Apprentissage et extraction des connaissances dans les bases de données spatiotemporelles
Loading...
Date
Journal Title
Journal ISSN
Volume Title
Publisher
Université Sétif 1 - Ferhat ABBAS , Faculté des Sciences
Abstract
Imperfection is a common feature in almost all real-world data, although it usually hides crucial knowledge of major interest. Using theories of uncertainty to model gene expression (Gen_Exp) areas in the embryo will help to extract hidden relationships between genes, while taking into account possible imprecision in the boundaries of Gen_Exp zones and the nuanced strength of these expressions. In this paper, we propose a fuzzy and possibilistic modeling of spatiotemporal data from In Situ Hybridization (ISH) sequences of images representing Gen_Exp areas in different embryonic developmental phases of the model species Edinburgh Mouse. Following a series of pre-processing steps on these images to improve feature extraction, we propose an adaptation of the Apriori algorithm to the fuzzy and possibilistic logic for mining two types of Association Rules (AR), which will represent in primal the spatial correlations between Gen_Exp areas in the embryo, and in dual the temporal correlations as well as the relationships between genes that co-express in these ISH image sequences. Finally, an analysis of extracted spatiotemporal fuzzy and possibilistic AR will be provided to decide which modeling is the most suitable. Also, biological interpretation of the obtained results confirms their adequacy with domain principles. The extracted knowledge will help biologists to better understand the interactions between genes, for discovering the co-expressed sets of genes having the same functional role, and modeling normal Gen_Exp for detecting abnormal Gen_Exp that can cause genetic diseases.
Description
L’imperfection est une caractéristique commune dans presque toutes les données du monde réel, même si elles cachent généralement des connaissances cruciales et d’un intérêt majeur. L’utilisation de théories de l’incertitude pour modéliser les zones d’expression génique (Exp_Gen) dans les embryons permettra d’extraire les relations cachées entre les gènes, tout en tenant compte de l’imprécision possible des limites de ces zones et de la force nuancée de ces expressions. Dans cette thèse, nous proposons une modélisation floue et possibiliste des données spatio-temporelles issues de séquences d’images ISH (In Situ Hybridization) représentant les zones d’Exp_Gen à différentes phases de développement embryonnaire de l’espèce modèle souris d’Edinburgh. Après une série d’étapes de prétraitement sur ces images pour améliorer l’extraction des caractéristiques, nous proposons une adaptation de l’algorithme Apriori à la logique floue et possibiliste pour l’extraction de deux types de règles d’association (RA), qui représenteront en Primal les relations spatiales entre les zones d’Exp_Gen dans l’embryon, et en Dual les relations temporelles ainsi que les relations entre les gènes qui co-expriment dans ces séquences d’images ISH. Enfin, une analyse des AR spatiotemporelles floues et possibilistes extraites sera fournie afin de déterminer la modélisation la plus adéquate. De plus, l’interprétation biologique des résultats obtenus confirme leur adéquation aux principes de la biologie génétique. Les connaissances extraites aideront les biologistes à mieux comprendre les interactions entre gènes, à identifier les ensembles de gènes qui co-expriment et ayant le même rôle fonctionnel, et enfin à modéliser l’expression génétique normale pour détecter les expressions génétiques anormales susceptibles de provoquer des maladies génétiques.
Keywords
: Règles d’association, Données spatiotemporelles, Images ISH, Expression génétique, Logique floue et possibiliste, : Association rules, Spatiotemporal data, ISH images, Gene expression, Fuzzy and Possibilistic logic, علاقات الارتباط ؛ البيانات الزمانية-المكانية. صور ISH ؛ التعبير الجيني. منطق الحدود متداخلة و منطق الإمكانية