Aller à : navigation, rechercher


Séminaires de l'unité MIAT


Le séminaire de l'équipe MIAT d'INRAe Toulouse est un endroit d'échanges scientifiques et techniques entre les membre de l'unité et des experts en mathématiques, informatique, agro-écosystèmes, bioinformatique, etc. Les présentations peuvent être sur des travaux en cours, des projets finalisés hautement spécialisés ou à valeur plus éducative / informationnelle. Les aspects mis en avant peuvent être d'ordre méthodologique ou applicatif.

Les présentations peuvent être en français ou en anglais pour une durée d'une heure (45min + questions). Sauf contre-indication, les séminaires ont lieu dans la salle de réunion MIAT à 10h30 le vendredi. L'accès à l'unité MIAT d'INRAe Auzeville/Castanet est indiqué ici (nous sommes à moins de 30 mètres de la réception !).

Séminaires de l'année en cours et séminaires futurs

25/06/2021 : Multi-omics data integration: towards a comprehensive view of cancer Laura Cantini (CNRS, IBENS)

18/06/2021 : Titre à venir. Magali Berland (MetaGenoPolis, INRAE)

11/06/2021 : Hybrid direct and iterative solvers for the sparse indefinite and overdetermined systems on future exascale architectures Philippe Leleux

Résumé : In scientific computing, the numerical simulation of systems is crucial to get a deep understanding of the physics underlying real world applications. The models used in simulation are often based on partial differential equations (PDE) which, after fine discretisation, give rise to huge sparse systems of equations to solve. Historically, 2 classes of methods were designed for the solution of such systems: direct methods, robust but expensive in both computations and memory; and iterative methods, cheap but with a very problem-dependent convergence. In the context of high performance computing, hybrid direct-iterative methods were then introduced in order to combine the advantages of both methods, while using efficiently the increasingly large and fast supercomputing facilities. In this thesis, we focus on the latter type of methods with two complementary research axes. In a first research track, we detail the mechanisms behind the efficient implementation of multigrid methods. The latter makes use of several levels of increasingly refined grids to solve linear systems with a combination of fine grid smoothing and coarse grid corrections. The efficient parallel implementation of such a scheme is a difficult task. We then focus on the improvement of the parallel efficiency of a multigrid scheme and in particular the scalability of the solver used on the coarsest grid. At extreme scale, this study is carried in the HHG framework (Hierarchical Hybrid Grids) for the solution of a Stokes problem with jumping coefficients, inspired from Earth's mantle convection simulation.
In the following chapters, we study some hybrid methods derived from the classical row-projection method block Cimmino, and interpreted as domain decomposition methods. These methods are based on the partitioning of the matrix into blocks of rows on which projections are computed to iteratively approximate the solution of a linear system. Both methods are implemented in the parallel solver ABCD-Solver (Augmented Block Cimmino Distributed solver). Finally, for the solution of discretized PDE problems, we propose a new approach using a coarse representation of the space to obtain an iterative method with fast linear convergence, demonstrated on Helmholtz and Convection-Diffusion problems.

04/06/2021 : Séminaire interne : SciDyn

28/05/2021 :

21/05/2021 : Classer la migration à l'ère du Big Data. Est-il possible d'identifier le comportement de migration par des routines automatiques ? Performance de 3 méthodes, MigrO, MigrateR et une approche de segmentation Lucie Debeffe (INRAE, CEFS)

14/05/2021  Pont de l'ascension (pas de séminaire)

07/05/2021 : Séminaire interne : Record

23/04/2021 et 30/04/2021  : Pas de séminaire (vacances scolaires)

16/04/2021 : Optimal convergence rates for Nesterov acceleration. Aude Rondepierre (INSA/IMT)

Résumé : In this talk, we will give new optimal decay rates for the Nesterov acceleration scheme of classical gradient descent depending on the local geometry of the function to minimize. Only bounds on the rates are known for convex or strongly convex functions. We will give a more complete description of this rates using Lojasievicz and flatness conditions and explain how these decays can be obtained studying an ODE.
This is a joint work with V. Apidopoulos, J.-F. Aujol and Ch. Dossal.

