Réduction de la dimensionnalité des profils tumoraux biomédicaux : une approche d'apprentissage automatique

Dimensionality Reduction of Biomedical Tumor Profiles : a Machine Learning Approach

• Auteur / Autrice : Martin Palazzo
• Direction : Pierre Beauseroy, Patricio Yankilevich
• Type : Thèse de doctorat
• Discipline(s) : Optimisation et Sureté des Systèmes
• Date : Soutenance le 05/10/2021
• Etablissement(s) : Troyes en cotutelle avec Universidad Tecnológica Nacional. Facultad Regional Buenos Aires (Buenos Aires, Argentine)
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'Ingénieur (Troyes, Aube)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Informatique et Société Numérique / LIST3N
• Jury : Président / Présidente : Frédéric Bertrand
• Jury : Examinateurs / Examinatrices : Frédéric Bertrand, Ariel Chernomoretz, Florence D’Alche Buc, Emmanuel Iarussi, Morten Nielsen
• Jury : Rapporteur / Rapporteuse : Ariel Chernomoretz, Florence D’Alche Buc

Mots clés

Mots clés contrôlés

Réduction des données (statistique)

Cancer

Génomique

Noyaux (analyse fonctionnelle)

Réseaux neuronaux (informatique)

Apprentissage automatique

Mots clés libres

Apprentissage automatique

Réseaux neuronaux (informatique)

Noyaux (analyse fonctionnelle)

Génomique

Cancer

Réduction de dimension

Machine learning

Neural network (computer science)

Kernel functions

Genomics

Cancer

Dimensionality reduction

Résumé

Le rythme croissant de génération de données à partir de profils tumoraux au cours de la dernière décennie a permis le développement d'algorithmes d'apprentissage statistique pour explorer et analyser le paysage des types et sous-types de tumeurs et la survie des patients d'un point de vue biomoléculaire. Les données tumorales sont principalement décrites par des caractéristiques transcriptomiques et le niveau d'expression d'un transcrit génique donné dans la cellule tumorale. Par conséquent, ces caractéristiques peuvent être utilisées pour apprendre des règles statistiques qui améliorent la compréhension de l'état et du type d'une cellule cancéreuse. Néanmoins, les données tumorales transcriptomiques sont de grande dimension et chaque tumeur peut être décrite par des milliers de caractéristiques génétiques, ce qui rend difficile la réalisation d'une tâche d'apprentissage automatique et la compréhension des mécanismes biologiques sous-jacents. Cette thèse étudie comment réduire la dimensionnalité et gagner en interprétabilité pour savoir quels gènes codent le signal de la distribution des données en proposant des méthodes de réduction de dimension basées sur un modèle qui envisage la structure globale des données à l'aide d'un espace de représentation latente. Les méthodes proposées ont montré des améliorations dans les tâches de sélection de caractéristiques supervisées et non supervisées par rapport aux méthodes de référence pour classer et apprendre des sous-groupes de tumeurs respectivement.

The increasing pace of data generation from tumor profiles profiles during the last decade has enable the development of statistical learning algorithms to explore and analyze the landscape of tumor types, subtypes and patient survival from a biomolecular point of view. Tumor data is mainly described by trasncriptomic features and the level of expression of a given gene-transcript in the tumor cell, therefore these features can be used to learn statistical rules that improves the understanding about the state and type of a cancer cell. Nevertheless transcriptomic tumor data is high dimensional and each tumor can be described by thousands of gene features making it difficult to perform a machine learning task and to understand the underlying biological mechanisms. This thesis studies how to reduce dimensionality and to gain interpretability about which genes encode signals of the data distribution by proposing dimension reduction methods based on Feature Selection and Feature Extraction pipelines. The proposed methods are based on Latent Variable Models and Kernel Methods with the idea to explore the connection between pair-wise similarity functions of tumor samples and low dimensional latent spaces that captures the inner structure of the training data. Proposed methods have shown improvements in supervised and unsupervised feature selection tasks when compared with benchmark methods to classify and learn subgroups of tumors respectively.