Inférence grammaticale sur des alphabets ordonnés

153 Pages·2017·1.6 MB·French

by  Aurélien Leroux

Inférence grammaticale sur des alphabets ordonnés:
application à la découverte de motifs dans des familles
de protéines
Aurélien Leroux
To cite this version:
Aurélien Leroux. Inférence grammaticale sur des alphabets ordonnés: application à la découverte de
motifs dans des familles de protéines. Biochimie [q-bio.BM]. Université Rennes 1, 2005. Français.
￿NNT: ￿. ￿tel-00185489￿
HAL Id: tel-00185489
https://theses.hal.science/tel-00185489
Submitted on 6 Nov 2007
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.
No d’ordre: 3158
TH¨SE
PrØsentØe devant
devant l’UniversitØ de Rennes 1
pour obtenir
le grade de : Docteur de l’UniversitØ de Rennes 1
Mention Informatique
par
AurØlien Leroux
(cid:201)quipe d’accueil : Symbiose
(cid:201)cole doctorale : MATISSE
Composante universitaire : IFSIC/IRISA
Titre de la thŁse :
InfØrence grammaticale sur des alphabets ordonnØs :
application (cid:224) la dØcouverte de motifs dans des familles
de protØines
soutenue le 24/06/2005 devant la commission d’examen
M. : Guy Lorette PrØsident
MM. : Colin de la Higuera Rapporteurs
Laurent Trilling
MM. : Marie-France Sagot Examinateurs
Fran(cid:231)ois Coste
Jacques Nicolas

(cid:192) mes parents Brigitte et Philippe et (cid:224) ma femme (cid:201)lØna.

Remerciements
Merci, tout d’abord, (cid:224) mon directeur de thŁse Jacques Nicolas. MalgrØ un
emploi du temps trŁs serrØ, il a su se montrer disponible (cid:224) mon Øgard et a pu,
gr(cid:226)ce (cid:224) ses rØponses prØcises (cid:224) mes multiples interrogations, m’aider (cid:224) trouver
mon propre chemin dans la recherche.
Merciaussi(cid:224)ColindelaHigueraetLaurentTrillingd’avoiracceptØd’apporter
leurs rØ(cid:29)exions et jugements sur mon travail en dØpit du peu de temps que je leur
ai laissØ.
Je remercie Marie-France Sagot, Fran(cid:231)ois Coste et Guy Lorette pour avoir
acceptØs d’Œtre membres du jury. Les travaux de Marie-France Sagot m’ont beau-
coup inspirØs dans mes recherches et sa participation au jury me fait honneur.
Au cours de ma premiŁre annØe de thŁse, Fran(cid:231)ois Coste m’a beaucoup aidØ (cid:224)
m’immerger dans le domaine de l’infØrence grammaticale. Guy Lorette me fait la
faveur de prØsider le jury.
Merci Øgalement (cid:224) Daniel Fredouille pour les nombreuses et enrichissantes
discussions qui m’ont permis de faire Øvoluer mes idØes et de les conforter.
Merci aussi (cid:224) Israºl-CØsar Lerman et Tallur Basavanneppa. Leur compØtence
et leur expØrience dans le domaine de la statistique m’ont permis d’enrichir mes
connaissances dans ce domaine.
Je voudrais remercier l’Øquipe Symbiose dans son ensemble pour sa gaietØ, sa
chaleur et son dynamisme : Anne-sophie, Cynthia, Elodie, Emmanuelle, Esther,
Ingrid,Mathieu,Patrick,Stephane,Yoann,Yvesettouslesautrespourlesdiscus-
sions intØressantes, les matchs de ping pong acharnØs et les soirØes inoubliables.
En(cid:28)n, je remercie tout particuliŁrement mon frŁre Mathieu pour la correction
orthographique et grammaticale de ce texte et surtout ma femme (cid:201)lØna, (cid:224) qui je
dois ce document, de m’avoir soutenu et aidØ tout au long de la rØdaction.
AurØlien Leroux.

