Institut de Mathématiques de Marseille, UMR 7373




Rechercher


Accueil > Séminaires > Séminaires et Groupes de travail hebdomadaires > Mathématiques et Algorithmique pour la Biologie des Systèmes (MABioS)

Séminaire Mathématiques et Algorithmique pour la Biologie des Systèmes (MABioS)

par Baudot Anaïs, Lozingot Eric, Remy Elisabeth, Tichit Laurent - publié le , mis à jour le

Agenda

Séminaire

  • Lundi 27 novembre 13:30-14:30 - Marie-Christine Roubaud et Bruno Torresani - I2M

    Approche spatio-temporelle du MEM pour le problème inverse en MEG

    Résumé : Dans cet exposé, nous considérerons le problème de localisation de sources en magnétoencéphalographie (M E G) dans une situation de grande dimension où le temps et l’espace sont considérés conjointement. Les observations sont les champs magnétiques induits par l’activité corticale mesurés à l’extérieur de la tête. Dans les modèles de sources distribuées, les décours temporels des sources réparties sur la surface corticale sont estimés en résolvant un problème inverse linéaire fortement sous-dimensionné et de grande dimension. L’équation d’observation z = G x + n exprime l’observation z en fonction des sources à estimer x et du bruit, via la matrice dite “lead-field” (supposée connue). L’estimation des sources est basée sur la méthode du maximum d’entropie sur la moyenne (M E M), initialement proposée par Gamboa et Gassiat, et développée par Le Besnerais, Bercher et Demoment. Étant donné une distribution de référence η définie conjointement sur x et n, la méthode MEM recherche la distribution la plus proche de η selon la divergence de Kullback-Leibler et dont la moyenne satisfait l’équation d’observation. L’estimation MEM est alors la moyenne de la distribution ainsi sélectionnée. Cela revient à résoudre un problème de minimisation d’une fonction de coût convexe définie sur un espace dual à l’espace d’observation. Cette méthode MEM a déjà été utilisée dans ce contexte par Lina et al. Nous proposons ici d’étendre leur travail en prenant en compte la corrélation temporelle du bruit et des sources, la principale difficulté étant l’énorme dimension du problème. Cette difficulté est surmontée par une réduction de dimension appropriée en pré-traitement , et en modélisant les matrices de covariance en tant que produits de Kronecker. La méthode est appliquée aux données de sommeil MEG enregistrées au Centre de recherche avancée sur la médecine du sommeil à Montréal. Ce travail est un conjoint avec Jean-Marc Lina, membre du Centre de Recherches Mathématiques à Montréal et membre du Centre d’études avancées en médecine du sommeil.
    Mots-clés : Analyse du signal, détection, problème inverse, maximum d’entropie sur la moyenne, produit de Kronecker, ondelettes
    L’exposé sera effectué en français mais les transparents seront écrits en anglais

    Exporter cet événement

  • Lundi 4 décembre 13:30-14:30 - Pierre Picco - I2M

    Séminaire MABioS

  • Mardi 5 décembre 11:00-12:00 - Laura Cantini - Institut Curie, Paris

    Detection of gene communities in multi-networks reveals cancer drivers

    Résumé : We propose a new multi-network-based strategy to integrate different layers of genomic information and use them in a coordinate way to identify driving cancer genes. The multi-networks that we consider combine transcription factor co-targeting, microRNA co-targeting, protein-protein interaction and gene co-expression networks. The rationale behind this choice is that gene co-expression and protein-protein interactions require a tight coregulation of the partners and that such a fine tuned regulation can be obtained only combining both the transcriptional and post-transcriptional layers of regulation. To extract the relevant biological information from the multi-network we studied its partition into communities. To this end we applied a consensus clustering algorithm based on state of art community detection methods. Even if our procedure is valid in principle for any pathology in this work we concentrate on gastric, lung, pancreas and colorectal cancer and identified from the enrichment analysis of the multi-network communities a set of candidate driver cancer genes. Some of them were already known oncogenes while a few are new. The combination of the different layers of information allowed us to extract from the multi-network indications on the regulatory pattern and functional role of both the already known and the new candidate driver genes.

    Exporter cet événement

groupe de travail

Manifestation scientifique

Descriptif
Nature Séminaire et Groupe de Travail
Intitulé Mathématiques et Algorithmique pour la Biologie des Systèmes (MABioS)
Responsables Anaïs Baudot & Elisabeth Remy
Équipe de rattachement Mathematiques Évolution Biologie (MEB) du Groupe ALEA
Fréquence 1 séance chaque semaine
Jour-Horaire Lundi, de 14h à 16h
Lieu Salle de réunion du 3ème étage, I2M, Luminy (accès)
Lien -

Contact : anais_baudot_AT_univ-amu.fr
-
-
-