Les probabilités se trouvent à mi-chemin entre l'analyse (optimisation, EDO, EDP) et les statistiques (calibration, prédiction, échantillonnage) et sont de plus en plus utilisées en biologie et agronomie.
L'essor des modèles individu-centré et/ou multi-échelles, dans lesquels les événements élémentaires (naissance/mort, division, déplacement, infection, etc.) sont modélisés de façon aléatoire, en est une parfaite illustration. En retour, les outils développés dans le cadre de la théorie des probabilités vont souvent bien au-delà, et deviennent un enjeu majeur pour la modélisation de systèmes complexes en biologie prédictive et intégrative.
La vocation de ce réseau est d'approfondir les connaissances en probabilités et de découvrir de nouvelles mises en pratique de ces connaissances et de possibles applications, en favorisant la rencontre et la collaboration de chercheurs qui travaillent sur des outils méthodologiques liés aux probabilités (mais qui sont parfois isolés dans des équipes d'analyse, de statistique ou à but applicatif).
Ce réseau abordera à la fois les différents thèmes des probabilités étudiés pour l'agronomie :
- Algorithmes stochastiques, Méthode MCMC comme par exemple dans
Vera Georgescu, Nicolas Desassis, Samuel Soubeyrand, André Kretzschmar, and Rachid Senoussi. An automated mcem algorithm for hierarchical models with multivariate and multitype responsevariables.Communications in Statistics - Theory and Methods, 43(17):3698–3719, 2014
Pierre Nicolas, Anne-Sophie Tocquet, Vincent Miele, and Florence Muri. A reversible jump markov chain monte carlo algorithm for bacterial promoter motifs discovery. Journal of Computational Biology, 13(3):651–667, 2006. PMID: 16706717.
Michel Benaïm, Bertrand Cloez, and Fabien Panloup. Stochastic approximation of quasi-stationarydistributions on compact spaces and applications.Ann. Appl. Probab., 28(4):2370–2416, 08 2018.
- Processus stochastiques, Limites macroscopiques comme par exemple dans
Maud Delattre, Valentine Genon-Catalot, and Catherine Larédo. Parametric inference for discreteobservations of diffusion processes with mixed effects. Stochastic Processes and their Applications,128(6):1929 – 1957, 2018.
Romain Guy, Catherine Larédo, and Elisabeta Vergu. Parametric inference for discretely observed multidimensional diffusions with small diffusion coefficient.Stochastic Processes and their Applications, 124(1):51 – 80, 2014.
Jinzhi Lei Michael C. Mackey Romain Yvinec, Changjing Zhuge. Adiabatic reduction of a piecewise deterministic markov model of stochastic gene expression with bursting transcription.Journal of Mathematical Biology, 68:1051–1070, 2014.
- Graphes aléatoires, Géométrie aléatoire comme par exemple dans
Patrick Hoscheit, Sébastien Geeraert, Gaël Beaunée, Hervé Monod, Christopher A. Gilligan, Joào A. N. Filipe, Elisabeta Vergu, and Mathieu Moslonka-Lefebvre. Dynamical network models for cattletrade: towards economy-based epidemic risk assessment.Journal of Complex Networks, 5(4):604–624,2017.
Olivier David, Christian Lannou, Hervé Monod, Julien Papaïx, and Djidi Traore. Adaptive diversification in heterogeneous environments.Theoretical Population Biology, 114:1 – 9, 2017.
- etc.
Et les différentes applications de ces "outils", qui font pour la majorité partie de deux des trois grands champs de recherche pour la biologie et l'écologie prédictive que sont la biologie des systèmes et la dynamique de populations et de communautés :
- Ecologie, Ecologie microbienne, expression des gènes comme par exemple dans
Pierre Nicolas, Anne-Sophie Tocquet, Vincent Miele, and Florence Muri. A reversible jump markov chain monte carlo algorithm for bacterial promoter motifs discovery.Journal of Computational Biology, 13(3):651–667, 2006. PMID: 16706717.
Bertrand Cloez and Coralie Fritsch. Gaussian approximations for chemostat models in finite and infinite dimensions. Journal of Mathematical Biology, 75(4):805–843, Oct 2017.
Maud Delattre, Valentine Genon-Catalot, and Catherine Larédo. Parametric inference for discrete observations of diffusion processes with mixed effects. Stochastic Processes and their Applications,128(6):1929 – 1957, 2018.
Michael C. Mackey, Marta Tyran-Kaminska, and Romain Yvinec. Molecular distributions in gene regulatory dynamics. Journal of Theoretical Biology, 274(1):84 – 96, 2011.
- Génétique, Evolution comme par exemple dans
Raphaël Forien and Sarah Penington. A central limit theorem for the spatial λ-fleming-viot process with selection. Electron. J. Probab., 22:68 pp., 2017.
Frédéric Fabre, Josselin Montarry, Jérôme Coville, Rachid Senoussi, Vincent Simon, and Benoît Moury. Modelling the evolutionary dynamics of viruses within their hosts: A case study using high-throughput sequencing. PLOS Pathogens, 8(4):1–9, 04 2012.
Katja Reichel, Jean-Pierre Masson, Florent Malrieu, Sophie Arnaud-Haond, and Solenn Stoeckel. Rare sex or out of reach equilibrium? the dynamics of fisin partially clonal organisms.BMC Genetics,17(1):76, Jun 2016.
- Epidémiologie comme par exemple dans
Romain Guy, Catherine Larédo, and Elisabeta Vergu. Parametric inference for discretely observed multidimensional diffusions with small diffusion coefficient. Stochastic Processes and their Applications, 124(1):51 – 80, 2014.
Marina Voinson, Alexandra Alvergne, Sylvain Billiard, and Charline Smadi. Stochastic dynamics of anepidemic with recurrent spillovers from an endemic reservoir. Journal of theoretical biology, 457:37–50,2018
- etc.
Le but des diverses rencontres sera d'aborder l'aléatoire en agronomie et les approches limitrophes. Pour résumer les objectifs de ce réseaux sont
- Animer les recherches en probabilité pour l'agronomie
- Favoriser les ponts entre domaines d'applications et susciter de nouvelles applications
- Constituer un groupe moteur de cette thématique pour les applications
- Organiser et favoriser la visibilité des travaux et actions sur cette thématique