Applications en bioinformatique avec des modèles de Markov

par Sean Robinson

Thèse de doctorat en MBS - Modèles, méthodes et algorithmes en biologie, santé et environnement

Sous la direction de Laurent Guyon (edisce) et de Jaakko Nevalainen.

Thèses en préparation à Grenoble Alpes en cotutelle avec The University of Turku , dans le cadre de École doctorale ingénierie pour la santé, la cognition, l'environnement (Grenoble) , en partenariat avec BCI - Biologie du Cancer et de l'Infection (laboratoire) .


  • Résumé

    Dans cette thèse nous présentons quatre applications en bioinformatique avec des modèles de Markov. Ces modèles sont particulièrement répandus car la structure Markov permet de modéliser des indépendances conditionnelles complexes tout en permettant une inférence efficace. Nous atteignons une variété d'objectifs tels que l'alignement, la classification, la segmentation et la quantification, par inférence dans différents types de modèles de Markov. De cette manière nous montrons que les modèles de Markov peuvent être utilisés pour générer de nouvelles connaissances dans diverses applications liées à une variété de champs de recherche en biologie.

  • Titre traduit

    Applications in Bioinformatics with Markov Models


  • Résumé

    In this thesis we present four applications in bioinformatics with Markov models. Such models are especially popular since the Markov structure allows for complex conditional independences to be modelled while still allowing for efficient inference. We achieve a variety of aims, ranging from alignment, classification, segmentation and quantification, through inference in different types of Markov models. In this way we show that Markov models can be used to generate new knowledge in diverse applications relating to multiple domains of biological research.