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

Equipe SOLsTIS

Statistical mOdelling and Learning for environnemenT and lIfe Sciences

Modélisation et apprentissage Statistique pour les sciences du vivant et de l'environnement.

L'équipe SOLsTIS   "Modélisation et apprentissage statistique pour les Sciences du vivant et l'Environnement"  développe et diffuse des méthodes statistiques de modélisation et d'apprentissage en application aux sciences du vivant, en particulier en génomique, génétique, biologie intégrative, écologie, risques environnementaux,  santé animale et végétale, épidémiologie, agronomie, etc... 

L'équipe composée d'une vingtaine de membres permanents présente un large spectre de compétences en modélisation, statistiques bayésiennes, processus stochastiques, apprentissage statistique, optimisation, algorithmes stochastiques, etc. Les problèmes traités sont en général issus des sciences du vivant et de l'environnement, et aboutissent à la publication d'articles  en statistiques et dans le domaine d'application et ainsi qu'à la production d'outils informatiques (packages, applications...).  

Responsables : Sophie Donnet, Pierre Barbillon

Thématiques / Research topics

  • Modélisation Statistique / Statistical Modelling
  • Apprentissage supervisé (Régression, Classification) / Supervised Learning (Regression, Classification)
  • Apprentissage non-supervisé (Réduction de dimension, Classification) / Unsupervised Learning (Dimension Reduction, Clustering)
  • Réseaux (Analyse et Inférence) / Networks (Analysis, Reconstruction)
  • Segmentation & Trajectoires / Segmentation and Trajectories
  • Statistiques spatiales et spatio-temporelles (modèles hiérarchiques bayésiens, Processus ponctuels, étude de la dépendance, Simulations conditionnelles de processus) / Spatial and spatio temporal statistics ( Hierarchical Bayesian Modelling, Point processes, dependence properties)
  • Extremes multivariés et spatialisés / Multivariate Extremes, Spatial Extremes
  • Expériences numériques, Propagation d’incertitude et théorie de la décision bayésienne / Stochastic approximation of numerical experiments, Bayesian decision theory

Méthodologie

Modèles: 

modèles linéaires et ses extensions, modèles à variables latentes, modèles graphiques, séries temporelles, processus de diffusion

Méthodes d'inférence: 

méthodes régularisées, inférence variationnelles, algorithmes stochastiques, méthodes d'ensembles, approches bayésiennes, métanalyse

Outils d'analyse: 

M-estimation, statistique des graphes aléatoires, statistique pour la grande dimension, statistique robuste

Champs d'application

Disciplines

(méta)génomique, génétique, métabolomique, épidémiologie, etc.

Champs

  • Alimentation et agriculture (santé animale, amélioration des plantes, agriculture numérique)
  • Environnement, écologie et biodiversité (risque, écologie microbienne, écosystèmes)
  • Santé (biologie moléculaire, médecine de précision/prédictive)
  • Applications industrielles (Fiabilité) / Industrial applications

Projets en cours

Financés par l'ANR

  • ANR G2WAS (2020-2023): Genetic architecture of the tolerance to water deficit in a perennial fruit species (V. vinifera)
  • ANR SENTINEL (2020-2024): Outils à haut débit pour un renforcement de la surveillance de la sécurité chimique des aliments.
  • ANR SingleStatOmics (2019-2022): Statistics and Machine Learning for Single-Cell Genomics
  • ANR EcoNet (2019-2022): Advanced statistical modelling of ecological networks
  • ANR Pastodiv (2019-2022): Pratiques pastorales et diversité des animaux domestiqués
  • ANR ABSint (2018-2022): Solutions bayésiennes approchées pour l’inférence dans de grands jeux de données et dans des modèles complexes.
  • ANR NGB (2018-2021): Next Generation Biomonitoring of change in ecosystem structure and function

Autres projets financés

  • INCA Epishift (2019-2023): Switching resistance to sensitive phenotype of PDAC by targeting the epigenome
  • AgroParisTech SYMBIOMODEL (2021-2023): Modélisation des interactions trophiques entre racines et microorganismes bénéfiques du sol
  • Défi CNRS ARN-RG (2019-2021): Inférence des ARNs non-codants impliqués dans l’initiation de la racine latérale et modélisation de leur rôles dans le Réseau Génétique associé
  • AgroParisTech CRESS (2018-2020): Caractérisation de RESeaux de co-variation traductionnelle en réponse au Stress froid lors de la germination et de la croissance précoce des plantes
  • SEARS Stratégies d’Echantillonnage et Analyse des Réseaux d’approvisionnement en Semences (métaprogramme GloFoods, coordination INRA/CIRAD).
  • Projet FUI SmartFertiReuse(partenariat Veolia) Développer un service complet et innovant pour une gestion agro-écologique des eaux résiduaires traitées et des fertilisants.
  • Projet DATA IA WARM RULES (2019-2022): Gradual Causal Rules Detection in Knowledge Graphs exploiting Temporal Relations, Contextual Identity Links and Statistical Methods: application to Plant Development in Climatic Warming Preoccupation, Japon + EkINocs + LRI + GQE.
  • GT STEP 500-ENI: animation du groupe statistique pour l’analyse des données de biodiversité et pratiques agricoles.
  • Consortium Om3D : modélisation et inférence bayésienne pour identifier les sources alimentaires durables d'oméga-3 et de vitamine D

