Dans cette thèse, on étudie liens étroits qui existent entre les valeurs zêta multiples et la géométrie des espaces de modules de courbes en genre 0. En particulier, on y montre comment les deux produits de mélanges (shuffle et stuffle) des valeurs zêta multiples reflètent le comportement de certaines applications d'oubli entre espaces de modules courbes. Un des objectifs de mon travail a été de comprendre comment ces produits de mélange existent dans le cadre des motifs de Tate mixtes attachés aux espaces de module de courbes. On rappellera, dans un premier temps, les définitions et les propriétés des deux produits de mélange. Ensuite, on fera le lien avec la géométrie des espaces de modules de courbes. Puis, après quelques rappels sur les motifs encadrés, on montrera comment effectuer le passage aux motifs de Tate mixtes pour le produit shuffle dans le cadre des valeurs zêta multiples motiviques de Goncharov et Manin. Enfin, le dernier chapitre est consacré au stuffle motivique. Après avoir adapté un théorème de Y. Hu sur les successions d'éclatements à la situation des motifs de Tate mixtes, on construira une famille de variétés. À partir de là, on définira une nouvelles versions des valeurs zêta multiples motiviques. Pour parvenir à cette construction, on étudiera, entre autres, l'intersection d'hypersurfaces particulières et la structure de Hodge mixte de certains groupes de cohomologie relative. On obtient alors une forme de relation stuffle pour les motifs de Tate mixtes encadrés ces nouvelles valeur zêta motiviques dont on déduit les relations de stuffle pour les MZV motiviques de Goncharov et Manin.

Des millions de réactions chimiques sont décrites dans des bases de données sous la forme de transformations de graphes moléculaires. Cette thèse propose différentes méthodes de fouille de donnés pour extraire des motifs pertinents contenus dans ces graphes et ainsi aider les chimistes à améliorer leurs connaissances des réactions chimiques et des molécules. Ainsi on commence par montrer comment le problème central de la recherche des schémas de réactions fréquents peut se résoudre à l'aide de méthodes existantes de recherche de sous-graphes fréquents. L'introduction du modèle général des motifs les plus informatifs permet ensuite de restreindre l'analyse de ces motifs fréquents à un nombre réduit de motifs peu redondants et représentatifs des données. Si l'application du modèle aux bases de réactions permet d'identifier de grandes familles de réactions, le modèle est inadapté pour extraire les schémas caractéristiques de méthodes de synthèse (schémas CMS) dont la fréquence est trop faible. Afin de surmonter cet obstacle, est ensuite introduite une méthode de recherche heuristique fondée sur une contrainte d'intervalle entre graphes et adaptée à l'extraction de motifs de très faible fréquence. Cette méthode permet ainsi de déterminer à partir d'exemples de réactions et sous certaines conditions le schéma CMS sous-jacent à une réaction donnée. La même approche est ensuite utilisée pour traiter le problème de la classification supervisée de sommets ou d'arêtes fondée sur leurs environnements puis exploitée pour évaluer la formabilité des liaisons d'une molécule. Les résultats produits ont pu être analysés par des experts de la synthèse organique et sont très encourageants.

En se développant, les plantes produisent des organes le long des tiges suivant des organisations stéréotypées, appelées phyllotaxies. Ces structures se forment dans les méristèmes, qui abritent une niche de cellules souches : les organes y sont produits successivement et leur positionnement dépendrait d'interactions dynamiques avec les organes pré-existants. Ces interactions seraient notamment dues à des champs inhibiteurs générés par le transport polaire de l'hormone végétale auxine. Afin de rechercher si d'autres facteurs que l'auxine contrôlent la phyllotaxie chez Arabidopsis thaliana, nous nous sommes intéressés au rôle possible des cytokinines, une autre hormone végétale. Nous avons développé des nouvelles méthodes statistiques pour analyser la structure de la phyllotaxie. Cette approche nous a permis d'identifier des anomalies de phyllotaxie chez des plantes mutantes pour le gène AHP6 (ARABIDOPSIS HISTIDINE PHOSPHOTRANSFER protein 6), un inhibiteur de la signalisation des cytokinines. Notre analyse suggérait des possibles perturbations du plastochrone, la période de temps séparant l'initiation de deux organes, ce que nous avons alors confirmé par imagerie confocale en temps réel. Nos données montrent que AHP6 contrôle la régularité du plastochrone, et suggèrent que les perturbations de phyllotaxies sont dues à l'initiation simultanée de deux à trois organes dans le méristème. De plus, AHP6 est exprimé dans les organes et sa protéine établit des champs qui inhibent la signalisation des cytokinines au delà des organes. Pour mieux comprendre les rôles possibles de ces champs, nous avons généré un modèle numérique théorique de la phyllotaxie. Notre étude suggère que le plastochrone pourrait être déstabilisé par du bruit affectant le seuil d'activation nécessaire aux cellules méristématiques pour se différencier en organe. Des champs inhibiteurs pourraient filtrer les effets de ce bruit en influant sur la cinétique d'émergence des organes. Les propriétés observées des champs de AHP6 sont en accord avec ce modèle et nos données expérimentales suggèrent en effet que AHP6 et les cytokinines peuvent moduler la signalisation auxine lors de l'émergence des organes. Nous proposons comme modèle que le transport et la signalisation de l'auxine positionnent de manière robuste les organes mais génèrent un plastochrone irrégulier en présence de bruit. Des champs inhibiteurs de cytokinines stabiliseraient le plastochrone, assurant un couplage plus robuste entre le temps et l'espace lors de l'établissement de la phyllotaxie.

