Extension de la NMF supervisée pour l'intégration de données omiques - INRAE - Institut national de recherche pour l’agriculture, l’alimentation et l’environnement Access content directly
Conference Papers Year :

Extension de la NMF supervisée pour l'intégration de données omiques

Abstract

Le but de cette communication est de présenter une nouvelle méthode d'intégration découvrant des relations entre données « omiques » qui caractérisent des profils typiques de groupes distincts d'individus. Ici, la méthode de Factorisation Matricielle Nonnegative (NMF) est étendue à la problématique d'intégration de données dans un cadre supervisé. Pour cela, nous nous basons sur une variante du problème d'optimisation FR-lda, présenté par [Leuschner et al, 2019}, les liens entre omiques étant assurés par l'appariement des individus dans la décomposition. En outre, [Leuschner et al, 2019} utilisent l'algorithme Majoration-Minimisation (MM) menant à des termes de mise à jour multiplicatifs pour résoudre leur problème. Afin d'assurer une parcimonie exacte dans la décomposition, nous proposons de combiner cette approche avec une mise à jour basée sur une approche proximale.
Fichier principal
Vignette du fichier
mercadie_etal_JdS2023.pdf (261.92 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-04154752 , version 1 (06-07-2023)

Licence

Attribution

Identifiers

  • HAL Id : hal-04154752 , version 1

Cite

Aurélie Mercadié, Eleonore Gravier, Gwendal Josse, Nathalie Vialaneix, Celine Brouard. Extension de la NMF supervisée pour l'intégration de données omiques. Journée de Statistique de la SFdS, Société Française de Statistique, Jul 2023, Bruxelles, Belgium. ⟨hal-04154752⟩
3 View
2 Download

Share

Gmail Facebook Twitter LinkedIn More