09/04/2021 : Properties of the stochastic approximation EM algorithm with mini-batch sampling Estelle Kuhn (MaIAGE, INRAE) diaporama

Résumé : To deal with very large datasets a mini-batch version of the Monte Carlo Markov Chain Stochastic Approximation Expectation– Maximization algorithm for general latent variable models is proposed. For exponential models the algorithm is shown to be convergent under classical conditions as the number of iterations increases. Numerical experiments illustrate the performance of the mini-batch algorithm in various models. In particular, we highlight that mini-batch sampling results in an important speed-up of the convergence of the sequence of estimators generated by the algorithm. Moreover, insights on the effect of the mini-batch size on the limit distribution are presented. Finally, we illustrate how to use mini-batch sampling in practice to improve results when a constraint on the computing time is given.
Joint work with Catherine Matias and Tabea Rebafka

02/04/2021 : Développements autour de l'assemblage Matthias Zytnicki et Andreea Dréau (équipe SAaB, Séminaire interne) diaporama

Résumé : L'assemblage est le processus, complexe, de reconstruction de génomes. Lors du séminaire d'unité présenté par Clément Birbes, vous avez vu qu'il fait intervenir de nombreuses technologies, apportant chacune une information parcellaire, à assembler de façon à reconstruire l'intégralité du génome, qui dépasse, dans les cas d'intérêts, le milliard de nucléotides (les A, C, G, T du génome). Dans le cadre du projet SeqOccIn, nous vous présenterons les travaux en cours, qui ont pour but d'améliorer les outils d'assemblage. Nous avons travaillé sur deux parties: l'assemblage à partir de 10X, et l'intégration de données d'assemblage. Ces travaux seront présentés, comme il se doit, de façon très pédagogique.

26/03/2021 : A novel regularized approach for functional data clustering: an application to milking kinetics in dairy goats Christophe Denis (LAMA, Université Paris-Est Marne-la-Vallée) diaporama

Résumé : Motivated by an application to the clustering of milking kinetics of dairygoats, we propose in this talk a novel approach for functional data clustering. This issue is of growing interest in precision livestock farming that has been largely based on the development of data acquisition automation and on the development of interpretative tools to capitalize on high-throughput raw data and to generate benchmarks for phenotypic traits. The method that we propose falls in this context. Our methodology relies on a piecewise linear estimation of curves based on a novel regularized change-point estimation method. Our technique is applied to milk emission kinetics data with the aim of a better characterization of inter-animal variability and toward a better understanding of the lactation process.

19/03/2021 : DeepG4: A deep learning model for sequence-driven DNA G4 formation Vincent Rocher (CBI, Université Paul Sabatier)

Résumé : G-Quadruplex (G4) are alternative DNA secondary structures composed of Guanine-rich DNA sequences which can form a four-stranded structure based on a simple strand, and let the second one free. These structures have been found initially on telomeres, but more recent studies found an enrichment of theses structures on promoters of active genes, and suggest an active role in transcription of these genes. Former in-silico methods to detect and study G4 remained mostly on the detection of a specific motif chain, but recent methods have been developed to identify G4 at genome-wide scale using Next Generation sequencing approach, like G4-seq (in-vitro G4) and BG4-seq (in-vivo). Here, we propose a sequence-based computational Deep learning model to predict in-vivo DNA G4 using the DNA sequences of BG4-seq peaks, in order to detect new motifs involved in the G4 prediction. Deep learning is a recent and popular Machine learning set of approaches where model learn features directly from the data, meaning that we could identify de-novo motifs that are related to G4 prediction. This model can be applied to any DNA sequence to predict the G4 formation, and be used in genetics to study the impact of SNP's on the DNA G4 formation propensities.