Autres projets

  • Mousses, Contamination en métaux lourds des mousses et qualité de l’air en région parisienne. Statistique spatiales et modélisation hiérarchique.
  • MNHN Herbier, Prédiction du niveau de menace d’une plante à partir des données de l’IUCN et de bases de données internationales (GBIF, Checklist) et française (Herbier du MNHN).
  • Soybean, Modélisation de la croissance de plantes de soja à partir de données obtenues par drone sur 200 variétés de soja en conditions normales ou de stress hydrique, (Japon). 
  • Projet Pelagis, université La Rochelle : comptage des mammifères marins, statistiques bayésiennes computationelles et élicitation
  • Consortium Echlore : étude des leviers du système agri-alimentaire pour réduire l'exposition à la chlordécone des populations de Martinique et Guadeloupe

Thèses en cours

Accueillies dans l'unité 

  • Jérémy Lamouroux (2022-2025), Etude de distributions spatiales régionalisées de contaminants atmosphériques bioaccumulés par des mousses végétales sur le territoire français, I. Albert, collaboration avec l'UMS Patrimoine Naturel
  • Emre Anakök (2021-2024), Prise en compte des effets d'échantillonnage pour la détection de structure des réseaux écologiques, P. Barbillon. Co-encadrement : Colin Fontaine (MNHN) Élisa Thébault (SU).
  • Mary Savino (2021-2024), Méthodes d'apprentissage statistique pour la simulation de problèmes fortement non linéaires en milieu poreux (thèse financée et co-encadrée par l'ANDRA), C. Lévy-Leduc.
  • Wencan Zhu (2019-2022), Identification de biomarqueurs dans le domaine de la médecine de précision (CIFRE, co-encadrement SANOFI), C. Lévy-Leduc.
  • Marina Gomtsyan (2020-2023), Sélection de variables dans les modèles GLARMA en grande dimension, C. Lévy-Leduc, co-encadrement avec : S. Ouadah et L. Sansonnet.
  • Mathis Chagneux, (2020-) Détection automatique de plastique en bord de rivière, P Gloaguen, co-encadrement S. Le Corff TPS, C. Ollion CMAP X, collaboration association Surfrider.
  • Tam Le Minh, (2020-)  Comparaison de réseaux écologiques. Encadré par S. Donnet, F. Massol (CNRS) S. Robin. 
  • Edouard Chatignoux (2020-) Prédiction de l’incidence des cancers à une échelle géographique fine sur le territoire français à partir de données d’incidence partiellement observées et de proxys, I. Albert, collaboration avec Santé Publique France.
  • Béwentaoré Sawadogo (2017-) Détection de tendance dans les extrêmes, application aux précipitations au Burkina, L. Bel, cotutelle de D. Barro, Burkina.

Co-encadrées par des membres de l'unité

  • Perrine Lacroix (2018-2021): Régression en grande dimension pour l’inférence de réseau, co-encadrement Laboratoire de Mathématiques d'Orsay
  • Julien Rozières: Detection de motifs cis-regulateurs chez les plantes, co-encadrement IJPB

Groupes de travail

Coordination & Animation

  • State Of The R (2017-) - réseau méthodologique autour des questions computationnelles
  • RESSTE (2014-) - réseau méthodologique autour des modèles spatio-temporels
  • NetBio (2009-) - réseau méthodologique NUMM "Inférence de réseaux (biologiques)"
  • StatOmique (2008-)- Méthodologie statistique pour les données à haut-débit
  • Autoencodeurs variationnels
  • All about that Bayes.
  • Van der Vaart (autoformation en probabilité).
  • Applibugs (2015-)
  • Participation
  • Mires - Méthodes Interdisciplinaires pour les Réseaux d’Échanges de Semences
  • GdR ReSoDiv - Réseaux, sociétés et diversité (programme du CNRS, depuis 2018)
  • GdR BIM - Bioinformatique Moléculaire
  • GdR EcoStat - Ecologie Statistique
  • GdR GE - Génomique Environnementale
  • GdR Statistique et Santé
  • Réseau Stat et trajectoires (Workshop/Séminaire en décembre)
  • Large Participation to SFDS conferences
  • Movement Ecology Workshop

Organisation de conférences

  • Rencontres R 2021 - conférence nationale fournissant un lieu d’échange autour de la galaxie R
  • SMPGD - Statistical Methods for Post Genomic Data
  • SatRday 2019 - conférence régionale pour soutenir la collaboration, la mise en réseau et l'innovation au sein de la communauté R

Les thèses, post-doc et anciens de l'équipe SOLsTIS

>>> depuis 2022
Lire la suite

Les ANR passées

>>>
Lire la suite

Les thèses, post-doc et anciens de l'équipe Stat & Génome

>>> jusquà fin 2020
Lire la suite

Les thèses, post-doc et anciens de l'équipe MoRSE

>>> jusquà fin 2020
Lire la suite