Classification non supervisée d'un graphe de co-expression avec des méta-données pour la détection de micro-ARNs

Florian Brunet (1) , Jérôme J. Mariette (1) , Christine Cierco-Ayrolles (1) , Christine Gaspin (1) , Philippe Bardou (2) , Nathalie Villa-Vialaneix (1, 3)

1 MIAT INRA - Unité de Mathématiques et Informatique Appliquées de Toulouse
2 LGC - Laboratoire de Génétique Cellulaire
3 SAMM - Statistique, Analyse et Modélisation Multidisciplinaire (SAmos-Marin Mersenne)

Nous présentons dans cet article une méthode de classification non supervisée de sommets d'un graphe qui est utilisée dans un contexte biologique particulier. La problématique est de détecter de manière non supervisée des micro-ARNs probables. Pour ce faire, nous utilisons une approche multi-noyaux permettant d'intégrer des informations sur le graphe de co-expression et des informations supplémentaires sur les sommets de ce graphe. Cette approche est rendue robuste par une technique de bagging de classifications. Les résultats obtenus donnent des groupes de miRNAs potentiels dont certains permettent de discriminer avec une bonne confiance les vrais miRNAs des faux positifs.

Mots clés: classification; bagging; boostrap; miRNA; clustering; kernel; co-expression network

Mots clés: noyau; réseau de co-expression

Domaines: Machine Learning [stat.ML]; Bio-informatique [q-bio.QM]; Bio-Informatique, Biologie Systémique [q-bio.QM]

Florian Brunet, Jérôme J. Mariette, Christine Cierco-Ayrolles, Christine Gaspin, Philippe Bardou, et al.. Classification non supervisée d'un graphe de co-expression avec des méta-données pour la détection de micro-ARNs. MARAMI (Modèles et l'Analyse des Réseaux : Approches Mathématiques et Informatiques) 2013, Oct 2013, Saint-Étienne, France. pp.SI-1. ⟨hal-00877561⟩