'une molécul
 e d'ARN est difficile à obtenir. C'est pourquoi l'un des enjeux liés à 
 l'étude de ces molécules est d'être capable de prédire la structure tr
 idimensionnelle à partir d'informations telles que la séquence en nuclé
 otides. Dans cette thèse\, nous étudions le contexte structural de motif
 s structuraux d’ARN dans le but de progresser vers leur prédiction. Les
  motifs structuraux d'ARN sont des sous-structures apparaissant de manièr
 e récurrente dans les structures d'ARN\, et certains d'entre eux sont imp
 ossibles à prédire actuellement. Nous modélisons par des graphes le con
 texte structural topologique de ces motifs\, et comparons les contextes de
 s différentes occurrences en utilisant plusieurs algorithmes de graphes. 
 Nous classifions ensuite les occurrences de motif selon leurs similarités
  de contexte topologique et selon leurs similarités de contexte 3D\, à l
 ’aide d’un algorithme de clustering recouvrant. Dans un premier temps\
 , nous montrons sur un jeu de données de trois motifs structuraux que les
  similarités observées entre les contextes topologiques sont cohérentes
  avec les similarités entre les contextes 3D. Cela indique que le context
 e topologique peut être suffisant pour déterminer le contexte 3D pour ce
 s trois motifs. Dans un deuxième temps\, nous étudions plusieurs classif
 ications d’occurrences du motif A-minor de type I/II\, selon des similar
 ités de contexte 3D. Nous y observons que des similarités de contexte 3D
  existent entre occurrences non homologues\, ce qui pourrait être le sign
 e d’un phénomène de convergence évolutive. De plus\, nous observons q
 ue certaines parties du contexte 3D semblent mieux conservées que d’aut
 res entre occurrences non homologues. Dans un troisième temps\, nous étu
 dions la capacité de prédiction du contexte topologique commun à des oc
 currences de motif A-minor\, partageant des contextes 3D similaires\, ains
 i que la capacité de prédiction d'un signal de séquence sur ces mêmes 
 occurrences. Pour cela\, nous étudions la fréquence d'apparition de cett
 e topologie et de ces séquences dans des structures d'ARN en l'absence de
  motifs A-minor. Nous en concluons que la topologie et la séquence associ
 ées représentent un bon signal pour la majorité des classes d'occurrenc
 es homologues étudiées.
ATTACH;FMTTYPE=image/jpeg:https://www.lisn.upsaclay.fr/app/uploads/2022/10
 /Gianfrotta.jpg
CATEGORIES:Thèses et HDR
LOCATION:France
X-APPLE-STRUCTURED-LOCATION;VALUE=URI;X-ADDRESS=France;X-APPLE-RADIUS=100;X
 -TITLE=:geo:0,0
END:VEVENT
BEGIN:VTIMEZONE
TZID:Europe/Paris
X-LIC-LOCATION:Europe/Paris
BEGIN:DAYLIGHT
DTSTART:20220327T030000
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
END:DAYLIGHT
END:VTIMEZONE
END:VCALENDAR