Fouille de motifs séquentiels pour la découverte de relations entre gènes et maladies rares

Nicolas Béchet 1 Peggy Cellier 2 Thierry Charnois 3 Bruno Crémilleux 4
1 EXPRESSION - Expressiveness in Human Centered Data/Media
UBS - Université de Bretagne Sud, IRISA-D6 - MEDIA ET INTERACTIONS
2 LIS - Logical Information Systems
IRISA-D7 - GESTION DES DONNÉES ET DE LA CONNAISSANCE
4 Equipe CODAG - Laboratoire GREYC - UMR6072
GREYC - Groupe de Recherche en Informatique, Image, Automatique et Instrumentation de Caen
Résumé : Orphanet est un organisme dont l'objectif est notamment de rassembler des collections d'articles traitant de maladies rares. Cependant, l'acquisition de nouvelles connaissances dans ce domaine est actuellement réalisée manuellement. Dès lors, obtenir de nouvelles informations relatives aux maladies rares est un processus chronophage. Permettre d'obtenir ces informations de manière automatique est donc un enjeu important. Dans ce contexte, nous proposons d'aborder la question de l'extraction de relations entre gènes et maladies rares en utilisant des approches de fouille de données, plus particulièrement de fouille de motifs séquentiels sous contraintes. Nos expérimentations montrent l'intérêt de notre approche pour l'extraction de relations entre gènes et maladies rares à partir de résumés d'articles de PubMed.
Type de document :
Article dans une revue
Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, Lavoisier, 2014, 28/2-3, pp.245-270
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-01119525
Contributeur : Peggy Cellier <>
Soumis le : lundi 23 février 2015 - 14:15:21
Dernière modification le : mercredi 16 mai 2018 - 11:24:07

Identifiants

  • HAL Id : hal-01119525, version 1

Citation

Nicolas Béchet, Peggy Cellier, Thierry Charnois, Bruno Crémilleux. Fouille de motifs séquentiels pour la découverte de relations entre gènes et maladies rares. Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, Lavoisier, 2014, 28/2-3, pp.245-270. 〈hal-01119525〉

Partager

Métriques

Consultations de la notice

413