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

Vincent Brault (1) , Emilie Lebrarbier (2) , Amélie Rosier (2, 3) , Virginie Stoppin-Mellet (4)

1 SVH - Statistique pour le Vivant et l’Homme
2 MODAL'X - Modélisation aléatoire de Paris X
3 ESME - ESME - École spéciale de mécanique et d'électricité
4 LPCV - Physiologie cellulaire et végétale

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.

Mots clés: Functional data Model-based clustering Constrained parameters ECM algorithm; Functional data; Model-based clustering; Constrained parameters; ECM algorithm

Mots clés: Données fonctionnelles; Classification automatique; Modèle de mélange; Paramètres contraints; Algorithme ECM

Domaines: Applications [stat.AP]; Neurosciences

Vincent Brault, Emilie Lebrarbier, Amélie Rosier, Virginie Stoppin-Mellet. Classification contrainte de signaux, application à l'étude de la protéine neuronale tau. 54es Journées de Statistique de Société Française de Statistique, Société Française de Statistique; Université libre de Bruxelles, Jul 2023, Bruxelles, France. ⟨hal-04182472⟩