Study of genetic algorithms and application to proteomics
Etude des Algorithmes génétiques et application aux données de protéomique
Résumé
Genetic Algorithms are optimization methods aiming at solving complex problems. They are likely to play an interesting role in proteomics. This discipline is a quite new one which studies the proteins in individuals. It provides high dimension data.
The first part deals with history, working of genetic algorithms and introduces some theoretical results. In the next part the building of a genetic algorithm is presented to solve biomarker selection in mass spectrometry and 2D electrophoresis gels alignment. This part focuses on the difficulty to choose an appropriate criterion to optimize. The last part deals with theoretical results. Convergence of elitist genetic algorithms is proved for non homogeneous case and orientated mutations. Then we built a convergence criterion mixing theoretical basements and appliability, which is based on occurrences of the locally optimal solution. Finally, the efficiency of introducing catastrophic events to avoid some convergence problems is shown.
The first part deals with history, working of genetic algorithms and introduces some theoretical results. In the next part the building of a genetic algorithm is presented to solve biomarker selection in mass spectrometry and 2D electrophoresis gels alignment. This part focuses on the difficulty to choose an appropriate criterion to optimize. The last part deals with theoretical results. Convergence of elitist genetic algorithms is proved for non homogeneous case and orientated mutations. Then we built a convergence criterion mixing theoretical basements and appliability, which is based on occurrences of the locally optimal solution. Finally, the efficiency of introducing catastrophic events to avoid some convergence problems is shown.
Les algorithmes génétiques sont des méthodes d'optimisation destinées à des problèmes complexes. Ils peuvent jouer un rôle intéressant dans le cadre de la protéomique. Cette discipline est assez récente, elle étudie le patrimoine en protéines des individus. Elle produit des données de grande dimension.
La première partie aborde l'histoire, le fonctionnement des algorithmes génétiques et certains résultats théoriques. La partie suivante détaille la mise au point d'un tel algorithme pour la sélection de biomarqueurs en spectrométrie de masse et l'alignement de gels d'électrophorèse 2D. Cette partie met en évidence la difficulté de construction du critère à optimiser. La dernière partie aborde des résultats théoriques. La convergence des algorithmes génétiques avec élitisme est démontrée dans le cas non homogène et de mutations dirigées. Nous avons ensuite construit un critère de convergence alliant fondements théoriques et applicabilité, basé sur les occurrences de la solution localement optimale. Enfin, l'efficacité de l'introduction d'événements catastrophiques dans la résolution pratique de certains problèmes de convergence est montrée.
La première partie aborde l'histoire, le fonctionnement des algorithmes génétiques et certains résultats théoriques. La partie suivante détaille la mise au point d'un tel algorithme pour la sélection de biomarqueurs en spectrométrie de masse et l'alignement de gels d'électrophorèse 2D. Cette partie met en évidence la difficulté de construction du critère à optimiser. La dernière partie aborde des résultats théoriques. La convergence des algorithmes génétiques avec élitisme est démontrée dans le cas non homogène et de mutations dirigées. Nous avons ensuite construit un critère de convergence alliant fondements théoriques et applicabilité, basé sur les occurrences de la solution localement optimale. Enfin, l'efficacité de l'introduction d'événements catastrophiques dans la résolution pratique de certains problèmes de convergence est montrée.
Loading...