Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

La gynodioécie – la coexistence d’individus femelles et hermaphrodites- est un des systèmes le plus commun après l’hermaphrodisme chez les angiospermes. Le maintien et l’évolution de la gynodioécie intriguent beaucoup de scientifiques. L’objectif de ma thèse était de déterminer les forces évolutives impliquées dans le maintien d’un tel polymorphisme sexuel et d’étudier certaines conditions nécessaires à l’occurrence d’une meilleure performance des individus femelles et à la variation de l’ampleur de cet avantage chez Silene nutans. Par une approche de génomique des populations, j’ai comparé le polymorphisme des trois génomes (nucléaire, mitochondrial et chloroplastique) de deux espèces, une gynodioïque ; S. nutans et une dioïque : Silene otites. J’ai montré la gynodioécie se maintien chez S. nutans grâce à une sélection fréquence-dépendante négative. Un deuxième volet de ma thèse concerne l’occurrence et la variation de l’amplitude de l’avantage femelle. Grâce à une approche de biologie et de génétique des populations, j’ai comparé le succès reproducteur des femelles et hermaphrodites. J’ai montré que l’avantage femelle dépend de l’efficacité de pollinisation et du taux d’autofécondation qui varient selon le sexe ratio en conditions expérimentales. Par ailleurs, j’ai montré qu’en population naturelle les flux de pollen étaient majoritairement restreints dans l’espace. J’ai aussi montré que dans la population naturelle étudiée le déterminisme génétique de la gynodioécie est nucléaire. Enfin, j’ai mis en évidence une meilleure contribution des pollinisateurs nocturnes au succès reproducteur chez S. nutans par rapport aux pollinisateurs diurnes de cette espèce. / Gynodioecy - the coexistence of female and hermaphrodite individuals, is one of the most common systems after hermaphroditism in angiosperms. The maintenance and evolution of gynodioecy intrigued many evolutionary biologists. The aim of my thesis was to determine the evolutionary forces involved in maintaining such a sexual polymorphism and study some necessary conditions for the occurrence of a better performance of female and the variation of the magnitude of this advantage in Silene nutans. By population genomics approach, I compared the polymorphism of three genomes (nuclear, mitochondrial and chloroplast) of two species, gynodioïque, S. nutans and dioecious: Silene otites. I showed that gynodioecy is maintained in S. nutans through a frequency-dependent negative selection. A second part of my thesis concerns the occurrence and variation of the amplitude of the female advantage. With biology and genetic of population approach, I compared the reproductive success of females and hermaphrodites. I showed that the female advantage depends on the efficiency of pollination and selfing rates that vary according to the sex ratio in experimental conditions. Furthermore, I showed that natural population pollen flow were mainly restricted in space. I also showed that in the studied natural population the genetic determinism of gynodioecy is nuclear. Finally, I highlighted a greater contribution of nocturnal pollinators to reproductive success in S. nutans in relation to diurnal pollinators of this species.

Dans cette thèse, nous nous concentrons sur le codage du séjour d'hospitalisation en codes standards. Ce codage est une tâche médicale hautement sensible dans les hôpitaux français, nécessitant des détails minutieux et une haute précision, car le revenu de l'hôpital en dépend directement. L'encodage du séjour d'hospitalisation comprend l'encodage du diagnostic principal qui motive le séjour d'hospitalisation et d'autres diagnostics secondaires qui surviennent pendant le séjour. Nous proposons une analyse rétrospective mettant en oeuvre des méthodes d'apprentissage, sur la tâche d'encodage de certains diagnostics secondaires sélectionnés. Par conséquent, la base de données PMSI, une grande base de données médicales qui documente toutes les informations sur les séjours d'hospitalisation en France.} est analysée afin d'extraire à partir de séjours de patients hospitalisés antérieurement, des variables décisives (Features). Identifier ces variables permet de pronostiquer le codage d'un diagnostic secondaire difficile qui a eu lieu avec un diagnostic principal fréquent. Ainsi, à la fin d'une session de codage, nous proposons une aide pour les codeurs en proposant une liste des encodages pertinents ainsi que des variables utilisées pour prédire ces encodages. Les défis nécessitent une connaissance métier dans le domaine médical et une méthodologie d'exploitation efficace de la base de données médicales par les méthodes d'apprentissage automatique. En ce qui concerne le défi lié à la connaissance du domaine médical, nous collaborons avec des codeurs experts dans un hôpital local afin de fournir un aperçu expert sur certains diagnostics secondaires difficiles à coder et afin d'évaluer les résultats de la méthodologie proposée. En ce qui concerne