Une méthode d’apprentissage multivariée et pénalisée pour l'inférence jointe des niveaux d’expression et des réseaux de régulation génique
FR |
EN
Auteur / Autrice : | Trung Ha |
Direction : | Marie-Laure Martin-Magniette, Julien Chiquet, Guillem Rigaill |
Type : | Thèse de doctorat |
Discipline(s) : | Sciences de la vie et de la santé |
Date : | Soutenance le 02/12/2016 |
Etablissement(s) : | Université Paris-Saclay (ComUE) |
Ecole(s) doctorale(s) : | École doctorale Structure et dynamique des systèmes vivants (Gif-sur-Yvette, Essonne ; 2015-....) |
Partenaire(s) de recherche : | Laboratoire : Institut des sciences des plantes de Paris-Saclay (Gif-sur-Yvette, Essonne ; 2015-....) |
établissement opérateur d'inscription : Université d'Évry-Val-d'Essonne (1991-....) | |
Jury : | Président / Présidente : David Causeur |
Examinateurs / Examinatrices : Franck Picard | |
Rapporteurs / Rapporteuses : Avner Bar-Hen, Nathalie Villa-Vialaneix |
Mots clés
FR
Mots clés libres
Résumé
FR |
EN
Entre plusieurs conditions biologiques, le comportement d’un gène peut être affecté soit dans son niveau d’expression moyen, soit dans sa relation aux autres, caractérisée par les covariances entre gènes. Ces deux questions sont généralement traitées de manière indépendante en statistique, bien qu’elles soient clairement liées. Afin de palier à ces limitations, cette thèse vise à proposer une modélisation unifiée de ces deux questions pour identifier les gènes clés affectés dans leur moyenne et/ou dans leurs interactions. Le modèle principal est le modèle graphique gaussien avec des pénalisations sur les paramètres de la moyenne et de la matrice de précision.