Thèse de doctorat en Mathématiques appliquées
Sous la direction de Grégory Nuel, Florence Jaffrézic et de Andrea Rau.
Soutenue le 15-02-2018
à Sorbonne université , dans le cadre de École doctorale Sciences mathématiques de Paris centre (Paris ; 2000-....) , en partenariat avec Laboratoire de statistique théorique et appliquée (Paris ; 2015-2017) (laboratoire) .
Le président du jury était Christophe Ambroise.
Le jury était composé de Ismaël Castillo, Hervé Isambert.
Les rapporteurs étaient Nathalie Villa-Vialaneix, Matthieu Vignes.
L'objet de cette thèse est l'utilisation de données transcriptomiques actuelles dans le but d'en inférer un réseau de régulation génique. Ces données sont souvent complexes, et en particulier des données d'interventions peuvent être présente. L'utilisation de la théorie de la causalité permet d'utiliser ces interventions afin d'obtenir des réseaux causaux acycliques. Je questionne la notion d'acyclicité, puis en m'appuyant sur cette théorie, je propose plusieurs algorithmes et/ou améliorations à des techniques actuelles permettant d'utiliser ce type de données particulières.
Causal network inference from intervention data
The purpose of this thesis is the use of current transcriptomic data in order to infer a gene regulatory network. These data are often complex, and in particular intervention data may be present. The use of causality theory makes it possible to use these interventions to obtain acyclic causal networks. I question the notion of acyclicity, then based on this theory, I propose several algorithms and / or improvements to current techniques to use this type of data.
Il est disponible au sein de la bibliothèque de l'établissement de soutenance.