Modèle à blocs latents pour l'analyse de données métagénomiques
Résumé
Les modèles à blocs latents fournissent un cadre probabiliste pour la double classification de lignes et colonnes d’une matrice de données. Dans cet article nous considérons un modèle à blocs latents pour des données de comptage surdispersées. Les variables latentes ne sont pas indépendantes conditionnellement aux variables observées ce qui rend l’inférence classique par maximum de vraisemblance impossible. Nous présenterons un algorithme d’inférence basé sur une approche variationnelle. Nous appliquerons ce modèle sur des données de métagénomique pour étudier les interactions entre les bactéries présentes dans la rhizosphère et les plantes.