Un algorithme pour sélectionner des réseaux de gènes basé sur les prédictions de régression

06.06.2016 12:30 – 13:30

Dans les études de génomiques, l'intérêt est souvent de déterminer quels gènes permettent au mieux d'expliquer un phénomène biologique. Il est généralement admis que seul un petit groupe de gènes participe à expliquer le phénomène étudié. Vu la dimension colossale des données issues de ces études, une des problématiques rencontrées est de pouvoir différencier les quelques gènes qui participent à expliquer le phénomène de la majorité qui n'a aucun effet. Cette problématique se traduit en statistiques
par la question de la sélection de gènes. De nombreuses méthodes existent à ce sujet telles que le LASSO, le Support Vector Machine, etc. Deux défauts fondamentaux peuvent être cependant reprochés aux méthodes existantes: (1) la sélection de gènes s'articule autour d'un critère purement statistique qui
peut s'éloigner de la question de recherche du praticien, (2) les méthodes existantes supposent qu'il n'existe qu'un seul modèle expliquant le phénomène biologique étudié. L'algorithme que nous proposons permet d'une manière relativement simple et intuitive de pallier à ces deux défauts en laissant le choix du critère de sélection au praticien et en offrant une pluralité de modèles synonymes
des éventuelles différentes fonctions biologiques concernées par le phénomène étudié.

Lieu

Bâtiment: HUG

salle 7A-8-739 – 8ème étage - Cluse Roseraie

entrée libre