La résistance aux antimicrobiens est un problème moderne pressant de santé publique, associé à des coûts humains et financiers énormes. Cause bien connue de cette résistance, la dormance bactérienne est un processus stochastique, génétiquement contrôlé. Son comportement génétique est régi par une structure très complexe qui est méthodologiquement et computationnellement difficile à modéliser. Les réseaux bayésiens ont été appliqués à cette fin, mais ils souffrent du manque de données et d'une géométrie défavorable de la loi a posteriori, rendant ainsi l'inférence difficile. Nous proposons, pour la structure de réseaux, des formulations de lois a priori éparses, sur la base d'une stratégie inspirée des modèles Spike-and-Slab. Notre approche permet d'intégrer, sous forme de loi a priori, des connaissances microbiologiques de la structure génétique bactérienne, pour faciliter l'inférence de la loi a posteriori. Le résultat de notre procédure est une liste classée de potentiels gènes sources, qui peuvent donc être fournis aux scientifiques de laboratoire pour guider le développement de traitements contre ce pathogène. Nous illustrons notre méthode avec la caractérisation de la dormance chez Pseudomonas aeruginosa, une bactérie courante dans les hôpitaux.