---

manuscrit de thèse - Contents

manuscrit de thèse - Title Page

• Partie 1 État de l’Art
• Chapitre 1 Contexte scientifique de l’étude
• I. Veille technologique, intelligence économique et analyse de l’information textuelle
• II. De la génétique à la bioinformatique
• A. La génétique
• 1. Notions de base
• 2. Définition des interactions
• B. Le projet génome
• C. La post-génomique
• D. Utilisation du projet génome pour accéder à la fonction des gènes
• III. La recherche et l’extraction d’informations textuelles
• A. La recherche d’informations textuelles
• B. L’extraction d’informations textuelles
• IV. Le couplage des Bases de données
• A. La création de liens entre bases de données
• B. Couplage des bases de données factuelles avec des bases de données bibliographiques
• Chapitre 2 Études des travaux comparables
• I. Travaux concernant la reconnaissance de gènes ou de leurs produits dans des textes
• A. Travaux sur la reconnaissance des gènes ou de leurs produits basés sur l’utilisation de listes de termes
• B. Travaux sur la reconnaissance des gènes ou de leurs produits n’utilisant pas de lexiques
• C. Travaux sur la création automatique ou assistée de dictionnaire des gènes ou de leurs produits à partir de textes
• D. Conclusion sur les travaux concernant la recherche de gènes ou de leurs produits dans des textes
• II. Travaux sur l’analyse informatique des textes et les interactions génétiques ou moléculaires
• A. Méthodes d’analyse informatique des textes sur les interactions génétiques et moléculaires basées sur la recherche de mots clefs et de phrases clefs
• B. Méthodes basées sur des études statistiques d’apparition de mots clefs pour extraire des informations sur les interactions génétiques ou moléculaires
• C. Méthodes basées sur la cooccurrence pour extraire des informations sur les interactions génétiques ou moléculaires
• D. Méthodes basées sur des motifs textuels pour extraire des informations sur les interactions génétiques ou moléculaires
• Chapitre 3 Notre apport et celui du consortium Cerise
• I. Historique des travaux dans le consortium Cerise
• A. Présentation du programme de recherche du consortium Cerise
• 1. La saisie des informations sur les interactions génétiques et moléculaires
• 2. La représentation des connaissances sur les interactions génétiques et moléculaires
• 3. Analyse, comparaison et simulation de fonctionnement des réseaux régulateurs
• B. Choix méthodologique initié par Pillet
• 1. Choix de la base de données Flybase
• a. Présentation de la base de données Flybase
• b. Avantages de la base de données Flybase
• 2. Choix d’une méthode d’analyse basée sur la présence conjointe de noms de gènes et d’un vocabulaire spécifique dans une même phrase
• C. La méthode des IVI
• 1. Identifier le vocabulaire spécifique de l’interaction
• 2. Sélectionner les textes qui décrivent une interaction
• 3. Performance de la méthode des IVI
• D. Les variantes de la méthode des IVI
• 1. Variante dans le calcul de la spécificité
• 2. Calcul de l’IVI par la somme des spécificités
• 3. Calcul de l’IVI par l’analyse factorielle
• II. Réflexions sur la méthode d’analyse que nous proposons
• A. Choix du corpus d’analyse
• 1. Choix de Medline
• 2. Choix de l’échantillon d’analyse
• 3. Utiliser les données issues de Flybase pour analyser les textes de Medline
• B. Discussions sur les moyens et les buts
• 1. La présence de deux noms de gènes est un indice fort
• 2. Utilisation des phrases qui comportent plus de deux occurrences de gènes
• 3. Reconnaissance des interactions et non des phrases qui décrivent des interactions
• Partie 2 Réalisation et résultats
• Chapitre 1 Analyse des problèmes posées
• I. Inventaire des difficultés à résoudre pour réaliser un programme d’identification des gènes
• A. Méthodologie
• B. Complexité de la nomenclature
• 1. Règles de désignation des gènes pour la drosophile
• 2. Existence de plusieurs termes pour désigner un seul gène
• 3. Importance de la casse pour désigner un gène
• 4. Complexité introduite par la formation de mots composés
• 5. Complexité introduite par l’inclusion des termes les uns dans les autres
• a. Inclusion à l’intérieur du dictionnaire des gènes
• b. Inclusion des labels dans des termes de biologie
• 6. Complexité introduite par l’existence des allèles
• C. Ambiguïté des labels
• 1. Les labels qui sont des mots vides
• 2. Les labels qui prêtent à confusion avec des termes d’anglais assez courants
• a. Les labels fortement ambigus
• b. Les labels qui dans le contexte de la génétique sont moins ambigus qu’ils ne semblent
• c. Les labels faiblement ambigus.
• d. Les labels ambigus mais très importants
• 3. Les labels qui prêtent à confusion avec des gènes de mammifères.
• D. Imprécision dans la terminologie
• 1. Les termes qui ne décrivent pas un gène précis mais qui peuvent désigner plusieurs gènes
• 2. Les variations orthographiques
• a. Inventaire des orthographies absentes de Flybase
• b. Les variantes prévues
• c. Les variantes imprévues
• d. Importance relative des variantes prévues et imprévues
• E. Les erreurs du dictionnaire
• 1. Les contradictions du dictionnaire
• 2. Des définitions aberrantes
• 3. Les formats imprévus
• F. Nécessité de l’utilisation du contexte
• 1. Utilisation du contexte pour préférer une reconnaissance à une autre
• 2. Utilisation du contexte pour régler le problème de l’ambiguïté des labels
• 3. Utilisation du contexte pour détecter les reconnaissances redondantes
• 4. Utilisation du contexte pour valider les définitions crées pour anticiper les variations orthographiques des labels
