Thèse soutenue

Une méthode d’apprentissage multivariée et pénalisée pour l'inférence jointe des niveaux d’expression et des réseaux de régulation génique
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Trung Ha
Direction : Marie-Laure Martin-MagnietteJulien ChiquetGuillem 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 contrôlés

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.