Liste thèses en cours Dynenvie


BARNIER Andrée
: Modèles probabilistes spatialisés pour la propagation de pathogènes par les mouvements commerciaux d’animaux - ED574 EDMH - Début de la thèse :

Les mouvements commerciaux d’animaux constituent un vecteur privilégié pour la propagation de maladies infectieuses. En France, les exigences de traçabilité se sont traduites par la mise en place de bases de données nationales de suivi des animaux. Dans cette thèse, nous étudierons des modèles de graphes aléatoires spatialement explicites permettant de reproduire les interactions à courte et longue distance constatées empiriquement dans les mouvements commerciaux d’animaux. Nous nous placerons dans le cadre des réseaux scale-free percolation (SFP), qui combinent une inhomogénéité intrinsèque des nœuds avec un aléa dépendant de leur distance géographique. Nous établirons rigoureusement des relations générales entre les propriétés génératives du réseau (distance géographique et relations commerciales) et les caractéristiques des processus épidémiques qui s’y propagent. Nous combinerons ensuite les données de mouvements d’animaux avec des informations géographiques de haute résolution (SIG) pour aboutir à une représentation spatialisée des réseaux commerciaux d’animaux d’élevage permettant la calibration des modèles de graphes étudiés et l’étude de scénarios épidémiques variés.

Directeur.trice : Patrick Hoscheit et Elisabeta Vergu - Equipes : Dynenvie

CAILLEBOTTE Antoine
: Estimation et sélection de variables dans un modèle joint de données de survie et longitudinales à effets mixtes corrélés. Application à la prédiction des effets des attaques de pyrale sur la date de floraison du maïs. - ED 574 EDMH - Début de la thèse :
Directeur.trice : Estelle Kuhn - Encadrant(s) : Estelle Kuhn, Sarah Lemler (CentraleSupelec MICS), Judith Legrand, Elodie Marchadier (INRAE GQE Le Moulon) - Equipes : Dynenvie

GUEDON Tom
: Tests des composantes de la variance dans les modèles à effets mixtes pour des petits échantillons. Application à l’étude de la variabilité génotypique chez Arabidopsis Thaliana. - EDMH - Début de la thèse :
Directeur.trice : Kuhn Estelle - Encadrant(s) : Kuhn Estelle et Baey Charlotte (Université de Lille) - Equipes : Dynenvie

KUBASCH Madeleine
: Modèles structurés multi-niveaux de dynamiques épidémiques - ED574 EDMH - Début de la thèse :
Directeur.trice : Vincent Bansaye (X), Elisabeta Vergu - Equipes : Dynenvie

NAVEAU Marion
: Sélection de variables en grande dimension dans les modèles non linéaires à effets mixtes. Application en amélioration des plantes. - ED574 EDMH - Début de la thèse :
Directeur.trice : Maud Delattre - Encadrant(s) : Laure Sansonnet - Equipes : Dynenvie

Nguyen Thanh-Julie
: Renforcer les connaissances sur les risques associés aux pesticides sur les pollinisateurs dans différents contextes paysagers pour concevoir des paysages de santé - ED581 ABIES - Début de la thèse :

Les pollinisateurs sauvages assurent une fonction essentielle au sein des agroécosystèmes : la pollinisation des plantes à fleurs et des cultures. Pourtant leur déclin actuel est imputé à différents facteurs anthropiques, dont l’utilisation de pesticides. Les connaissances sur l’exposition des pollinisateurs sauvages aux pesticides et les effets de cette exposition en conditions naturelles restent cependant éparses. Cette thèse vise à renforcer les connaissances sur les effets des pesticides en fonction de leurs modalités d’application et en tenant compte des facteurs pouvant les accentuer (usage d’herbicides, rémanence) ou les atténuer (habitats semi-naturels, agriculture biologique dans le voisinage). Elle reposera sur l'analyse des bases de données de suivis à long terme et à grande échelle, de pollinisateurs sauvages, de pratiques agricoles et de résidus de néonicotinoïdes dans les nectars de colza et tournesol et dans les sols d’une centaine de parcelles échantillonnées chaque année depuis 2013 dans un paysage dont l’usage des sols est connu, la Zone Atelier Plaine & Val de Sèvre (450 km²). Le premier objectif de la thèse est d'analyser les effets sur l'ensemble des pollinisateurs sauvages des traitements insecticides et de leurs interactions avec les variables locales (présence d’herbicides, de résidus de néonicotinoïdes) et des variables du paysage. Cette analyse nécessitera le développement d'une méthode d'analyse de données multivariées géolocalisées permettant d'estimer les effets des variables locales et les effets du paysage (i.e. permettant d'estimer l'intensité et l'échelle spatiale de ces effets). Le développement de cette méthode reposera sur les approches de régression d'analyses multivariées bayésiennes développées actuellement par Olivier David (dynenvie, MaIAGE) et s'appuiera sur le cadre de modélisation des effets du paysage proposé par la méthode siland (Carpentier & Martin, 2021), i.e. modéliser les effets du paysage comme la convolution d'une fonction d'influence spatiale (appartenant à une famille de fonction de densité spatiale paramétrique choisie) avec la distribution spatiale des polygones et segments représentant les éléments du paysage. Le second obejctif de la thèse est de proposer un indicateur de risque pour les pollinisateurs sauvages calculés à partir des pratiques et des paysages. Le calcul de cet indicateur de risque reposera sur une minimisation des risques pour l'ensemble des pollinisateurs. Le développement de ce critère s'intègre dans une des nouvelles perspectives de recherche de l'équipe dynenvie concernant l'optimisation multicritère intégrant la variabilité d'estimation associée au modèle utilisé pour calculer ce critère. Cette thèse sera dirigée par Ivan Sache (Pr. AgroParisTech, UFR EAI, Ecologie Adaptation Interaction) et co-encadrée par Florence Carpentier (MCF APT, acceuillie pour sa recherche à l'unité MaIAGE). Sabrina Gaba (INRAE) collaborera à cette thèse en tant que porteuse du projet Pollihealth, lors des discussions et des séjours de la doctorante au CEBC, où la doctorante présentera ces résultats et participera à la collecte de nouvelles données. Un comité de suivi de thèse avec des chercheurs expérimentés sera organisé chaque année pour obtenir un avis extérieur sur le travail de thèse. Il sera constitué de chercheurs représentant les différentes disciplines impliquées dans cette thèse interdisciplinaire : agroécologie, statistiques et écotoxicologie.

