Biogeometric analysis of 3D protein structures using persistent homology

par Léa Bou Dagher (Journée Jeunes)

mardi 18 mars 2025, 14:45 → 15:30 Europe/Paris

Fokko du Cloux (Bâtiment Braconnier, La Doua)

Abstract: With the development of digital tools and the tremendous increase in storage resources and computational power, data production is exploding in many fields such as science, engineering, and healthcare. The challenge lies in analyzing these data both qualitatively and quantitatively, using a variety of approaches. One such approach is topological data analysis, which makes it possible to process very large datasets and highlight the most significant aspects of their structure. In particular, persistent homology, derived from algebraic topology, provides efficient and robust algorithms for the exploration, topological analysis, and comparison of high-dimensional datasets, represented by point clouds, by associating them with topological invariants.

In this talk, I will present the principles of persistent homology and its applications to the study of proteins. Specifically, I will explain how persistent homology can be used to investigate the 3D structures of proteins and the information they contain, including their evolutionary history and their adaptation to environmental conditions.

 

Titre. Analyse biogéométrique des structures 3D de protéines par homologie persistante

Résumé. Avec le développement des outils numériques et l'augmentation prodigieuse des ressources de stockage et de la puissance de calcul des processeurs, la production de données explose dans de nombreux domaines de la science, de l'ingénierie, de la santé... L'enjeu est d'analyser qualitativement et quantitativement ces données, en utilisant des approches variées. Une de ces approches est l’analyse topologique des données qui permet de traiter un nombre très important de données et de dégager les aspects les plus intéressants de la structure de celles-ci. Notamment, l'homologie persistante, issue de la topologie algébrique, fournit des algorithmes efficaces et robustes pour l'exploration, l'analyse topologique et la comparaison d'ensembles de données de grande dimension, représentés par des nuages de points en leur associant des invariants topologiques.

Dans cet exposé je présenterai les principes de l’homologie persistante ainsi que ses applications pour l’étude des protéines. En particulier, j’expliquerai comment l’homologie persistante permet d’étudier les structures 3D des protéines, ainsi que les informations qu’elles renferment, notamment leur histoire évolutive et leur adaptation aux conditions environnementales.