Développement de nouvelles méthodologies statistiques pour l'analyse de données de protéomique quantitative
Langue Anglais
Accéder à la thèse :

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

 
Auteur : Chion, Marie
Date de soutenance : 16-12-2021

Directeur(s) de thèse : Bertrand, Frédéric - Carapito, Christine

Président : Birmelé, Étienne
Rapporteur(s) : Burger, Thomas - Villa-Vialaneix, Nathalie
Membre(s) du jury : Thévenot, Etienne

Établissement de soutenance : Strasbourg
Laboratoire : Institut de recherche mathématique avancée (Strasbourg) - Institut pluridisciplinaire Hubert Curien (Strasbourg ; 2006-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Mathématiques
Classification : Mathématiques

Mots-clés libres : Données de grande dimension, Modèles de régression, Valeurs manquantes, Imputation multiple, Analyse différentielle, Données de protéomique quantitative
Mots-clés :
  • Protéomique
  • Modèles mathématiques
Résumé : L’analyse protéomique consiste à étudier l’ensemble des protéines exprimées par un système biologique donné, à un moment donné et dans des conditions données. Les récents progrès technologiques en spectrométrie de masse et en chromatographie liquide permettent d’envisager aujourd’hui des études protéomiques à large échelle et à haut débit. Ce travail de thèse porte sur le développement de méthodologies statistiques pour l’analyse des données de protéomique quantitative et présente ainsi trois principales contributions. La première partie propose d’utiliser des modèles de régression par spline monotone pour estimer les quantités de tous les peptides détectés dans un échantillon grâce à l'utilisation de standards internes marqués pour un sous-ensemble de peptides ciblés. La deuxième partie présente une stratégie de prise en compte de l’incertitude induite par le processus d’imputation multiple dans l’analyse différentielle, également implémentée dans le package R mi4p. Enfin, la troisième partie propose un cadre bayésien pour l’analyse différentielle, permettant notamment de tenir compte des corrélations entre les intensités des peptides
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2021STRAD025
Type de ressource : Thèse