• II. Analyse du problème de la reconnaissance des interactions
• A. Complexité de la reconnaissance des interactions
• 1. Partenaires mal définis
• 2. Interaction et ordre
• 3. Partenaires de l’interaction non identifiés
• B. Difficulté de la reconnaissance des interactions
• 1. Partenaires de l’interaction absents de la phrase mais pas du résumé
• 2. Difficulté introduite par la présence de plus de deux gènes dans une même phrase
• Chapitre 2 Mise en œuvre
• I. Mise en œuvre du programme d’identification des gènes
• A. Structure de données pour l’identification des gènes dans les textes
• 1. Préliminaires
• a. Notions sur les bases de données relationnelles
• b. Conventions sur les noms de champs et de tables
• c. Quelques principes sur la structuration des données
• 2. Structure de données pour les textes
• a. Structure de données pour les résumés
• b. Structure de données pour les phrases qui constituent les résumés
• 3. Structure de données pour le dictionnaire des gènes
• a. Structure de données pour les gènes ou objets assimilés
• b. Structure de données pour les labels
• c. Structure de données pour les définitions
• 4. Structure de données pour l’identification des gènes
• a. Structure de données pour la reconnaissance des labels
• b. Structure de données pour la reconnaissance des définitions
• B. Méthode d’identification des gènes
• 1. La visualisation et l’exploitation des données dans une base de données relationnelle
• a. L’utilisation des requêtes
• b. L’automatisation des tâches
• 2. La détection des occurrences de labels
• a. Indexation des textes
• b. Correction pour les mots ambigus en début de phrase
• c. Épuration de l’index
• d. Reconnaissance des mots vides
• 3. Interprétation des labels
• C. Acquisition des données nécessaires à l’analyse
• 1. Collecte des textes et intégration dans la base de données
• a. Choix des résumés Medline
• b. Intégration des textes issus de Flybase et de Medline
• 2. Constitution des données relatives au dictionnaire des gènes
• a. Importation des données terminologiques
• b. Les étapes de filtrages et de reformatages
• c. Mise en forme relationnelle
• d. Préparation de l’indexation des textes
• e. Complémentation du dictionnaire
• 3. Acquisition de nouvelles connaissances sur la nomenclature des gènes
• a. Construction des définitions variantes
• b. Validation des définitions par l’analyse des textes
• c. Validation des labels par l’analyse des textes
• II. Mise en œuvre de la reconnaissance automatique des interactions
• A. Structure de données pour la reconnaissance des interactions
• 1. Table de reconnaissance des interactions
• 2. Table Ordre dans les interactions
• 3. Table Processus de reconnaissance des interactions
• B. Structure de données pour l’IVI
• 1. Structure de données pour le dictionnaire de lemmatisation
• a. Structure de données pour les lemmes
• b. Structure de données pour les formes fléchies
• 2. Structure de données pour la reconnaissance des formes fléchies
• C. Constitution des données relatives au dictionnaire de lemmatisation
• D. Méthode de reconnaissance des interactions
• 1. Calcul de l’IVI
• 2. Annotation sur les interactions
• III. Interface de visualisation des données contenues dans la base de données
• A. Confrontation entre indices et faits sur les interactions
• B. Confrontation entre l’annotation manuelle et l’annotation automatique
• C. Autres informations sur le résumé
• Chapitre 3 Évaluation et propositions d’améliorations
• I. Évaluation du programme d’identification des gènes et nouvelle directions de recherche
• A. Évaluation du système d’identification des gènes sur l’échantillon A
• B. Évaluation du système d’identification des gènes sur l’échantillon B et propositions d’améliorations
• 1. Performance du système d’identification des gènes sur l’échantillon B
• 2. Un exemple de résumé annoté par le programme d’identification des gènes
• 3. Inventaire des cas d’erreurs sur l’échantillon B et propositions pour les éviter
• II. Évaluation du programme de reconnaissance des interactions et discussion
• A. Explications communes à tous les graphiques
• B. Statistiques sur les reconnaissances d’interactions
• C. Statistiques sur les interactions
• 1. Méthodes basées sur le nombre d’occurrence de gènes dans une même phrase
• a. Reconnaissance des interactions à partir des phrases qui comptent deux occurrences de gènes
• b. Reconnaissance des interactions à partir des phrases qui comptent plusieurs occurrences de gène
• c. Comparaison des performances des méthodes basées sur le nombre d’occurrences de gènes
• 2. Méthodes basées sur le nombre de gènes cités dans une même phrase
• a. Reconnaissance des interactions à partir des phrases qui citent deux gènes
• b. Reconnaissance des interactions à partir des phrases qui citent plusieurs gènes
• c. Comparaison des performances des méthodes basées sur le nombre de gènes cités
• 3. Utilisation du nombre de fois où une interaction est reconnue automatiquement
• a. Interactions reconnues plusieurs fois au cours du processus 2G
• b. Interactions reconnues plusieurs fois au cours du processus nG
• c. Discussion sur la redondance de l’information sur les interactions
• D. Nouvelles directions de recherche
• 1. Amélioration du calcul de l’IVI
• 2. Utilisation du MeSH pour sélectionner les résumés
• Partie 3 Conclusion
• Chapitre 1 Bilan du travail
• Chapitre 2 Améliorations envisagées et nouvelles directions de recherche
• I. Transformation du prototype en un logiciel convivial
• II. Couplage avec des résultats d’expériences
• III. Utilisation dans d’autres domaines d’applications