12/03/2021 : Processus d’assemblage de génomes grâce aux nouvelles technologies de séquençage Clément Birbes (plateforme bio-info, Séminaire interne)

Résumé :Le projet Sequencage Occitanie Innovation (SeqOccIn) a pour but de développer davantage l’expertise bio-informatique et bio-statistique indispensable aux analyses en génomique, une source majeure d’innovation pour la recherche publique et pour les entreprises. Ce projet est divisé en trois niveaux d’études. L’axe 1 pour le génome, connaissance de la variabilité du génome. L’axe 2 pour l’épigénome, l’étude des marques épigénétique de régulation de l’expression du génome. L’axe 3 pour les métagénomes, pour l’analyse fine des communautés au sein d’un métagénome. Ce séminaire sera une « initiation » aux techniques et aux données utilisées pour l’assemblage des génomes mais sera également l’occasion de présenter une partie des travaux réalisés sur l’axe 1 du projet.

05/03/2021 exceptionnellement à 11h : Pourquoi et comment réduire les émissions de gaz à effet de serre du secteur de la recherche en France ? L’approche bottom up proposée par Labos 1point5. Odile Blanchard (GAEL, Université de Grenoble) diaporama

Résumé : La France s’est engagée à la neutralité carbone à l’horizon 2050. Cela signifie que les émissions de gaz à effet de serre de la France doivent diminuer fortement, de façon très rapide, pour atteindre zéro émissions nettes en 2050.
Le séminaire vise d’une part à discuter pourquoi le secteur de la recherche doit contribuer à la réduction des émissions de gaz à effet de serre de la France et d’autre part à exposer comment le collectif Labos 1point5 s’est emparé de la question depuis 2 ans au sein de la communauté scientifique française.
Le séminaire sera l’occasion de présenter le collectif Labos 1point5, ses objectifs, sa structuration, ses travaux. Un temps particulier sera consacré à l’outil d’estimation des émissions de gaz à effet de serre des laboratoires, GES 1point5. Développé par le collectif dans une démarche bottom up, GES 1point5 permet à la fois de définir des plans d’actions pour réduire les émissions de gaz à effet de serre des laboratoires, de mener des expérimentations dans ce domaine dans les laboratoires, et d’engager des travaux de recherche sur l’empreinte carbone de la recherche.

05/03/2021 à 10h : Soutenance de thèse de Jelena Vucinic : Modélisation moléculaire et Intelligence Artificielle pour le design computationnel de protéines: conception d'enzymes optimisées et de nano-anticorps

01/03/2021 à 15h : Soutenance de thèse Manon Ruffini : Modèles et méthodes pour les problèmes de design de protéines multi-états

19/02/2021 et 26/02/2021 : Pas de séminaire (vacances scolaires)

12/02/2021 : A metagenomic-data-based model of the gut microbiota Simon Labarthe (INRAE/MaIAGE)

Résumé : The human gut harbors a complex bacterial community, the gut microbiota, that maintains a symbiotic relationship with its host: the microbiota ecology is then linked to the host’s health. Mathematical models of the microbial population dynamics are therefore a promising tool to study the mechanisms driving the homeostasis or the dysbiosis of the microbiota, and the links with pathologies.
We couple a PDE population dynamics model of functional microbial meta-populations involved in fibre degradation to a fluid mechanic model of the intestinal content. The metabolic capabilities of the meta-populations are inferred from functional metagenomic data through NMF (non-negative matrix factorization). Metabolic models of the meta-populations are built to predict the metabolite consumptions and the growth rates, and are plugged to the PDE population dynamics model to account for the interactions between the bacterial populations and the intestinal environment. Furthermore, the taxonomic composition of the meta-populations is derived from an additional non-negative least square problem regressing taxonomic marker gene counts against the weight matrix resulting from the previous NMF. This approach makes possible direct comparisons between the model outputs and both gene (shotgun) or bacterial (16s) counts.
This work is a collaboration with B. Laroche, and with M. Ribot, B. Polizzi, T. Phan and T. Goudon for the population/fluid dynamics model of the microbiota and its environment, and with L. Darrigade and M.Leclerc for the metapopulation construction.

