Thèse de Khedidja Seridi

Approches multi-objectives pour le biclustring : applications aux microarrays (puce à ADN)

La technologie du Microarray est un outil révolutionnaire qui permet de mesurer les niveaux d'expression de milliers de gènes dans de nombreuses conditions en une seule expérience. Cette technologie permet d'obtenir des données de grande taille qui peuvent offrir une variété d'informations sur les gènes considérés. Cette thèse porte sur l'analyse de ces données en utilisant une méthode de data mining à savoir le Biclustering. Le Biclustering peut être formulé en un problème d'optimisation combinatoire avec un espace de recherche très important où plusieurs critères contradictoires, telles que la taille, la qualité et la fluctuation des gènes doivent être optimisés. De ce fait, nous proposons une classification des mesures de qualité existantes et une nouvelle mesure efficace permettant d'identifier les patterns avec une faible complexité. Par ailleurs, plusieurs modélisations multiobjectif, heuristiques et métaheuristiques hybrides pour l'analyse de ces données ont étaient proposées. En outre, nous avons proposé une nouvelle application à la méthode du biclustering, à savoir, l'analyse des données GWA. En effet, les données GWA représentent des informations génétiques (variantes génétiques) et des phénotypes (caractères) d'un ensemble d'individus. L'analyse de ces données consiste à trouver des éventuelles associations entre des variantes génétiques et les traits considérés. De ce fait, un modèle multiobjectif pour la méthode de biclustering est proposé. En outre, une heuristique et une métaheuristique hybride sont appliquées pour résoudre le modèle proposé. Les résultats expérimentaux pour les deux applications démontrent que les méthodes sont efficaces sur ces deux problématiques et ont donc un grand potentiel pour d'autres applications de l'approche de biclustering.

Jury

Directeur de Thèse : El-ghazali Talbi et Laetitia Jourdan


Rapporteurs : Jin-Kao Hao et Pascal Bouvry


Membres : Jean-charles Boisson, Zineb Habbas et Gilles Goncalves

Thèse de l'équipe soutenue le 5 juillet 2013

Retour vers les autres thèses