Apprentissage statistique pour l'intégration de données omiques

132 Pages·2017·7.54 MB·French

by  Jérôme Mariette

Apprentissage statistique pour l’intégration de données
omiques
Jérôme J. Mariette
To cite this version:
Jérôme J. Mariette. Apprentissage statistique pour l’intégration de données omiques. Bio-
informatique [q-bio.QM]. UPS Toulouse- UniversitéToulouse 3 Paul Sabatier, 2017. Français. ￿NNT:
￿. ￿tel-01666744v2￿
HAL Id: tel-01666744
https://theses.hal.science/tel-01666744v2
Submitted on 20 Dec 2017 (v2), last revised 6 Dec 2018 (v3)
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est
archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
``
TTHHEESSEE
Envuedel’obtentiondu
DOCTORAT DE L’UNIVERSITE´ DE TOULOUSE
De´livre´ par:l’Universit´eToulouse3PaulSabatier(UT3PaulSabatier)
Pre´sente´eetsoutenuele15d´ecembre2017 par:
J´erˆome MARIETTE
Apprentissage statistique pour l’inte´gration de donne´es omiques
JURY
CHRISTOPHEAMBROISE Universit´eEvryVald’Essonne Rapporteur
GWENNAELEFICHANT Universit´ePaulSabatier Examinatrice
CHRISTINEGASPIN INRA,Toulouse Codirectricedeth`ese
MAHENDRAMARIADASSOU INRA,Jouy-en-Josas Examinateur
MICHELVERLEYSEN Universit´edeLouvain Rapporteur
NATHALIEVILLA-VIALANEIX INRA,Toulouse Directricedeth`ese
E´coledoctoraleetspe´cialite´ :
SEVAB:E´cologie,biodiversit´eet´evolution
Unite´ deRecherche:
Unit´edeMath´ematiquesetInformatiqueAppliqu´eesdeToulouse,875INRA
DirectricesdeThe`se:
NathalieVILLA-VIALANEIX&ChristineGASPIN

Remerciements
Latraditionexigedecommencerlesremerciementsparsesdirecteurs-tricesdeth`ese.Mais,sije
tiensa`vousremercierNathalieetChristineavanttouteautrepersonne,cen’estpaspourdesraisons
d’usage,maisbienpourtoutcequevousm’avezapport´e.Jetiensa`teremercierNathaliepourtes
qualit´esp´edagogiquesetscientifiques,tafranchise,ton´energieettapatiencequiont´et´eplusque
n´ecessairepourformerunapprenti-chercheurformat´eautravaild’ing´enieur.J’aibeaucoupapprisa`
tescoˆt´esetjetesuisreconnaissantdem’avoiroffertl’opportunit´edetravaillersurdesprobl´ematiques
novatricesetmotivantes.
JenepourraisjamaisteremercierassezChristinedem’avoirencourag´ea`melancerdanscette
aventure.Mercipourtesconseilsetlaconfiancequetum’asaccord´ee,aussibiendanslecadrede
cetteth`esequedurantceshuitann´eesa`travaillera`tescoˆt´es.Tesqualit´eshumainesquitepoussenta`
penseraubienˆetredetesagents,tonimplicationpourlecollectifettonenthousiasmesontmotivants
pourbonnombred’entrenous.
JeveuxaussiremercierchaleureusementChristopheAmbroiseetMichelVerleysend’avoiraccept´e
derelirecetteth`eseetd’enˆetrerapporteur.Merci´egalementauxautresmembresdujury:Gwenaelle
FichantetMahendraMariadassou,pouravoiraccept´edefairepartiedujurydesoutenanceetpour
l’int´erˆetqu’ilsontport´ea`montravail.Jetiensaussia`remercierlesmembresdemoncomit´edeth`ese:
Marie-Agn`esDillies,RobertFaivre,Marie-LaureMartin-Magnette,FabriceRossietMatthiasZytnicki
pourleursconseilsquiont´et´epourmoitr`esenrichissants.
Je souhaiterais ´egalement exprimer ma gratitude a` Fr´ed´eric Garcia, ancien directeur du
d´epartementMIA,ChristineCierco-Ayrolles,desressourceshumainesdud´epartementMIA,etChris-
topheKlopp,r´esponsableop´erationneldeGenotoulbioinfodem’avoirpermisded´egager50%demon
tempsing´enieurpourr´ealisercetravaildoctoral.
Biensuˆr,lar´ealisationdecetravailn’auraitpas´et´epossiblesansl’appuidemon´equipeetde
monunit´e,MIA-T.Mercia`tousdem’offrirdepuisceshuitann´eesuncadrescientifique´epanouissant
etunenvironnementbienveillant.Jeremercieparticuli`erementC´elineNoirotpournosdiscussionset
confrontationsquiontsuˆrement´et´elacl´edenotretravailcommun,maisaussiClaireHoedepourson
enthousiasmecommunicatif,GaelleLefortdontlesqualit´esdestatisticiennen’ontd’´egalesquecelles
desesmuffins,Marie-StephaneTrotardpoursesd´ebatsmilitantsenflamm´esetDidierLaboriepoursa
bonnehumeursansfaille.JevoudraisaussiremercierFabienneAyrignac,NatalieJulliand,AlainPerault
etnotrechefSylvainJassonpourleurefficacit´edanslar´esolutiondesprobl`emesadministratifs.
Jesuis´egalementtr`esreconnaissantenversFabriceRossietMadalinaOlteanupourleuraccueil
lors de ma visite au sein de l’´equipe SAMM de l’universit´e Paris 1. Je vous remercie pour cette
exp´eriencequia´et´eunesourcederencontresetd’´echangesstimulants.Jetiensaussia` remercier
Kim-AnhLeCaodel’Universit´edeMelbournepoursesconseilsavis´esmaisaussipoursarecettede
granolaetdedhaldelentillescorail.
Merciaussia`mesamisgrimpeursettraileursquim’ontpermisdem’oxyg´enerdurantcesquatre
ann´eeseta`mesplusprochesami-e-spourleurssoutiensetleursencouragements.Mercia`mafamille
dem’avoirapprislapers´ev´eranceetl’exigence.Etenfin,mercia`toiOlatzdem’avoirsoutenu,support´e
etencourag´e.Cetteth`eseetmoitedevonsbeaucoup.Merci.
3