05/02/2021 : Journée reproductibilité dans le cadre des animations IMABS programme à ce lien

29/01/2021 : Developing an ontological framework for facilitating the exploitation and re-use of phenomics data based on a formalisation of numerical relationships Luis-Felipe Vargas-Rojas (LEPSE, INRAE)

Résumé : In recent years, plant phenomics has produced massive datasets involving experiments performed in the field and controlled conditions, concerning hundreds of genotypes at different scales of organisation. Taken together, these datasets are unprecedented resources for identifying and testing novel mechanisms and models (Tardieu et al., 2017). Assembling and organising such datasets is not straightforward because of the heterogeneous, multi-scale and multi-source nature of data, to deal partially with these issues, the phenomics community has proposed an ontology-driven Information System (PHIS, www.phis.inra.fr, Neveu et al., 2019) based on FAIR principles (Wilkinson et al., 2016). However, exploitation and re-use of these datasets have not reached its full potential because (1) metadata is often merely informative, (2) relationships between numerical attributes are poorly formalised, whereas (3) ontological reasoning is more efficient for representing categorical data. For instance, relationships such as unit conversion are not effectively used, even if the data is well-annotated and information to perform the computation is provided by unit ontologies (OM, QUDT). The goal of the thesis is to create an ontological framework for representing and computing different kinds of numerical relationships for plant phenomics attributes. It will focus on equations representing most current variables and data-manipulation processes in plant phenomics (e.g. unit conversions, thermal time, and phyllochron). For each use-case, details about metadata, context-dependencies, links between domain-specific ontologies and the formalisation of the equation structure, will be presented. Finally, the concrete machinery to perform these context-aware computations and an effective information retrieval, meant to reduce the user's time-effort and the query definition complexity, will be proposed.

22/01/2021 : Predicting the intensity function of point processes beyond observation areas. Edith Gabriel (INRAE/BioSP)

Résumé : Seismic networks provide data that are used a basis both for public safety decisions and for scientific research. Their configuration affects the data completeness, which in turn, critically affects several seismological scientific targets (e.g., earthquake prediction, seismic hazard...). How to map earthquakes density in seismogenic areas that are not covered by the network? We propose to predict the spatial distribution of earthquakes from the knowledge of presence locations and geological relationships, taking into account any interactions between records. Namely, in a more general setting, we aim to estimate the intensity function of a point process in windows where it has not been observed, conditional to its realization in observed windows, as in geostatistics for continuous processes. We define a predictor as the best linear unbiased combination of the observed point pattern. We show that the weight function associated to the predictor is the solution of a Fredholm equation of second kind. Both the kernel and the source term of the Fredholm equation are related to the second order characteristics of the point process through the pair correlation function. Results are presented and illustrated on simulated nonstationary processes, using continuous covariates or the realization of additional point processes, and real data for mapping Greek Hellenic seismicity in a region with unreliable and incomplete records.

15/01/2021 : Evolution artificielle interactive : comment aborder le participatif ? Évelyne Lutton (MIA/ISC-PIF)

Résumé : La question de l’interaction avec l’humain (sa connaissance, son intuition) est centrale pour les approches d’évolution artificielle interactive (iEC). Sur la base d’exemples personnels, cet exposé tente d’identifier quelques thèmes de recherche émergents, en considérant différents contextes, du mono-utilisateur au multi-utilisateurs. Les questions liées aux développements d’applications participatives semblent particulièrement difficiles et intéressantes.

08/01/2021 : DEX method: recent advances and future challenges on developing predictive models from data Marko Bohanec et Sašo Džeroski (Jožef Stefan Institute, Ljubljana)

Résumé : In the last decade, decision support and data mining approaches have become indispensable tools for researchers and practitioners in agronomy and related fields. Decision modelling is aimed at developing models, usually through collaboration of decision makers and experts, for suggesting and justifying solutions of the problem at hand. Data mining uses data to find meaningful patterns, most often in the form of predictive models, for a similar purpose. Both types of models can be included in decision support systems for aiding decision makers in recurring decision tasks. This seminar will be given through two 30-minute presentations by two senior researchers from Jožef Stefan Institute, Department of Knowledge Technology, Ljubljana, Slovenia: Marko Bohanec, an expert in decision support and creator of DEX method and DEXi software and Sašo Džeroski, an expert in data mining, leading the development of many data mining tools, and Head of the Department. Marko Bohanec will focus on the method DEX and present some recent advances and plans, for instance inclusion of the option generator method in DEXi. Participants who already know DEXi are kindly asked to pose questions and give comments. Sašo Džeroski will present some methods for mining complex data, in particular methods for multi-target prediction. He will also illustrate their use on several problems from ecology and agriculture.

