Méthodes d'apprentissage statistique pour l'analyse de spectre de masse

Machine learning methods for mass spectrum analysis

• Auteur / Autrice : Théo Mauger
• Direction : Pierre-olivier Amblard, Olivier Michel
• Type : Projet de thèse
• Discipline(s) : Signal Image Parole Télécoms
• Date : Inscription en doctorat le 01/02/2024
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble ; 199.-....)
• Partenaire(s) de recherche : Laboratoire : Grenoble Images Parole Signal Automatique
• Partenaire(s) de recherche : Equipe de recherche : GAIA

Mots clés

Mots clés libres

Apprentissage machine

Mathématiques

Traitement du signal

Démélange spectral

Machine learning

Mathématiques

Signal porcessing

Source unmixing

Résumé

Les premières études semblent démontrer le potentiel des approches d'apprentissage automatique pour l'analyse des spectres de masse, qui sont actuellement généralement réalisées par un expert et donc parfois difficiles à reproduire. Dans une étude récente [1], les auteurs ont proposé de synthétiser un ensemble d'apprentissage des spectres de masse, en synthétisant les spectres qu'il serait possible d'observer - en tenant compte de la variabilité intrinsèque de ces méthodes - en cas de présence d'éléments atomiques ou moléculaires différents. Cette base d'apprentissage est exploitée pour proposer un système de classification basé sur les arbres, construit par une méthode de 'gradient boosting' (GBT). Une alternative à cette approche pourrait reposer sur l'idée que les signatures associées à chacun des éléments, simulées pour construire la base d'apprentissage, peuvent être comprises comme des éléments d'un dictionnaire de fonctions élémentaires permettant de décomposer le spectre de masse observé. Ainsi, le problème d'identification des éléments présents est reformulé comme un problème de séparation de mélange ('linear spectral unmixing') pour lequel une approche bayésienne peut être développée, comme suggéré par Mikhalychev et al [2]. L'objectif de la thèse est de s'appuyer sur ces approches et d'explorer d'autres alternatives. Un premier travail consistera à reproduire en partie les résultats annoncés dans ces études à la fois sur des données simulées et des données expérimentales de spectrométrie de masse, afin d'évaluer les limites et les caractéristiques principales de ces approches. Ensuite, une étude sera poursuivie dans un cadre de regroupement (pas de supervision de l'algorithme d'apprentissage), voire dans un cadre d'apprentissage semi-supervisé ou contraint (imposant que certaines signatures doivent être dans la même classe). Enfin, des approches basées sur l'apprentissage de dictionnaires, des méthodes parcimonieuses de groupe, seront considérées. Les résultats attendus devront être comparés avec les résultats obtenus par les méthodes GBT d'une part, et confrontés à l'expertise humaine d'autre part. L'objectif final est de construire et mettre en œuvre une chaîne complète d'analyse de spectre de masse aussi automatique que possible, avec des garanties connues.

First studies seem to demonstrate the potential contribution of machine learning approaches for the analysis of mass spectra, which are currently usually carried out by an expert, and therefore sometimes difficult to reproduce. In a recent study [1], the authors have proposed to synthesize a set of learning of mass spectra, by synthesizing the spectra that it would be possible to observe - taking into account the intrinsic variability of these methods - in case of presence of different atomic or molecular elements. This learning base is exploited to propose a tree-based classification system, built by a 'gradient boosting' method (GBT). An alternative to this approach could be built on the idea that the signatures associated to each of the elements, simulated to build the learning base, can be understood as elements of a dictionary of elementary functions allowing to decompose the observed mass spectrum. Thus, the problem of identifying the elements present is reformulated as a problem of mixture separation ('linear spectral unmixing') for which a Bayesian approach can be developed, as suggested by Mikhalychev et al [2]. The objective of the PhD is to build upon these approaches and to explore other alternatives. A first work will be to reproduce in part the results announced in these studies insimulated as well as experimental data of mass spectrometry, in order to evaluate the limits and the principal characteristics of these approaches. Next, a study will be pursued in a clustering framework (no supervision of the learning algorithm), or even in a semi-supervised or constrained learning framework (imposing that some signatures must be in the same class). Finally, approches based on dcitionary learning, sparse group sparse methods will be considered. The expected results will have to be compared with the results obtained by GBT methods on the one hand and confronted with human expertise on the other. The final goal is to build and implement a full pipe-line of mass spectrum ananalysis as automatic as possible, with known guarantees.