Lundi 7 octobre 2019

SĂ©minaire
Organisme intervenant (ou équipe pour les séminaires internes)
Université d'Evry, IBISC
Nom intervenant
Blaise Hanczar
Titre
Apprentissage profond pour la prédiction de phénotypes à partir de données d’expression
Résumé

L’apprentissage profond (deep learning) est une mĂ©thode d’intelligence artificielle qui a rĂ©cemment permis de faire d’impressionnants progrès dans de nombreux domaines scientifiques. Parmi ses applications les plus prometteuses se trouvent la mĂ©decine personnalisĂ©e et l’analyse des donnĂ©es «omiques».  Aujourd’hui, des efforts croissants sont dĂ©ployĂ©s pour utiliser l’apprentissage profond sur des donnĂ©es gĂ©nomiques, transcriptomiques, protĂ©omiques et mĂ©ta-gĂ©nomiques afin de mieux caractĂ©riser les patients. Après avoir exposĂ© brièvement le principe des rĂ©seaux de neurones, je prĂ©senterai nos travaux sur la prĂ©diction de phĂ©notypes Ă  partir de donnĂ©es d’expression de gènes. Dans cette tâche, les deux principaux verrous scientifiques sont la petite taille de la base d’apprentissage et l’interprĂ©tation du rĂ©seau. Les  mĂ©thodes basĂ©es sur l’apprentissage par transfert et l’apprentissage semi-supervisĂ© seront utilisĂ©es afin de pallier au premier problème. Pour l’interprĂ©tation, nous proposons de dĂ©composer le calcul de chaque prĂ©diction dans le rĂ©seau de neurones afin d'associer Ă  chaque neurone de la connaissance biologique.

Lieu
Salle de réunion 142, bâtiment 210
Date du jour