25/12/2020 et 01/12/0202 : Pas de séminaire (vacances scolaires)

18/12/2020 : De l’aide à la décision à l’aide à la réflexion, un glissement paradigmatique… Franck Taillandier (INRAE/RECOVER)

Résumé : Décider est une préoccupation partagée par tous les domaines d’application ; l’étudier, accompagner les gens vers de bons choix est une préoccupation majeure, hier comme aujourd’hui. La recherche scientifique a ainsi investi le champ de l’aide à la décision sous de multiples angles, du plus théorique au plus appliqué. Cela offre un corpus d’une richesse rare et un panel d’outils propres à répondre à de nombreuses problématiques. Mais cela ne va pas sans soulever de questions… Est-on toujours sûr d’utiliser ces outils à bon escient ? Qu’est-ce qu’une bonne décision ou qu’une bonne démarche d’aide à la décision ? D’ailleurs, qu’entend-on par « aide » à la décision ? Ce séminaire n’aura pas vocation à vous apporter toutes les réponses, mais fidèle à la démarche que je prône, à vous faire réfléchir quant à ces questions…

11/12/2020 : Analyse de données spectroscopiques par clustering de variables et réduction de dimension interprétables Rebecca Marion (UCLouvain - Belgique) diaporama

Résumé : En métabolomique, la spectroscopie par résonance magnétique nucléaire (RMN) est un moyen courant de quantifier les concentrations de métabolites. Les spectres RMN sont très reproductibles, ce qui implique que la plupart des variations entre les spectres représentent des différences biologiques entre les échantillons. De plus, comme la spectroscopie RMN peut quantifier des molécules connues et inconnues, elle est particulièrement utile pour identifier et caractériser de nouveaux composés, ce qui en fait une plate-forme importante pour la découverte de biomarqueurs. L'identification des biomarqueurs dans un spectre RMN se résume à l'identification des groupes de variables ou des régions spectrales qui prédisent le mieux le résultat biologique qui nous intéresse. Dans ce séminaire, nous présentons notre nouvelle méthode, Adaptive Clustering around Latent Variables (AdaCLV), qui permet d’identifier de tels clusters de variables de façon non-supervisée. AdaCLV s'inspire des méthodes multivariées existantes de la famille Clustering around Latent Variables (CLV), tout en offrant plusieurs avantages clés par rapport à ces méthodes, tels que sa meilleure précision et son interprétabilité, ainsi que de sa robustesse aux changements de valeurs d’hyperparamètres.

04/12/2020 : Journée des doctorants du pôle IMABS : programme

27/11/2020 : Simulation en recherche médicale. Généralités, exemple et problème connexe. Nicolas Savy (IMT) diaporama

Résumé : Un des axes du projet Big Data financé par la Région Occitanie et porté par l’Institut de Mathématiques de Toulouse était une réflexion générale sur la notion de simulation en recherche médicale et sur la pertinence de méthodes de simulation dans ce contexte. Une présentation des fruits de cette réflexion qui soyons honnête à fait émerger plus de problèmes que de solutions, sera présenté dans un première partie. Dans une deuxième partie sera présenté un exemple de modèle à agents développé dans le contexte médico-économique du passage aux génériques des anti retro-viraux. Enfin un des points saillants pour la mise au place de méthodes par simulation en recherche médicale est la calibration des modèles sous-jacents. Si des bases existent elles sont souvent difficiles à exploiter dans un contexte dédié pour des questions d’homogénéité des codages. C’est une question très vaste pour laquelle nous avons développé un début de solution par l’algorithme “OT”. Il s’agit d’un algorithme de recodage de variables basé sur le transport optimal qui sera présenté en troisième partie de cet exposé.

