Sid, KarimaBatouche, Mohamed2018-01-172018-01-172014http://hdl.handle.net/123456789/600La découverte de biomarqueurs est l'un des domaines de recherche en bioinformatique. Quelque soit le type de biomarqueurs génomiques, transcriptomiques, protéomiques ou métabolomiques, le défi principal consiste à développer une méthode robuste et performante pour découvrir ces biomarqueurs à partir d'un grand ensemble de données qui peut contenir des données non pertinentes et redondantes. Pour ce faire, les deux techniques, la sélection de caractéristiques et l'apprentissage supervisé (classification) sont utilisées. Les méthodes existantes présentent des faiblesses au niveau de leur complexité très élevée, l'indépendance au classificateur ainsi que l'instabilité. Dans le but de limiter ces inconvénients, nous proposons, dans ce travail, une nouvelle approche stable pour la découverte de biomarqueurs, l'approche proposée est composée de trois étapes : l'étape de clustering basée sur l'approximation d'une couverture de Markov, l'étape de filtrage et l'étape d'optimisation utilisant trois algorithmes d'optimisation les algorithmes génétiques, l'optimisation par l'essaim particulaire et l'algorithme de la sélection clonale en coopération. Les expérimentations ont montré que notre approche est efficace et qu'elle a la capacité de sélectionner un nombre réduit de gènes tout en conservant des taux d'erreur de classification très faible est une stabilité très satisfaisante. Les performances de l'approche proposée sont mises en évidence à travers une comparaison avec d'autres méthodes de la littérature du domainefrBiomarqueurCouverture de MarkovAlgorithme d'optimisationOther