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.
PhD student
Les animaux et leur microbiote forment un organisme composite, appelĂ© holobionte, qui peut ĂȘtre considĂ©rĂ© comme l'unitĂ© ultime sur laquelle agissent l'Ă©volution et la sĂ©lection. Les gĂšnes de l'hĂŽte et l'environnement influent sur la colonisation, le dĂ©veloppement et le fonctionnement des divers microbiotes, qui en retour contribuent Ă façonner les phĂ©notypes de l'hĂŽte.
Salmonella Mbandaka, Typhimurium and its monophasic variant are prevalent serovars in dairy and pork food sectors.
Les mouvements commerciaux dâanimaux constituent un vecteur privileÌgieÌ pour la propagation de maladies infectieuses. En France, les exigences de traçabiliteÌ se sont traduites par la mise en place de bases de donneÌes nationales de suivi des animaux. Dans cette theÌse, nous eÌtudierons des modeÌles de graphes aleÌatoires spatialement explicites permettant de reproduire les interactions aÌ courte et longue distance constateÌes empiriquement dans les mouvements commerciaux dâanimaux.
Le projet âArtificial Metabolic Networksâ (AMN) explorera les analogies entre la dynamique mĂ©tabolique (telle que dĂ©crite par des modĂšles mathĂ©matiques) et le fonctionnement des rĂ©seaux de neurones artificiels dans des tĂąches telles que le traitement du signal ou la classification.
The aim of this thesis is to develop and analyse Bayesian nonparametric models to explore diversity in metagenomic data. This involves 1) furthering the knowledge about the fundamental properties of existing Bayesian nonparametric processes, 2) using them as building blocks to develop flexible models for noisy and high-dimensional data and 3) designing efficient and scalable inference algorithms, via parallelisation, optimisation and/or careful approximations.
Dans le domaine de la biologie, lâarrivĂ©e des nouvelles technologies de sĂ©quençage a eu pour effet dâaugmenter de façon consĂ©quente la production des donnĂ©es tout en abaissant les coĂ»ts liĂ©s Ă leur production.
Les systĂšmes de culture continue en biorĂ©acteurs restent, malgrĂ© leur intĂ©rĂȘt, peu utilisĂ©s dans les laboratoires de microbiologie. Lâobjectif de ce projet de thĂšse est de faciliter leur mise en Ćuvre en proposant un nouveau systĂšme modulaire de mini-biorĂ©acteurs pilotĂ©s par ordinateur en sâappuyant sur les opportunitĂ©s offertes par lâessor des technologies de fabrication numĂ©rique et des microcontrĂŽleurs programmables.