The new tools available for gene expression studies are essentially the bio-array methods using a large variety of physical detectors (isotopes, fluorescent markers, ultrasounds...). Here we present first rapidly an image-processing method independent of the detector type, dealing with the noise and with the peaks overlapping, the peaks revealing the detector activity (isotopic in the presented example), correlated with the gene expression. After this primary step of bio-array image processing, we can extract information about causal influence (activation or inhibition) a gene can exert on other genes, leading to clusters of genes co-expression in which we extract an interaction matrix M and an associated interaction graph G explaining the genetic regulatory dynamics correlated to the studied tissue function. We give two examples of such interaction matrices and graphs (the flowering genetic regulatory network of Arabidopsis thaliana and the lytic/lysogenic operon of the phage Mu) and after some theoretical rigorous results recently obtained concerning the asymptotic states generated by the genetic networks having a given interaction matrix and reciprocally concerning the minimal (in the sense of having a minimal number of non-zero coefficients) matrices having given stationary stable states. To cite this article: J. Demongeot et al., C. R. Biologies 326 (2003).

Cet article décrit d'abord rapidement quels sont les nouveaux outils utilisés pour étudier l'expression des gènes, essentiellement les bio-arrays, qui mettent en œuvre un grand nombre de détecteurs physiques (isotopes, marqueurs fluorescents, ultra-sons...). Nous présentons une méthode de traitement d'images indépendante du type de détecteur, traitant le problème du bruit et des superpositions de pics, ces derniers révélant l'activité du détecteur (isotopique dans le cas choisi ici) corrélée avec l'expression des gènes correspondants. Après ce premier stade de traitement d'images bio-array, on peut extraire l'information relative à l'influence (activation ou inhibition) qu'un gène peut exercer sur les autres gènes, conduisant ainsi à l'apparition de groupes de co-expression, d'où l'on peut extraire une matrice d'interaction M et un graphe d'interaction associé G, susceptibles d'expliquer la dynamique de la régulation génétique corrélée avec la fonction tissulaire associée. Nous donnons quelques exemples de telles matrices et de tels graphes d'interaction (en particulier dans le cas du réseau de régulation génétique de la floraison d'Arabidopsis thaliana et dans celui de l'opéron lytique/lysogénique du phage Mu), et ensuite quelques résultats théoriques rigoureux récemment obtenus sur les états asymptotiques générés par des réseaux génétiques ayant une matrice d'interaction donnée. Réciproquement, nous décrirons les matrices minimales (au sens du nombre de leurs coefficients non nuls) ayant des états stationnaires stables donnés. Pour citer cet article : J. Demongeot et al., C. R. Biologies 326 (2003).