Regards Méthodologiques Croisés pour l’Intégration de données Multi-sources

Contexte et enjeux

Ce contexte a stimulé la recherche de nouvelles méthodes permettant de réaliser l’analyse conjointe de plusieurs tableaux de données (données structurées, multi-blocs, multi-voies) dans de nombreux domaines, comme par exemple :

• En Machine Learning, où plusieurs approches sont considérées pour le traitement de données multisources (factorisation matricielle, approche probabiliste).
• En chimiométrie, où différentes methodes sont proposées pour établir une cartographie chimique d’échantillons à l’aide de plusieurs techniques analytiques  (généralisations de l’analyse canonique, algorithme NIPALS et décompositions tensorielles)
• En bioinformatique, où les approches méthodologiques intégratives permettent de dresser une image la plus complète possible de la dynamique des systèmes moléculaires. 

Devant la multitude d‘approches proposées (et de méthodes qui en résultent), l’utilisateur non spécialiste peut rester perplexe. Par ailleurs, si ces approches sont nombreuses, peu d’entre elles ont une visée prédictive.

Afin de contribuer à relever le défi de l’analyse et l’exploitation de ces données multi-sources dans une perspective exploratoire, mais également prédictive, il est indispensable de croiser différents regards, pratiques et paradigmes pour opérer un rapprochement entre ces différentes approches. Il est également nécessaire de favoriser la collaboration entre « générateurs de méthodes » et « générateurs de données » dans les différents domaines d’applications.

 C’est le défi que propose de relever le consortium MIMS, en regroupant une communauté interdisciplinaire, travaillant autour des approches d'analyse et d'intégration de données multi-sources

Objectifs

MIMS est un consortium pluridisciplinaire rassemblant plus de 60 chercheurs, qui a pour objectif de mener une réflexion sur l’analyse et l’exploitation de données multi sources, aussi bien dans une perspective exploratoire que prédictive.

Ce consortium regroupe des compétences pluridisciplinaires : traitement de l’information, sciences biologique et analytique. La mise en œuvre de cette pluridisciplinarité et son animation s’appuieront sur un partage de données, de pratiques et de méthodes entre les partenaires, dans le but de formaliser un projet scientifique pour relever un défi commun : l’analyse optimale des données multi-sources dans une finalité exploratoire et prédictive.

Contacts :

Acteurs du projets

Unités INRAE impliquées

Partenaires extérieurs