Outil d'évaluation et d'analyse de clusters pour des modèles de données, notamment dans le cadre de l'outil Scanette. Il permet de mesurer la pertinence des clusters en comparant les transitions entre états ou traces, afin d'identifier des similitudes ou des différences entre les groupes de données.

Ce projet académique compare différentes méthodes de clustering (k-means, classification hiérarchique, clara, EM) appliquées à des données de transcriptomique. L'objectif est d'identifier des groupes de gènes corrélés pour comprendre des phénomènes de co-régulation ou d'association à des maladies. Les résultats sont analysés et comparés entre méthodes, puis enrichis via des ontologies de gènes pour évaluer leur pertinence biologique. Des visualisations et rapports détaillés sont générés pour faciliter l'interprétation des données.