Classification des séquences d’ADN par les réseaux d’ondelettes

Résumé

De nos jours, on assiste à une croissance exponentielle dans les études de classification des séquences d’ADN. Malgré la variété des méthodes de classification et des algorithmes réalisés, une solution radicale est loin d’être obtenue. Dans le cadre de cette thèse, nous avons apporté notre contribution à l’étude théorique de construction des réseaux d’ondelettes et à l’étude théorique de classification des séquences d’ADN. Nous avons développé une nouvelle approche qui permet d’assurer une classification non supervisée des séquences d’ADN. Cette approche est inspirée de réseau d’ondelettes Bêta. Ce réseau est construit à l’aide d’une nouvelle méthode qui combine un algorithme incrémental et un estimateur dit moindres carrés tronqués (Least trimmed Squares : LTS) ou la méthode de sélection par orthogonalisation et nous avons utilisé une nouvelle approche nommée spectre de puissance pour distinguer la distribution des nucléotides au niveau d’une séquence d’ADN. L’évaluation de notre approche a été fait par l’utilisation des plusieurs bases de données d’ADN. Pour mesurer la performance de notre modèle nous avons appliqué plusieurs critères d’évaluation par exemple : Précision, Rappel, Matrice de confusion.

Citer ce document

Accès au document

Ce document est hébergé sur son dépôt institutionnel d'origine.

Auteur(s)

Statistiques

Consultations : 8

Téléchargements : 0