En mathématiques comme en biologie, les interactions entre les gènes sont généralement représentées sous la forme d’un graphe orienté où les nœuds représentent les différents gènes et les arêtes une relation de dépendance entre deux gènes. Afin d’inférer ce réseau à partir de données dynamiques d’expression de gènes, de nombreuses techniques ont été développées ces dernières années. On peut citer par exemple l’utilisation de modèles graphiques gaussiens, de modèles linéaires avec inférence pénalisée ou encore des forêts aléatoires. A partir d’un graphe inféré grâce à un modèle et des données temporelles d’expression de gènes, nous nous intéressons à la modélisation d’une expérience biologique dite de silencing, consistant à réduire fortement l’expression de certains gènes dans la cellule, et a` mesurer l’impact de ce silencing sur un ensemble de gènes appelés ”cibles”. Ces expériences sont un espoir pour réduire la prolifération cellulaire incontrôlée qui survient dans les cellules leucémiques. En prenant en compte les spécificités de notre problème, notamment le faible nombre de données médicales et la structure du graphe inféré, nous proposons de développer et comparer deux méthodes différentes pour simuler mathématiquement ce silencing. Celles-ci seront testées numériquement sur des données temporelles simulées dans le cas d’un modèle linéaire standard.