Spam campaign detection, analysis, and formalization

Les courriels Spams (courriels indésirables ou pourriels) imposent des coûts annuels extrêmement lourds en termes de temps, d’espace de stockage et d’argent aux utilisateurs privés et aux entreprises. Afin de lutter efficacement contre le problème des spams, il ne suffit pas d’arrêter les messages de spam qui sont livrés à la boîte de réception de l’utilisateur. Il est obligatoire, soit d’essayer de trouver et de persécuter les spammeurs qui, généralement, se cachent derrière des réseaux complexes de dispositifs infectés, ou d’analyser le comportement des spammeurs afin de trouver des stratégies de défense appropriées. Cependant, une telle tâche est difficile en raison des techniques de camouflage, ce qui nécessite une analyse manuelle des spams corrélés pour trouver les spammeurs. Pour faciliter une telle analyse, qui doit être effectuée sur de grandes quantités des courriels non classés, nous proposons une méthodologie de regroupement catégorique, nommé CCTree, permettant de diviser un grand volume de spams en des campagnes, et ce, en se basant sur leur similarité structurale. Nous montrons l’efficacité et l’efficience de notre algorithme de clustering proposé par plusieurs expériences. Ensuite, une approche d’auto-apprentissage est proposée pour étiqueter les campagnes de spam en se basant sur le but des spammeur, par exemple, phishing. Les campagnes de spam marquées sont utilisées afin de former un classificateur, qui peut être appliqué dans la classification des nouveaux courriels de spam. En outre, les campagnes marquées, avec un ensemble de quatre autres critères de classement, sont ordonnées selon les priorités des enquêteurs. Finalement, une structure basée sur le semiring est proposée pour la représentation abstraite de CCTree. Le schéma abstrait de CCTree, nommé CCTree terme, est appliqué pour formaliser la parallélisation du CCTree. Grâce à un certain nombre d’analyses mathématiques et de résultats expérimentaux, nous montrons l’efficience et l’efficacité du cadre proposé.

Genomics to elucidate the molecular basis of calcific aortic valve disease

Le rétrécissement valvulaire aortique (RVA) est causé par une calcification et une fibrose progressive de la valve aortique. Le risque de développer la maladie augmente avec l’âge. À cause de l’augmentation de l’espérance de vie, le RVA est devenu un problème de santé publique. Le RVA est fatal en absence de traitement médical. Actuellement, la chirurgie est le seul traitement pour le stade sévère de la maladie, mais près de 50% des individus avec RVA n’y sont pas éligibles, principalement due à la présence de comorbidités. Plusieurs processus biologiques ont été associés à la maladie, mais les voies moléculaires spécifiques et les gènes impliqués dans le développement et la progression du RVA ne sont pas connus. Il est donc urgent de découvrir les gènes de susceptibilité pour le RVA afin d’identifier les personnes à risque ainsi que les biomarqueurs et les cibles thérapeutiques pouvant mener au développement de médicaments pour inverser ou limiter la progression de la maladie. L’objectif de cette thèse de doctorat était d’identifier la base moléculaire du RVA. Des approches modernes en génomique, incluant l’étude de gènes candidats et le criblage génomique par association (GWAS), ont été réalisées à l’aide de collections d’ADN provenant d’un grand nombre de patients bien caractérisés pour le RVA. Des études complémentaires en transciptomique ont comparé le profil d’expression global des gènes entre des valves calcifiées et non-calcifiées à l’aide de biopuces à ADN et de séquençage de l’ARN. Une première étude a identifié des variations dans le gène NOTCH1 et suggère pour la première fois la présence d’un polymorphisme commun dans ce gène conférant une susceptibilité au RVA. La deuxième étude a combiné par méta-analyse deux GWAS de patients provenant de la ville de Québec et Paris (France) aux données transcriptomiques. Cette étude de génomique intégrative a confirmé le rôle de RUNX2 dans le RVA et a permis l’identification d’un nouveau gène de susceptibilité, CACNA1C. Les troisième et quatrième études sur l’expression des gènes ont permis de mieux comprendre les bases moléculaires de la calcification des valves aortiques bicuspides et ainsi d’identifier de nouvelles cibles thérapeutiques pour le RVA. Les données générées par ce projet sont la base de futures découvertes importantes qui permettront d’améliorer les options de traitement et la qualité de vie des patients atteints du RVA.