Mathématique et Informatique Appliquées

Présentation au sujet: "Mathématique et Informatique Appliquées"— Transcription de la présentation:

1 Mathématique et Informatique Appliquées
Unité MIA Jouy en Josas Mathématique et Informatique Appliquées Hervé Monod

2 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 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

3 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 Conseil d’administration 24 mars 2005

4 1. Développement d’une agriculture durable
 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

5 UMR AgroParisTech MIAJouy MIG BioSP BIA Toulouse Montpellier

6 Equipes de Mathématique et Informatique
Appliquées:

7 MIA Jouy en Josas http://www.jouy.inra.fr/mia
26 permanents, 10 thèses encadrées ou coencadrées, 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

8 Applications: multi-échelles
cellule, tissu, organe individu population paysage analyse d’images 2D, 3D, 3D+temps modélisation biologie prédictive évaluation quantitative du risque

9 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

10 paysage population individu organe multicellullaire cellulaire
EA Parcellaire Bar coding population SA, GA, EA Fièvre Q, ESB, tremblante, BVD, campylobacteriose, … pollen individu MNH organe Colon ALIMH BV/Bio. Cell. multicellullaire PHASE/BDR Arabidopsis thaliana trophoblaste PHASE, BV cellulaire Inst. Curie Cellule humaine Noyau cellulaire moléculaire MIG Docking

11 Importance: de l’aléatoire de la variabilité biologique, environnementale de l’incertitude sur le climat 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. Ex: dispersion de pollen OGM

12 Contexte Fièvre 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

13 Modèle épidémiologique
Non excréteur pas d’anticorps Excréteur pas d’anticorps Excréteur anticorps Non excréteur anticorps NS- p S s q I- I+ C S* r m 1 2 E  avec p = 1- exp(-E)‏

14 de l’état de santé réel d’une vache
Réseau bayésien 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 E1,h Q Individu i du troupeau h au temps t Rt,h : état de santé réel R2,h R1,h (i)‏ Q : paramètres de transition Et,h : qté de B dans l’environnement O2,h (i)‏ Ot,h : état de santé observé U U : paramètres d’incertitude