Contributions à l'étude de la classification spectrale et applications

122 Extraction de connaissances appliquée à la biologie et l’imagerie médicale
Nature des données
Figure 4.2 – Root pathosystems in Medicago Truncatula
Les puces à ADN permettent de mesurer le niveau d’expression relatif de chaque gène dans
un échantillon cellulaire comparé à un contrôle de référence. Ici le contrôle de référence est la
cellule A17. La puce utilisée est une puce dédiée c’est-à-dire une puce où on étudie une partie
précise et connue du génome. Les gènes considérés ont des fonctions particulières dans l’exécution
du programme cellulaire et sont répertoriés sur le tableau 4.1. Les chiffres obtenus mesurent le
niveau absolu d’expression des gènes, exprimés en log10 (et en unités arbitraires). Les données ont
été collectées dans huit expérimentations produit cartésien de l’ensemble des lignées par celui des
temps puis normalisées (et exprimés en log10). On obtient donc une matrice de taille 2561 × 7 de
mesures répétées et dependantes du temps.
Une méthode connue pour ses applications dans le domaine de la bioinformatique [98, 99] est la
méthode à noyau cartes auto-organisatrices (ou Self Organizing Maps). Dans la suite, la méthode
SOM sera présentée et adaptée à des profils temporels d’expression de gène. Puis nous testerons le
spectral clustering dans le cadre de cette problématique.
4.2 Méthode Self Organizing Maps
Après une présentation de la méthode Self Organizing Maps ou carte de Kohonen, les éléments
de la méthode seront adaptés à la classification de profils génomiques temporels. Ces données seront
ensuite testées sur les espèces A17, F83 et sur l’expression gène à gène entre les espèces A17 et F83.
4.2.1 Présentation de la méthode Self Organizing Maps
Le "Self Organizing Maps" (SOM) est un des modèles les plus connus dans les réseaux de
neurones [68, 69]. Il est basé sur une méthode de scaling multidimensionnel qui projette les données
dans un espace de plus petite dimension. Un SOM est formé de neurones placés sur une grille
d’une ou deux dimensions. Les neurones de la carte sont connectés aux neurones adjacents par une
relation de voisinage imposée par la structure de la carte. En général, la topologie de la carte est
rectangulaire ou hexagonale. Le nombre de neurones détermine la "granularité" de la carte ce qui
affecte l’exactitude, la précision et la capacité générale du SOM. On fixe les relations topologiques