Mémoires de Fin d’Etudes
Etablissement
Université de Laghouat - Amar Telidji
Affiliation
Département d’Informatique
Auteur
YAGOUBI, Rached
Directeur de thèse
Abdelouahab MOUSSAOUI (Maitre de conférence)
Filière
Informatique Industriel
Diplôme
Magister
Titre
Apprentissage automatique par les algorithmes bio-inspir´es : application `a l’alignement multiple de s´equences biologiques
Mots clés
Alignement Multiple de s´equences , Bioinformatique, MMGA, MUSCLE, MAFFT, Algorithme g´en´etique, BAliBASE
Résumé
L’alignement multiple de s´equences est une des plus importantes taches de la bioinformatique, car il permet de d´ecouvrir et de d´eterminer les similitudes entre les mol´ecules biologiques tel que l’ADN, l’ARN et les prot´eines par la simple comparaison de leurs s´equences. Il est ´egalement utilis´e comme point de d´epart pour d’autres probl`emes de bioinformatique tel que la Phylog´enie, la recherche de motif et la pr´ediction des structures. Bien qu’un nombre important d’algorithmes traitant le probl`eme d’alignement multiple de s´equences ont ´et´e d´evelopp´es, le calcul efficace des alignements multiples de grande pr´ecision reste jusqu’`a pr´esent un d´efi. Dans ce travail nous pr´esentons MMGA (Muscle Mafft Genetic Algorithm) une approche hybride bioinspir´ee pour l’alignement multiple de s´equences. MMGA combine trois algorithmes qui sont MUSCLE, MAFFT et un algorithme g´en´etique. La population initiale de ce dernier est g´en´er´ee par MUSCLE et MAFFT, apr`es cela nous appliquons diff´erents op´erateurs g´en´etiques afin d’accroˆıtre la pr´ecision des alignements. L’´evaluation effectu´ee en utilisant le benchmark populaire BAliBASE (version 3.0) prouve que MMGA r´ealise une am´elioration importante de la pr´ecision par rapport `a d’autres algorithmes performants d’alignement multiple y compris MUSCLE, MAFFT, ClustalW et ProbCons tout en maintenant un temps de calcul r´eduit.
Date de soutenance
09/05/2012
Cote
THL10-125
Pagination
102p
Format
29cm
Notes
bibliogr.
Statut
Soutenue