Pronostic mol?culaire bas? sur l'ordre des g?nes et d?couverte de biomarqueurs guid? par des r?seaux pour le cancer du sein

Le cancer du sein est le deuxi?me cancer le plus r?pandu dans le monde et la principale cause de d?c?s due ? un cancer chez les femmes. L'am?lioration du pronostic du cancer a ?t? l'une des principales pr?occupations afin de permettre une meilleure gestion et un meilleur traitement clinique des patients. Avec l'avancement rapide des technologies de profilage g?nomique durant ces derni?res d?cennies, la disponibilit? ais?e d'une grande quantit? de donn?es g?nomiques pour la recherche m?dicale a motiv? la tendance actuelle qui consiste ? utiliser des outils informatiques tels que l'apprentissage statistique dans le domaine de la science des donn?es afin de d?couvrir les biomarqueurs mol?culaires en lien avec l'am?lioration du pronostic. Cette th?se est con?ue suivant deux directions d'approches destin?es ? r?pondre ? deux d?fis majeurs dans l'analyse de donn?es g?nomiques pour le pronostic du cancer du sein d'un point de vue m?thodologique de l'apprentissage statistique : les approches bas?es sur le classement pour am?liorer le pronostic mol?culaire et les approches guid?es par un r?seau donn? pour am?liorer la d?couverte de biomarqueurs. D'autre part, les m?thodologies d?velopp?es et ?tudi?es dans cette th?se, qui concernent respectivement l'apprentissage ? partir de donn?es de classements et l'apprentissage sur un graphe, apportent une contribution significative ? plusieurs branches de l'apprentissage statistique, concernant au moins les applications ? la biologie du cancer et la th?orie du choix social.