Méthodes statistiques d'analyse des données d'allélotypage en présence d'homozygotes
Langue Français
Accéder à la thèseDroits d'accès : non autorisé

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

 
Auteur : Meyer, Nicolas
Date de soutenance : 22-06-2007

Directeur(s) de thèse : Meyer, Pierre

Établissement de soutenance : Université Louis Pasteur (Strasbourg)
École doctorale : École doctorale Sciences de la vie et de la santé (Strasbourg ; 2000-....)
 
Discipline : Sciences médicales
Classification : Sciences de la vie, biologie, biochimie

Mots-clés libres : polymerase chain reaction , partial least squares , Bayes , allélotypage , microsatellites
Mots-clés :
  • Biométrie - Thèses et écrits académiques
  • Variabilité génétique - Thèses et écrits académiques
  • Série allélique - Thèses et écrits académiques
  • Statistique bayésienne - Thèses et écrits académiques
  • Réaction en chaîne de la polymérase - Thèses et écrits académiques
Résumé : Les donnéees d'allélotypage contiennent des mesures réealisées par Polymerase Chain Reaction sur une série de microsatellites de l'ADN a n de déterminer l'existence d'un déséquilibre allélique pour ces microsatellites. D'un point de vue statistique, ces données sont caractérisées par un nombre important de données manquantes (en cas d'homozygotie du microsatellite), par des matrices carrées ou comportant plus de variables que de sujets, des variables biniomiales, des effectifs parfois faibles et éventuellement de la colinéarité.Les méthodes statistiques fréquentistes ont un nombre important de limites qui font choisir un cadre bayésien pour analyser ces données. En analyse univariée, l'intérêt du facteur de Bayes est exploré et différentes variantes selon l'absence ou la présence de données manquantes sont comparées. Différents types d'imputations multiples sont ensuite étudiés. Des mod eles de type méta-analyses sont également évalués. En analyse multivariéee, un mod ele de type Partial Least Square est développé. Le mod ele est appliqué sous une forme de mod ele linéaire généralisé (régression logistique) et combiné avec l'algorithme Non Iterative Partial Least Squares, ce qui permet de gérer simultanément toutes les limites propres aux données d'alléotypage. Les propriétés de ce mod ele sont explorées. Il est ensuite appliqué a des données d'allélotypage portant sur 33 microsatellites de 104 patients porteurs d'un cancer du colon pour prédire le stade Astler-Coller de la tumeur. Un mod ele avec toutes les interactions possibles entre couples de microsatellites est également réaliseé.
 
Type de contenu : Text
 
Entrepôt d'origine : Ressource locale
Identifiant : ecrin-ori-293685
Type de ressource : Thèse