Contributions to biostatistics: categorical data analysis, data modeling and statistical inference - Thèses de l'Université Rennes 2 - Haute Bretagne Accéder directement au contenu
Hdr Année : 2016

Contributions to biostatistics: categorical data analysis, data modeling and statistical inference

Résumé

The recent years have seen biostatistics facing issues regarding the modeling and the analysis of more and more complex data. The evolution of biological data has been paved by two main technological revolutions: the explosion of computer capacities and the advent of high-throughput technologies. Although the fast evolution of biotechnologies has allowed the collection of massive amount of data, it has raised a large number of open questions. In the last few years, the deep modification of biological data type has contributed to the emergence of novel statistical challenges. In this context, the main goal of my research is to provide, in response to a biological question of interest, statistical procedures based on four main challenges: the design and the experimental planning to optimize statistical power, the statistical modeling of the types of measured variables, the formalization of relevant biological assumptions and the modeling of the structure of the data. My approach can be described through three main research axes: (1) the analysis and the modeling of categorical data, (2) the statistical modeling of highly structured data and (3) the probabilistic modeling and the statistical inference of spatial and temporal data. My contributions especially tackle the issue of association testing through the estimation of power functions, the detection of interaction, the variable selection and the correction for multiple testing. I have also focused my research activities on classification issues, the aggregation of statistical tests and the estimation of survival function. A systematic evaluation of the proposed methods has been performed through the analysis of real data from many fields of biosciences, such as genomics, proteomics, cancer, ecology and health. The results open novel perspectives in biostatistics, including the integration of heterogeneous data and personalized medicine.
La biostatistique est confrontée depuis quelques années à la modélisation et à l'analyse de données de plus en plus complexes. Cette complexité croissante est le fruit d'une évolution des données marquée par deux révolutions majeures : l'explosion des capacités de calculs informatiques et l'émergence des technologies d'acquisition haut-débit. Bien que les évolutions technologiques aient permis l'acquisition massive de données, l'analyse statistique laisse aujourd'hui de nombreuses questions ouvertes. Ces dernières années, la typologie des données biologiques a en effet profondément changé, faisant ainsi émerger de nouveaux défis statistiques. Dans ce contexte, l'objectif principal de mes activités de recherche consiste à proposer, en réponse à une question biologique d'intérêt, des procédures statistiques s'appuyant sur quatre grands défis principaux : la conception et la planification d'expériences optimisant la puissance statistique, la modélisation des types de variables mesurées, la formalisation d'hypothèses de tests pertinentes du point de vue biologique et la prise en compte de la structure des données. Mon approche peut être décrite au travers de trois axes principaux de recherche : (1) l'analyse et la modélisation de données catégorielles, (2) la modélisation statistique de données fortement structurées et (3) la modélisation probabiliste et l'inférence statistique pour le traitement de données spatialisées ou temporelles. Mes contributions ont notamment porté sur les tests d'association avec l'estimation de fonctions de puissances, la détection d'interaction, la sélection de variables et la correction pour les tests multiples. J'ai également traité des problèmes liés à la classification, à l'agrégation de tests et à l'estimation de fonction survie. Les approches développées ont été systématiquement évaluées à l'aide de données réelles provenant de nombreux domaines des sciences du vivant comme la génomique, la protéomique, la cancérologie, l'écologie et la santé. Les résultats obtenus ouvrent de nombreuses perspectives en biostatistique, notamment dans l'intégration de données hétérogènes et la médecine personnalisée.
Fichier principal
Vignette du fichier
manuscrit_HDR_MathieuEMILY.pdf (5.23 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-01439264 , version 1 (18-01-2017)

Identifiants

  • HAL Id : tel-01439264 , version 1

Citer

Mathieu Emily. Contributions to biostatistics: categorical data analysis, data modeling and statistical inference. Mathematics [math]. Université de Rennes 1, 2016. ⟨tel-01439264⟩
513 Consultations
778 Téléchargements

Partager

Gmail Facebook X LinkedIn More