Fouille de données du génome à l'aide de modèles de Markov cachés

Résumé. Nous décrivons un processus de fouille de données en bioinformatique. Il se traduit par la spécification de modèles de Markov cachés du second-ordre, leur apprentissage et leur utilisation pour permettre une segmentation de grandes séquences d’ADN en différentes classes qui traduisent chacune un état organisationnel et structural des motifs d’ADN locaux sous-jacents. Nous ne supposons aucune connaissance a priori sur les séquences que nous étudions. Dans le domaine informatique, ce travail est dédié à la définition d’observations structurées (les k-d-k-mers) permettant la localisation en contexte d’irrégularités, ainsi qu’à la description d’une méthode de classification utilisant plusieurs classifieurs. Dans le domaine biologique, cet article décrit une méthode pour prédire des ensembles de gènes co-régulés, donc susceptibles d’avoir des fonctions liées en réponse à des conditions environnementales spécifiques.