• Réduire le texte

    Réduire le texte
  • Rétablir taille du texte

    Rétablir taille du texte
  • Augmenter le texte

    Augmenter le texte
  • Imprimer

    Imprimer

Tester les interprétations scientifiques par la modélisation

L’exemple de la dégradation enzymatique de la cellulose .

Analyse de la littérature scientifique traitant de la dégradation enzymatique de la cellulose © unité BIA
Mis à jour le 22/01/2018
Publié le 18/01/2018

L’analyse de la bibliographie sur un sujet de recherche est une activité fondamentale du chercheur pour connaître l’état de l’art. Mais certains sujets comptent plusieurs milliers de publications, et même les experts du domaine éprouvent des difficultés à intégrer toutes les nouvelles découvertes. Il devient nécessaire d’explorer des solutions pour faciliter cette tâche, notamment du côté de l’intelligence artificielle.

Lors de cette étude, une méthode a été développée pour aider les chercheurs à évaluer la pertinence de l’explication (théorique, mécanistique) d’un phénomène naturel. Cette méthode s’appuie sur un modèle de raisonnement qualitatif (RQ), une branche de l’intelligence artificielle qui cherche à automatiser le raisonnement causal. Cette méthode nécessite la modélisation d’une explication possible du phénomène étudié sous la forme de relations de cause-à-effet pour simuler le comportement logique qui en découle. Ce comportement simulé est comparé à diverses observations du phénomène réel, extraites de la bibliographie.

Comme preuve de concept, cette méthode a été appliquée aux articles scientifiques traitant de la modélisation du mécanisme de l’hydrolyse enzymatique de la cellulose, en cherchant à expliquer la diminution de la vitesse d'hydrolyse au cours du temps. Deux explications classiques du phénomène ont été capturées sous forme de modèles de RQ. Les résultats montrent qu'aucun d'entre eux ne fournit une explication suffisante pour un ensemble d’observations expérimentales décrites dans la littérature. La combinaison des deux modèles en un troisième a permis d'obtenir une explication nouvelle et suffisante des résultats expérimentaux, dans les domaines où les conditions expérimentales sont très variées et peu reproductibles d’une étude à l’autre. Cette approche aide à évaluer la validité conceptuelle d'une explication en intégrant des observations issues de différentes sources. Les autres applications du raisonnement qualitatif sont très diverses, comme la simulation qualitative du comportement des écosystèmes ou la recherche de défaillances.

Partenaires : cette étude a été menée par l’unité BIA (Inra Pays de la Loire) en partenariat avec l’unité FARE (INRA Haut de France) et l’Institute of Informatics de (Université d’Amsterdam, Pays-Bas).

Publication associée : Kansou, K., Remond, C., Paes, G., Bonnin, E., Tayeb, J., & Bredeweg, B. (2017). Testing scientific models using Qualitative Reasoning: Application to cellulose hydrolysis. Scientific Reports, 7, 18.
http://doi.org/10.1038/s41598-017-14281-4

Contact(s)
Contact(s) scientifique(s) :

Département(s) associé(s) :
Caractérisation et élaboration des produits issus de l’agriculture
Centre(s) associé(s) :
Pays de la Loire, Hauts-de-France