Approche par groupe de gènes pour les données longitudinales d expression génique avec une application dans un essai vaccinal contre le VIH

Dimension: px
Commencer à balayer dès la page:

Download "Approche par groupe de gènes pour les données longitudinales d expression génique avec une application dans un essai vaccinal contre le VIH"

Transcription

1 Approche par groupe de gènes pour les données longitudinales d expression génique avec une application dans un essai vaccinal contre le VIH Boris Hejblum 1,2,3 & Rodolphe Thiébaut 1,2,3 1 Inserm, U897 équipe Biostatistique 2 Inria, équipe SISTM 3 ISPED, Bordeaux 5 e Rencontres des Jeunes Statisticiens Mardi 27 aout 2013

2 Exemple initial Essai DALIA-I Essai de phase I : vaccin thérapeutique 18 temps de mesure 18 patients 2 étapes TRAITEMENT HAART + vaccin DC-HIV LIPO-5 SUIVI Cd4<350 cells/mm3 HAART Interruption HAART Vaccinations weeks Fin de l essai Aphérèse Aphérèse Aphérèse 1/18

3 Exemple initial Essai DALIA-I Essai de phase I : vaccin thérapeutique 18 temps de mesure 18 patients 2 étapes TRAITEMENT HAART + vaccin DC-HIV LIPO-5 SUIVI Cd4<350 cells/mm3 HAART Interruption HAART Vaccinations weeks Fin de l essai Aphérèse Aphérèse Aphérèse Évolution de l expression génique au cours du temps? 1/18

4 Analyse par groupes de gènes Groupe de gènes Groupe de Gènes Un ensemble de gènes étant a priori co-régulés ou liés à une même fonction biologique Avantages : 1 capter des effets plus ténus 2 faciliter l interprétation des résultats 2/18

5 Analyse par groupes de gènes Groupe de gènes Groupe de Gènes Un ensemble de gènes étant a priori co-régulés ou liés à une même fonction biologique Avantages : 1 capter des effets plus ténus 2 faciliter l interprétation des résultats Bases de données : Gene Ontology, Kegg, Modules [Chaussabel et al., Immunity, 2008]... 2/18

6 Analyse par groupes de gènes Un groupe de gènes significatif? Time-course Gene Set Analysis (TcGSA) : Quels sont les groupes de gènes dont l expression varie significativement au cours du temps? 3/18

7 Analyse par groupes de gènes Un groupe de gènes significatif? Time-course Gene Set Analysis (TcGSA) : Quels sont les groupes de gènes dont l expression varie significativement au cours du temps? Median of standardized gene expression W24 W25 W26 W27 W28 Time W32 W36 W40 W44 3/18

8 Analyse par groupes de gènes Un groupe de gènes significatif? Time-course Gene Set Analysis (TcGSA) : Quels sont les groupes de gènes dont l expression varie significativement au cours du temps? Median of standardized gene expression Median of standardized gene expression W24 W25 W26 W27 W28 Time W32 W36 W40 W44 W24 W25 W26 W27 W28 Time W32 W36 W40 W44 3/18

9 Modélisation Expression génique dans un groupe de gènes Soit S un groupe de gènes. Pour tous les gènes g S : y gpi = µ + β g + c gp + f (t i ) + ε gpi (1) y gpi : i e expression du gène g chez le patient p µ : intercept β g : effet fixe du gène g c gp N (0,σ c ) : effet aléatoire du patient p pour le gène g t i : i e temps de mesure time f (t i ) peut être linéaire, polynomiale, etc ε gpi N (0,σ) : erreur 4/18

10 Modélisation Expression génique dans un groupe de gènes Soit S un groupe de gènes. Pour tous les gènes g S : y gpi = µ + β g + c p + f (t i ) + ε gpi (1bis) y gpi : i e expression du gène g chez le patient p µ : intercept β g N (0,σ β ) : effet aléatoire du gène g c p N (0,σ c ) : effet aléatoire du patient p t i : i e temps de mesure time f (t i ) peut être linéaire, polynomiale, etc ε gpi N (0,σ) : erreur 4/18

