Abstract EN:

Dans cette thèse, nous proposons trois nouvelles méthodes d’analyse de puces à ADN qui intègrent notre connaissance à priori de corrélations sous-jacentes au problème. La première méthodologie utilise les données de réseau métabolique pour l’analyse de profils d’expression de gènes. Elle est basée sur la décomposition spectrale du réseau à l’aide de la matrice laplacienne liée au graphe associé. La deuxième approche est une nouvelle méthode de classification supervisée pour les données de puces arrayCGH. Elle est basée sur le problème L1-SVM usuel modifié pour intégrer une seconde contrainte de régularisation qui traduit la forte chance pour deux relevés successifs d’appartenir à la même région d’altération. La dernière méthode est une autre manière d’introduire l’information contenue dans un réseau dans la classification supervisée de profils d’expression. Pour cela, nous avons rajouté au problème L1-SVM un terme de régularisation qui traduit notre volonté d’attribuer dans la fonction de décision des poids semblables à deux gènes connectés.