Upload
sydnee-barron
View
23
Download
1
Embed Size (px)
DESCRIPTION
Unité M I A Jouy en Josas Mathématique et Informatique Appliquées Hervé Monod. L’INSTITUT NATIONAL de la RECHERCHE AGRONOMIQUE. Né en 1946 E PST sous l’autorité des Ministères de l’Agriculture et de la Recherche 2 ème plus grand organisme de recherche en France - PowerPoint PPT Presentation
Citation preview
Unité MIA Jouy en Josas
Mathématique et Informatique Appliquées
Hervé Monod
L’INSTITUT NATIONAL de la RECHERCHE AGRONOMIQUE
Né en 1946
EPST sous l’autorité des Ministères de l’Agriculture et de la Recherche
2ème plus grand organisme de recherche en France
(env. 9000 personnes, budget de 680 millions d’euros)
1er organisme européen de recherche en agriculture
N U T R I T I O N
A G R I C U L T U R E
E N V I R O N NE M E N T
Conseil d’administration24 mars 2005
INRA: ressources
21 centres de recherche
14 départements de recherche
468 unités> 257 unités de recherche (dont 140 en association)> 80 unités expérimentales> 131 unités de support
NUTRITION
A G R I C U L T U R E
E N V IR O NNE M E N T
Trois thèmes majeurs :
1. Développement d’une agriculture durable
2. Nutrition et ses effets sur la santé humaine
3. Environnement et développement régional
Des recherches très diversifiées microbiologie, biologie fondamentale génétique animale, végétale écologie, agronomie sciences économiques et sociales mathématique appliquée, bioinformatique
=> Département MIA (environ 120 personnes)
N U T R I T I O N
A G R I C U L T U R E
E N V I R O N NE M E N T
MIAJouy
BioSP
BIA ToulouseMontpellier
MIG
UMR AgroParisTech
Met@Risk
Equipes de Mathématique et Informatique Appliquées:
MIA Jouy en Josashttp://www.jouy.inra.fr/mia
• 26 permanents, 10 thèses encadrées ou coencadrées, 4 CDD et post-docs
• 2 équipes MathCell et MathRisq
• Objectifs généraux de recherche:– méthodes statistiques– méthodes pour la modélisation– applications en biologie, agronomie, écologie, épidémiologie
Applications: multi-échelles
– cellule, tissu, organe – individu– population– paysage
analyse d’images 2D, 3D, 3D+tempsmodélisationbiologie prédictive évaluation quantitative du risque
Thèmes de recherche méthodo
• Modélisation– déterministe et stochastique, spatiale et
temporelle– méthodes d’exploration numérique
• Statistique– plans d’expériences, processus stochastiques– inférence fréquentiste et bayésienne
moléculaire
cellulaire
multicellullaire
organe
individu
population
pollen
trophoblaste
PHASE/BDRBV/Bio. Cell.
Inst. Curie
PHASE, BV
SA, GA, EA
Arabidopsis thaliana
Colon
Cellule humaine Noyau cellulaire
ALIMH
Fièvre Q, ESB, tremblante, BVD, campylobacteriose, …
Bar coding
MNH
paysage EAParcellaire
Docking MIG
Développement de la modélisation dans de nombreux domaines d’application:
•biologie moléculaire, physiologie •agriculture: modèles de culture, flux de gènes entre parcelles, ...• agri-environnement: émission de gaz à effet de serre, nitrates, ...• écologie: dynamiques de population, études sur la biodiversité, ...•+ épidémiologie, génétique, etc.
Importance: • de l’aléatoire• de la variabilité biologique, environnementale• de l’incertitude sur le climat
Ex: dispersion de pollen OGM
ContexteFièvre Q : zoonose (maladie infectieuse ou parasitaire affectant principalement les animaux, transmissible à l'homme par les animaux et réciproquement)
Agent responsable: Bactérie Coxiella burnetii
* zoonose d’intérêt majeur
Ruminants = principale source d’infection humaine
Peu de connaissances sur la propagation de la bactérie
en troupeau bovin
Modèle épidémiologique
Excréteurpas d’anticorps
Excréteuranticorps
SI- I+ C
m
qs
r
E
1 2
S*
NS- p
Non excréteurpas d’anticorps
Non excréteuranticorps
avec p = 1- exp(-E)
Réseau bayésien
Individu i du troupeau h au temps t
Rt,h : état de santé réel R2,h
R1,h
(i) (i)
E1,h
O2,h
(i)
U
Q
Et,h : qté de B dans l’environnement
Ot,h : état de santé observé
Q : paramètres de transition
U : paramètres d’incertitude
Au niveau individuel :
Représentation de l’évolution temporelle
de l’état de santé réel d’une vache
en tenant compte de son état observé
E0,h