Quelques développements statistiques et algorithmiques pour l'analyse de données génomiques​

Informations générales
Nom
Rigaill
Prénom
Guillem
Diplôme
HDR
Année
2020
Détails de la thèse/HDR
Jury
Sylvain ARLOT (Exa.)
Avner BAR-HEN (Exa.)
Anne-Laure BOULESTEIX (Rap.)
David CAUSEUR (Rap.)
Sophie SCHBATH (Rap.)
Jean-Philippe VERT (Exa.)
Résumé en français
Dans ce mémoire, je synthétise mes recherches qui portent sur le développement et l'application de modèles et méthodes statistiques pour l'analyse de données omiques. Mes travaux se divisent en quatre axes ou thèmes que voici : (1) la détection de ruptures multiples, (2) l'analyse de données omiques, (3) la classification régularisée et (4) l'évaluation de méthodologies pour l'analyse de données omiques. Les deux premiers thèmes sont plus importants. Pour la détection de ruptures, je présente, de manière unifiée, un certain nombre d'algorithmes récents permettant de retrouver la segmentation maximisant la vraisemblance. Pour l'analyse de données omiques je présente certaines des difficultés que j'ai rencontrés lors de l'analyse de données omiques.​ Pour (3) et (4) je présente succinctement quelques contributions méthodologiques à la classification régularisée et quelques méthodes de simulation pour l’évaluation de méthodes de segmentation et d'analyse différentielle pour des données omiques.​