L'extraction de motifs séquentiels est devenue, depuis son introduction, une technique majeure du domaine de la fouille de données avec de nombreuses applications (analyse du comportement des consommateurs, bioinformatique, sécurité, musique, etc.). Les motifs séquentiels permettent la découverte de corrélations entre événements en fonction de leurs chronologies d'apparition. Il existe de nombreux algorithmes permettant l'extraction de tels motifs. Toutefois, ces propositions ne prennent en compte qu'une seule dimension d'analyse (e.g le produit dans les applications de type étude des achats des consommateurs) alors que la plupart des données réelles sont multidimensionnelles par nature. Dans ce manuscrit, nous définissons les motifs séquentiels multidimensionnels afin de prendre en compte les spécificités inhérentes aux bases de données multidimensionnelles (plusieurs dimensions, hiérarchies, valeurs agrégées). Nous définissons des algorithmes permettant l'extraction de motifs séquentiels multi- dimensionnels en tenant compte des ces spécificités. Des expérimentations menées sur des données synthétiques et sur des données réelles sont rapportées et montrent l'intérêt de nos propositions. Nous nous intéressons également à l'extraction de comportements temporels atypiques dans des données multidimensionnelles. Nous montrons qu'il peut y avoir plusieurs interprétations d'un comportement atypique (fait ou connaissance). En fonction de chaque interprétation, nous proposons une méthode d'extraction de tels comportements. Ces méthodes sont également validées par des expérimentations sur des données réelles.

Ce mémoire décrit mes activités de recherche et d'animation de recherche depuis ma thèse, soutenue en 2002. Les travaux décrits ici ont été principalement menés au LIRMM (Université Montpellier 2, CNRS UMR 5506), au sein de l'équipe TATOO. Dans ce contexte, je me suis attachée à concilier des visions trop souvent vues comme divergentes au sein des communautés liées à la fouille de données complexes : gérer l'approximation (à la fois dans les données et dans les résultats produits), la fouille de données et les bases de données complexes et volumineuses, notamment les entrepôts de données. Plus précisément, mes travaux visent à montrer qu'il est possible de relever le défi jusqu'à présent non totalement solutionné d'extraire des connaissances exploitables par les experts non informaticiens à partir d'entrepôts de données, en prenant en compte au mieux les particularités de ce domaine. En particulier, j'ai porté d'une part une grande attention à exploiter la dimension temporelle des entrepôts et d'autre part à montrer autant que faire se peut que flou et passage à l'échelle ne sont pas des notions antagonistes. Dans cet objectif, j'ai mené, dirigé, encadré et valorisé à travers des collaborations scientifiques et industrielles des travaux dont je rapporte ici une synthèse.

