Institut de Mathématiques de Toulouse

Accueil > Événements Scientifiques > Séminaires & Groupes de Travail > Anciens Séminaires > Groupe de travail Bio-Stat-Math

Groupe de travail Bio-Stat-Math

par Cathy Maugis, Sébastien Dejean - publié le , mis à jour le

Ce groupe de travail réunit biologistes et statisticiens autour de problèmes liés à la biologie à haut-débit.

Organisateur(s) : S. Déjean, C. Maugis-Rabusseau, B. Servin, M. Vignes

Site web : http://math.univ-toulouse.fr/biostat




  • Lundi 30 septembre 2013 14:00-15:00 - Kim-Anh Lê Cao - Queensland Facility for Advanced Bioinformatics University of Queensland

    It is all about mixOmics !

    Résumé : Recent advances in high throughput ’omics’ technologies enable quantitative measurements of expression or abundance of biological molecules of a whole biological system. The transcriptome, proteome and metabolome are dynamic entities, with the presence, abundance and function of each transcript, protein and metabolite being critically dependent on its temporal and spatial location.
    Whilst single omics analyses are commonly performed to detect between-groups difference from either static or dynamic experiments, the integration or combination of multi-layer information is required to fully unravel the complexities of a biological system. Data integration relies on the currently accepted biological assumption that each functional level is related to each other. Therefore, considering all the biological entities (transcripts, proteins, metabolites) as part of a whole biological system is crucial to unravel the complexity of living organisms.
    With many contributors and collaborators, we are currently establishing a global analytical framework to extract relevant information from high throughput `omics’ platforms such as genomics, proteomics, metabolomics and other types of biological data. Specifically, the statistical methodologies that we developed and implemented in our R package mixOmics focus on the so-called multivariate projection-based approaches, which can handle such large data sets, deal with multi collinearity and missing values. These methodologies enable dimension reduction by projecting these large data sets into a smaller subspace, to capture the largest sources of variation in the biological studies.
    In this presentation, I will illustrate how various techniques enable exploration, data integration and visualisation of the data, with a particular focus on time course experiments analysis and cross-platform comparison.

    Lieu : Salle séminaire, 1er étage 1R3


  • Mardi 5 novembre 2013 14:00-15:30 - Sophie Lamarre - INRA, plateforme GeT-Biopuces

    Influence du nombre de réplicats dans une analyse différentielle de données RNA-seq

    Lieu : Salle 1er étage 1R3


  • Mardi 18 juin 2013 14:00-15:30 - Andréa RAU - INRA Jouy-en-Josas

    Joint estimation of causal effects from observational and intervention gene expression data

    Lieu : Salle GMM13, INSA de Toulouse


  • Mardi 4 février 2014 14:00-15:00 - Léa Laporte - IRIT

    Sélection de variables via des SVM parcimonieux – Application à l’apprentissage d’ordonnancement en Recherche d’Information

    Lieu : INRA, salle de conférences


  • Vendredi 11 juillet 2014 10:30-12:00 - Hélène Sarter - CHRU Lille

    Groupe de travail Bio-Stat-Math

    Résumé : Il sera question de problèmes statistiques liés à l’exploitation du registre Epimad. Il s’agit d’un registre mis en place en 1988 sur les maladies inflammatoires chroniques de l’intestin (MICI) qui couvre le Nord-pas-de-Calais, la Somme et la Seine-Maritime soit près de 10% du territoire national en population. Ce registre a pour objectif d’évaluer l’incidence de la maladie et son évolution mais il est également le support de nombreuses études analytiques permettant de mieux connaître les MICI et leurs déterminants. Parmi les questions statistiques liées à ce registre, l’intégration de données hétérogènes est un des éléments qui pourrait susciter des interactions avec Toulouse.

    Lieu : Salle Huron, 106, bât. 1R1


iCal