le défi lié à l'exploitation des bases de données médicales par des méthodes d'apprentissage automatique, plus spécifiquement par des méthodes de "Feature Selection" (FS), nous nous concentrons sur la résolution de certains points : le format des bases de données médicales, le nombre de variables dans les bases de données médicales et les variables instables extraites des bases de données médicales. Nous proposons une série de transformations afin de rendre le format de la base de données médicales, en général sous forme de bases de données relationnelles, exploitable par toutes les méthodes de type FS. Pour limiter l'explosion du nombre de variables représentées dans la base de données médicales, généralement motivée par la quantité de diagnostics et d'actes médicaux, nous analysons l'impact d'un regroupement de ces variables dans un niveau de représentation approprié et nous choisissons le meilleur niveau de représentation. Enfin, les bases de données médicales sont souvent déséquilibrées à cause de la répartition inégale des exemples positifs et négatifs. / In the thesis we focus on encoding inpatient episode into standard codes, a highly sensitive medical task in French hospitals, requiring minute detail and accuracy, since the hospital's income directly depends on it. Encoding inpatient episode includes encoding the primary diagnosis that motivates the hospitalisation stay and other secondary diagnoses that occur during the stay. Unlike primary diagnosis, encoding secondary diagnoses is prone to human error, due to the difficulty of collecting relevant data from different medical sources, or to the outright absence of relevant data that helps encoding the diagnosis. We propose a retrospective analysis on the encoding task of some selected secondary diagnoses. Hence, the PMSI database is analysed in order to extract, from previously encoded inpatient episodes, the decisive features to encode a difficult secondary diagnosis occurred with frequent primary diagnosis. Consequently, at the end of an encoding session, once all the features are available, we propose to help the coders by proposing a list of relevant encodings as well as the features used to predict these encodings. Nonetheless, a set of challenges need to be addressed for the development of an efficient encoding help system. The challenges include, an expert knowledge in the medical domain and an efficient exploitation methodology of the medical database by Machine Learning methods. With respect to the medical domain knowledge challenge, we collaborate with expert coders in a local hospital in order to provide expert insight on some difficult secondary diagnoses to encode and in order to evaluate the results of the proposed methodology. With respect to the medical databases exploitation challenge, we use ML methods such as Feature Selection (FS), focusing on resolving several issues such as the incompatible format of the medical databases, the excessive number features of the medical databases in addition to the unstable features extracted from the medical databases. Regarding to issue of the incompatible format of the medical databases caused by relational databases, we propose a series of transformation in order to make the database and its features more exploitable by any FS methods. To limit the effect of the excessive number of features in the medical database, usually motivated by the amount of the diagnoses and the medical procedures, we propose to group the excessive number features into a proper representation level and to study the best representation level. Regarding to issue of unstable features extracted from medical databases, as the dataset linked with diagnoses are highly imbalanced due to classification categories that are unequally represented, most existing FS methods tend not to perform well on them even if sampling strategies are used. We propose a methodology to extract stable features by sampling the dataset multiple times and extracting the relevant features from each sampled dataset. Thus, we propose a methodology that resolves these issues and extracts stable set of features from medical database regardless to the sampling method and the FS method used in the methodology. Lastly, we evaluate the methodology by building a classification model that predicts the studied diagnoses out of the extracted features. The performance of the classification model indicates the quality of the extracted features, since good quality features produces good classification model. Two scales of PMSI database are used: local and regional scales. The classification model is built using the local scale of PMSI and tested out using both local and regional scales. Hence, we propose applying our methodology to increase the integrity of the encoded diagnoses and to prevent missing important encodings. We propose modifying the encoding process and providing the coders with the potential encodings of the secondary diagnoses as well as the features that lead to this encoding.

