Matches in SemOpenAlex for { <https://semopenalex.org/work/W2803886248> ?p ?o ?g. }
Showing items 1 to 27 of
27
with 100 items per page.
- W2803886248 abstract "Les nouvelles biotechnologies offrent aujourd'hui la possibilite de recolter une tres variete et quantite de donnees biologiques (genomique, proteomique, metagenomique...), ouvrant ainsi de nouvelles perspectives de recherche pour la comprehension des processus biologiques. Dans cette these, nous nous sommes plus specifiquement interesses aux donnees transcriptomiques, celles-ci caracterisant l'activite ou le niveau d'expression de plusieurs dizaines de milliers de dans une cellule donnee. L'objectif etait alors de proposer des outils statistiques adaptes pour analyser ce type de donnees qui pose des problemes de grande (n<<p), car collectees sur des echantillons de tailles tres limitees au regard du tres grand nombre de variables (ici l'expression des genes).La premiere partie de la these est consacree a la presentation de methodes d'apprentissage supervise, telles que les forets aleatoires de Breiman et les modeles de regressions penalisees, utilisees dans le contexte de la dimension pour selectionner les (variables d'expression) qui sont les plus pertinents pour l'etude de la pathologie d'interet. Nous evoquons les limites de ces methodes pour la selection de qui soient pertinents, non pas uniquement pour des considerations d'ordre statistique, mais qui le soient egalement sur le plan biologique, et notamment pour les selections au sein des groupes de variables fortement correlees, c'est a dire au sein des groupes de co-exprimes. Les methodes d'apprentissage classiques considerent que chaque gene peut avoir une action isolee dans le modele, ce qui est en pratique peu realiste. Un caractere biologique observable est la resultante d'un ensemble de reactions au sein d'un systeme complexe faisant interagir les les uns avec les autres, et les impliques dans une meme fonction biologique ont tendance a etre co-exprimes (expression correlee). Ainsi, dans une deuxieme partie, nous nous interessons aux reseaux de co-expression de sur lesquels deux sont relies si ils sont co-exprimes. Plus precisement, nous cherchons a mettre en evidence des communautes de sur ces reseaux, c'est a dire des groupes de co-exprimes, puis a selectionner les communautes les plus pertinentes pour l'etude de la pathologie, ainsi que les genes cles de ces communautes. Cela favorise les interpretations biologiques, car il est souvent possible d'associer une fonction biologique a une communaute de genes. Nous proposons une approche originale et efficace permettant de traiter simultanement la problematique de la modelisation du reseau de co-expression de et celle de la detection des communautes de sur le reseau. Nous mettons en avant les performances de notre approche en la comparant a des methodes existantes et populaires pour l'analyse des reseaux de co-expression de (WGCNA et methodes spectrales). Enfin, par l'analyse d'un jeu de donnees reelles, nous montrons dans la derniere partie de la these que l'approche que nous proposons permet d'obtenir des resultats convaincants sur le plan biologique, plus propices aux interpretations et plus robustes que ceux obtenus avec les methodes d'apprentissage supervise classiques." @default.
- W2803886248 created "2018-06-01" @default.
- W2803886248 creator A5067154898 @default.
- W2803886248 date "2016-06-17" @default.
- W2803886248 modified "2023-09-27" @default.
- W2803886248 title "Développement d'outils statistiques pour l'analyse de données transcriptomiques par les réseaux de co-expression de gènes" @default.
- W2803886248 hasPublicationYear "2016" @default.
- W2803886248 type Work @default.
- W2803886248 sameAs 2803886248 @default.
- W2803886248 citedByCount "0" @default.
- W2803886248 crossrefType "dissertation" @default.
- W2803886248 hasAuthorship W2803886248A5067154898 @default.
- W2803886248 hasConcept C121332964 @default.
- W2803886248 hasConcept C138885662 @default.
- W2803886248 hasConcept C15708023 @default.
- W2803886248 hasConcept C17744445 @default.
- W2803886248 hasConceptScore W2803886248C121332964 @default.
- W2803886248 hasConceptScore W2803886248C138885662 @default.
- W2803886248 hasConceptScore W2803886248C15708023 @default.
- W2803886248 hasConceptScore W2803886248C17744445 @default.
- W2803886248 hasLocation W28038862481 @default.
- W2803886248 hasOpenAccess W2803886248 @default.
- W2803886248 hasPrimaryLocation W28038862481 @default.
- W2803886248 isParatext "false" @default.
- W2803886248 isRetracted "false" @default.
- W2803886248 magId "2803886248" @default.
- W2803886248 workType "dissertation" @default.