En savoir plus

A propos des cookies

Qu’est-ce qu’un « cookie » ?

Un "cookie" est une suite d'informations, généralement de petite taille et identifié par un nom, qui peut être transmis à votre navigateur par un site web sur lequel vous vous connectez. Votre navigateur web le conservera pendant une certaine durée, et le renverra au serveur web chaque fois que vous vous y re-connecterez.

Différents types de cookies sont déposés sur les sites :

  • Cookies strictement nécessaires au bon fonctionnement du site
  • Cookies déposés par des sites tiers pour améliorer l’interactivité du site, pour collecter des statistiques

> En savoir plus sur les cookies et leur fonctionnement

Les différents types de cookies déposés sur ce site

Cookies strictement nécessaires au site pour fonctionner

Ces cookies permettent aux services principaux du site de fonctionner de manière optimale. Vous pouvez techniquement les bloquer en utilisant les paramètres de votre navigateur mais votre expérience sur le site risque d’être dégradée.

Par ailleurs, vous avez la possibilité de vous opposer à l’utilisation des traceurs de mesure d’audience strictement nécessaires au fonctionnement et aux opérations d’administration courante du site web dans la fenêtre de gestion des cookies accessible via le lien situé dans le pied de page du site.

Cookies techniques

Nom du cookie

Finalité

Durée de conservation

Cookies de sessions CAS et PHP

Identifiants de connexion, sécurisation de session

Session

Tarteaucitron

Sauvegarde vos choix en matière de consentement des cookies

12 mois

Cookies de mesure d’audience (AT Internet)

Nom du cookie

Finalité

Durée de conservation

atid

Tracer le parcours du visiteur afin d’établir les statistiques de visites.

13 mois

atuserid

Stocker l'ID anonyme du visiteur qui se lance dès la première visite du site

13 mois

atidvisitor

Recenser les numsites (identifiants unique d'un site) vus par le visiteur et stockage des identifiants du visiteur.

13 mois

À propos de l’outil de mesure d’audience AT Internet :

L’outil de mesure d’audience Analytics d’AT Internet est déployé sur ce site afin d’obtenir des informations sur la navigation des visiteurs et d’en améliorer l’usage.

L‘autorité française de protection des données (CNIL) a accordé une exemption au cookie Web Analytics d’AT Internet. Cet outil est ainsi dispensé du recueil du consentement de l’internaute en ce qui concerne le dépôt des cookies analytics. Cependant vous pouvez refuser le dépôt de ces cookies via le panneau de gestion des cookies.

À savoir :

  • Les données collectées ne sont pas recoupées avec d’autres traitements
  • Le cookie déposé sert uniquement à la production de statistiques anonymes
  • Le cookie ne permet pas de suivre la navigation de l’internaute sur d’autres sites.

Cookies tiers destinés à améliorer l’interactivité du site

Ce site s’appuie sur certains services fournis par des tiers qui permettent :

  • de proposer des contenus interactifs ;
  • d’améliorer la convivialité et de faciliter le partage de contenu sur les réseaux sociaux ;
  • de visionner directement sur notre site des vidéos et présentations animées ;
  • de protéger les entrées des formulaires contre les robots ;
  • de surveiller les performances du site.

Ces tiers collecteront et utiliseront vos données de navigation pour des finalités qui leur sont propres.

Accepter ou refuser les cookies : comment faire ?

Lorsque vous débutez votre navigation sur un site eZpublish, l’apparition du bandeau « cookies » vous permet d’accepter ou de refuser tous les cookies que nous utilisons. Ce bandeau s’affichera tant que vous n’aurez pas effectué de choix même si vous naviguez sur une autre page du site.

Vous pouvez modifier vos choix à tout moment en cliquant sur le lien « Gestion des cookies ».

