Dans ce mémoire, on s’inspire des sciences cognitives pour aborder la question de la modélisation logique du raisonnement et de l’apprentissage. Notre principale conviction est qu’il faudrait, pour traiter ce problème, prendre modèle sur la manière dont les agents naturels (c’est à dire les humains et les animaux) procèdent lorsqu’ils raisonnent ou apprennent. Considérant que le raisonnement fait appel à un grand nombre de facultés cognitives distinctes, et qu’il ne serait donc pas raisonnable d’espérer modéliser d’un seul coup l’ensemble du raisonnement humain, on se concentre ici sur un type d’inférences très simples dont on soutient qu’elles constituent le coeur du raisonnement chez tous les animaux à cerveau. On identifie un processus sous-jacent plausible pour ces inférences, d’abord au niveau mental de description, puis au niveau neuronal, et on développe une famille de modèles logiques permettant de le simuler. On s’attache ensuite à produire un ensemble de règles d’inférence caractérisant les relations d’inférence induites par ces modèles. Ces règles résultent du processus suggéré, et doivent donc être vues comme des règles qui, d’après le modèle, émergent fonctionnement des cerveaux. Enfin, on analyse les processus d’apprentissage attachés aux inférences considérées, et on montre comment le formalisme proposé permet de les modéliser. Pour conclure on évoque brièvement les possibles développements futurs du modèle, et notamment on donne quelques indications quant à la manière dont la modélisation d’un certain nombre de facultés additionnelles pourrait être envisagée. / In this dissertation, we take inspiration in cognitive sciences to address the issue of the logical modelling of reasoning and learning. Our main thrust is that to address these issues one should take inspiration in the way natural agents (i.e., humans and animals) actually proceed when they draw inferences and learn. Considering that reasoning incorporates a wide range of cognitive abilities, and that it would thus be unreasonable to hope to model the whole of human’s reasoning all at once, we focus here on a very basic kind of inferences that, we argue, can be considered as the primary core of reasoning in all brained animals. We identify a plausible underlying process for these inferences, first at the mental level of description and then at the neural level, and we develop a family of logical models that allow to simulate it. Then we tackle the issue of providing sets of rules to characterise the inference relations induced by these models. These rules are a by-product of the posited process, and should thus be seen as rules that, according to the model, result from the very functioning of brains. Finally we examine the learning processes attached to the considered inferences, and we show how to they can be modelled within our framework. To conclude we briefly discuss possible further developments of the framework, and in particular we give indications about how the modelling of some other cognitive abilities might be envisioned.

Le réseau des MAPK est composé de pathways de signalisation fermement entrecroisés impliqués dans le cancer. Toutefois, les mécanismes précis qui sous-tendent son influence sur l'équilibre entre la prolifération et la mort cellulaire demeurent insaisissablesDes données publiques ont été intégrés dans une carte de réactions détaillée, représentant l'influence du réseau des MAPKs sur la décision du destin cellulaire. Cette carte a ensuite été utilisée pour des analyses informatiques spécifiquesTout d'abord, les dynamiques du réseau des MAPKs dans les cancers de la vessie ont été analysés.Un modèle Booléen a été construit, représentant la réponse du réseau aux inputs d'intérêt.Les résultats de simulations systématiques ont été trouvés globalement cohérents avec des données publiques, et ont permis de déchiffrer les principaux événements qui sous-tendent les différents comportements observés dans le cancerEnsuite, la carte a été exploitée pour réanalyser des données publiques d'expression de gènes, avec l'objectif d'identifier les principaux acteurs de la transduction des signaux prolifératifs, dans des types cellulaires spécifiques.Des analyses du réseaux et des calculs statistiques ont conduit à l'identification de régions dérégulées dans le réseau des MAPKs, et à la délinéation de points d'intervention optimales dans cinq stades du cancer de la vessie et dans quatre sous-types de lymphome TL'ensemble de ces résultats a conduit à la formulation de nouvelles hypothèses concernant le fonctionnement du réseau des MAPKs dans différents états pathologiques, et à la sélection de composants cibles qui pourraient être envisagées pour le développement de nouveaux traitements / MAPK network consists of tightly interconnected signalling pathways. Although several studies established the involvement of this network in cancer deregulations, the precise mechanisms underlying its influence on the balance between cell proliferation and death remain elusive.Public data were integrated into a detailed reaction map, accounting for the influence of MAPK network on cell fate decision. This map was then used for computational analyses addressing specific cancer-related questions.First, the dynamics of MAPK network in bladder cancers were analysed. A Boolean model was built, accounting for the response of the network to selected inputs. The results of systematic simulations were found globally coherent with published data. Based on in silico experiments, the main events underlying different observed cancer cell behaviours were then deciphered.Next, the MAPK reaction map was exploited to reanalyse public high-throughput gene expression data. The goal was to identify key actors for the transduction of proliferative signals, in specific cell types. Network analyses and statistical computations led to the identification of deregulated MAPK network regions, and to the delineation of optimal intervention points aimed at blocking the proliferative signals transduced from such regions. This approach was used to study five different tumour stages and four different subtypes of T-cell lymphoma.Altogether, these results led to the formulation of novel hypotheses concerning the functioning of MAPK network in different pathological conditions, and to the selection of target components that might be considered for the development of novel treatments.

