Suggestion d’interactions gène-médicament à partir de données ouvertes et liées

Résumé : La pharmacogénomique étudie comment les variations génétiques inter-individuelles impactent la réponse aux médicaments. Une tâche courante pour les chercheurs du domaine consiste à identifier les gènes pouvant intervenir dans la variabilité de la réponse entre individus,et les pharmacogènnes. Il s’agit d’une tâche complexe,e de par la rareté de certains variants,et la difficulté de récolter des données fables,et ou encore la complexité d’effectuer des études robustes. Pour répondre à ces problématique,e les approches computationnelles comme celles proposées dans cette thèse constituent des alternatives prometteuses. Nous proposons dans ce travail de sélectionner diverses sources de données biomédicales d'intérêt en pharmacogénomique,e et d'y appliquer des méthodes de fouille afin d’identifier et de proposer des pharmacogènnes valides. Nous avons fait le choix de nous focaliser sur six sources de données que nous avons mis en forme selon les principes des données ouvertes et liées lorsqu’elles n’étaient pas déjà disponibles ainsi. L'utilisation des données ouvertes et liées rend possible l'utilisation conjointe de sources multiples,e étant construites et distribuées selon un framework commun. Deux méthodes ont été expérimentées et comparées dans ce travail afin de classer des paires gènnes-médicaments : les forêts d’arbres aléatoires et les graph kernels. Après avoir fusionné les sources sélectionnées,e nous avons obtenu un graphe de 2 610 793 triplets. Bien que l’apprentissage sur ces données en utilisant les forêts d’arbres aléatoires nous donnent un résultat satisfaisant (F-mesure = 0.73),e l’application des graph kernels a donné les meilleurs résultats (F-mesure = 0.81). Nous proposons à l’issue de ce travail une liste de pharmacogènnes candidats issus des deux approches,e ainsi qu’une discussion concernant leur présence dans cette liste.
Document type :
Master thesis
File URL :
http://docnum.univ-lorraine.fr/public/BUPHA_T_2017_DALLEAU_KEVIN.pdf
Complete list of metadatas

https://hal.univ-lorraine.fr/hal-01945028
Contributor : Memoires Ul <>
Submitted on : Wednesday, December 5, 2018 - 9:54:58 AM
Last modification on : Thursday, December 6, 2018 - 2:32:39 PM
Long-term archiving on : Wednesday, March 6, 2019 - 1:06:26 PM

Identifiers

  • HAL Id : hal-01945028, version 1

Collections

Citation

Kevin Dalleau. Suggestion d’interactions gène-médicament à partir de données ouvertes et liées. Sciences pharmaceutiques. 2017. ⟨hal-01945028⟩

Share

Metrics

Record views

20

Files downloads

35