Paul François: dalla fantascienza ai meccanismi di base della biologia

Paul Francois è un grande fan della fantascienza. Ma non uno qualsiasi. “Quello che amo è che la fantascienza si è trasformata in biologia e non biologia, che descrive le nostre interazioni con le società extraterrestri. Se riesci a immaginare qualcosa nel mondo vivente, deve essere là fuori da qualche parte”, dice.

Esplorare il gioco delle possibilità: questa è la passione che anima un biofisico anche nel suo laboratorio, dove è impegnato a creare modelli matematici utilizzando strumenti informatici per comprendere meglio la biologia. Insomma, “fornisce risposte semplici a problemi complessi”.

Il nuovo percorso di professore ordinario per Dipartimento di Biochimica e Medicina Molecolare dell’Università di Montreal ritorna interamente su questa ricerca della semplicità in un terreno complesso.

“All’inizio ho fatto la matematica, ma non era abbastanza concreta. Poi mi sono rivolto alla fisica per trovare applicazioni dirette. I miei nuovi lavori alla facoltà di medicina mi permettono di aprirmi e relazionarmi con la biologia medica”. miglia [Institut québécois d’intelligence artificielle] Mi coinvolge con l’apprendimento automatico. I recenti progressi dell’intelligenza artificiale possono insegnarci i fenomeni biologici e portarci a una migliore comprensione di alcune malattie”, spiega l’uomo, che ha una laurea in ingegneria all’Ecole Polytechnique Française, un dottorato in fisica teorica all’École Normale Supérieure (Parigi) e un postdoc in Bioinformatica presso la Rockefeller University (New York).

Più uomini interdisciplinari e transdisciplinari in UdeM in scienze quantitative – matematica, fisica, apprentissage automatique, biologia, medicina – ont convaincu l’ancien professeur de physique dell’Università McGill de faire il campus sud delle montagne, allo stesso di nuovo Centro di innovazione biomedicache riunisce i ricercatori dei cinque dipartimenti di scienze di base della UdeM School of Medicine.

Decifrare il linguaggio delle cellule immunitarie

Appassionato di “impollinazione incrociata” tra discipline, Paul François continua la sua ricerca sull’immunità adattativa, iniziata più di 10 anni fa. In che modo il sistema immunitario riconosce i patogeni? Quali informazioni codifichi per innescare una risposta immunitaria? L’approccio scientifico generato dalle interazioni tra colleghi ha dato origine a nuovi modelli matematici. “All’inizio non capivo il modello collaborativo di Gregoire Altan Bonnet, che dirige il laboratorio di immunodinamica presso il National Cancer Institute degli Stati Uniti. [NCI]. Parlando con lui, ho trovato un modo per semplificarlo per rendere i dati più coerenti”, spiega Paul François.

In collaborazione con il gruppo di Grégoire Altan-Bonnet, il suo team sta ora utilizzando una piattaforma automatizzata combinata con l’apprendimento automatico e modelli matematici che quantificano la risposta immunitaria. “Con i medici, tra cui Naomi Taylor del National Cancer Institute, stiamo facendo previsioni matematiche su come le immunoterapie si adatteranno al cancro. La nostra ricerca può portare rapidamente ad applicazioni concrete”, spera.

Pesce giapponese e sviluppo embrionale

Un altro argomento preferito del ricercatore è la modellazione matematica di sviluppo embrionale. “Dovresti conoscere quell’oscillatore genetico [appelé horloge de segmentation] Dirige la formazione delle sillabe, un paragrafo alla volta, senza che noi sappiamo veramente come. Sto lavorando per descrivere questo fenomeno da un punto di vista matematico, in particolare da uno studio sui pesci giapponesi che si sviluppano a temperature diverse, ha detto. I nostri collaboratori del Laboratorio Europeo di Biologia Molecolare hanno alterato i cicli di temperatura per interrompere la formazione delle sue spinule. Queste manipolazioni ci permettono di capire come si forma il corpo, cosa lo disturba e come reagisce ai disturbi. Se non resiste, compaiono le malattie.

Questa ricerca è un precursore di altri esperimenti sulla differenziazione cellulare da embrioni ricreati in capsule di Petri, per esempio. “Se riusciamo a controllare lo sviluppo embrionale, saremo in grado di testare i trattamenti più facilmente”, sottolinea lo scienziato.

Machine learning al servizio della biologia

Un sottogruppo del suo laboratorio sta finalmente lavorando agli algoritmi di evoluzione. “Abbiamo progettato strumenti informatici per simulare l’evoluzione delle reti biologiche che abbiamo applicato, tra le altre cose, per controllare le dimensioni delle cellule”, dice. Questi modelli ci mostrano che se le cellule senescenti sono molto grandi, è perché si stanno dividendo troppo tardi o troppo presto; L’oscillatore che controlla il ciclo cellulare è difettoso.

Il professor François spera che tutto questo lavoro incoraggi i suoi studenti ad abbattere le barriere tra le discipline. “Trovo che i giovani oggi siano più aperti all’interdisciplinarietà. Il mio ruolo è aiutarli a sviluppare i loro gusti scientifici e portarli a fare cose concrete”.