Target identification aims at identifying biomolecules whose function should be therapeutically altered to cure the considered pathology. An algorithm for in silico target identification using Boolean network attractors is proposed. It assumes that attractors correspond to phenotypes produced by the modeled biological network. It identifies target combinations which allow disturbed networks to avoid attractors associated with pathological phenotypes. The algorithm is tested on a Boolean model of the mammalian cell cycle and its applications are illustrated on a Boolean model of Fanconi anemia. Results show that the algorithm returns target combinations able to remove attractors associated with pathological phenotypes and then succeeds in performing the proposed in silico target identification. However, as with any in silico evidence, there is a bridge to cross between theory and practice. Nevertheless, it is expected that the algorithm is of interest for target identification.

L’identification de cibles vise à identifier des biomolécules dont la fonction devrait être altérée pour guérir la pathologie considérée. Un algorithme pour l’identification in silico de cibles au moyen des attracteurs des réseaux booléens est proposé. Il suppose que les attracteurs correspondent aux phénotypes produits par le réseau biologique modélisé. Il identifie des combinaisons de cibles qui permettent aux réseaux perturbés d’éviter les attracteurs associés aux phénotypes pathologiques. L’algorithme est testé sur un modèle booléen du cycle cellulaire, et ses applications sont illustrées sur un modèle booléen de l’anémie de Fanconi. Les résultats montrent que l’algorithme retourne des combinaisons de cibles capables de supprimer les attracteurs associés aux phénotypes pathologiques et donc réussit l’identification in silico de cibles proposée. En revanche, comme tout résultat in silico, il y a un pont à franchir entre théorie et pratique. Cependant, il est escompté que l’algorithme présente un intérêt pour l’identification de cibles.