Global ETD Search

621	Prioritizing Causative Genomic Variants by Integrating Molecular and Functional Annotations from Multiple Biomedical Ontologies Althagafi, Azza Th. 20 July 2023 (has links) Whole-exome and genome sequencing are widely used to diagnose individual patients. However, despite its success, this approach leaves many patients undiagnosed. This could be due to the need to discover more disease genes and variants or because disease phenotypes are novel and arise from a combination of variants of multiple known genes related to the disease. Recent rapid increases in available genomic, biomedical, and phenotypic data enable computational analyses, reducing the search space for disease-causing genes or variants and facilitating the prediction of causal variants. Therefore, artificial intelligence, data mining, machine learning, and deep learning are essential tools that have been used to identify biological interactions, including protein-protein interactions, gene-disease predictions, and variant--disease associations. Predicting these biological associations is a critical step in diagnosing patients with rare or complex diseases. In recent years, computational methods have emerged to improve gene-disease prioritization by incorporating phenotype information. These methods evaluate a patient's phenotype against a database of gene-phenotype associations to identify the closest match. However, inadequate knowledge of phenotypes linked with specific genes in humans and model organisms limits the effectiveness of the prediction. Information about gene product functions and anatomical locations of gene expression is accessible for many genes and can be associated with phenotypes through ontologies and machine-learning models. Incorporating this information can enhance gene-disease prioritization methods and more accurately identify potential disease-causing genes. This dissertation aims to address key limitations in gene-disease prediction and variant prioritization by developing computational methods that systematically relate human phenotypes that arise as a consequence of the loss or change of gene function to gene functions and anatomical and cellular locations of activity. To achieve this objective, this work focuses on crucial problems in the causative variant prioritization pipeline and presents novel computational methods that significantly improve prediction performance by leveraging large background knowledge data and integrating multiple techniques. Therefore, this dissertation presents novel approaches that utilize graph-based machine-learning techniques to leverage biomedical ontologies and linked biological data as background knowledge graphs. The methods employ representation learning with knowledge graphs and introduce generic models that address computational problems in gene-disease associations and variant prioritization. I demonstrate that my approach is capable of compensating for incomplete information in public databases and efficiently integrating with other biomedical data for similar prediction tasks. Moreover, my methods outperform other relevant approaches that rely on manually crafted features and laborious pre-processing. I systematically evaluate our methods and illustrate their potential applications for data analytics in biomedicine. Finally, I demonstrate how our prediction tools can be used in the clinic to assist geneticists in decision-making. In summary, this dissertation contributes to the development of more effective methods for predicting disease-causing variants and advancing precision medicine. Whole-Exome Sequencing Whole-Genome Sequencing Disease Genes Disease Variants Disease Phenotypes Causal Variants Prediction Causal Genes Prediction Artificial Intelligence Data Mining Machine Learning Deep Learning Data Analytics Biological Interactions Protein-Protein Interactions Gene-Disease Predictions Variant-Disease Associations Rare Diseases Complex Diseases Gene-Phenotype Associations Ontology Gene Product Functions Anatomical Locations Gene Prioritization Variant Prioritization Loss of Gene Function Background Knowledge Data Biological Knowledge Graph Graph-Based Machine Learning Biomedical Ontologies Linked Biological Data Representation Learning Embeddings Data Integration Precision Medicine Decision-Making Biomedicine.
