Développements méthodologiques pour l'intégration de données omiques : applications à l'oncologie et aux neurosciences ; Methodological developments for omic data integration : applications to oncology and neurosciences
You can manage bookmarks using lists, please log in to your user account for this.
Media type:
E-Book;
Text;
Electronic Thesis
Title:
Développements méthodologiques pour l'intégration de données omiques : applications à l'oncologie et aux neurosciences ; Methodological developments for omic data integration : applications to oncology and neurosciences
Footnote:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Description:
Les données dites "omiques", sont des données massives et hétérogènes, issues de la mesure de différents objets biologiques. Par exemple, la génomique s'intéresse à l'étude du génome (ADN), la transcriptomique à l'étude des transcrits (ARNs), la protéomique à l'étude des protéines, etc. L'interaction de l'ensemble de ces omiques entre elles ainsi qu'avec des facteurs environnementaux produit - à l’échelle d’une cellule, d’un tissu, ou d’un organisme - un ensemble de caractères observables appelé phénotype. Un des objectifs ultimes de la recherche en sciences de la vie est l’élucidation de la diversité du phénome (c’est-à-dire de l’ensemble des phénotypes observables) par l’identification des facteurs internes, environnementaux et de leurs interactions, associés à chaque phénotype.Ce manuscrit de thèse aborde la question de l’intégration de données - définie comme une solution permettant l'utilisation de multiples sources d'information (données) pour mieux comprendre un système, une situation, une association, etc. - et particulièrement de la question de l’intégration de données omiques, c’est-à-dire tout type d'intégration de sources de données provenant de différentes omiques, et/ou d'une même omique mesurée dans différents contextes expérimentaux et/ou de données omiques avec un type de données non-omique.Dans une première contribution, nous proposons une nouvelle stratégie pour le clustering consensus de données multi-omiques pour la détection de sous-types moléculaires de cancers. Cette stratégie permet, à partir de clusterings de cohortes de patients obtenus en considérant diverses données omiques et/ou différents algorithmes de clusterings existants, de produire un clustering consensus en réconciliant l’ensemble des prédictions contenues dans les clusterings soumis en entrée de l’algorithme. Deux scénarios d’intégration ont été testés : une intégration dite "multi-to-multi", produite par intégration de clusterings multi-omiques et une intégration dite "single-to-multi", produite par l’intégration de ...