11 Modélisation Différentes fonctions du temps Afin de pouvoir détecter aussi bien les groupes de gènes homogènes qu hétérogènes, chaque coefficient de la fonction du temps f est séparé en 2 : un effet fixe plus un effet aléatoire. linéaire : f (t) = γ g,1 t polynome de degré 3 : f (t) = γ g,1 t + γ g,2 t 2 + γ g,3 t 3 où γ g, est toujours composé d un effet fixe η et d un effet aléatoire h g, : γ g, = η + h g, with h g, N (0,σ h ). 5/18

12 Test Significativité d un groupe de gènes Soit S ce groupe de gènes : (H 0 ) : les gènes de S sont stables au cours du temps (H 1 ) : les gènes de S varient significativement au cours du temps 6/18

13 Test Significativité d un groupe de gènes Soit S ce groupe de gènes : (H 0 ) : f ( ) = 0 (H 1 ) : f ( ) 0 6/18

14 Test Significativité d un groupe de gènes Soit S ce groupe de gènes : (H 0 ) : f ( ) = 0 (H 1 ) : f ( ) 0 Tous les coefficients de f sont testés à la fois, via un Test du Rapport de Vraisemblance mixte. 6/18

15 Test Test du Rapport de Vraisemblance (TRV) mixte Tester la significativité du groupe de gènes S : TRV de la fonction du temps f (tous les coefficients à la fois) Effets fixes et aléatoires sont testés simultanément la distribution sous H 0 du TRV n est pas évidente à calculer 7/18

16 Test Test du Rapport de Vraisemblance (TRV) mixte Tester la significativité du groupe de gènes S : TRV de la fonction du temps f (tous les coefficients à la fois) Effets fixes et aléatoires sont testés simultanément la distribution sous H 0 du TRV n est pas évidente à calculer Approximation [Self & Liang, 1987] : ( ) q+r r TRV H0 2 r χ 2 (k) k q k=q où q est le nombre d effets fixes, et r le nombre d effets aléatoires, à tester simultanément. 7/18

17 Test Multiplicité des tests Étude de 10aines, voire de 100aines de groupes de gènes à la fois 8/18

18 Test Multiplicité des tests Étude de 10aines, voire de 100aines de groupes de gènes à la fois Correction pour la multiplicité des tests Contrôle du False Discovery Rate par la procédure de Benjamini-Yekutieli [Benjamini & Yekutieli, Annals of Statistics, 2001] 8/18

19 Caractérisation des dynamiques Prédictions Best Linear Unbiased Predictor BLUP Lissage des tendances Median of standardized gene expression Median of standardized estimate W24 W25 W26 W27 W28 Time W32 W36 W40 W44 W24 W25 W26 W27 W28 Time W32 W36 W40 W44 M7.1 : Inflammation 9/18

20 Caractérisation des dynamiques Dynamique(s) d un groupe de gènes Comment déterminer le nombre optimal de dynamique(s) au sein d un groupe de gènes (potentiellement) hétérogène? (des centaines de groupes à étudier...) 2 Median of standardized estimate W24 W25 W26 W27 W28 Time W32 W36 W40 W44 10/18

21 Caractérisation des dynamiques Dynamique(s) d un groupe de gènes Comment déterminer le nombre optimal de dynamique(s) au sein d un groupe de gènes (potentiellement) hétérogène? (des centaines de groupes à étudier...) 2 Median of standardized estimate W24 W25 W26 W27 W28 Time W32 W36 W40 W44 La gap statistic [Tibshirani et al., JRSS-B, 2001] 10/18

22 DALIA I Design de DALIA-I Essai de phase I : vaccin thérapeutique 18 temps de mesure 18 patients 2 étapes TRAITEMENT HAART + vaccin DC-HIV LIPO-5 SUIVI Cd4<350 cells/mm3 HAART Interruption HAART Vaccinations weeks Fin de l essai Aphérèse Aphérèse Aphérèse 11/18