Avec le développement des nouvelles technologies d'analyse (comme par exemple les puces à ADN) et de gestion de l'information (augmentation des capacités de stockage), le domaine de la santé a particulièrement évolué ces dernières années. En effet, des techniques de plus en plus avancées et efficaces sont mises à disposition des chercheurs, et permettent une étude approfondie des paramètres génomiques intervenant dans des problèmes de santé divers (cancer, maladie d'Alzheimer ...) ainsi que la mise en relation avec les paramètres cliniques. Parallèlement, l'évolution des capacités de stockage permet désormais d'accumuler la masse d'information générée par les diverses expériences menées. Ainsi, les avancées en terme de médecine et de prévention passent par l'analyse complète et pertinente de cette quantité de données. Le travail de cette thèse s'inscrit dans ce contexte médical. Nous nous sommes particulièrement intéressé à l'extraction automatique de motifs graduels, qui mettent en évidence des corrélations de variation entre attributs de la forme "plus un patient est âgé, moins ses souvenirs sont précis". Nous décrivons divers types de motifs graduels tels que les itemsets graduels, les itemset multidimensionnels graduels ou encore les motifs séquentiels graduels, ainsi que les sémantiques associées à ces motifs. Chacune de nos approches est testée sur un jeu de données synthétique et/ou réel.

Les facteurs transcriptionnels (TF) sont des protéines qui contrôlent l'expression des gènes. Leurs motifs de liaison (TFBM, également appelés motifs) sont généralement représentés sous forme de matrices de scores spécifiques de positions (PSSM). L'analyse de motifs est utilisée en routine afin de découvrir des facteurs candidats pour la régulation d'un jeu de séquences d'intérêt. L'avénement des méthodes à haut débit a permis de détecter des centaines de motifs, qui sont disponibles dans des bases de données. Durant ma thèse, j'ai développé deux nouvelles méthodes et implémenté des outils logiciels pour le traitement de collections massives de motifs: matrix-clustering regroupe les motifs par similarité; position-scan détecte les motifs présentant des préférences de position relativement à une coordonnée de référence. Les méthodes que j'ai développées ont été évaluées sur base de cas d'études, et utilisées pour extraire de l'information interprétable à partir de différents jeux de données de Drosophila melanogaster et Homo sapiens. Les résultats démontrent la pertinence de ces méthodes pour l'analyse de données à haut débit, et l'intérêt de les intégrer dans des pipelines d'analyse de motifs. / Transcription Factors (TFs) are DNA-binding proteins that control gene expression. TF binding motifs (TFBMs, simply called “motifs”) are usually represented as Position Specific Scoring Matrices (PSSMs), which can be visualized as sequence logos. The advent of high-throughput methods has allowed the detection of thousands of motifs which are usually stored in databases. In this work I developed two novel methods and implemented software tools to handle large collection of motifs in order to extract interpretable information from high-throughput data: (i) matrix-clustering regroups motifs by similarity and offers a dynamic interface; (2) position-scan detects TFBMs with positional preferences relative to a given reference location (e.g. ChIP-seq peaks, transcription start sites). The methods I developed have been evaluated based on control cases, and applied to extract meaningful information from different datasets from Drosophila melanogaster and Homo sapiens. The results show that these methods enable to analyse motifs in high-throughput datasets, and can be integrated in motif analysis workflows.

