Alors que les approches couramment employées pour la recherche de motifs dans les séquences d’ADN sont parmi les plus anciennes de la bioinformatique, les nouvelles données de transcriptomiques renseignent sur la position précise et les profils d’activation des promoteurs. Je présenterai ici notre travail visant proposer des méthodes d’analyse capable de prendre en compte les informations positionnelles et d’activité dans le cadre de l’étude des promoteurs bactériens. Nos modèles statistiques, fondées sur des matrices poids-position, autorisent une représentation fine de la position préférentielle au sein des séquences et font dépendre la probabilité d’occurrence de covariables capturant l’information des profils d’expression. La découverte des motifs (estimation) s’appuie sur des algorithmes MCMC transdimensionnels. A terme l’objectif est de permettre une analyse de novo conjointe de l’ensemble des promoteurs d’une bactérie et de leurs profils d’expression pour identifier les sites de fixation des principaux facteurs de transcription.
