Cet ouvrage expose les principaux outils statistiques utiles à la génétique : tests de signification, méthodes d’analyse fondées sur la fonction de vraisemblance, algorithme EM, modélisations, analyse de la variance, classifications hiérarchiques, comparaisons multiples, etc. Tous permettent d’éclairer nombre de phénomènes biologiques comme la carcinogenèse, la génétique des populations, l’équilibre de Hardy-Weinberg, la sélection naturelle, les mutations, l’hérédité, les processus de coalescence, ou encore l’évolution. Ce livre s’adresse autant aux mathématiciens qu’aux biologistes. Rédigé avec un grand souci de clarté, il est également accessible aux non-spécialistes qui pourront, grâce à lui, renforcer leur base théorique et surtout développer leur savoir-faire par des applications très concrètes.
Cet ouvrage expose plusieurs concepts fondamentaux des statistiques et de la modélisation stochastique appliqués à la génétique. Les dispositifs analysés – tests de signification, méthodes d’analyse fondées sur la fonction de vraisemblance, algorithme EM, modélisations, analyse de la variance, classifications hiérarchiques, comparaisons multiples, etc. – se révèlent tous utiles pour comprendre de nombreux phénomènes biologiques. L’un des chapitres propose un éclairage sur la carcinogenèse grâce à la modélisation stochastique et diverses méthodes d’estimation ; un autre, tourné vers la génétique des populations, expose l’équilibre de Hardy-Weinberg et livre une interprétation statistique de la sélection naturelle, des processus de mutation et de l’héritabilité. Le modèle génétique de Wright-Fisher et les processus de coalescences sont eux-aussi analysés. Le processus de l’évolution, la comparaison des séquences d’ADN et la construction d’arbres phylogénétiques font l’objet du dernier chapitre. Cet ouvrage s’adresse autant aux mathématiciens qu’aux biologistes. Les premiers y trouveront un ensemble d’études de cas tirés de la génétique ; les seconds pourront se familiariser avec les outils d’analyse et de modélisation mathématique de leur discipline. Rédigé avec un grand souci de clarté, il est également accessible aux non-spécialistes qui pourront ainsi renforcer leur base théorique et surtout développer leur savoir-faire grâce à des applications très concrètes.
Stephan Morgenthaler
Génétique Variance carcinogenèse classification données génétiques microarray modèles stochastiques