Réseaux de neurones pour graphe pour la prédiction de phénotype

Résumé: Dans cette présentation, je parlerai du problème de prédiction de phénotype à partir de données d’expression de gènes, pour lequel beaucoup de méthodes d’apprentissage ont été utilisées. En particulier, les réseaux de neurones pour graphe (GNN) ont été mentionnés à plusieurs reprises comme un bon candidat pour ce problème de prédiction car ils permettent d’intégrer des informations sur la régulation ou la co-expression des gènes grâce à l’utilisation d’un réseau de gènes. Cependant, à ce jour, aucun benchmark complet et reproductible n’a été réalisé pour analyser le compromis entre le coût et le bénéfice d’une telle approche par rapport à des méthodes d’apprentissage plus standards (et plus simples). Dans cette présentation je présenterai le benchmark que nous avons réalisé et dans lequel plusieurs méthodes ont été évaluées de façon comparable sur plusieurs jeux de données.