Introduction à l’analyse génétique PDF

Sauter à la navigation Sauter à la recherche Les algorithmes génétiques appartiennent à la famille des algorithmes évolutionnistes. L’utilisation d’algorithmes génétiques, dans la résolution de problèmes, est à l’origine le fruit des recherches de John Holland et de ses collègues et élèves de l’Université du Michigan qui ont, dès 1960, travaillé sur introduction à l’analyse génétique PDF sujet. Et c’est cet opérateur qui permet le plus souvent de se rapprocher de l’optimum d’une fonction en combinant les gènes contenus dans les différents individus de la population. Le premier aboutissement de ces recherches a été la publication en 1975 de Adaptation in Natural and Artificial System.


Cet ouvrage met en avant les apports de l’analyse génétique aux autres domaines de la biologie, en particulier l’évolution, le développement et la biologie moléculaire. Le contenu de cette cinquième édition française a été remanié en accord avec la pratique actuelle de la génétique. Le livre met l’accent sur la recherche consacrée aux gènes de maladies : leur identification grâce aux cartes génomiques, l’analyse de leur fonctionnement, leur comparaison avec d’autres gènes et leurs mécanismes de régulation. La génomique comparée trouve une place de choix dans cette édition, et une fois encore, les auteurs soulignent son influence sur d’autres domaines de la biologie. Une nouvelle rubrique intégrée dans les chapitres fait le point sur la pratique actuelle de la génétique en laboratoire. Des études de cas figurent également en fin d’ouvrage. Les expériences ayant mené aux grandes découvertes de la génétique, tout comme les mécanismes du cancer sont décrits dans les chapitres concernés afin de faciliter leur compréhension. La régulation et la recombinaison des gènes sont traitées de manière détaillée, de même que les mécanismes eucaryotes et procaryotes et le rôle de la conformation de la chromatine dans l’expression des gènes. Le développement est désormais expliqué de manière continue, afin de donner une vision d’ensemble au lecteur. Les lois de Mendel quant à elles sont exposées séparément pour que les étudiants comprennent mieux leurs conséquences propres. Comme dans les éditions précédentes, des exercices de niveaux variés permettent à l’étudiant de vérifier ses acquis et des sites Internet récents consacrés aux bases de données de la biologie leur offriront la possibilité d’adopter le comportement du chercheur en biologie.

Ce livre est encore édité aujourd’hui. Intelligence Artificielle et Informatique Théorique qui lui consacrera un chapitre dès 1993. Les algorithmes génétiques étant basés sur des phénomènes biologiques, il convient de rappeler au préalable quelques termes de génétique. Les organismes vivants sont constitués de cellules, dont les noyaux comportent des chromosomes qui sont des chaînes d’ADN. On utilise aussi, dans les algorithmes génétiques, une analogie avec la théorie de l’évolution qui propose qu’au fil du temps, les gènes conservés au sein d’une population donnée sont ceux qui sont le plus adaptés aux besoins de l’espèce vis-à-vis de son environnement. Ces opérations sont  imitées  par les algorithmes génétiques afin de faire évoluer les populations de solutions de manière progressive. Sélection Pour déterminer quels individus sont plus enclins à obtenir les meilleurs résultats, une sélection est opérée.

Enjambement, croisement ou recombinaison Lors de cette opération, deux chromosomes s’échangent des parties de leurs chaînes, pour donner de nouveaux chromosomes. Les algorithmes génétiques, afin de permettre la résolution de problèmes, se basent sur les différents principes décrits ci-dessus. Wentzell des perturbations stochastiques des systèmes dynamiques. La démonstration de Cerf montre d’ailleurs que le processus de convergence dépend essentiellement de la mutation, le croisement pouvant être éliminé en théorie. De manière globale, on commence avec une population de base qui se compose le plus souvent de chaînes de caractères correspondant chacune à un chromosome. Le contenu de cette population initiale est généré aléatoirement.

On attribue à chacune des solutions une note qui correspond à son adaptation au problème. Ensuite, on effectue une sélection au sein de cette population. Il existe plusieurs techniques de sélection. Sélection par rang Cette technique de sélection choisit toujours les individus possédant les meilleurs scores d’adaptation, le hasard n’entre donc pas dans ce mode de sélection.

Le principe des algorithmes génétiques est d’effectuer ces opérations un maximum de fois de façon à augmenter la justesse du résultat. Il existe plusieurs techniques qui permettent éventuellement d’optimiser ces algorithmes, on trouve par exemple des techniques dans lesquelles on insère à chaque génération quelques individus non issus de la descendance de la génération précédente mais générés aléatoirement. Ainsi, on peut espérer éviter une convergence vers un optimum local. Ce type de codage est certainement le plus utilisé car il présente plusieurs avantages. Les raisons pour lesquelles ce type de codage est le plus utilisé sont tout d’abord historiques.