La dominance entre allèles S chez les Brassicaceae est contrôlée par un ensemble de petits ARNs non codants et de leurs séquences cibles. Les relations de dominance qu'ils établissent ont un ensemble de conséquences sur l'accumulation du polymorphisme au locus S lui-même mais également dans les régions immédiatement liées. L'idée du projet a été d'étudier 1) les critères d'appariement selon lesquels les petits ARNs non-codants provoquent le silencing transcriptionnel, 2) la diversité des petits ARNs, de leurs précurseurs et de leurs cibles en populations naturelles afin de déterminer si les contraintes fonctionnelles qu'ils subissent s'apparentent à celles qui pèsent en général sur les miRNAs et enfin 3) la diversité des séquences flanquantes, afin de déterminer d'une part l'ampleur du pic de polymorphisme attendu en raison de la sélection balancée et d'autre part si on peut détecter un fardeau de mutations délétères spécifique à chaque allèle le long de la hiérarchie de dominance. / The dominance between S-alleles in the Brassicaceae is controlled by a set of small non-coding RNAs and their cognate targets. These dominance relationships have important consequences on the polymorphism accumulated at the S-locus itself but also at the flanking regions. The aim of the project was to study 1) the base-pairing criteria by which the small non-coding RNAs transcriptionally silence their target gene, 2) the diversity of these small RNAs, of their precursors and targets in natural populations in order to determine if the selective constraint they undergo is similar to what we know for other miRNAs genes in the genome, and finally, 3) the diversity of the flanking regions, to determine the size of the predicted peak of polymorphism peak caused by balancing selection, test whether genes in these regions show evidence of the predicted sheltered load and whether polymorphisms at these genes are specifically associated with S-alleles.

Les activités humaines génèrent des stress environnementaux pouvant entrainer l’extinction des populations végétales. Dès lors, la survie de ces populations nécessite l’évolution rapide de traits adaptatifs, qui augmenterait leur capacité de tolérance à ces stress d'origine anthropique. Par exemple, la colonisation d’un site métallifère nécessite l'évolution d'une capacité à tolérer les fortes concentrations en éléments traces métalliques (ETM) dans le sol. La tolérance aux métaux est ainsi généralement plus élevée chez les espèces se développant exclusivement sur sols métallifères (métallophytes strictes), et dans les populations métallicoles des espèces se développant occasionnellement sur sols métallifères (pseudométallophytes). Néanmoins, les mécanismes évolutifs permettant une augmentation de la tolérance aux métaux restent mal compris. Dans ce contexte, un projet d’évolution expérimentale a été initié dans le but d’observer l’effet du zinc sur l’évolution d’une population non-métallicole de l’espèce pseudométallophyte, Noccaea caerulescens. Pour cela, plusieurs populations métallicoles et non-métallicoles ont été échantillonnées afin de constituer quatre populations expérimentales (EP) qui ont été cultivées en mésocosme. Une EP d'origine non-métallicole a été exposée à un sol non contaminé (EP1), deux EP d'origine non-métallicole ont été exposées à sol contaminé à 750 mg.kg-1 de zinc (EP2 et EP3) et une EP d'origine métallicole a été exposée à un sol contaminé à 750 mg.kg-1 de zinc (EP4). A chaque génération, la performance de chaque individu a été mesurée, et les graines récoltées, de façon à construire la génération suivante. Après deux générations, plusieurs réplicas des populations dérivées et ancestrales de chaque EP ont été cultivées en conditions contrôlées dans différentes conditions d'exposition au zinc (750 mg.kg-1 et 2000 mg.kg-1 ). Leurs capacités de tolérance ont été évaluées à travers la mesure de plusieurs traits fonctionnels. Les résultats de cette étude montrent que le zinc représente effectivement une pression de sélection pour les populations non-métallicoles de Noccaea caerulescens, qui entraine une surreprésentation de certaines descendances à la génération suivante. Cette sélection semble avoir affecté de façon similaire les deux populations expérimentales d'origine non-métallicoles soumises au zinc (EP2 et EP3). En comparant différents traits fonctionnels morphologiques, physiologiques et phénologiques, potentiellement impliqués dans la tolérance aux métaux entre populations dérivées et ancestrales, nous observons une réponse phénotypique forte des populations EP2 et EP3 avec, notamment, une augmentation significatives de quasiment tous les traits morphologiques en lien avec la croissance des individus (nombre de feuilles, surface de la plante, hauteur