Table des matiŁres
Introduction 1
1 Motifs dans les protØines 5
1.1 Conservation dans les protØines . . . . . . . . . . . . . . . . . . . 5
1.2 ProblØmatique de la thŁse . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Apprentissage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.1 Cadre gØnØral de l’apprentissage . . . . . . . . . . . . . . . 7
1.3.2 Le problŁme de la dØcouverte de motifs . . . . . . . . . . . 8
1.4 MØthodes de dØcouverte de motifs . . . . . . . . . . . . . . . . . . 8
1.4.1 Classes de motifs de Brazma . . . . . . . . . . . . . . . . . 9
1.4.2 MØthodes dirigØes par le modŁle . . . . . . . . . . . . . . . 11
1.4.3 MØthodes dirigØes par les donnØes . . . . . . . . . . . . . . 12
1.4.4 Approches combinant les deux mØthodes . . . . . . . . . . 13
1.5 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2 InfØrence grammaticale de langages rØguliers 17
2.1 ThØorie des langages . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1.1 Mots et langages . . . . . . . . . . . . . . . . . . . . . . . 17
2.1.2 Grammaires (rØguliŁres) . . . . . . . . . . . . . . . . . . . 18
2.1.3 Expressions rØguliŁres . . . . . . . . . . . . . . . . . . . . 19
2.1.4 Automates d’Øtats (cid:28)nis . . . . . . . . . . . . . . . . . . . . 20
2.2 InfØrence grammaticale . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.1 Identi(cid:28)cation (cid:224) la limite (cid:224) partir de donnØes (cid:224) la demande 25
2.2.2 Identi(cid:28)cation (cid:224) la limite (cid:224) partir de donnØes (cid:28)xØes . . . . . 26
2.3 InfØrence rØguliŁre . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3.1 Un algorithme d’identi(cid:28)cation (cid:224) la limite (cid:224) partir de don-
nØes (cid:28)xØes . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3.2 Discussion sur l’utilisation de l’infØrence grammaticale par
fusion d’Øtats sur des protØines . . . . . . . . . . . . . . . 31
i
ii Table des matiŁres
3 Le modŁle FTA : une reprØsentation adaptØe de langages rØgu-
liers 35
3.1 Motivations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2 DØ(cid:28)nitions autour des automates de transitions (cid:28)nies . . . . . . . 37
3.3 D’un modŁle (cid:224) l’autre . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.3.1 Transformation DFA vers DTA . . . . . . . . . . . . . . . 42
3.3.2 Transformation DTA vers FSA . . . . . . . . . . . . . . . 43
3.4 Une relation d’Øquivalence sur les mots adaptØe aux DTA . . . . . 46
3.5 Automate de transitions (cid:28)nies minimal . . . . . . . . . . . . . . . 52
3.6 Comparaison de la taille des DFA et DTA minimaux complets . . 54
3.7 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4 Alphabets ordonnØs sur des sØquences de protØines 59
4.1 Les acides aminØs et les protØines . . . . . . . . . . . . . . . . . . 59
4.2 PropriØtØs physico-chimiques des acides aminØs . . . . . . . . . . 61
4.3 Ressemblance entre acides aminØs . . . . . . . . . . . . . . . . . . 61
4.3.1 Matrices de substitution . . . . . . . . . . . . . . . . . . . 63
4.3.2 Couvertures . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.4 Notre approche de la ressemblance des acides aminØs . . . . . . . 68
4.4.1 Ordres partiels et treillis . . . . . . . . . . . . . . . . . . . 68
4.4.2 Construction d’un treillis sur l’ensemble des acides aminØs 69
4.5 Codage des treillis . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5 InfØrence grammaticale par fusion de transitions sur des alpha-
bets ordonnØs 73
5.1 SchØma gØnØral d’infØrence . . . . . . . . . . . . . . . . . . . . . . 73
5.2 DØ(cid:28)nitions et notations prØliminaires . . . . . . . . . . . . . . . . 74
5.2.1 Alignement de sØquences . . . . . . . . . . . . . . . . . . . 74
5.2.2 Contexted’unepairedepositionsdansunepairedesØquences 77
5.2.3 Une proposition de calcul du score d’un alignement local . 78
5.2.4 CompatibilitØ entre appariements de positions . . . . . . . 81
5.3 Description de la mØthode d’infØrence par fusion de transitions . . 83
5.3.1 Statistiques . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.3.2 Calcul des meilleures paires de transitions (cid:224) fusionner par
alignement local . . . . . . . . . . . . . . . . . . . . . . . . 86
5.3.3 InfØrence de l’automate par fusion de transitions . . . . . . 92
5.3.4 ComplexitØ gØnØrale de la mØthode SDTM . . . . . . . . . 96
Table des matiŁres iii
6 ImplØmentation et rØsultats expØrimentaux 99
6.1 ReprØsentation d’un automate en programmation logique . . . . . 99
6.1.1 ReprØsentation d’un automate . . . . . . . . . . . . . . . . 100
6.1.2 ReprØsentation d’automates adaptØe (cid:224) la fusion d’Øtats . . 100
6.1.3 Notre reprØsentation d’un automate . . . . . . . . . . . . . 101
6.2 ExpØrimentations . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
6.2.1 PrØliminaires . . . . . . . . . . . . . . . . . . . . . . . . . 103
6.2.2 PrØsentation des jeux de test . . . . . . . . . . . . . . . . . 104
6.2.3 Variation des paramŁtres du programme . . . . . . . . . . 105
6.2.4 Comparaison avec d’autres mØthodes . . . . . . . . . . . . 106
Conclusion et perspectives 115
A Treillis (cid:201)laguØ 119
List of Figures 121
Bibliography 123
Index 138