Algorithmes Systèmatiques et Stochastiques de Biregroupement pour l'Analyse des Données Biopuces
| Titre | Algorithmes Systèmatiques et Stochastiques de Biregroupement pour l'Analyse des Données Biopuces |
| Type | Thèse de doctorat |
| Auteurs | Ayadi Wassim |
| Directeurs | Elloumi Mourad, Hao Jin-Kao, Ghedira Khaled, Nadif Mohamed, Kuntz Pascale, Robbana Riadh |
| Année | 2011 |
| URL | https://dune.univ-angers.fr/fichiers/20087726/201112948/fichier/12948F.pdf |
| Mots-clés | algorithme stochastique, algorithme systématique, analyse des données biopuces., Biregroupement, fonction d'évaluation |
| Résumé | Dans cette thèse, nous développons des algorithmes systématiques et stochastiques de biregroupement pour l'analyse des données biopuces. Il s'agit d'identifier simultanément, à partir de ces données, des groupes de gènes qui sont cohérents sous des groupes de conditions. Ces groupes sont appelés bigroupes. Le problème de biregroupement est un problème NP-difficile. Cette thèse est répartie en cinq parties : Dans la première partie, nous présentons un état de l'art sur le biregroupement des données biopuces. Dans la deuxième partie, nous présentons nos algorithmes systématiques de biregroupement, de type énumération de bigroupes. Puis, nous introduisons notre première fonction d'évaluation de bigroupes. Dans la troisième partie, nous présentons notre algorithme systématique glouton de biregroupement. Ensuite, nous introduisons notre deuxième fonction d'évaluation de bigroupes. Dans la quatrième partie, nous présentons nos algorithmes stochastiques de biregroupement, adoptant une approche de voisinage. Enfin, dans la cinquième partie, nous effectuons une étude expérimentale sur nos différents algorithmes de biregroupement. Cette étude a permis de montrer que nos algorithmes sont performants et arrivent à extraire des bigroupes pertinents et de bonne qualité. |
| Résumé en anglais | In the framework of this thesis, we develop systematic and stochastic biclustering algorithms for microarrays data analysis. The aim is to identify simultaneously groups of genes coherent under groups of conditions from these data. These groups are called biclusters. The biclustering problem is known to be NP-Hard. This thesis is divided into five parts : In the first part, we present a state of the art on the biclustering of microarrays data. In the second part, we present our systematic biclustering algorithms based on biclusters enumeration approach. Then, we introduce our first evaluation function of biclusters. In the third part, we present our systematic greedy biclustering algorithm. Afterward, we introduce our second evaluation function of biclusters. In the fourth section, we present our stochastic biclustering algorithms, adopting a neighborhood approach. Finally, in the fifth part, we conduct an experimental study on our different biclustering algorithms. This study showed that our algorithms are efficient and manage to extract relevant biclusters with a good quality. |
| Langue de rédaction | Français |
| Diplôme | Thèse de doctorat |
| Date de soutenance | 2011-12-02 |
| Editeur | Université d'Angers |
| Place Published | Angers |
| Libellé UFR | Collège doctoral |
| personnalisé6 | LERIA |
| personnalisé7 | Informatique |