Doctorat en philosophie et lettres / info:eu-repo/semantics/nonPublished

Les gènes Hox codent des facteurs de transcription à homéodomain (HD). Bien que ce dernier reconnaisse des séquences similaires in vitro, les protéines Hox achèvent des fonctions hautement spécifiques in vivo. Des séquences protéiques en dehors de l’HD influencent la spécificité d’action des protéines Hox par le recrutement de cofacteurs, dont le mieux caractérisé est Extradenticle (Exd) chez la drosophile. Des travaux récents au sein de notre équipe ont démontré la contribution fonctionnelle de trois motifs de AbdA, aussi bien dans des fonctions Exd-dépendantes qu’à des fonctions Exd-indépendantes. Mon travail de thèse a porté sur la caractérisation de la contribution des motifs protéiques de AbdA dans la sélection puis dans la régulation des gènes cibles en utilisant une approche combinée ChIPseq/RNAseq, dans un contexte Exd-indépendant. Le code ADN identifié nous a renseigné sur la présence d’inputs transcriptionnels additionnels. Ces derniers correspondant à des facteurs de transcription déjà connus, leur présence dans un complexe protéique avec AbdA a été démontrée par des analyses de spectrométrie de masse. Un second volet de mon travail de thèse a été l’identification de modifications post-traductionnelles pouvant rendre compte d’un mécanisme de régulation de l’activité des protéines Hox. Des analyses prédictives in silico, confirmées par des approches biochimiques et des analyses in vivo ont démontré la SUMOylation de AbdA. Ces résultats préliminaires posent les bases pour des travaux futures qui auront pour objectif d’identifier les résidus d’AbdA SUMOylés et d’élucider le rôle de cette modification dans la régulation de l’activité de la protéine AbdA. / Hox genes encode homeodomain-containing transcription factors (HD). Although the HD binds to similar DNA sequences in vitro, Hox proteins display a high functional specificity in vivo. Protein motifs outside of the HD influence Hox specificity through recruiting additional cofactors, with the best characterized being Extradenticle (Exd in Drosophila). Recent evidence from our group has uncovered the functional contribution of AbdA intrinsic motifs to AbdA Exd-dependent functions as well as AbdA Exd-independent functions. My PhD work has aimed to characterize the contribution of AbdA motifs to target gene selection and regulation using a combined approach of ChIPseq/RNAseq in an Exd-independent context. The DNA code identified provides us with new insights about additional transcriptional inputs from additional DNA-binding proteins lying in the vicinity of AbdA recognition sites. Mass spectrometry analysis establishes the occurrence of these additional DNA binding proteins in a multi-protein complex with AbdA. Deciphering the involvement of post-translational modifications in the regulation of Hox protein activity was another aspect of my PhD work. In silico predictive analysis, followed by biochemical approaches and in vivo assays reveal the potential for SUMOylation of AbdA as a potentially important regulatory component of AbdA activity. These preliminary results set the bases for further work aimed at identifying SUMOylated residues on AbdA and the functional relevance of such post-translational modification on AbdA activity regulation.

L'information occupe désormais une place centrale dans notre vie quotidienne, elle est à la fois omniprésente et facile d'accès. Pourtant, l'extraction de l'information à partir des données est un processus souvent inaccessible. En effet, même si les méthodes de fouilles de données sont maintenant accessibles à tous, les résultats de ces fouilles sont souvent complexes à obtenir et à exploiter pour l'utilisateur. La fouille de motifs combinée à l'utilisation de contraintes est une direction très prometteuse de la littérature pour à la fois améliorer l'efficience de la fouille et rendre ses résultats plus appréhendables par l'utilisateur. Cependant, la combinaison de contraintes désirée par l'utilisateur est souvent problématique car, elle n'est pas toujours adaptable aux caractéristiques des données fouillées tel que le bruit. Dans cette thèse, nous proposons deux nouvelles contraintes et un algorithme pour pallier ce problème. La contrainte de robustesse permet de fouiller des données bruitées en conservant la valeur ajoutée de la contrainte de contiguïté. La contrainte de clôture allégée améliore l'appréhendabilité de la fouille de motifs tout en étant plus résistante au bruit que la contrainte de clôture classique. L'algorithme C3Ro est un algorithme générique de fouille de motifs séquentiels intégrant de nombreuses contraintes, notamment les deux nouvelles contraintes que nous avons introduites, afin de proposer à l'utilisateur la fouille la plus efficiente possible tout en réduisant au maximum la taille de l'ensemble des motifs extraits. C3Ro rivalise avec les meilleurs algorithmes de fouille de motifs de la littérature en termes de temps d'exécution tout en consommant significativement moins de mémoire. C3Ro a été expérimenté dans le cadre de l’extraction de compétences présentes dans les offres d'emploi sur le Web / Information now occupies a central place in our daily lives, it is both ubiquitous and easy to access. Yet extracting information from data is often an inaccessible process. Indeed, even though data mining methods are now accessible to all, the results of these mining are often complex to obtain and exploit for the user. Pattern mining combined with the use of constraints is a very promising direction of the literature to both improve the efficiency of the mining and make its results more apprehensible to the user. However, the combination of constraints desired by the user is often problematic because it does not always fit with the characteristics of the searched data such as noise. In this thesis, we propose two new constraints and an algorithm to overcome this issue. The robustness constraint allows to mine noisy data while preserving the added value of the contiguity constraint. The extended closedness constraint improves the apprehensibility of the set of extracted patterns while being more noise-resistant than the conventional closedness constraint. The C3Ro algorithm is a generic sequential pattern mining algorithm that integrates many constraints, including the two new constraints that we have introduced, to provide the user the most efficient mining possible while reducing the size of the set of extracted patterns. C3Ro competes with the best pattern mining algorithms in the literature in terms of execution time while consuming significantly less memory. C3Ro has been experienced in extracting competencies from web-based job postings