Thèse Année : 2024

Development of a hybrid ensemble feature selection approach to build an atlas of cancer biomarkers

Développement d’une approche hybride ensembliste de sélection de variables pour l’élaboration d’un atlas de biomarqueurs de cancers

Elsa Claude
  • Fonction : Auteur
  • PersonId : 1498085
  • IdRef : 282790012

Résumé

Biomedical research relies on omics data, such as transcriptomics, to decipher the complexity of diseases such as cancer. Traditional methods for identifying transcriptomic biomarkers associated with a phenotype make use of feature selection approaches. Hybrid Ensemble Feature Selection (HEFS) methods have become increasingly popular in the last decade for their ability to guarantee the robustness of selected variables across functional and data perturbations. However, their design remains a challenge. Our first contribution aims to evaluate the HEFS strategy by analyzing in detail 4 scenarios applied to the identification of biomarkers in various cancers from RNA-Seq transcriptomics data. These scenarios explore combinations of two variable reduction methods (differentially expressed genes and variance) with two resampling strategies (repeated holdout by stratified distribution-balanced and random stratified) for variable selection downstream of the aggregation of thousands of wrapped machine learning models signatures. Our results highlight the advantages of using HEFS approaches to identify biomarkers of complex diseases, given their ability to produce generalizable and stable results. In addition, we highlight critical considerations essential for the design of such strategies. Our second contribution is the development of an atlas of transcriptomic biomarker signatures from multiple cancers at various stages of progression. The integrated study of this atlas with proven biological annotation data (e.g. REACTOME) should enable the identification of genes of interest for various oncological phenotypes.
La recherche biomédicale s’appuie sur les données omiques, telles que la transcriptomique, pour déchiffrer la complexité de maladies comme le cancer. Les méthodes traditionnelles d’identification des biomarqueurs transcriptomiques associés à un phénotype font appel à des techniques de sélection de variables. Les méthodes hybrides ensemblistes de sélection de variable (Hybrid Ensemble Feature Selection, HEFS) sont de plus en plus employées dans la dernière décennie pour leur capacité à garantir la robustesse des variables sélectionnées à travers des perturbations fonctionnelles et des données. Toutefois, leur conception reste un défi. Notre première contribution vise à évaluer la stratégie de type HEFS en analysant en détail 4 scénarios appliqués à l’identification de biomarqueurs dans divers cancers à partir de données de transcriptomique RNA-Seq. Ces scénarios explorent les combinaisons de deux méthodes de réduction des variables (gènes différentiellement exprimés et variance) avec deux stratégies de rééchantillonnage (repeated holdout par distribution équilibrée stratifiée et stratifiée aléatoire) pour la sélection de variable en aval de l’agrégation de signatures de milliers de modèles d’apprentissage machine enveloppés. Nos résultats soulignent les avantages de l’utilisation des approches HEFS pour identifier des biomarqueurs de maladies complexes, étant donné leur capacité à produire des résultats généralisables et stables. En outre, nous soulignons les considérations critiques essentielles pour la conception de telles stratégies. Notre deuxième contribution est le développement d’un atlas de signatures de biomarqueurs transcriptomiques de multiples cancers à des stades d’avancement variés. L’étude intégrée de cet atlas avec des données d’annotation biologique éprouvées (ex : REACTOME) doit permettre l’identification de gènes d’intérêt pour divers phénotypes oncologiques.
Fichier principal
Vignette du fichier
CLAUDE_ELSA_2024.pdf (15.5 Mo) Télécharger le fichier
Origine Version validée par le jury (STAR)

Dates et versions

tel-04916133 , version 1 (28-01-2025)

Identifiants

  • HAL Id : tel-04916133 , version 1

Citer

Elsa Claude. Développement d’une approche hybride ensembliste de sélection de variables pour l’élaboration d’un atlas de biomarqueurs de cancers. Ingénierie biomédicale. Université de Bordeaux; Université Laval (Québec, Canada), 2024. Français. ⟨NNT : 2024BORD0492⟩. ⟨tel-04916133⟩
0 Consultations
0 Téléchargements

Partager

More