622	Les enjeux cognitifs et stylistiques de l'organisation hypertextuelle : le Lieu, Le Lien, Le Livre Ertzscheid, Olivier 27 September 2002 (has links) (PDF) L'enjeu de ce doctorat est de montrer comment la perception et les pratiques liées à la figure de l'hypertexte permettent d'entrevoir de profonds bouleversements dans notre rapport à l'écrit (document numérique, nouveaux genres littéraires, textualité renouvelée), à l'organisation de la connaissance, ainsi qu'à la manière dont s'agrègent, se constituent, se développent et se transforment les différents types de rapport au réel présents dans toute organisation sociale réticulée. L'analyse critique de ces transformations nous permet de préciser comment se met progressivement en place une nouvelle écologie cognitive, en quoi elle est rendue nécessaire, et quels sont les outils (typologie englobante des processus de liaison entre entités) et les pratiques sociales émergentes qui la fondent.<br /><br /> Dans notre premier chapitre, nous faisons d'abord un point sur les effets déjà mesurables de l'organisation hypertextuelle dans le rapport à l'écrit pour isoler les transformations cognitives occasionnées par ce nouveau support, pour isoler également la nouvelle organisation des structures traditionnelles de l'énonciation dans le processus de communication (rapports auteur-lecteur, agencements collectifs d'énonciation). Nous concluons par une typologie des nouveaux genres hypertextuels (liés notamment à l'utilisation de générateurs) et sur le statut littéraire de ces productions.<br /> Notre second chapitre aborde les aspects plus « théoriques » de l'organisation hypertextuelle au travers de l'étude systématique de ses procédés de liaison. Après un état de l'art de la question, nous définissons une typologie englobante des liens hypertextuels prenant en compte leurs aspects informatiques, les structures rhétoriques et formelles qui les sous-tendent et les différents types de rapport entre ces « entités-liens » autorisant à qualifier différentes organisations hypertextuelles. Sur tous ces points, les propositions formulées dans ce travail devront permettre d'améliorer les pratiques de navigation et de réduire certains effets liés (surcharge cognitive, désorientation).<br /> Notre troisième chapitre montre que ce que ces liens révèlent du fonctionnement de la pensée humaine (mode essentiellement associatif) est en train de changer la manière dont les systèmes et les organisations sociales se constituent et se développent, en mettant en place, de manière effective, des artefacts et de processus habituellement implicites et dont l'enjeu sera, pour le chercheur, d'accompagner le passage à l'explicite. Ce dernier chapitre s'appuie sur le dispositif expérimental FoRSIC et l'utilisation qu'il fait de différents types ontologiques, ce dernier étant caractéristique des ces nouveaux rapports au savoir que notre travail essaie de qualifier plus que de quantifier. Actes documentaires Ancres Arbres de connaissance Archive Archivistique Artefact Associationnisme Auteur Autopoïèse Autorité Bibliothèque Bibliothèque classique Bibliothèque électronique Bibliothèque virtuelle Browsing Cardinalité Cartographie Cognition (Cognition distribuée) Compétences Complexe Complexité Connexionnisme Coopération Couplage structurel Critique génétique Critique littéraire Cyberespace Cybertexte Désorientation Ecologie cognitive Ecran Ecriture Epistémologie Esthétique Ethnométhodologie Figures Forsic Fractal fractales Fragment (esthétique du) Générateur(s) de texte Génétique documentaire – Génotexte Genres littéraires Gestion des connaissances Herméneutique Hyperfiction Hyperimage Hypermédia Hypertexte Hypertextualité Image Ingénierie des connaissances Intégrité Intelligence collective Interaction Interface Intertextualité Invariant Lecteur Lecture Lexie Lien Liens adaptatifs Liens dynamiques Liens typés Lieu Littérarité Littérature Littérature assistée par ordinateur Littérature digitale Littérature générée par ordinateur Littérature informatique Livre Livre électronique Média Médiasphère Mémoire (Mémoire collective) Métadonnées Navigation (stratégies de) Nœuds Ontologies (types ontologiques) Organisation hypertextuelle Phénotexte Pragmatique de la connaissance Proxémie Recherche d'information Recherche documentaire Réingénierie documentaire Réseau Rhétorique Rhizome Scénarios d'usage Searching Sérendipidité Sérendipidité associative Sérendipidité structurelle Session Styles cognitifs Stylistique Surcharge cognitive Systèmes coopératifs Texte Textualité Topographie Topologie Transclusion Tropes Typologie Usages Versioning

Search results

Prioritizing Causative Genomic Variants by Integrating Molecular and Functional Annotations from Multiple Biomedical Ontologies

Les enjeux cognitifs et stylistiques de l'organisation hypertextuelle : le Lieu, Le Lien, Le Livre