Memetic algorithm for discovering biclusters in microarray data

  • Stéphane Amant

    Student thesis: Master typesMaster en sciences informatiques

    Résumé

    En biologie cellulaire et moléculaire, la technologie des microarrays (puces à ADN) est un outil fondamental permettant de fournir des informations sur le comportement de milliers de gènes. Dans ce contexte, et plus particulièrement en ce qui concerne l'analyse de leurs données d'expression, un problème important consiste à regrouper les gènes présentant un comportement similaire selon leur activité, c'est-à-dire découvrir des biclusters. Afin de résoudre ce problème, nous nous sommes basés sur une nouvelle approche reposant sur la découverte de biclusters au moyen d'algorithmes génétiques en combinaison avec les idées de Cheng & Church (mean squared residue, row variance, etc). Plus particulièrement, notre travail s'est basé sur l'un des algorithmes de cette famille : le SMOB [5], un algorithme génétique multi-objectif, développé par les Professeurs Federico Divina et Jesus S. Aguilar-Ruiz. Notre approche a donc consisté à améliorer cet algorithme en y incorporant des procédures de recherche locale basées sur les algorithmes de Cheng & Church ainsi que des opérateurs génétiques intelligents. Ensuite, afin de déterminer la qualité de cette nouvelle méthode, des tests ont été réalisés en utilisant trois jeux de données nommés Yeast, Human Lymphoma et Colon Cancer dataset. Finalement, au vu des résultats obtenus, on peut donc conclure que notre approche fonctionne correctement et répond parfaitement aux attentes en améliorant globalement le SMOB classique.
    la date de réponse2010
    langue originaleAnglais
    L'institution diplômante
    • Universite de Namur
    SuperviseurWim Vanhoof (Promoteur)

    Contient cette citation

    '