Master Recherche 2e année
<<Systèmes
Intelligents et Applications>>
Titre : Prédiction
de promoteurs dans les séquences d'ADN par boosting/bagging
Encadrant : Mephu Nguifo
Engelbert <http://www.cril.univ-artois.fr/%7Emephu>
Description:
L'annotation des génomes est une étape primordiale de la
compréhension des fonctions biologiques. C'est pourquoi depuis
l'essor pris par le séquençage des génomes
complets, l'élaboration d'algorithmes de prédiction
d'éléments génomiques fiables et robustes
représente une composante dynamique de la bioinformatique.
Si plusieurs travaux ont été consacrées à
la prédiction des promoteurs, il n'en reste pas moins que dans
les applications pratiques, le nombre élévé de
faux positifs (faux promoteurs) reste parfois très
élevé, et par conséquent le problème reste
ouvert.
L'application des techniques d'apprentissage par aggrégation de
décision de plusieurs experts (systèmes) peut être
aussi une alternative pour réduire le nombre
considérable de faux positifs prédits. Ces techniques
seront explorées dans le cadre de ce travail.
Mots
clés : Apprentissage
Automatique, Boosting, Bagging, Séquences d'ADN,
Références :
Cornuejols et Miclet, 2002, Apprentissage Artificiel:
méthodologie et applications, Eyrolles.
Hubans C., Hot D., Lemoine Y., Mephu Nguifo E., Plate de
prédiction de structures opéroniques, JOBIM 2004.
Baldi and Brunak, Bioinformatics: A machine learning approach, MIT
Press
Mitchell, 1997, Machine Learning, McGraw Hill.