Les puces à ADN permettent de déterminer simultanément le niveau d'expression de milliers de gènes. Une étude nycthémérale doit permettre d'en inférer quels sont ceux qui présentent un rythme circadien et ceux qui en sont dépourvus. Cette entreprise est rendue délicate par deux aspects : que signifie exactement « circadien » et comment quantifier cette qualification et ensuite, quels sont les gènes qui ressortissent à cette définition. Notre méthode, dérivée des procédures d'optimisation linéaire, consiste à déterminer une fonction de coût, dépendant de grandeurs caractérisant la notion de rythme circadien. Parmi les gènes présents sur la puce un certain nombre sont connus pour leur aspect circadien ; leurs séries temporelles sont considérées comme séries de référence. Par ailleurs, nous construisons des séries aléatoires de même structure temporelle que les séries des gènes. Nous effectuons alors une procédure d'optimisation pour déterminer les coefficients de pondération afin d'obtenir une valeur de fonction de coût qui classe les séries temporelles avec pour résultat : les séries de référence sont placées dans les premiers rangs et les séries aléatoires ont des scores faibles par rapport aux séries de référence. Nous avons testé cette méthode sur plus de 6000 gènes exprimés dans le foie de la souris. Nous obtenons une probabilité de détection d'un gène circadien de 100 % avec un taux de fausse alarme inférieur à 1 %.

DNA microarrays allow to simultaneously determine the expression level of thousands of genes. A nycthemeral study must enable to conclude which ones show a circadian rhythm. Two aspects prove this to be quite difficult: firstly, what does "circadian» exactly mean and how to quantify this qualification, and secondly which genes pertain to this definition. Our method, derived from linear optimisation procedures, consists in determining a cost function, depending from magnitudes caracterising the notion of circadian rhythm. Given number of genes present on the microarray are known to be expressed rhythmically; their time series are considered as reference series. We have further constructed random series having the same temporal structure as the circadian gene series. We then carried out an optimisation procedure to determine the weighting coefficients in order to obtain a cost function value which orders the time series as follows: the reference series are in the first rows and the random series have low scores. We have tested this method on over 6000 genes expressed in mouse liver. We obtained a circadian gene detection probability of 100% with a false positive rate inferior to 1%.