Découvertes de motifs pertinents pour l\u27analyse du transcriptome : application à l\u27insulino-résistance

Les nouvelles technologies expérimentales (e.g., puce à ADN) permettent de collecter de très grands volumes de données. Les méthodes classiques d\u27analyse de données ne peuvent plus s\u27appliquer et il y a un besoin crucial en méthodes de fouille de données pour assister les processus d\u27extraction de connaissances. En s\u27intéressant à l\u27analyse de données transcriptomiques, nous proposons d\u27extraire des hypothèses biologiquement pertinentes au moyen de motifs ensemblistes. Nous avons développé un nouvel algorithme complet d\u27extraction de tous les concepts formels qui satisfont des contraintes fixées par l\u27utilisateur. Nous l\u27avons utilisé sur des données originales et avons identifié de nouveaux gènes cibles du facteur de transcription SREBP1. L\u27extraction de concepts formels est très sensible au bruit et nous avons étudié leurs extensions pour une gestion maîtrisée des exceptions. Nous améliorons ainsi la portée de notre méthode d\u27analyse dans des contextes réalistes