Adélaïde Raguin : propriétés dynamiques et collectives de systèmes biologiques complexes

Quel est votre domaine de recherche ?

Adélaïde Raguin : Je m’intéresse aux propriétés dynamiques et collectives de systèmes biologiques complexes à l’échelle macromoléculaire et cellulaire. Plus précisément, nous développons des algorithmes de type Monte Carlo cinétique qui simulent la dynamique stochastique dans le temps de ces systèmes tout en prenant en considération leurs contraintes spatiales et mécaniques. Nous nous focalisons sur des problèmes de transport tels que la traduction des ARN messagers par les ribosomes ou le transport cytosquelettique, ainsi que sur la synthèse et la dégradation enzymatique de macromolécules et matériaux complexes tels que l’amidon, le glycogène, ou la lignocellulose. L’approche que nous développons est particulièrement interdisciplinaire, à l’interface de la physique, de la biologie, et des sciences informatiques.

Qu’avez-vous fait avant d’entrer au CNRS ? Pourquoi avoir choisi le CNRS ?

A.R. : J’ai soutenu mon doctorat en physique à l’Université de Montpellier fin 2013, avant d’effectuer un premier post-doctorat à King’s College Aberdeen, en Écosse, puis un second à Heinrich Heine University Düsseldorf, en Allemagne. J’y ai par la suite financé ma position de junior group leader et établi une équipe de recherche en obtenant plusieurs financements et bourses externes. Grâce à cette expérience de supervision de jeunes chercheurs et chercheuses et de direction de projet, j’ai soutenu mon habilitation à diriger des recherches en janvier 2025. J’ai choisi de travailler au CNRS pour la qualité de l’environnement de travail et la liberté intellectuelle qui m’y sont offertes, des éléments essentiels à ma motivation pour faire de la recherche académique.

Qu’est-ce que qui vous a amené à faire des sciences informatiques ?

A.R. : Les sciences informatiques se sont naturellement imposées dans l’approche que nous développons du fait de la complexité des systèmes biologiques étudiés. En effet, dans de nombreux cas, comprendre la phénoménologie et la dynamique du système d’intérêt par le calcul physico-mathématiques analytique n’est pas possible, et seules des méthodes d’approximations numériques ou de simulation sont envisageables. À cela s’ajoute que nous nous appliquons à systématiquement comparer les résultats de nos simulations stochastiques avec des données biologiques expérimentales, dont l’analyse nécessite également des outils numériques.