Détection d’événements par les méthodes intelligentes dans les séquences biomoléculaires

Abstract

La prédiction précise et la détection des régions d'ADN ou de leurs structures sous-jacentes sont des difficultés persistantes pour les chercheurs. L'extraction de caractéristiques et la classification fonctionnelle de séquences génomiques constituent un domaine de recherche intéressant. De nombreuses techniques de calcul ont déjà été appliquées, y compris le réseau neuronal artificiel, le modèle non linéaire, le spectrogramme et les techniques statistiques. Dans cette thèse, certaines caractéristiques sont extraites des coefficients d'ondelettes et un second ensemble de caractéristiques est extrait de la fréquence de transition des nucléotides. Ces deux ensembles de caractéristiques sont examinés. Le but était d'étudier les capacités de ces paramètres pour prédire les segments critiques dans la séquence d'ADN. Le système neuro-flou a été utilisé pour la prédiction. Les performances du système neuro-flou ont été évaluées en termes de performance d'entraînement et de précision de prédiction. Deux séquences génomiques des organismes: procaryotes et eucaryotes ont été utilisées, à titre d'exemple, des séquences d’Escherichia coli et de Caenorhabditis elegans ont été sélectionnées .