Inférence jointe de la structure de modèles graphiques gaussiens - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2010

Inférence jointe de la structure de modèles graphiques gaussiens

Résumé

Le modèle graphique gaussien est un formalisme de travail bien adapté à la représentation de dépendances entre variables. Récemment, ce modèle a été l'objet de nombreuses études visant à la découverte de réseaux de régulation protéique ou génique. La littérature considère le cas où un seul réseau est inféré à partir d'un jeux de données. Cependant, les mesures d'expression de gènes étant peu nombreuses, il est d'usage courant de réunir plusieurs conditions expérimentales affectant les interactions entre protéines ou gènes, pour construire un seul jeu de donnée de plus grande taille. Dans cet article, nous proposons d'estimer un modèle graphique gaussien par condition expérimentale. Ces modèles sont estimés simultanément, en imposant une contrainte de régularité traduisant la proxi mité entre tâches. Nous explorons deux formes d'expression de cette contrainte : un a priori empirique sur les valeurs des corrélations partielles, et une pénalité visant à favoriser la découverte de réseaux similaires. Nous montrons l'intérêt de ces approches par une évaluation quantitative des performances sur des données simulées et réelles.
Fichier non déposé

Dates et versions

hal-00936741 , version 1 (27-01-2014)

Identifiants

  • HAL Id : hal-00936741 , version 1

Citer

Julien Chiquet, Yves Grandvalet, Christophe Ambroise. Inférence jointe de la structure de modèles graphiques gaussiens. CAp'2010, May 2010, France. pp.217-232. ⟨hal-00936741⟩
132 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More