Statistical methods for data mining in genomics databases (Gene Set En- richment Analysis) - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2015

Statistical methods for data mining in genomics databases (Gene Set En- richment Analysis)

Méthodes statistiques pour la fouille de données dans les bases de données de génomique

Résumé

Our focus is on statistical testing methods, that compare a given vector of numeric values, indexed by all genes in the human genome, to a given set of genes, known to be associated to a particular type of cancer for instance. Among existing methods, Gene Set Enrichment Analysis is the most widely used. However it has several drawbacks. Firstly, the calculation of p-values is very much time consuming, and insufficiently precise. Secondly, like most other methods, it outputs a large number of significant results, the majority of which are not biologically meaningful. The two issues are addressed here, by two new statistical procedures, the Weighted and Doubly Weighted Kolmogorov-Smirnov tests. The two tests have been applied both to simulated and real data, and compared with other existing procedures. Our conclusion is that, beyond their mathematical and algorithmic advantages, the WKS and DWKS tests could be more informative in many cases, than the classical GSEA test and efficiently address the issues that have led to their construction.
Cette thèse est consacrée aux tests statistiques, visant à comparer un vecteur de données numériques, indicées par l'ensemble des gènes du génome humain, à un certain ensemble de gènes, connus pour être associés par exemple à un type donné de cancer. Parmi les méthodes existantes, le test Gene Set Enrichment Analysis est le plus utilisé. Néanmoins, il a deux inconvénients. D'une part, le calcul des p-valeurs est coûteux et peu précis. D'autre part, il déclare de nombreux résultats significatifs, dont une majorité n'ont pas de sens biologique. Ces deux problèmes sont traités, par l'introduction de deux procédures statistiques nouvelles, les tests de Kolmogorov-Smirnov pondéré et doublement pondéré. Ces deux tests ont été appliqués à des données simulées et réelles, et leurs résultats comparés aux procédures existantes. Notre conclusion est que, au-delà leurs avantages mathématiques et algorithmiques, les tests proposés pourraient se révéler, dans de nombreux cas, plus informatifs que le test GSEA classique, et traiter efficacement les deux problèmes qui ont motivé leur construction.
Fichier principal
Vignette du fichier
CHARMPI_2015_archivage.pdf (2.98 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-01178860 , version 1 (21-07-2015)

Identifiants

  • HAL Id : tel-01178860 , version 1

Citer

Konstantina Charmpi. Statistical methods for data mining in genomics databases (Gene Set En- richment Analysis). General Mathematics [math.GM]. Université Grenoble Alpes, 2015. English. ⟨NNT : 2015GREAM017⟩. ⟨tel-01178860⟩
417 Consultations
1003 Téléchargements

Partager

Gmail Facebook X LinkedIn More