En savoir plus

Résumé :

Les modèles d’apprentissage nécessitent un apprentissage avec de nombreuses données (couples génotypes > phénotypes) ce qui n’est pas toujours possible dans certaines espèces, génotypées pour quelques milliers d’animaux. Le projet de cette thèse consistera à contourner cette limite en utilisant successivement deux méthodes DL : une première méthode DL dite générative, les « generative adversarial neural networks » (ou GAN), permettront de simuler des données de génotypes à partir d’un apprentissage sur des données réelles peu nombreuses et mais de qualité représentative. Ainsi, on augmentera artificiellement la taille de la base de données nécessaire au bon apprentissage d’un second modèle DL de prédiction du phénotype d’après un génotype (50- 800 K SNP). Ce second modèle DL, adoptant une structure plus simple en vue de prédictions, devra être optimiser d’après nos premières études exploratoires sur le sujet lors du projet GenIALearn sur la sélection génomique bovine (MP DIGIT-BIO 2022-2024).

Pour résumer, ce travail de thèse proposera une méthode de simulation originale de données de génotypes utiles pour :

 i) améliorer les connaissances sur le déterminisme génétique de construction des phénotypes ;

ii) créer des données supplémentaires quasi-réelles nécessaires à l’apprentissage du modèle DL de prédiction.

Ainsi, ce modèle DL de prédiction des phénotypes pourra être appliqué à partir de quelques milliers de données génotype-phénotypes seulement et se perfectionnera ensuite avec l’enrichissement progressif de la base de données. Il s’agit d’un sujet de modélisation génomique très interdisciplinaire génétique / génomique / statistique / data science, dont le front de science se situe au niveau des applications de l’IA à la génomique, qui ne manqueront pas de se développer.

Contact :

• Sihan Xie
• Linkedin