Extraction des caractéristiques des images d'expression génétique : Comparaison entre les Auto-Encodeurs et l’ACP / Adil Hellali  

Public ISBD Titre : Extraction des caractéristiques des images d'expression génétique : Comparaison entre les Auto-Encodeurs et l’ACP Type de document : texte imprimé Auteurs : Adil Hellali, Auteur ; Lahcene Rahmani ; Noureddine Mekroud, Directeur de thèse Editeur : Sétif:UFS Année de publication : 2023 Importance : 1 vol (88 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Bio-informatique Deep Learning Auto-Encodeur Images d’Expression Génétique Règles d’Association. Index. décimale : 004 - Informatique Résumé : Issues du mode réel, les données biologiques sont l'un des types de données les plus étudiées, vu l’importance vitale des connaissances que cachent ces données très volumineuses et hétérogènes. Une réduction fiable des dimensions des données étudiées réduira la complexité de tout algorithme d’apprentissage utilisé et aidera à améliorer la qualité de ses résultats. Dans cette perspective, l’approche proposée est basée sur la compression (via des techniques linéaires (comme l’ACP) et non linéaires (comme l’ACP à Noyau et les AutoEncodeurs)) des séquences d’images représentant les zones expressions génétiques lors des phases de croissance de l’embryon de l’espèce modèle « Edinburgh Mouse ». Ensuite, l’extraction des caractéristiques les plus pertinentes de ces séquences d’images est assurée via un Auto-Encodeur convolutif, pour enfin extraire (via l’algorithme Apriori) les item-sets les plus fréquents qui représentent les gènes qui coexpriment durant les phases de développement de l’embryon de cette espèce modèle. Une interprétation biologique des résultats de l’approche proposée sera ensuite fournie. Les connaissances extraites aideront les biologistes à mieux comprendre le génome des vivants qui cache toujours des secrets = Outcomes from the real world, biological data is one of the most studied types of data, given the vital importance of the knowledge behind this very large and heterogeneous data. A reliable reduction in the dimensions of the data studied will reduce the complexity of any learning algorithm used and will help improve the quality of its results. In this perspective, the proposed approach is based on compression (via linear techniques (such as ACP) and non-linear (such as ACP to Kernel and Auto-Encoders)) image sequences representing the genetic expression zones during the growth phases of the embryo of the model species "Edinburgh Mouse". Then, the extraction of the most relevant characteristics of these image sequences is ensured via a Convolutive auto-encoder, to finally extract (via the Apriori algorithm) the most frequent item-sets that represent genes that co-expressed during the development phases of the embryo of this model species. A biological interpretation of the results of the proposed approach will then be provided. The knowledge extracted will help biologists better understand the genome of the living that always hides secrets. Côte titre : MAI/0810 En ligne : https://drive.google.com/file/d/1QEI2jrrH09z1LkYlNDt8iQhSFIkPMHSd/view?usp=drive [...] Format de la ressource électronique : pdf Extraction des caractéristiques des images d'expression génétique : Comparaison entre les Auto-Encodeurs et l’ACP [texte imprimé] / Adil Hellali, Auteur ; Lahcene Rahmani ; Noureddine Mekroud, Directeur de thèse . - [S.l.] : Sétif:UFS, 2023 . - 1 vol (88 f.) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Bio-informatique Deep Learning Auto-Encodeur Images d’Expression Génétique Règles d’Association. Index. décimale : 004 - Informatique Résumé : Issues du mode réel, les données biologiques sont l'un des types de données les plus étudiées, vu l’importance vitale des connaissances que cachent ces données très volumineuses et hétérogènes. Une réduction fiable des dimensions des données étudiées réduira la complexité de tout algorithme d’apprentissage utilisé et aidera à améliorer la qualité de ses résultats. Dans cette perspective, l’approche proposée est basée sur la compression (via des techniques linéaires (comme l’ACP) et non linéaires (comme l’ACP à Noyau et les AutoEncodeurs)) des séquences d’images représentant les zones expressions génétiques lors des phases de croissance de l’embryon de l’espèce modèle « Edinburgh Mouse ». Ensuite, l’extraction des caractéristiques les plus pertinentes de ces séquences d’images est assurée via un Auto-Encodeur convolutif, pour enfin extraire (via l’algorithme Apriori) les item-sets les plus fréquents qui représentent les gènes qui coexpriment durant les phases de développement de l’embryon de cette espèce modèle. Une interprétation biologique des résultats de l’approche proposée sera ensuite fournie. Les connaissances extraites aideront les biologistes à mieux comprendre le génome des vivants qui cache toujours des secrets = Outcomes from the real world, biological data is one of the most studied types of data, given the vital importance of the knowledge behind this very large and heterogeneous data. A reliable reduction in the dimensions of the data studied will reduce the complexity of any learning algorithm used and will help improve the quality of its results. In this perspective, the proposed approach is based on compression (via linear techniques (such as ACP) and non-linear (such as ACP to Kernel and Auto-Encoders)) image sequences representing the genetic expression zones during the growth phases of the embryo of the model species "Edinburgh Mouse". Then, the extraction of the most relevant characteristics of these image sequences is ensured via a Convolutive auto-encoder, to finally extract (via the Apriori algorithm) the most frequent item-sets that represent genes that co-expressed during the development phases of the embryo of this model species. A biological interpretation of the results of the proposed approach will then be provided. The knowledge extracted will help biologists better understand the genome of the living that always hides secrets. Côte titre : MAI/0810 En ligne : https://drive.google.com/file/d/1QEI2jrrH09z1LkYlNDt8iQhSFIkPMHSd/view?usp=drive [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0810	MAI/0810	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 1 / 1)