Note ABES Probabilistic semantic network approach for the study of genotype-phenotype relations in the context of human genetic diseases Approche de réseau sémantique probabiliste pour l’étude des relations génotype-phénotype dans le cadre des maladies génétiques humaines Raisonnement automatisé Apprentissage automatique Graphe de connaissances Maladies rares Machine reasoning Machine learning Knowledge graph Rare diseases 572.8 006.3 Maladies rares Aspect moléculaire Bioinformatique Apprentissage automatique Cette thèse porte sur le développement d'une méthode pour modéliser des systèmes complexes en utilisant des graphes de connaissances et des algorithmes de raisonnement automatisés. La méthode de modélisation a été appliquée aux maladies rares pour prédire leurs causes, depuis les niveaux génétique, cellulaire et physiologique jusqu'au niveau de l'organisme entier. Pour la création du graphe de connaissances, deux ontologies, GO et HPO, ont été utilisées. Étant donné qu'il n'existait pas de bases de données avec des relations entre ces ontologies, une méthode d'apprentissage automatique a été développée pour inférer des relations et appliquée aux ontologies GO et HPO. La thèse est complétée par une méthode d'apprentissage automatique pour inférer des effets délétères après une variation génétique appelée INDEL. Dans l'ensemble, le travail d'intelligence artificielle présenté dans cette thèse de doctorat aide les chercheurs à comprendre ce qui se passe dans le corps humain à différents niveaux d'abstraction, depuis l'apparition d'une variation génétique jusqu'au développement d'une maladie rare. This thesis is about the development of a method for modeling complex systems using knowledge graphs and automated reasoning algorithms. The modeling method was applied to rare diseases to predict their causes from the genetic to the cellular, physiological, and whole organism levels. For the creation of the knowledge graph, two ontologies, GO and HPO, were used. Since there were no databases with relationships between these ontologies, a machine learning method was developed to infer relationships and applied to both GO and HPO ontologies. The thesis is completed by a machine learning method to infer deleterious effects after a genetic variation called INDEL. Altogether, the artificial intelligence work presented in this doctoral thesis assists rare disease researchers in understanding what happens in the human body at various levels of abstraction, from the occurrence of a genetic variation to the development of a rare disease. Electronic Thesis or Dissertation Text en PDF 4492676 Université de Strasbourg Strasbourg 2023-12-31 application/pdf https://publication-theses.unistra.fr/restreint/theses_doctorat/2020/BERMEJO-DAS-NEVES_Carlos_2020_ED414.pdf Bermejo Das Neves Carlos 1989-03-29 FR 270014950 https://theses.fr/2020STRAJ093 2020STRAJ093 https://doi.org/10.70675/74f92d6dz74eaz46bdzbcf9ze92dd56249a2 2020-09-15 Bioinformatique et biologie des systèmes Strasbourg 131056549 Doctorat Docteur es non oui Poch Olivier MADS_DIRECTEUR_DE_THESE_1 070441553 Thompson Julie MADS_DIRECTEUR_DE_THESE_2 118701290 Lachiche Nicolas MADS_PRESIDENT_DU_JURY 145162761 Smaïl-Tabbone Malika MADS_MEMBRE_DU_JURY_1 190929065 Zanni-Merk Cecilia MADS_RAPPORTEUR_1 084091592 084091592 Léveillard Thierry MADS_RAPPORTEUR_2 099275996 École doctorale des Sciences de la vie et de la santé (Strasbourg ; 2000-....) MADS_ECOLE_DOCTORALE_1 156502844 Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) MADS_PARTENAIRE_DE_RECHERCHE_1 176969721 ddc:570 ddc:004 Poch Olivier Thompson Julie Lachiche Nicolas Smaïl-Tabbone Malika Zanni-Merk Cecilia Léveillard Thierry École doctorale Sciences de la vie et de la santé (Strasbourg ; 2000-....) Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) PDF 4492676