Fused-ANOVA : une méthode de clustering en grande dimension
Résumé
A common first step in the analysis of genomic data is to use a clustering method to identify structures in the data. Grouping genes that have similar patterns in expression can lead to the discovery of interesting entities to explain a certain biological process. The recent developments of high-throughput sequencing techniques lead to high-dimensional datasets, on which the usual clustering algorithms are not performing well in terms of computing time and memory use. We present here a new clustering method that is adapted to high-dimensional data and some results on a simulated dataset.
Dans le domaine de la génomique, une première approche pour analyser les données est de réaliser un clustering pour identifier des structures dans les données. Étudier des clusters de gènes co-exprimés permet de trouver des entités pouvant expliquer un processus biologique particulier. Le développement récent des techniques de séquençage haut-débit amène à étudier des jeux de données de grande dimension, sur lesquels les algorithmes classiques de clustering ne sont pas optimaux en termes de temps de calcul et de mémoire utilisée. Nous présentons ici une nouvelle méthode de clustering adaptée à la grande dimension ainsi que quelques résultats sur un jeu de données simulé.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...