de la plante, etc.). / Human activities generate environmental stresses that can lead to the extinction of plant populations. Therefore, the survival of these populations requires the rapid evolution of adaptive traits, which would increase their ability to tolerate these anthropogenic stresses. For example, the colonization of a metalliferous site requires the evolution of an ability to tolerate high concentrations of metal trace elements (MTE) in the soil. Thus, metal tolerance is generally higher in species growing exclusively on metalliferous soils (strict metallophytes), and in metallicolous populations of species growing occasionally on metalliferous soils (pseudometallophytes). However, the evolving mechanisms for increasing metal tolerance remain unclear. In this context, an experimental evolution project was initiated to observe the effect of zinc on the evolution of a nonmetallicolous population of the pseudometallophyte, Noccaea caerulescens. For this purpose, several metallicolous and nonmetallicolous populations were sampled to form four experimental populations (EP) that were cultured in mesocosm. One nonmetallicolous EP was exposed to uncontaminated soil (EP1), two non-metallicolous EPs were exposed to contaminated soil at 750 mg.kg-1 of zinc (EP2 and EP3) and one metallicolous EP was exposed to contaminated soil at 750 mg.kg-1 of zinc (EP4). In each generation, the performance of each individual was measured, and the seeds were harvested, in order to build the next generation. After two generations, several replicas of the derived and ancestral populations of each EP were cultivated in controlled conditions under different zinc doses (750 mg.kg-1 and 2000 mg.kg-1 ). Their tolerance abilities were assessed through the measurement of several functional traits. Results of this study showed that zinc represent a selection pressure for nonmetallicolous populations of Noccaea caerulescens, leading to an over-representation of some offspring in the next generation. This selection seemed to similarly affected EP2 and EP3. Comparison of different morphological, physiological and phenological functional traits, potentially involved in metal tolerance, between derived and ancestral populations showed strong phenotypic response of EP2 and EP3 with a significant increase in almost all morphological traits related to individual growth (number of leaves, plant surface, plant height, etc.).

Nous nous intéressons à la sélection de variables en classification non supervisée par mélanges gaussiens. Ces travaux sont en particulier motivés par la classification de gènes à partir de données transcriptomes. Dans les deux parties de cette thèse, le problème est ramené à celui de la sélection de modèles.<br />Dans la première partie, le modèle proposé, généralisant celui de Raftery et Dean (2006) permet de spécifier le rôle des variables vis-à-vis du processus de classification. Ainsi les variables non significatives peuvent être dépendantes d'une partie des variables retenues pour la classification. Ces modèles sont comparés grâce à un critère de type BIC. Leur identifiabilité est établie et la consistance du critère est démontrée sous des conditions de régularité. En pratique, le statut des variables est obtenu grâce à un algorithme imbriquant deux algorithmes descendants de sélection de variables pour la classification et pour la régression linéaire. L'intérêt de cette procédure est en particulier illustré sur des données transcriptomes. Une amélioration de la modélisation du rôle des variables, consistant à répartir les variables déclarées non significatives entre celles dépendantes et celles indépendantes des variables significatives pour la classification, est ensuite proposée pour pallier une surpénalisation de certains modèles. Enfin, la technologie des puces à ADN engendrant de nombreuses données manquantes, une extension de notre procédure tenant compte de l'existence de ces valeurs manquantes est suggérée, évitant leur<br />estimation préalable.<br />Dans la seconde partie, des mélanges gaussiens de formes spécifiques sont considérés et un critère pénalisé non asymptotique est proposé pour sélectionner simultanément le nombre de composantes du mélange et l'ensemble des variables pertinentes pour la classification. Un théorème général de sélection de modèles pour l'estimation de densités par maximum de vraisemblance, proposé par Massart (2007), est utilisé pour déterminer la forme de la pénalité. Ce théorème nécessite le contrôle de l'entropie à crochets des familles de mélanges gaussiens multidimensionnels étudiées. Ce critère dépendant de constantes multiplicatives inconnues, l'heuristique dite "de la pente" est mise en oeuvre pour permettre une utilisation effective de ce critère.

