Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal.

L'analyse des profils de méthylation présente un grand intérêt car des altérations du méthylome sont impliquées dans de nombreuses pathologies. Le MeDIP (Methylated DNA ImmunoPrecipitation) immunoprécipite les séquences méthylées sur le génome entier, la plupart étant localisées dans les séquences répétées. De telles séquences sont difficiles à aligner après séquençage (MeDIP-Seq) et bon nombre d'entre elles ne peuvent donc être utilisées pour la suite des analyses. Nous présentons une méthode innovante appelée MeDIP-dep-Seq permettant de supprimer une quantité significative de plusieurs familles de ces éléments répétés (diminution d'un facteur de 300 au maximum) tandis que les séquences uniques d'intérêt ne sont pas affectées. Après séquençage sur un séquenceur de seconde génération (GAIIx, Illumina), le taux d'alignement est amélioré de façon conséquente permettant ainsi d'augmenter la quantité de séquences analysables. Nous avons également développé une plateforme d'analyse des données issues du MeDIP-Seq. De potentielles régions candidates identifiées par cette technique sur le génome entier peuvent ensuite être validées en utilisant des sélectors, sondes permettant la capture de régions génomiques d'intérêt. Nous avons introduit un traitement au bisulphite dans le protocole de sélection afin de développer un nouvel outil pour une analyse multiplexe. 98 loci ont été enrichis dans 6 échantillons puis séquencés en parallèle sur un séquenceur de paillasse (GS Junior, Roche). La combinaison de ces technologies permettra d'établir des cartes du méthylome et d'identifier des nouveaux biomarqueurs épigénétiques pour diagnostiquer et pronostiquer les cancers et maladies complexes.

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal

Depuis quelques années, avec l'émergence de larges bases d'images comme Google Street View, la capacité à traiter massivement et automatiquement des données, sou- vent très contaminées par les faux positifs et massivement ambiguës, devient un enjeu stratégique notamment pour la gestion de patrimoine et le diagnostic de l'état de façades de bâtiment. Sur le plan scientifique, ce souci est propre à faire avancer l'état de l'art dans des problèmes fondamentaux de vision par ordinateur. Notamment, nous traitons dans cette thèse les problèmes suivants: la mise en correspondance robuste, algorithmiquement efficace de caractéristiques visuelles et l'analyse d'images de façades par grammaire. L'enjeu est de développer des méthodes qui doivent également être adaptées à des problèmes de grande échelle. Tout d'abord, nous proposons une formalisation mathématique de la cohérence géométrique qui joue un rôle essentiel pour une mise en correspondance robuste de caractéristiques visuelles. À partir de cette formalisation, nous en dérivons un algo- rithme de mise en correspondance qui est algorithmiquement efficace, précise et robuste aux données fortement contaminées et massivement ambiguës. Expérimentalement, l'algorithme proposé se révèle bien adapté à des problèmes de mise en correspondance d'objets déformés, et à des problèmes de mise en correspondance précise à grande échelle pour la calibration de caméras. En s'appuyant sur notre algorithme de mise en correspondance, nous en dérivons ensuite une méthode de recherche d'éléments répétés, comme les fenêtres. Celle-ci s'avère expérimentalement très efficace et robuste face à des conditions difficiles comme la grande variabilité photométrique des éléments répétés et les occlusions. De plus, elle fait également peu d'hallucinations. Enfin, nous proposons des contributions méthodologiques qui exploitent efficacement les résultats de détections d'éléments répétés pour l'analyse de façades par grammaire, qui devient substantiellement plus précise et robuste.