CSI 4506 : Mon parcours académique

Auteur·rice

Marcel Turcotte

Date de publication

27 août 2024

J’ai obtenu mon doctorat à l’Université de Montréal, où j’ai eu le privilège d’être encadré par Guy Lapalme, un chercheur reconnu internationalement pour ses contributions au traitement automatique des langues (TAL). Lapalme a été honoré par de nombreux prix pour son travail, y compris un doctorat honorifique de l’Université de Neuchâtel. Il a également reçu le Prix pour l’ensemble de ses réalisations de l’Association canadienne pour l’intelligence artificielle en 2011 et de CS-Can en 2023, soulignant son impact significatif dans le domaine de l’intelligence artificielle.

Au début de ma carrière, j’ai appliqué des techniques de calcul symbolique pour prédire la structure tridimensionnelle des structures de l’acide ribonucléique (ARN).

J’ai ensuite fait une transition vers l’apprentissage automatique, j’ai orienté mes recherches vers la programmation logique inductive (ILP) et étudié le repliement des protéines, les associations entre les sites de liaison des facteurs de transcription et la synthèse de données génomiques multimodales. J’ai eu le privilège de travailler avec Stephen Muggleton, qui est connu pour avoir fondé le domaine de la Programmation Logique Inductive, un sous-domaine de l’intelligence artificielle symbolique qui utilise la programmation logique pour représenter de manière homogène les connaissances contextuelles, les exemples et les hypothèses.

Avec mes étudiants, nous avons développé des algorithmes pour la découverte de motifs utilisant des tableaux de suffixes et des graphes, en incorporant des principes de la statistique, de la théorie de l’information et du codage à longueur minimale de description pour évaluer et prioriser les motifs. De plus, nous avons créé des algorithmes basés sur le calcul évolutif multi-objectif pour extraire des expressions de réseaux représentant des motifs d’ADN.

Récemment, nous avons adopté l’apprentissage profond pour relever divers défis en bioinformatique. Un aspect de nos recherches a consisté à concevoir une méthode d’encodage pour les ARN qui capture des informations sur leurs structures secondaires. De plus, nous avons exploré comment l’apprentissage profond peut être utilisé pour quantifier la spécificité des signatures ADN par type cellulaire.

En 2019, j’ai développé un cours intitulé “Machine Learning for Bioinformatics”, qui propose une introduction aux théories et méthodes d’apprentissage automatique, spécifiquement adaptées aux applications sur les données de séquences biologiques, l’expression génique, la génomique et la protéomique.

Autres faits notables :