Structured machine learning methods for microbiology : mass spectrometry and high-throughput sequencing

Résumé : L'utilisation des technologies haut débit est en train de changer aussi bien les pratiques que le paysage scientifique en microbiologie. D'une part la spectrométrie de masse a d'ores et déjà fait son entrée avec succès dans les laboratoires de microbiologie clinique. D'autre part, l'avancée spectaculaire des technologies de séquençage au cours des dix dernières années permet désormais à moindre coût et dans un temps raisonnable de caractériser la diversité microbienne au sein d'échantillons cliniques complexes. Aussi ces deux technologies sont pressenties comme les piliers de futures solutions de diagnostic. L'objectif de cette thèse est de développer des méthodes d'apprentissage statistique innovantes et versatiles pour exploiter les données fournies par ces technologies haut-débit dans le domaine du diagnostic in vitro en microbiologie. Le domaine de l'apprentissage statistique fait partie intégrante des problématiques mentionnées ci-dessus, au travers notamment des questions de classification d'un spectre de masse ou d'un “read” de séquençage haut-débit dans une taxonomie bactérienne.Sur le plan méthodologique, ces données nécessitent des développements spécifiques afin de tirer au mieux avantage de leur structuration inhérente: une structuration en “entrée” lorsque l'on réalise une prédiction à partir d'un “read” de séquençage caractérisé par sa composition en nucléotides, et un structuration en “sortie” lorsque l'on veut associer un spectre de masse ou d'un “read” de séquençage à une structure hiérarchique de taxonomie bactérienne.
Type de document :
Thèse
Bioinformatics [q-bio.QM]. Ecole Nationale Supérieure des Mines de Paris, 2015. English. 〈NNT : 2015ENMP0081〉
Liste complète des métadonnées

Littérature citée [183 références]  Voir  Masquer  Télécharger

https://pastel.archives-ouvertes.fr/tel-01336560
Contributeur : Abes Star <>
Soumis le : jeudi 23 juin 2016 - 11:59:47
Dernière modification le : lundi 18 juin 2018 - 10:32:19
Document(s) archivé(s) le : samedi 24 septembre 2016 - 12:15:41

Fichier

2015ENMP0081_archivage.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01336560, version 1

Collections

Citation

Kevin Vervier. Structured machine learning methods for microbiology : mass spectrometry and high-throughput sequencing. Bioinformatics [q-bio.QM]. Ecole Nationale Supérieure des Mines de Paris, 2015. English. 〈NNT : 2015ENMP0081〉. 〈tel-01336560〉

Partager

Métriques

Consultations de la notice

1148

Téléchargements de fichiers

498