Validation de nouvelles stratégies de Data Base Mining appliquées à l'olfaction

par Karine Audouze

Thèse de doctorat en Chimie. Bioinformatique

Sous la direction de Jacques R. Chrétien.

Soutenue en 2001

à Orléans .


  • Pas de résumé disponible.

  • Titre traduit

    Validation of new database mining strategies applied to olfaction


  • Pas de résumé disponible.


  • Résumé

    Le domaine des parfums et des arômes reste un challenge permanent en recherche. L'impact économique des études sur les molécules olfactives explique le nombre important d'articles qui traitent de méthodes d'analyse de données sensorielles. Cependant, dans ce domaine, la subjectivité de ces informations expérimentales, l'absence de récepteurs cristallisés et le profil multi-odeurs de la plupart des molécules, empêchent de définir, par Modélisation Moléculaire, des modèles prédictifs structure odeur (SOR) robustes. L'utilisation de nouveaux outils de Data Base Mining (DBM), adaptés à l'exploitation de la diversité moléculaire, peut améliorer la connaissance du rôle des descripteurs moléculaires dans le domaine de l'olfaction et, par conséquent, le développement de modèles mathématiques prédictifs. Parmi les différentes méthodes DBM, les techniques dérivées des concepts de la Logique Floue (LF) fournissent des solutions intéressantes aux problèmes de classification dans le cadre des catégories imprécises, parmi lesquels s'insère l'olfaction. Ces concepts regroupent un ensemble de principes mathématiques capables de modéliser l'information à l'aide de fonctions d'appartenances. Très proche de la pensée humaine, la logique floue met en jeu un ensemble de règles d'utilisation courante. Elle permet de se rapprocher de la réalité afin de mieux exploiter les bases de données biochimiques. Ces techniques LF sont combinées aux cartes de Kohonen, pour élaborer une méthode supervisée. Elles sont applicables aussi, directement, dans l'hyperespace d'origine des descripteurs moléculaires. Elles ont montré leur capacité à établir des modèles SOR robustes sur deux séries différentes de composés olfactifs, comportant respectivement trois et quatre notes olfactives. En effet, les modèles prédictifs les plus performants ont permis de classifier correctement, et simultanément, les odeurs d'un ensemble de molécules test avec un taux de prédiction supérieur à 80%.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 131 p.
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. 119-131

Où se trouve cette thèse ?

  • Bibliothèque : Université d'Orléans. Service commun de la documentation.Section Sciences.
  • Disponible pour le PEB
  • Cote : TS 19-2001-02
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.