Modélisation biophysique révélant la fixation des facteurs de transcription et des nucléosomes sur des molécules d’ADN individuelles

La régulation des gènes chez les eucaryotes dépend d’un équilibre entre facteurs de transcription (FT), nucléosomes et ARN polymérase II (Pol II), qui se disputent l’accès à l’ADN. Grâce à des technologies de molécule unique comme le SMF et Fiber-seq, il est désormais possible d’observer ces interactions au niveau du nucléotide, mais les données de méthylation restent difficiles à interpréter. HiddenFoot est un modèle probabiliste fondé sur la mécanique statistique qui infère quelles protéines occupent chaque position d’une molécule d’ADN en évaluant toutes les configurations thermodynamiquement plausibles. Appliqué à des données de souris, de drosophile et d’humain, il identifie les empreintes de FT, les pauses de Pol II et la variabilité du positionnement des nucléosomes. HiddenFoot distingue aussi la coopération directe entre FT des effets médiés par les nucléosomes. Cette approche offre un cadre clair et interprétable pour comprendre la régulation de la chromatine à haute résolution.

Publication Details

Journal
theses.fr (ABES)
Published
2025-10-09
Primary Topic
Genomics and Chromatin Dynamics
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Modélisation biophysique révélant la fixation des facteurs de transcription et des nucléosomes sur des molécules d’ADN individuelles

theses.fr (ABES)
Genomics and Chromatin Dynamics
article

Modélisation biophysique révélant la fixation des facteurs de transcription et des nucléosomes sur des molécules d’ADN individuelles

article en

Abstract

La régulation des gènes chez les eucaryotes dépend d’un équilibre entre facteurs de transcription (FT), nucléosomes et ARN polymérase II (Pol II), qui se disputent l’accès à l’ADN. Grâce à des technologies de molécule unique comme le SMF et Fiber-seq, il est désormais possible d’observer ces interactions au niveau du nucléotide, mais les données de méthylation restent difficiles à interpréter. HiddenFoot est un modèle probabiliste fondé sur la mécanique statistique qui infère quelles protéines occupent chaque position d’une molécule d’ADN en évaluant toutes les configurations thermodynamiquement plausibles. Appliqué à des données de souris, de drosophile et d’humain, il identifie les empreintes de FT, les pauses de Pol II et la variabilité du positionnement des nucléosomes. HiddenFoot distingue aussi la coopération directe entre FT des effets médiés par les nucléosomes. Cette approche offre un cadre clair et interprétable pour comprendre la régulation de la chromatine à haute résolution.

theses.fr (ABES)
Partnerships for the goals
Openalex Percentile: Top 38%
Genomics and Chromatin Dynamics
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.