20/11/2020 : Development of decision support systems for application in agronomy. Marko Debeljak (Jožef Stefan Institute, Ljubljana) diaporama

Résumé : Agronomy is increasingly embedded in the broader social and economic context. Its obligations and commitments to meet the objectives of sustainable development goals and ecosystem services are increasing. Due to the rapid development of other fields of research, agronomy is intensively introducing digitisation, which is leading to the accumulation of ever-increasing amounts of data. In parallel with digitisation, extensive informatisation is taking place in agronomy too. It increases the exchange and collection of large amount of knowledge and experiences. Agronomy is in a position where it must make quick and correct decisions about the growing number of problems and expectations of society. Therefore, decision-making in agronomy has become an extremely complex process that can only be managed with an objective scientific approach. Experiences from systems ecology and ecological modelling for the development of decision support systems have proven to be very helpful. The application of methods developed in the field of systems ecology allows us to build a high quality architecture of decision support systems that takes into account the specifics of the agronomic system. The design of a decision support system (DSS) should be a problem driven process. This requires a clear definition and role of all stakeholders which are directly or indirectly involved in the development and application of the DSS. When developing the elements of the DSS structure, the advantages of modern information and computer technology must be used. The structure of the decision models as central elements of the DSS must meet all criteria to ensure their quality and reliability. Decision models must therefore be constructed according to a clearly defined procedure for building ecological models. Any possibility that the DSS might propose wrong decisions that could be the result of a non-functional decision model, must be excluded. In this seminar, I will present the methodology of building decision support systems on three selected cases. The first example is the system for the assessment and management of the risk of surface and groundwater pollution with pesticides, which we developed for ARVALIS - Institut du végétal, France. Another example is the DSS for the simultaneous assessment of five soil functions, which we developed in the H2020 project LANDMARK. The third system, which is still under development, will assess the sustainability of the agronomic value chain based on legumes. We are developing it as part of the H2020 project TRUE. In all systems, the method DEX is used to build qualitative multi-attribute decision models. We complement the existing agricultural expertise with knowledge obtained from data mining. All three decision support systems interact with the users via internet interfaces.

13/11/2020 : Conception et mise en œuvre d’un système modulaire de mini-bioréacteurs pour la culture continue de microorganismes. Cyprien Guérin (Inrae, MaIAGE)

Résumé : Les systèmes de culture continue en bioréacteurs restent, malgré leur intérêt, peu utilisés dans les laboratoires de microbiologie. L’objectif de ce projet de thèse est de faciliter leur mise en œuvre en proposant un nouveau système modulaire de mini-bioréacteurs pilotés par ordinateur en s’appuyant sur les opportunités offertes par l’essor des technologies de fabrication numérique et des microcontrôleurs programmables. Les volumes de culture visés sont de l’ordre de 5 à 10 mL afin de permettre des plans d’expériences complexes pouvant impliquer de nombreux bioréacteurs (en parallèle, en cascade, avec suivi et contrôle en temps réel, ...). Comme preuves de concept, plusieurs applications chez la bactérie Gram-positive Bacillus subtilis sont envisagées aussi bien dans des contextes d’évolution expérimentale et dirigée que pour des études physiologiques s’appuyant sur de la comparaison de transcriptomes.

06/11/2020 : ComMod une posture ! Etienne Delay (CIRAD, GREEN) diaporama

Résumé : Les modèles multi-agents et les jeux de rôles sont des outils de représentation et de simulation du fonctionnement des socio-écosystèmes qui aident à franchir les frontières disciplinaires pour étudier les processus de coordination entre acteurs et de décision collective. Depuis 20 ans l'UPR GREEN au CIRAD les utilisons dans le cadre d’une approche qualifiée de « modélisation d'accompagnement » (companion modeling approach). Cette présentation sera l'occasion de présenter la construction méthodologique de l'approche et ses évolutions à travers mes yeux de « dernier recruté » dans l'unité GREEN. Une occasion de raccrocher ce travail avec des problématiques de gestion des ressources naturelles, de bien commune, et de liens sociaux.