R´esum´e
Les avanc´ees des nouvelles techniques de s´equen¸cage ont permis de produire des donn´ees
h´et´erog`enes,volumineuse,degrandedimensioneta`diff´erentes´echellesduvivant.L’int´egrationdeces
diff´erentesdonn´eesrepr´esenteund´efienbiologiedessyst`emes,d´efiqu’ilestcritiqued’aborderpour
tirerlemeilleurpartipossibledel’accumulationd’informationsbiologiquespourleurinterpr´etationet
leurexploitationdansunbutfinalis´e.
Cetteth`eseregroupeplusieurscontributionsm´ethodologiquesutilesa`l’explorationsimultan´eede
plusieursjeuxdedonn´eesomiquesdenaturesh´et´erog`enes.Pourabordercettequestion,lesnoyaux
et les m´ethodes a` noyaux offrent un cadre naturel, car ils permettent de prendre en compte la
naturepropredechacundestableauxdedonn´eestoutenpermettantleurcombinaison.Toutefois,
lorsquelenombred’observationsa`traiterestgrand,lesm´ethodesa`noyauxsouffrentd’unmanque
d’interpr´etabilit´eetd’unegrandecomplexit´ealgorithmique.
Une premi`ere partie de mon travail a port´e sur l’adaptation de deux m´ethodes exploratoires
a`noyaux:l’analyseencomposantesprincipales(K-PCA)etlescartesauto-organisatrices(K-SOM).
Lesadaptationsd´evelopp´eesportentd’unepartsurlepassagea`l’´echelleduK-SOMetdelaK-PCA
au domaine des omiques et d’autre part sur l’am´elioration de l’interpr´etabilit´e des r´esultats. Dans
unesecondepartie,jemesuisint´eress´ea`l’apprentissagemulti-noyauxpourcombinerplusieursjeux
dedonn´eesomiques.L’efficacit´edesm´ethodespropos´eesestillustr´eedanslecontextedel’´ecologie
microbienne:huitjeuxdedonn´eesduprojetTARAoceansont´et´eint´egr´esetanalys´esa`l’aided’une
K-PCA.
5

Abstract
Thedevelopmentofhigh-throughputsequencingtechnologieshasleadtoproducehighdimensio-
nalheterogeneousdatasetsatdifferentlivingscales.Toprocesssuchdata,integrativemethodshave
beenshowntoberelevant,butstillremainchallenging.
Thisthesisgathersmethodologicalcontributionsusefultosimultaneouslyexploreheterogeneous
multi-omicsdatasets.Totacklethisproblem,kernelsandkernelmethodsrepresentanaturalframework
becausetheyallowtohandletheownnatureofeachdatasetswhilepermittingtheircombination.
However,whenthenumberofsampletoprocessishigh,kernelmethodssufferfromseveraldrawbacks:
theircomplexityisincreasedandtheinterpretabilityofthemodelislost.
Afirstpartofmyworkisfocusedontheadaptationoftwoexploratorykernelmethods:the
principalcomponentanalysis(K-PCA)andtheself-organizingmap(K-SOM).Theproposedadaptations
firstaddressthescalingproblemofbothK-SOMandK-PCAtoomicsdatasetsandsecondimprovethe
interpretabilityofthemodels.Inasecondpart,Iwasinterestedinmultiplekernellearningtocombine
multipleomicsdatasets.Theproposedmethodsefficiencyishighlightedinthedomainofmicrobial
ecology:eightTARAoceansdatasetsareintegratedandanalysedusingaK-PCA.
7

Organisation de la th`ese
Cetteth`eseestr´edig´eeenfran¸caisa`l’exceptiondeschapitrescorrespondanta`desarticlespubli´es
ouencoursdepublication.
— Lestroischapitresintroductifssontr´edig´esenfran¸cais;
— Le chapitre 4 a fait l’objet d’une communication orale au 11e`me workshop WSOM 2016 a`
HoustonauxEtats-Unis,[105];
— Lechapitre5afaitl’objetd’unecommunicationoraleauXXVe`mesymposiumeurop´eenESANN
a`BrugesenBelgique,[107];
— Lechapitre6afaitl’objetd’unecommunicationoraleau10e`meworkshopWSOMa`Mittweida
enAllemagne,[108];
— Lechapitre7afaitl’objetd’unepublicationdanslejournalNeurocomputing,[109];
— Lechapitre8afaitl’objetd’unepublicationdanslejournalBioinformatics,[106].
9