Statistical learning for omics data integration
Apprentissage statistique pour l'intégration de données omiques
Résumé
The development of high-throughput sequencing technologies has lead to produce
high dimensional heterogeneous datasets at different living scales. To process
such data, integrative methods have been shown to be relevant, but still remain
challenging.
This thesis gathers methodological contributions useful to simultaneously
explore heterogeneous multi-omics datasets. To tackle this problem, kernels and
kernel methods represent a natural framework because they allow to handle the
own nature of each datasets while permitting their combination. However, when
the number of sample to process is high, kernel methods suffer from several
drawbacks: their complexity is increased and the interpretability of the
model is lost.
A first part of my work is focused on the adaptation of two exploratory kernel
methods: the principal component analysis (K-PCA) and the self-organizing map
(K-SOM). The proposed adaptations first address the scaling problem of both
K-SOM and K-PCA to omics datasets and second improve the interpretability of
the models. In a second part, I was interested in multiple kernel learning to
combine multiple omics datasets. The proposed methods efficiency is highlighted
in the domain of microbial ecology: eight TARA oceans datasets are
integrated and analysed using a K-PCA.
Les avancées des nouvelles techniques de séquençage ont permis de produire des
données hétérogènes, volumineuse, de grande dimension et à différentes
échelles du vivant. L'intégration de ces différentes données représente un
défi en biologie des systèmes, défi qu'il est critique d'aborder pour tirer le
meilleur parti possible de l'accumulation d'informations biologiques pour leur
interprétation et leur exploitation dans un but finalisé.
Cette thèse regroupe plusieurs contributions méthodologiques utiles à
l'exploration simultanée de plusieurs jeux de données omiques de natures
hétérogènes. Pour aborder cette question, les noyaux et les méthodes à
noyaux offrent un cadre naturel, car ils permettent de prendre en compte la
nature propre de chacun des tableaux de données tout en permettant leur
combinaison. Toutefois, lorsque le nombre d'observations à traiter est grand, les méthodes à
noyaux souffrent d'un manque d'interprétabilité et d'une grande
complexité algorithmique.
Une première partie de mon travail a porté sur l'adaptation de deux méthodes
exploratoires à noyaux : l'analyse en composantes principales (K-PCA) et les
cartes auto-organisatrices (K-SOM). Les adaptations développées portent d'une
part sur le passage à l'échelle du K-SOM et de la K-PCA au domaine des omiques
et d'autre part sur l'amélioration de l'interprétabilité des résultats.
Dans une seconde partie, je me suis intéressé à l'apprentissage multi-noyaux
pour combiner plusieurs jeux de données omiques. L'efficacité des méthodes
proposées est illustrée dans le contexte de l'écologie microbienne : huit jeux
de données du projet TARA oceans ont été intégrés et analysés à l'aide
d'une K-PCA.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...