23-30/10/2020 : Pas de séminaire (vacances scolaires)

16/10/2020 : Estimation of species environmental niches and sampling effort from presence only records and illustration on the Pl@ntNet citizen-science flora data. Christophe Botella (LECA)

Résumé: Naturalist mobile applications have been deployed worldwide in the last years and enabled access to a considerable amount of geolocated species presences records. This novel type of data represents a step forward to address ecological and conservation questions through the use of species distribution models (SDMs). However, in the absence of a sampling protocol, the sampling effort often concentrates on specific locations (cities, riverside walks, etc.) located in specific environments, resulting in estimation biases in SDMs. During my PhD, I studied methods to minimize bias in the estimation of inhomogeneous Poisson point processes (IPP) modelling species habitats preferences. I will present two approaches: (i) pooling occurrences from many species, using them as background points in the IPP and conditions under which it yields unbiased estimates, and (ii) the joint modeling of multiple species densities along with a common sampling effort component. Finally, I will show an illustration on Pl@ntNet's citizen science data over the whole French territory, integrating several hundred plant species and hundreds of thousands of observations over France with a highly biased sampling.

09/10/2020 : Model Exploration in Practice. Romain Reuillon (CNRS, ISC-PIF)

Résumé : The use of simulation models has widely spread in recent years, in various fields of academic research. Models are being developed to represent and try to better understand all kinds of systems: population dynamics, epidemics, transportation systems, macro-scale systems, micro-scale systems, etc. In some scientific areas, models and in silico simulations have become essential to help study in vivo situations.
However, simulation models are necessarily a simplification of reality, and hypotheses have to be made when developing a model. Thus every model can (and needs to?) be questioned: Is it relevant to tackle the research question behind it? How to extract significant knowledge from the model? What kind of dynamics can it exhibit? How does each mechanism of the model impact those dynamics? Is every mechanism really necessary? These are just some of the many questions a model developer has to answer in order to really know and understand his/her model!
This talk focuses on the worldwide zombie epidemic of the past few years. It raises the question of what can modelers say about it, and, it attempts to use model exploration, OpenMOLE (openmole.org) and the associated exploration methodology to build knowledge on this forefront phenomenon.

02/10/2020 : Méthodes mathématiques en écologie. Tri Nguyen-Huu (IRD) (diaporama)

Résumé : Le développement de modèles mathématiques ont permis d'apporter un point de vue neuf sur des questions écologiques d'ordre général ou bien appliquées. Des modèles abstraits permettent de mieux comprendre les processus régissant certains écosystèmes, tandis que des modèles plus descriptifs permettent d'avoir une vision plus quantitative des phénomènes étudiés. Nous présenterons quelques modèles mathématiques issus des systèmes dynamiques (équations différentielles, équations aux différences finies) et nous intéresserons à ce qu'ils peuvent apporter à l'étude de quelques problèmes écologiques, à savoir la dynamique bio-économique des pêcheries, la connectivité d'espèces marines récifales, et la conservation des grands herbivores dans les parcs nationaux du Kenya.

25/09/2020 : Learning with pangenomes. Laurent Jacob (CNRS, LBBE)

Résumé : As the number and variety of sequenced genomes grows, representing them by comparison to a single reference leads to an increasing level of approximation, discarding accessory genes, rearrangements and repeated regions. This problem is particularly acute when studying microbial genomes or metagenomes, and hinders essential statistical tasks such as GWAS or prediction in this context. I will discuss genome representations which are well suited to statistical analysis when genomes are ill-suited to alignment or even assembly.

