Pronostic moléculaire basé sur l'ordre des gènes et découverte de biomarqueurs guidé par des réseaux pour le cancer du sein

Le cancer du sein est le deuxieme cancer le plus repandu dans le monde et la principale cause de deces due a un cancer chez les femmes. L'amelioration du pronostic du cancer a ete l'une des principales preoccupations afin de permettre une meilleure gestion et un meilleur traitement clinique des patients. Avec l'avancement rapide des technologies de profilage genomique durant ces dernieres decennies, la disponibilite aisee d'une grande quantite de donnees genomiques pour la recherche medicale a motive la tendance actuelle qui consiste a utiliser des outils informatiques tels que l'apprentissage statistique dans le domaine de la science des donnees afin de decouvrir les biomarqueurs moleculaires en lien avec l'amelioration du pronostic. Cette these est concue suivant deux directions d'approches destinees a repondre a deux defis majeurs dans l'analyse de donnees genomiques pour le pronostic du cancer du sein d'un point de vue methodologique de l'apprentissage statistique : les approches basees sur le classement pour ameliorer le pronostic moleculaire et les approches guidees par un reseau donne pour ameliorer la decouverte de biomarqueurs. D'autre part, les methodologies developpees et etudiees dans cette these, qui concernent respectivement l'apprentissage a partir de donnees de classements et l'apprentissage sur un graphe, apportent une contribution significative a plusieurs branches de l'apprentissage statistique, concernant au moins les applications a la biologie du cancer et la theorie du choix social.