La définition d'un modèle d'évaluation est le problème clé d'un système de recherche d'informations. De nombreux modelés existent, qui sont généralement spécifiques a un type d'application particulier et avec lesquels la prise en compte de la sémantique est difficile. Dans la première partie de cette thèse, nous dégageons d'abord deux critères pour la valuation de la correspondance entre un document et une requête: l'exhaustivité et la spécificité du document pour la requête. Nous définissons ensuite un modèle général fonde sur la logique modale floue pour la valuation des deux critères. Ce modèle est compare avec quelques modèles existants pour démontrer sa généralité. Dans la seconde partie de la thèse, le modèle propose est applique au processus d'interrogation du prototype rime pour la recherche d'informations médicales. Ce prototype possède une interface en langue quasi naturelle (un sous-ensemble du français). Un processus d'interrogation se décompose en deux parties: l'interprétation des requêtes en langue quasi naturelle et l'évaluation des requêtes en utilisant le modèle général précédemment défini. Ces deux parties sont étudiées en détail. Une réalisation est finalement présentée, ainsi que son expérimentation sur un corpus médical

Les modèles de la biologie des systèmes visent à comprendre le comportement d’une cellule à travers un réseau biomoléculaire complexe. Dans a littérature, la plupart des études ne se sont intéressés qu’à la modélisation des parties isolées du réseau biomoléculaire com les réseaux métaboliques, etc. Cependant, pour bien comprendre le comportement d’une cellule, nous devons modéliser et analyser le réseau biomoléculaire dans son ensemble. Les approches existantes ne répondent pas suffisamment à ces exigences. Dans ce projet de recherche,nous proposons une plate-forme qui permet aux biologistes de simuler les changements d’état des réseaux biomoléculaires dans le but de piloter leurs comportements et de les faire évoluer d’un état non désiré vers un état souhaitable. Cette plate-forme utilise des règles, des connaissances et de l’expérience, un peu comme celles que pourrait en tirer un biologiste expert. La plate-forme comprend quatre modules : un module de modélisation logique, un module de modélisation sémantique, un module de simulation qualitative à événements discrets etun module d’optimisation. Dans ce but, nous présentons d’abord une approche logique pour la modélisation des réseaux biomoléculaires complexes, incluant leurs aspects structurels, fonctionnels et comportementaux. Ensuite, nous proposons une approche sémantique basée sur quatre ontologies pour fournir une description riche des réseaux biomoléculaires et de leurs changements d’état. Ensuite, nous présentons une méthode de simulation qualitative à événements discrets pour simuler le comportement du réseau biomoléculaire dans le temps. Enfin, nous proposons une méthode d’optimisation multi-objectifs pour optimiser la transitabilité des réseaux biomoléculaires complexes dans laquelle nous prenons en compte différents critères tels que la minimisation du nombre de stimuli externes, la minimisation du coût de ces stimuli, la minimisation du nombre de noeuds cibles et la minimisation de l’inconfort du patient. En se fondant sur ces quatre contributions, un prototype appelé CBN-Simulateur a été développé. Nous décrivons nos approches et montrons leurs applications sur des études de cas réels, le bactériophage T4 gene 32, le phage lambda et le réseau de signalisation p53. Les résultats montrent que ces approches fournissent les éléments nécessaires pour modéliser, raisonner et analyser le comportement dynamique et les états de transition des réseaux biomoléculaires complexes. / Systems biology models aim to understand the behaviour of a cell trough a complex biomolecular network. In the literature, most research focuses on modelling isolated parts of this network, such as metabolic networks.However, to fully understand the cell’s behaviour we should analyze the biomolecular network as a whole. Avail-able approaches do not address these requirements sufficiently. In this context, we aim at developing a platform that enables biologists to simulate the state changes of biomolecular networks with the goal of steering their be-haviours. The platform employs rules, knowledge and experience, much like those that an expert biologist mightderive. This platform consists of four modules: a logic-based modelling module, a semantic modelling module,a qualitative discrete-event simulation module and an optimization module. For this purpose, we first present alogic-based approach for modelling complex biomolecular networks including the structural, functional and be-havioural aspects. Next, we propose a semantic approach based on four ontologies to provide a rich description of biomolecular networks and their state changes. Then, we present a method of qualitative discrete-event simulation to simulate the biomolecular network behaviour over time. Finally, we propose a multi-objective optimization method for optimizing the transittability of complex biomolecular networks in which we take into account various criteria such as minimizing the number of external stimuli, minimizing the cost of these stimuli, minimizing the number of target nodes and minimizing patient discomfort. Based on these four contributions, a prototype called the CBNSimulator was developed. We describe our approaches and show their applicability through real cases studies, the bacteriophage T4 gene 32, the phage lambda, and the p53 signaling network. Results demonstrate that these approaches provide the necessary elements to model, reason and analyse the dynamic behaviour and the transition states of complex biomolecular networks.