Thèse Probabilités et statistiques

Estimation robuste par chemin de régularisation du support dans une régression linéaire en grande dimension.

Application chez Arabidopsis thaliana pour identifier une organisation hiérarchique de ses facteurs de transcription.

16
Dec. 2022
logo_team
Intervenant : LACROIX Perrine
Directeur : MARTIN-MAGNIETTE Marie-Laure Directeur : MASSART Pascal
Heure : 13h30
Lieu : 3L15

L'objectif de cette thèse est d'orienter la résolution des modèles de régressions linéaires gaussiennes vers l'obtention d'une procédure d'estimation non asymptotique, robuste et stable par ré-échantillonage. Le nombre d'observation étant nettement inférieur au nombre de variables explicatives, le problème se plonge dans le domaine de la grande dimension. Un chemin de régularisation judicieux devra être mis en place, aboutissant à l'acquisition de la meilleure combinaison entre la sélection de modèles et la sélection de variables.  

L'inférence d'un réseau d'interactions géniques pour décrire l'organisation hiérarchique des facteurs de transcription chez la plante Arabidopsis thaliana constituera l'application biologique. Elle permettra d'améliorer la connaissance de la co-expression entre ces gènes et de détecter à la fois les complexes protéiques régulateurs mais aussi les cibles potentielles d'un facteur de transcription sélectionné.

All (past and future) events