GEOTRUST SSL CERTIFICATE
| Titre : | Le Biomimitisme et le Data mining dans la Genomique |
| Auteurs : | HAMOU Reda Mohamed, Directeur de thèse ; MEKOUR Norreddine, Auteur |
| Type de document : | texte imprimé |
| Année de publication : | 2018-2019 |
| Format : | 123P. / 29cm |
| Accompagnement : | CD |
| Note générale : | Bibliographie |
| Langues: | Français |
| Catégories : | |
| Mots-clés: | Datamining, Extraction de connaissances, Algorithmes génétiques, machines à vecteurs de support,k-plus proches voisins, Sélection d'attribut, Classication, Expression génétique . |
| Résumé : |
Le Biomimitisme et le Data mining dans la Genomique
L'introduction de la technologie des puces à ADN a conduit à un impact énorme dans la recherche sur le cancer, permettant aux chercheurs d'analyser l'expression de milliers de gènes de concert et de relier les modèles d'expression génétique aux phénotypes cliniques. Dans le même temps, les méthodes d'apprentissage automatique sont devenues l'une des approches dominantes dans un eort pour identier les signatures de gènes du cancer. Les principaux dés consistent à identier le groupe d'attribut qui participent au même processus biologique ou sont régulées par le même mécanisme.Pour tenir compte de ces préoccupations concurrentes, des études antérieures ont proposé diérentes méthodes pour sélectionner un seul sous-ensemble d'attribut. Il est motivé par l'hypothèse biologique que, étant donné le grand nombre de relations diérentes qui sont possibles entre les gènes, il est tout à fait possible de combiner des gènes de plusieurs façons pour produire des signatures ayant un pouvoir prédictif similaire. Plus précisément, cette thèse présente un Framework de sélection d'attribut basé sur un algorithme génétique, une approche bien connue récem- ment proposée pour la sélection d'attribut. La thèse présente en détail le framework et sa validation sur des jeux de données populaires qui sont généralement considérés comme des références par la communauté de la recherche. De même, Les résultats montrent que notre approche sélectionne les gènes pour une classication correcte additionnelle qui souligne l'ecacité des gènes choisis et sa capacité à ltrer l'information des gènes inappropriés. En- n, la thèse contribue avec des expériences supplémentaires qui conrment l'applicabilité du framework à la selection d'attribut. |
| Note de contenu : |
1-Analyse des données de puces à ADN
2-Sélection d'attribut : État de l'Art 3-Etude des méthodes de sélection d'attributs 4-Implémentation et Évaluation |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire | |||||