18/09/2020 : Partager de l'information pour faire face à un virus. Etude de cas en ostréiculture via un modèle multi-agent. Nicolas Paget (CIRAD)

Résumé : Le postulat selon lequel le partage d'information permet de meilleures prises de décisions est fortement ancré. En développant un modèle multi-agent sur la plateforme Cormas, nous avons questionné ce postulat. Depuis quelques années, les ostréiculteurs font face à un virus (os-hv1) au fort taux de létalité. Ce virus n'est que mal connu. Dans le modèle, les agents, de rationalités variées, partagent leurs expériences et en tirent des leçons pour leurs pratiques. Nous étudions alors le type de décision prise par les agents en fonction de scénarios de partage de l'informations et d'hétérogénéité des agents. Les résultats montrent que l'hétérogénéité des agents permet une meilleure exploration de l'espace des possibles et qu'un partage et une interprétation trop radicaux des expériences de chacun à un effet contreproductif. Ce travail a été effectué en thèse. Lors de cette présentation, j'évoquerai aussi des travaux ou pistes de travaux plus récents ou en cours d'initialisation dans l'idée de susciter des collaborations.

11/09/2020 : Thigmoimmunité végétale. Comment la mécanoperception participe à la réponse immunitaire. Adelin Barbacci (LIPM)

Résumé : Les attaques de parasites sont responsables chaque année de pertes de récolte considérables à travers le monde. La recherche de sources génétiques de résistance durable chez les plantes constitue un levier important pour répondre à la demande alimentaire mondiale. Sclerotinia sclerotiorum est le champignon pathogène responsable de la maladie de la pourriture blanche sur plus de 400 espèces végétales, causant plusieurs millions d’euros de pertes de récolte chaque année, notamment sur colza. Comme la majorité des agents pathogènes, S. sclerotiorum utilise la sécrétion de molécules effectrices pour manipuler la physiologie des plantes hôtes et favoriser son développement. La mise en place de la QDR est consécutive à la perception du champignon. Toutefois, contrairement à la résistance gène-pour-gène plus largement étudiée, la QDR mobilise de nombreux réseaux de gènes qui sont encore méconnus et ne sont pas tous spécifiquement dédiés à l’immunité. Or, l'interaction plante-champignon met en jeu des signaux mécaniques importants, intrinsèques à la pénétration des tissus de l’hôte.
Au cours de ces deux dernières années nous avons réussi à montrer que les signaux mécaniques jouent un rôle de premier plan dans la mise en place de la réponse immunitaire et qu’il était possible de moduler fortement le niveau de résistance des plantes grâce à des ondes mécaniques. Ce travail est le fruit d’une collaboration étroite entre des équipes de physique (Aroune Duclos Laboratoire d’Acoustique de l’Université du Mans), de physiologie végétale (Nathalie Leblanc-Fournier INRA PIAF Clermont, Tou-Cheu Xiong INRA BPMP Montpellier) de biologie moléculaire (Adelin Barbacci LIPM) et de modélisation mathématique et informatique (Frédérick Garcia MIAT). C’est également le point de départ de la thèse de Khaoula Hadj-Amor coencadrée par MIAT et le LIPM. L’exposé s’attachera à présenter nos aventures entre mécanoperception, proprioception et réponse immunitaire.

Séminaires reportés à une date ultérieure

KeOps: Kernel Operations on the GPU, with autodiff, without memory overflows. Benjamin Charlier (Université de Montpellier, ARAMIS)

Résumé : The KeOps library lets you compute generic reductions of large 2d arrays whose entries are given by a mathematical formula. It is perfectly suited to the computation of convolutions (or more generally to Kernel dot products) and the associated gradients (with an automatic differentiation engine).
KeOps is fast as it allows you to compute Gaussian convolution up to 40 times faster than a standard tensor algebra library that use GPU. KeOps is scalable and can be used on large data (typically from n=10^3 to n=10^7 number of rows/columns): it combines a tiled reduction scheme and works even when the full kernel matrix does not/fit into the GPU memory. Finally, KeOps is easy to use as it comes with its Matlab, Python (NumPy or PyTorch) and R bindings.
Web site: http://www.kernel-operations.io

Séminaires passés / Past seminars

Lien vers la Liste des séminaires passés de l'unité MIAT.


Si vous souhaitez présentez vos travaux durant le séminaire MIAT, n'hésitez pas à contacter Nathalie Vialaneix ou Sandra Plancade.

Génotoul BioInfo
Outils personnels