Vous pouvez gérer ces cookies au niveau de votre navigateur. Voici les procédures à suivre :

Firefox ; Chrome ; Explorer ; Safari ; Opera

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de INRAE par email à cil-dpo@inrae.fr ou par courrier à :

INRAE
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2021

Menu Logo Principal AgroParisTech Université Paris Saclay

MIA Paris

Marie-Laure Martin-Magniette

Marie-Laure Martin-Magniette

Position

Researcher (DR) at Institut National de la Recherche pour l'Agriculture, l'alimentation et l'Environnement

  • in the joint Research Unit MIA-Paris (Solstis Team)
  • in the joint Research Unit IPS2 (Leader of the group Genomic networks).

Phone: +33 1 44 08 16 73 (Paris) 
Phone: +33 1 69 15 77 64 (Gif-sur-Yvette) 
Fax: + 33 1 44 08 16 66
Mail : marie_laure.martin@agroparistech.fr

Research interests

  • Statistical Methodology
    • High-dimensional regression for network inference
    • Variable selection in Gaussian Mixture models
    • Mixture models
    • Model selection
  • Statistical Applications in Molecular Biology
    • Omic data (transcriptomic, proteomic and metabolomic data)
    • Transcription Factors
    • Global analysis of microarray data
    • Gene networks

Students

Co-supervisor with Gilles Celeux of the thesis of Cathy Maugis Variable selection for model-based clustering. Application for transcriptome data analysis.

Co-supervisor with Stéphane Robin of the thesis of Caroline Bérard Statistical and bioinformatic analysis of ChIP-chip data and transcriptome data from tiling array.

Co-supervisor with Stéphane Robin of the thesis of Stevenn Volant Statistical methods for transcriptome tiling-array data.

Co-supervisor with Etienne Delannoy of the thesis of Rim Zaag 

Co-supervisor with Gilles Celeux of the thesis of Yann Vasseur

Co-supervisor with Julien Chiquet and Guillem Rigaill of the thesis of Trung Ha

Current PhD students:

Scientific animations

NETBIO is a French group of more than 200 scientists, mainly statisticians, biologists and bioinformaticians, interested in gene networks and network inference and analysis

DIGIT-Bio "IA pour les sciences du vivant" is a  cycle of webinars on IA for the life sciences

Training

Since 2015 and twice per year, I have been co-leading a one-week training on RNAseq analysis entitled "From gene expression to networks" with Etienne Delannoy

Softwares and R Packages

DiCoExpress : is a workspace developed in R to perform RNAseq data analysis.

Development of R package before 2015

Anapuce: normalisation and differential analysis of transcriptome data

MixThres: mixture model of truncated gaussians to detect a hybridization threshold for microarray data

ChIPmix: mixture model of regression for chIP-chip data

Contribution to R package 

kerfdr: semi-parametric kernel-based approach to local fdr estimations

Softwares

SelvarClust is a software implemented in C++ with object-oriented programming. It is devoted to the variable selection in model-based clustering. It is a greedy algorithm associated to the SR modeling proposed by Maugis et al. (2009) in Biometrics. This software allows us to study data where individuals are described by quantitative block variables. It returns a data clustering and the selected model, composed of the number of clusters, the mixture form and the variable partition.

SelvarClustMV is a software implemented in C++ with object-oriented programming. It is an extension of SelvarClust, it is devoted to the variable selection in model-based clustering allowing for missing value. Currently, this software is proposed for Gaussian mixtures whose variance matrices are assumed to be identical and free (m=[pkLC]).

SelvarClustIndep is a software implemented in C++ with object-oriented programming. It is devoted to the variable selection in model-based clustering. It is a greedy algorithm associated to the SRUW modeling proposed by Maugis et al. (2009) in CSDA. The SRUW modeling takes into account three possible roles for each variable: relevant, redundant and independent. This software allows to study datasets where observations are described by quantitative variables. It returns a data clustering and the selected model composed of the number of clusters, the mixture form, the variance matrix form for the linear regression and the independent Gaussian density, and the variable partition.NETBIO

Publications de Marie-Laure Martin-Magniette

>>>
Lire la suite