Apprentissage d'automates par fusions de paires de fragments significativement similaires et premières expérimentations sur les protéines MIP
Abstract
Nous proposons une nouvelle approche permettant d'apprendre des automates non déterministes pour la caractérisation et la modélisation de séquences protéiques. Cette approche est basée sur la fusion de fragments significativement similaires pour la caractérisation de la famille. Trois heuristiques d'ordonnancement des paires de fragment sont introduites, dont une utilisant la présence de contre-exemples, et un processus de généralisation, basé sur l'identification des propriétés physico-chimiques des acides aminés, est proposé. Les premières expérimentations menées sur la caractérisation de protéines de la famille MIP montrent la pertinence des automates appris, attestée par un bon pouvoir de prédiction. Mots clés : Inférence d'automates, découverte de motifs, séquences protéiques, propriétés physico-chimiques des acides aminés.
Loading...