Prédire

Axe 2 : Prédiction des phénotypes et réponses aux changements de champs de contraintes

Cet axe porte sur la prédiction des phénotypes de la cellule à l’individu et à la population, de leurs fonctionnalités et des réponses aux changements de champs de contraintes (environnement biotique et abiotique, modes de gestion, pratiques).

L’un des défis de la biologie numérique tient à l’élaboration, la comparaison et l’amélioration de méthodes d’apprentissage, en les adaptant de façon à intégrer les données multi-sources (omiques, capteurs, environnement, données issues de démarches participatives). La modélisation de processus biologiques et physiologiques permettant le développement d’approches prédictives et la simulation de systèmes biologiques complexes constituent également des enjeux majeurs. Il s’agit notamment de tester la robustesse de modèles construits dans l’axe 1, en les soumettant à des conditions fluctuantes (internes ou externes).

Ces recherches incluent des approches prédictives reposant sur la modélisation, l’assimilation de données et le couplage entre les approches dites « datadriven » et « concept-driven », en tenant compte des dimensions essentielles de la prédiction que sont la planification, la quantification des incertitudes et l’évaluation de la qualité prédictive.

Thématiques de recherche

La prédiction génomique ;
La prise en compte de l’ensemble des facteurs transmissibles - qu’ils soient génétiques ou non - dans la prédiction du potentiel d’un individu à transmettre ses caractéristiques à sa descendance ;
L’application de ces méthodes pour identifier des bio-marqueurs d’état ou de potentiel des organismes (niveau de résistance, niveau de stress, …), ou des cibles génétiques pour l’optimisation de réseaux métaboliques ;
La prédiction des impacts de scénarios complexes d’exposition chimique et biologique sur la physiologie (de l’échelle de la cellule à celle de l'individu) ;
La mobilisation des informations d’état (phénotype, génome, environnement) et des connaissances sur les processus aux échelles des organismes (et infra) pour prédire le fonctionnement et les trajectoires de populations à différentes échelles spatiales et/ou temporelles.

Défis méthodologiques

Sélectionner les méthodes d’apprentissage les mieux adaptées à un problème donné, déterminer leurs apports et de leurs limites pour détecter des structures complexes ou des signaux faibles dans les données ;
Construire et simuler des modèles intégratifs avec de bonnes capacités prédictives, permettant de distinguer les effets de facteurs confondus dans les données ;
Accéder à des quantités non observables par l’inversion de modèles (e.g. estimation de la valeur de traits) ;
Accroître la qualité et la robustesse de la prédiction (avec les questions sous-jacentes de planification et d’échantillonnage, d’évaluation de l’incertitude, de prise en compte de changements d’environnements).

Dans ce dossier

Date de modification : 26 août 2024 | Date de création : 10 janvier 2022 | Rédaction : Com

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

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