Approches inspirées de la physique statistique et de la théorie de l'information pour l'analyse et la modélisation de données issues des puces à ADN

par Karen Willbrand

Thèse de doctorat en Interfaces Physique - Biologie

Sous la direction de Jean-Pierre Nadal.

Soutenue en 2003

à Paris 7 .

  • Titre traduit

    Statistical physics and information theory approaches to analysis and modeling of microarray gene expression data


  • Pas de résumé disponible.


  • Résumé

    La première partie de la thèse discute brièvement plusieurs approches d'analyse et de modélisation de données issues des puces à ADN: analyse statistique des fluctuations de données d'expression, modélisation par un modèle booléen (modèle de Kauffman), une tentative de reconstruction d'un réseau d'interaction entre gènes et une analyse de lien entre architecture et dynamique d'un réseau de régulation. La seconde et principale partie introduit une nouvelle approche d'analyse, très différente du clustering. Cette méthode, appelée 'Up-Down', compare les profils d'expression des puces à ADN avec un modèle aléatoire: on suppose que les résultats intéressants du point de vue biologique sont des événements rares dans le modèle aléatoire. Un aspect essentiel de la méthode est qu'elle ne dépend pas de la forme exacte des fluctuations aléatoires dans les données. Le dernier chapitre montre comment cette approche peut être exploitée pour construire une nouvelle mesure de distance entre gènes, utilisable dans n'importe quel algorithme de clustering.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (98 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : 45 réf.

Où se trouve cette thèse ?

  • Bibliothèque : Université Paris Diderot - Paris 7. Service commun de la documentation. Bibliothèque Universitaire des Grands Moulins.
  • PEB soumis à condition
  • Cote : TS (2003) 252
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.