Programme et résumés (pdf) - Société statistique du Canada

142 Mardi 30 mai • Tuesday, May 30, 15:15–16:45interactions. Ils ont significativement contribué à notre com-préhension de l’infection par le VIH et du développementdu médicament antiviral thérapeutique. Dans cette présen-tation nous discuterons d’un ensemble d’équations différen-tielles pour modéliser le système dynamique à long terme duVIH. Une méthode de profilage généralisée sera appliquéeaux modèles dynamiques de VIH pour l’ajuster aux donnéescliniques, avec un effet « patient » aléatoire pris en considé-ration. L’idée est de réduire la dimensionnalité de l’espace deparamètres en traitant les paramètres nuisibles comme fonc-tions des paramètres structuraux.actions. They have significantly contributed to ourunderstanding of HIV infection and the developmentof antiviral drug therapy. The talk will introducea set of differential equations to model longtermHIV dynamical system. A generalized profilingmethod will be applied to fit HIV dynamicmodels to clinical data, with a random patient effecttaken into account. The idea is to reduce thedimensionality of parameter space by treating thenuisance parameters as functions of structural parameters.[MS-168]Dynamic Variable Selection in SNP Classification Based on an APEX Microarray PlatformSélection de variable dynamique en classification de SNP basée sur une plate-forme de puces APEXMohua PODDER, William J. WELCH & Ruben H. ZAMAR, University of British ColumbiaNous développons un algorithme de classification basésur l’analyse discriminante linéaire (ADL) utilisant la sé-lection de variables dynamiques pour une plate-formede biopuces APEX de génotypage SNP. En utilisant unensemble de 32 échantillons de Coriel comme jeu dedonnées d’entraînement, nous développons un algorithmed’apprentissage supervisé robuste et complètement auto-matisé et obtenons un niveau de précision de 98 dans unnouveau jeu de données de 270 SIRS obtenu à partir de lamême plate-forme de biopuces pour génotypage SNP. Cetalgorithme basé sur des modèles utilise la redondance dansle système en considérant toute l’information sous-jacenteà un SNP, accordant ainsi moins d’importance aux « mauvaisesdonnées ».We develop a classification algorithm based onsimple Linear Discriminant Analysis (LDA) usingdynamic variable selection for an APEX microarrayplatform of SNP genotyping. Using a set of 32Coriell sample as a training data set, we develop asupervised learning algorithm which is robust andfully automated and also achieve an accuracy levelof 98 in a new data set of 270 SIRS sample based onthe same APEX microarray platform for SNP genotyping.This model-based algorithm captures theredundancy in the system considering all the underlyinginformation for a SNP automatically downweighting the ’bad data’.[MS-169]Sequential Learning of SVMs for Target Identification in Drug DiscoveryApprentissage séquentielle de SVMs pour l’identification de cible dans la découverte de médicamentQian ZHOU, University of Waterloo, S. Stanley YOUNG, National Institute of Statistical Sciences, Mu ZHU, Universityof WaterlooAn important problem in drug discovery is to builda model (e.g., an SVM) to screen a large databaseUn problème important dans la découverte de médicamentest d’établir un modèle (par exemple, un SVM) pourand identify a few active chemical compounds. To examiner une grande base de données et pour identifierbuild an SVM, we must test some compounds first quelques composés chimiques actifs. Pour construire unin order to construct a training set. Instead of ran- SVM, nous devons examiner quelques composés d’aborddomly selecting these initial compounds, we use afin de construire un ensemble d’entraînement. Au lieuactive learning to construct the initial training set de choisir aléatoirement ces composés initiaux, nous emsequentially.We investigate several different se- ployons l’apprentissage actif pour construire l’ensemblequential strategies. Using a randomized block de- d’entraînement initial séquentiellement. Nous étudions plusign,we conduct a number of experiments to sta- sieurs différentes stratégies séquentielles. En utilisant untistically assess these different strategies. Our main plan d’expérience en blocs aléatoires, nous mènerons unSH = Somerville House SSC = Social Science Centre UC = University College