Cette équipe du LaMME consituait le laboratoire Statistique et Génome avant le 1er janvier 2014.

Nos thèmes de recherche touchent aux statistiques et à la bio-informatique

• tests multiples
• apprentissage en grande dimension
• sélection de modèles
• statistique génétique
• modèle d'évolution de séquences
• gènes dupliqués

Voir les publications de l'équipe.

Notre but est de développer des méthodes originales pour l’analyse de données biologiques, issues majoritairement de la biologie moléculaire.

Plus précisément, les progrès immenses de la technologie inondent les banques de données d’une information très riche et très variée, que la communauté scientifique n’est même plus à même d’exploiter raisonnablement. Un exemple illustre les changements d’échelle dans l’obtention des données : le Projet Génome Humain – auquel participait la Génopole d’Évry –, lancé en 1990, a mis 14 ans pour obtenir une séquence “complète” de ce génome. Les techniques modernes permettent de séquencer le génome d’un individu en… deux jours !

Par ailleurs ces données se diversifient : à côté des séquences chromosomiques on dispose de séquences protéiques, d’informations de plus en plus précises sur leurs conformations dans l’espace ; mais aussi de “données d’expression” relatant quels gènes sont actifs dans les différentes conditions d’existence, donc quelles protéines sont présentes – voire en quelle quantité ; on a aussi compris que les gènes-à-protéines ne sont pas les seuls et que d’autres produisent toutes sortes d’ARN (les ARN messagers, ribosomiques, de transfert, les “small”-ARN, …), dont la présence ou la quantité sont mesurées ; on est capable de mesurer directement certaines interactions entre protéines (CHIP-chips, par exemple) ou entre diverses molécules ; ajoutons d’une part les données phénotypiques (comment réagit l’organisme) et les données bibliographiques qui rassemblent tout ce qui précède.

Il est clair que l’information pertinente ne peut être tirée de cet amas de données que si :

1. on dispose d’ordinateurs puissants pour stocker et classer l’information ;
2. on dispose de méthodes extrêmement performantes pour les traiter.

On a donc besoin de méthodes, fondant des algorithmes rapides et efficaces et de telles méthodes doivent bien sûr être conçues, améliorées et mises en œuvre sur la base d’analyses statistiques appropriées.

Notre équipe est par nature une équipe de Mathématiques. Elle est – jusqu’à présent – évaluée par la Commission 01 (Mathématiques) du CNRS et par le Conseil Scientifique du Département MIA (Mathématiques et Informatique Appliquées) de l’INRA. Son fonctionnement est donc celui d’une équipe de Mathématiques, dont le but premier est dans des revues, si possible de haut niveau, en Mathématiques, et d’intervenir dans des congrès et des colloques.

Mais c’est aussi une équipe que le CNRS a placée à l’interface avec la biologie. Comme toute équipe de Mathématiques Appliquées, elle a donc deux autres objectifs :

1. rendre effectives et disponibles les méthodes élaborées théoriquement, c’est à dire implémenter des logiciels efficaces et conviviaux et promouvoir leur emploi par la communauté des biologistes ;
2. interagir avec cette communauté, ce qui signifie accorder une importance aux résultats qui pourront être obtenus par les biologistes grâce à nos méthodes et nos logiciels ; en conséquence, il nous faut être à l’écoute de leurs problématiques et privilégier un développement ayant une pertinence pour le généticien à un développement menant à une belle théorie déconnectée de toute réalité.

Bien évidemment, le flux scientifique doit aller dans les deux sens, et cette démarche n’a de sens que si la résolution de problèmes de biologie induit en retour des développement internes à la discipline mathématique, à la démonstration de nouveaux résultats théoriques, à l’élaboration de nouvelles procédures validées par des démonstrations.

Le numéro de téléphone complet est composé du préfixe commun : +33 (0)1 64 85 et du numéro de poste indiqué dans le tableau.

• Wenyi Wang, MD Anderson Cancer Center, USA

(2 semaines en décembre).

• Daniel Berrar, Shibaura Institute of Technology, Japon

(1 semaines en septembre).

• Ana Arribas-Gil, Universidad Carlos III, Madrid (2 semaines en janvier, 1 semaine en mai, 1 semaine en juin).

• Burkhard Morgenstern, Universität Göttingen, 6 mois d'oct. à mars 2014.
• Etienne Roquain, Université Paris 6 (délégation CNRS, 6 mois)
• Juhyun Park, Lancaster University (1 mois).

• Bernd Klaus, Universität Leipzig (2 mois, Février à Mars).
• Dave Campbell, Université Simon Fraser (1 mois en juin).
• Oksana Chkrebtii, Université Simon Fraser (7 au 21 juin).
• Kousuke Hanada, Riken Plant Science Center, Japan (1 mois en juin).

• Eric Kolaczyk, Boston University (3 mois à mi-temps avec l'ENSAE, du 15/09 au 15/12).

• John Rhodes, Fairbanks University, Alaska (1 mois)
• Elizabeth Allman, Fairbanks University, Alaska (1 mois)
• Ana Arribas-Gil, Universidad Carlos III, Madrid (3 semaines)
• Kousuke Hanada, Riken Plant Science Center, Japan (1 semaine).
• Geoff McLachlan, University of Queensland, Brisbane Australia (1 semaine).

Les anciens membres sont ordonnés des plus récents aux plus anciens.