Recent developments in Omics-technologies revolutionized the investigation of biology by producing molecular data in multiple dimensions and scale. This breakthrough in biology raises the crucial issue of their interpretation based on modelling. In this undertaking, network provides a suitable framework for modelling the interactions between molecules. Basically a Biological network is composed of nodes referring to the components such as genes or proteins, and the edges/arcs formalizing interactions between them. The evolution of the interactions is then modelled by the definition of a dynamical system. Among the different categories of network, the Boolean network offers a reliable qualitative framework for the modelling. Automatically synthesizing a Boolean network from experimental data therefore remains a necessary but challenging issue. In this study, we present Taboon, an original work-flow for synthesizing Boolean Networks from biological data. The methodology uses the data in the form of boolean profiles for inferring all the potential local formula inference. They combine to form the model space from which the most truthful model with regards to biological knowledge and experiments must be found. In the TaBooN work-flow the selection of the fittest model is achieved by a Tabu-search algorithm. TaBooN is an automated method for Boolean Network inference from.

中文翻译：

---

基于禁忌搜索的TaBooN布尔网络综合。

Omics技术的最新发展通过产生多种维度和规模的分子数据，彻底改变了生物学研究的方向。生物学的这一突破提出了基于建模的解释的关键问题。在这项工作中，网络为建模分子之间的相互作用提供了合适的框架。基本上，生物网络由节点组成，节点指的是诸如基因或蛋白质之类的成分，其边缘/弧形化了它们之间的相互作用。然后通过动力学系统的定义对相互作用的演化进行建模。在不同类别的网络中，布尔网络为建模提供了可靠的定性框架。因此，从实验数据自动合成布尔网络仍然是必要但具有挑战性的问题。在这项研究中，我们介绍了Taboon，这是一个从生物学数据合成布尔网络的原始工作流程。该方法使用布尔配置文件形式的数据来推断所有潜在的局部公式推断。它们结合在一起形成了模型空间，从中必须找到关于生物学知识和实验的最真实的模型。在TaBooN工作流程中，通过禁忌搜索算法来选择最适合的模型。TaBooN是从中进行布尔网络推理的一种自动方法。它们结合在一起形成了模型空间，从中必须找到关于生物学知识和实验的最真实的模型。在TaBooN工作流程中，通过禁忌搜索算法来选择最适合的模型。TaBooN是从中进行布尔网络推理的一种自动方法。它们结合在一起形成了模型空间，从中必须找到关于生物学知识和实验的最真实的模型。在TaBooN工作流程中，通过禁忌搜索算法来选择最适合的模型。TaBooN是从中进行布尔网络推理的一种自动方法。