Webinaire de septembre 2026

Stagiaire : Céline Pellé
Encadrant : Sandra Plancade (MIAT), Stéphane Chantepie (BioForA) & Harold Duruflé (BioForA)

Étude de la floraison du peuplier à partir de données censurées par intervalle

La phénologie de la floraison regroupe les événements saisonniers liés au développement des bourgeons. Le suivi de la floraison de peuplier noir in natura fournit des observations espacées dans le temps (lorsque l'expérimentateur se rend sur le terrain) qui décrivent un stade phénologique donné. 
En statistiques, ce contexte s'appelle la censure par intervalles. Dans un cadre similaire, une méthode a été développée pour modéliser le processus d'apparition des feuilles pour le maïs (Plancade et al. 2023). L’objectif du stage était d’utiliser cette méthode pour restaurer les phénologies de floraison du peuplier d’un groupe d’arbre, et de les comparer entre des groupes d'arbres (tout d'abord, une comparaison entre les peupliers mâles et femelles, et à venir, une comparaison entre les années).

Stagiaire : Ala-Eddine Berrahal
Encadrant : Étienne Jules (UNH)

Étude de la variabilité inter-individuelle des réponses métaboliques post-prandiales à un repas test.

En nutrition humaine les protocoles d'études incluant un repas test et un suivi de la réponse à ce repas sont très répandus. Le suivi se fait en cinétiques sur des durées de 3 à 6h après le repas avec 3 à 10 prélèvements sur cette période post-prandiale.
L'essor de la métabolomique permet désormais d'obtenir de ces échantillons des milliers de métabolites, potentiellement marqueurs de la réponse du métabolisme à ce repas. Il existe encore peu d'étude qui propose des méthodes fiables et robustes pour traiter ce genre données de grandes dimensions avec un axe temporel.
Nous travaillons, sur un cas d'étude récent, à développer une approche multivariée non-linéaire qui permette dans un premier temps de regrouper les métabolites partageant une évolution similaire, et dans un deuxième temps de pouvoir regrouper les individus qui évoluent de manière similaire sur ces groupes de variables. Cette approche inspirée par timeOmics tente d'élargir sa méthodologie globale avec des choix techniques, statistiques et d'implémentation différents.