Cette thèse se concentre sur le modèle de classification binaire. Etant donné $n$ couples de variables aléatoires indépendantes et identiquement distribuées (i.i.d.) $(X_i,Y_i)$, $i=1,\ldots ,n$ de loi $P$, on cherche à prédire la classe $Y\in\{-1,+1\}$ d'une nouvelle entrée $X$ où $(X,Y)$ est de loi $P$. La règle de Bayes, notée $f^*$, minimise l'erreur de généralisation $R(f)=P(f(X)\not=Y)$. Un algorithme de classification doit s'approcher de la règle de Bayes. Cette thèse suit deux axes : établir des vitesses de convergence vers la règle de Bayes et proposer des procédures adaptatives.<br /><br />Les méthodes de régularisation ont montrées leurs intérêts pour résoudre des problèmes de classification. L'algorithme des Machines à Vecteurs de Support (SVM) est aujourd'hui le représentant le plus populaire. Dans un premier temps, cette thèse étudie les performances statistiques de cet algorithme, et considère le problème d'adaptation à la marge et à la complexité. On étend ces résultats à une nouvelle procédure de minimisation de risque empirique pénalisée sur les espaces de Besov. Enfin la dernière partie se concentre sur une nouvelle procédure de sélection de modèles : la minimisation de l'enveloppe du risque (RHM). Introduite par L.Cavalier et Y.Golubev dans le cadre des problèmes inverses, on cherche à l'appliquer au contexte de la classification.

Lorsque plusieurs classifieurs sont amenés à concourir à une même tâche de reconnaissance, plusieurs stratégies de décisions, impliquant ces classifieurs de différents manières, sont possibles. Une première stratégie consiste à décider suite à différents avis : il s'agit de la combinaison de classifieurs. Une deuxième stratégie consiste à utiliser un ou plusieurs avis pour mieux guider d'autres classifieurs dans leurs phases d'apprentissages, et à utiliser un ou plusieurs avis pour améliorer la prise de décisions d'autres classifieurs dans la phase de classement : il s'agit de la coopération de classifieurs. Enfin, la troisième et dernière stratégie consiste à privilégier un ou plusieurs classifieurs en fonction de divers critères ou en fonction de la situation : il s'agit de la sélection de classifieurs. L'aspect temporel de la RdF, c'est-à-dire l'évolution possible des classes à reconnaître, est traité par la stratégie de la sélection. En étudiant les aspects statiques et dynamiques de la RdF, nous montrons que pour reconnaître des classes dynamiques, deux approches sont possibles. Ces deux approches sont validées sur un ensemble de test. Dans le cas où les trajectoires des classes ne s'intersectent pas et que ces classes sont multimodales, l'approche proposée consiste à transformer ces classes dynamiques en classes statiques. En intégrant l'évolution de ces classes dans le temps, les classes obtenues deviennent alors complexes. Pour traiter ce type de classes, un algorithme de coopération des classifieurs est proposé. Il met en {\oe}uvre, d'une part, une méthode de classification non-supervisée effectuant une sélection adaptative de classifieurs et, d'autre part, plusieurs méthodes de RdF supervisées. Lorsqu'il n'y a pas d'intersection et que les classes évoluent de manière continue dans le temps, l'approche proposée consiste à rendre dynamique le système de RdF. Une méthode, fondée sur la modélisation des changements d'états du système par un réseau de Petri flou, est proposée. La méthode permet de prédire le ou les états du système les mieux adaptés au problème de RdF, à l'instant considéré.

Le soudage par points est la principale technique d'assemblage des tôles de carrosserie automobile. Cependant, la variabilité de ce procédé, et en particulier de l'état des électrodes de soudage, pose deux problèmes non résolus à ce jour: le contrôle non destructif de la qualité des soudures et la commande des paramètres de soudage. Utilisé fréquemment dans le domaine des réseaux de neurones, et réputé pour donner de bons résultats avec peu d'exemples, le leave-one-out conduit en réalité souvent à la sélection de modèles surajustés. Or, par un développement de Taylor, nous pouvons calculer l'effet du retrait d'un exemple de la base d'apprentissage sur la sortie du modèle. Nous prouvons que l'estimation de l'erreur de généralisation obtenue à partir de ce calcul est plus fiable que celle obtenue classiquement par apprentissage. Par ailleurs, nous montrons le lien existant entre le leave-one-out calculé et les intervalles de confiance sur la sortie du modèle. Enfin, nous proposons une technique originale de sélection de modèles non linéaires qui évite le surajustement en limitant l'influence de chaque exemple sur l'estimation des paramètres du modèle. Nous présentons une méthode permettant d'obtenir un modèle de prévision du diamètre d'une soudure, valable dans des conditions préétablies. Plus particulièrement, nous montrons comment constituer une base de données initiale, sélectionner le modèle adéquat, puis compléter progressivement la base d'apprentissage. Appliquée à deux types de tôles, cette méthode permet d'atteindre une précision proche de l'erreur de mesure. En outre, utilisés au sein d'une loi de commande, ces modèles permettent d'optimiser l'usure des électrodes.