Diop, Ndiaye
(2019).
« Évaluation des méthodes d'analyses d'expression différentielle des petits ARNs » Mémoire.
Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en informatique.
Fichier(s) associé(s) à ce document :
Résumé
Les microARNs appartiennent à la famille des petits ARNs non-codants et agissent comme inhibiteurs des ARN messagers. Dans les dernières années, de nombreux microARNs et leurs cibles ont été découverts chez les mammifères et les plantes. La bioinformatique joue un rôle important dans ce domaine, et des programmes informatiques de découvertes de cibles ont été mis à la disposition de la communauté scientifique. Les microARNs peuvent réguler chacun des centaines de gènes, et les profils d'expression de ces derniers peuvent servir comme classificateurs de certaines maladies. Des avancées technologiques de séquençage à haut débit comme RNA-Seq, chIP-Seq, HT-Seq, fournissent des données quantitatives sous forme de comptage. La croissance des données séquencées est volumineuse, d'où une analyse plus quantitative pourrait être utile pour extraire des connaissances. Pour analyser l'expression différentielle, des tests et des modèles statistiques sont nécessaires pour estimer la variabilité différentielle dans le comptage des données. Des outils de mesure d'expression de gènes ne nécessitent pas une connaissance à priori profonde sur les données de séquences génomiques ont été développés. Ces approches permettent de faire une analyse d'expression différentielle génique des données plus particulièrement celles des microARNs. Dans ce rapport, nous présentons une approche basée sur la distribution binomiale négative (NB) dont la variance et la moyenne sont liées par une régression locale. Nous développons une implémentation dans DESeq2 comme package R/ Bioconducteur. Ce dernier intègre des avancées méthodologiques avec plusieurs nouvelles fonctionnalités pour faciliter une analyse plus quantitative des données comparatives de microARNs. Ce processus d'analyse différentielle inclut trois étapes : la normalisation, l'estimation des dispersions et les tests d'expression différentielle. La pertinence de cette approche réside de son applicabilité à tous les types de données génomiques, protéiques, etc. Elle est aussi utilisable aux données de petites échelles avec un taux faible de réplicats. Cette méthode proposée modélise les comptages et tient compte aussi des sur-dispersions et des valeurs aberrantes que contiennent ces données de microARNs.
_____________________________________________________________________________
MOTS-CLÉS DE L’AUTEUR : microARNs, expression différentielle, DESeq2, distribution binomiale négative
Type: |
Mémoire accepté
|
Informations complémentaires: |
Le mémoire a été numérisé tel que transmis par l'auteur. |
Directeur de thèse: |
Diallo, Abdoulaye Baniré |
Mots-clés ou Sujets: |
MicroARN / Expression génique / Méthodes statistiques / Loi binomiale négative / DESeq2 |
Unité d'appartenance: |
Faculté des sciences > Département d'informatique |
Déposé par: |
Service des bibliothèques
|
Date de dépôt: |
07 oct. 2020 09:21 |
Dernière modification: |
01 avr. 2022 15:23 |
Adresse URL : |
http://archipel.uqam.ca/id/eprint/13576 |