Directeur.trice : Ivan Sache - Encadrant(s) : Florence Carpentier - Equipes : Dynenvie

Pastremoli Eleonora
: Towards a digital twin of the gut microbiota: a multidisciplinary approach for an in-depth understanding of composition, function and interaction with the host. - ED574 EDMH - Début de la thèse :

The thesis project aims to interface multiple in silico models describing host-microbiota interaction at different scales. While the developed models encompass various living entities, the focus will primarily be on mice and humans due to the availability of extensive data. At the microscopic level, these novel advancements will involve coupling a spatially distributed model of colon fluid mechanics with a crypt model, simulating interactions between the host and the microbiota. Thus, effects generated at the microscopic scale will influence the behavior of the host's digestive and cardiovascular systems at the macroscopic scale. Modeling these macroscopic systems is crucial for integrating individual-specific data or biological measurements, which will be compared with simulation results from the model.
 

Directeur.trice : Beatrice Laroche - Encadrant(s) : Lorenzo Sala - Equipes : Dynenvie

PAULAY Amandine
: Modélisation de la dégradation des protéines par le microbiote intestinal humain - ABIIES - Début de la thèse :
Directeur.trice : Emmanuelle MAGUIN - Encadrant(s) : Béatrice LAROCHE, Simon LABARTHE - Equipes : Dynenvie

Procope-Mamert Sylvain
: Algorithmes d'inférence pour des modèles de Markov cachés hiérarchiques à observations non linéaires - applications à l'analyse de données omiques suivies au cours du temps. - ED574 EDMH - Début de la thèse :
Les travaux conduits dans cette thèse porteront sur des modèles de Markov cachés hiérarchiques à observations non linéaires pour décrire les mécanismes sous-jacents à l’observation de séquences temporelles avec une dépendance spatiale. Ces modèles sont intéressants dans de nombreuses applications, notamment pour l’analyse de données omiques résolues en temps, qui présentent souvent une dépendance spatiale le long du génome. Estimer les paramètres qui régissent les dynamiques temporelles et reconstruire les états cachés du modèle sont des questions cruciales en pratique car elles permettent d’accéder à une meilleure compréhension des mécanismes physiques ou biologiques à l'oeuvre dans la génération des données. On s’intéressera plus spécifiquement au cas où les dynamiques temporelles observées sont non-linéaires et où les états cachés combinent des composantes discrètes et des composantes continues. Dans ce contexte peu abordé dans la littérature, la fonction de vraisemblance n’est pas classique et empêche l'utilisation des méthodes standard (Kalman/Baum-Welch). Dans cette thèse, on se propose de développer des algorithmes pour estimer les paramètres et reconstruire les états cachés à partir des séquences observées, en étudiant leurs propriétés théoriques et leur implémentation pratique. On se placera dans le cadre Bayésien qui permet une quantification naturelle de l'incertitude d'estimation. 
Ces travaux sont notamment motivés par des données originales de transcriptomique suivie au cours du temps, collectées par des partenaires du projet et qui permettront une application directe des premiers travaux réalisés.
Directeur.trice : Nicolas CHOPIN, Maud DELATTRE et Guillaume KON KAM KING - Equipes : Dynenvie, Equipes : StatInfOmics

TOMILINA Ekaterina
: Copula models for network inference from mixed/heterogeneous data with applications to multi-omics analysis - EDMH - Début de la thèse :
Directeur.trice : Florence Jaffrézic - Encadrant(s) : Gildas Mazo - Equipes : Dynenvie