Analyse intégrée de données de génomique et d’imagerie pour le diagnostic et le suivi du gliome malin chez l’enfant

Content Provider	Semantic Scholar
Author	Philippe, Cathy
Copyright Year	2014
Abstract	Les tumeurs cerebrales malignes sont la premiere cause de mortalite par cancer chez l’enfant avec une survie mediane de 12 a 14 mois et une survie globale a 5 ans de 20%, pour les gliomes de haut grade. Ce travail de these propose des methodes innovantes pour l’analyse de blocs de donnees de genomiques, dans le but d’accroitre les connaissances biologiques sur ces tumeurs. Les methodes proposees etendent les travaux de Tenenhaus et al (2011), introduisant le cadre statistique general : Regularized Generalized Canonical Correlation Analysis (RGCCA). Dans un premier temps, nous etendons RGCCA a la gestion de donnees en grande dimension via une ecriture duale de l’algorithme initial (KGCCA). Dans un deuxieme temps, la problematique de la selection de variables dans un contexte multi-Blocs est etudiee. Nous en proposons une solution avec la methode SGCCA, qui penalise la norme L1 des poids des composantes. Dans un troisieme temps, nous nous interessons a la nature des liens entre blocs avec deux autres adaptations. D’une part, la regression logistique multi-Blocs (multiblog) permet de predire une variable binaire, comme la reponse a un traitement. D’autre part, le modele de Cox multi-Blocs (multiblox) permet d’evaluer, par exemple, le risque instantane de rechute. Enfin, nous appliquons ces methodes a l’analyse conjointe des donnees de transcriptome et d’aberrations du nombre de copies, acquises sur une cohorte de 53 jeunes patients avec un gliome de haut grade primaire. Les resultats sont decrits dans le dernier chapitre du manuscrit.
File Format	PDF HTM / HTML
Alternate Webpage(s)	https://tel.archives-ouvertes.fr/tel-01127116/document
Language	English
Access Restriction	Open
Content Type	Text
Resource Type	Article