Constrained signal classification, application to the study of the neuronal protein tau
Classification contrainte de signaux, application à l'étude de la protéine neuronale tau
Résumé
This work is motivated by an application in neuroscience, in particular by the study of the (dys)functioning of a protein called Tau. The objective is to establish a classification of intensity profiles, according to the presence or absence of the protein and its monomer or dimer proportion. For this, we propose here a Gaussian mixture model with a fixed number of groups whose mean parameters are constrained and shared by the groups. The inference of this model is done via the classical EM algorithm. The performance of the method will be evaluated via simulation studies and an application on real data will be done.
Ce travail est motivé par une application en neuroscience, en particulier par l'étude du (dys)fonctionnement d'une protéine appelée Tau. L'objectif est d'établir une classification de profils d'intensité, selon la présence ou pas de la protéine et sa proportion monomère ou dimère. Pour cela, nous proposons ici un modèle de mélange gaussienne en un nombre fixé de groupes dont les paramètres de moyennes sont contraints et partagés par les groupes. L'inférence de ce modèle est faite via l'algorithme classique EM. La méthode proposée sera évaluée via des études de simulations et une application sur des données réelles sera effectuée. Mots-clés. Données fonctionnelles, Classification automatique, Modèle de mélange, paramètres contraints, algorithme ECM.
Origine | Fichiers produits par l'(les) auteur(s) |
---|