23 DALIA I TcGSA sur DALIA I avec les Modules Nombre d unités significatives dans DALIA I Pre-ATI Post-ATI Unité Gène-par-gène 0 7,534 sonde ARN a GSEA for time series 0 67 groupe de gènes b TcGSA lineaire groupe de gènes b TcGSA cubique groupe de gènes b TcGSA splines groupe de gènes b a 32,978 sondes ARN analysées après filtrage b 260 groupe de gènes analysés 12/18

24 DALIA I TcGSA sur DALIA I avec les Modules Nombre d unités significatives dans DALIA I Pre-ATI Post-ATI Unité Gène-par-gène 0 7,534 sonde ARN a GSEA for time series 0 67 groupe de gènes b TcGSA lineaire groupe de gènes b TcGSA cubique groupe de gènes b TcGSA splines groupe de gènes b a 32,978 sondes ARN analysées après filtrage b 260 groupe de gènes analysés L interruption de traitement est un événement majeur déclenche l expression de milliers de gènes L utilisation de polynômes cubiques améliore la sensibilité de la méthode 12/18

25 DALIA I Un exemple de gene set significatif Median of standardized gene expression W24 W25 W26 W27 W28 Time W32 W36 W40 W44 Median of standardized estimate W24 W25 W26 W27 Time W28 W32 W36 W40 W44 Cluster M 7.1 : Inflammation 13/18

26 M8.24 1/1 M7.22 1/1 M8.56 1/1 M8.69 1/1 M7.10 1/1 M8.36 1/2 M8.39 1/1 M8.18 1/1 M9.4 1/1 M8.81 1/2 M6.14 1/1 M8.51 1/1 M9.28 1/1 M7.20 1/1 M7.12 2/2 M8.7 1/1 M8.52 1/1 M5.9 1/1 M6.19 2/2 M4.1 1/3 M8.25 3/3 M8.8 2/2 M4.5 1/1 M8.70 1/2 M9.44 1/2 M8.73 2/2 M8.82 1/1 M8.77 1/2 M4.2 1/1 M8.44 1/1 M8.65 1/1 M8.79 1/1 M6.20 1/1 M5.14 1/1 M7.27 1/1 M5.7 1/1 M8.2 2/2 M7.31 1/1 M8.66 2/3 M4.13 1/1 M9.7 1/2 M3.2 1/1 M9.31 1/1 M8.1 1/1 M8.66 3/3 M9.48 3/4 M6.1 1/1 M3.1 1/2 M4.4 2/3 M9.13 1/2 M9.33 1/1 M /1 M8.12 1/1 M8.53 1/1 M8.26 1/1 M5.3 1/1 M6.18 1/1 M7.33 1/1 M3.1 2/2 M4.4 1/3 Introduction Méthodes Applications Conclusion M6.6 1/1 M6.3 1/1 M9.5 1/1 M5.1 1/1 M5.10 1/1 M3.5 1/1 M8.5 1/2 M5.6 1/1 M8.81 2/2 M8.13 1/1 M8.14 1/1 M7.8 1/1 M8.28 2/2 M /1 M7.6 1/1 M5.13 1/1 M9.46 2/3 M7.24 1/1 M8.17 1/2 M4.16 2/3 M8.36 2/2 M /3 M7.28 1/1 M7.32 2/3 M /1 M8.29 1/1 M5.4 1/1 M8.8 1/2 M8.64 1/1 M8.25 1/3 M6.7 1/1 M4.12 1/1 M6.12 1/1 M8.33 1/1 M7.19 1/1 M4.15 1/1 M6.19 1/2 M6.2 1/1 M8.61 1/1 M6.9 1/1 M7.5 1/1 M9.13 2/2 M7.4 1/1 M9.9 1/1 M7.11 1/1 M6.8 1/1 M8.74 1/1 M8.97 1/1 M8.78 1/1 M8.35 1/1 M6.17 1/1 M6.5 1/1 M8.57 2/2 M8.50 1/1 M8.59 2/2 M9.17 1/1 M9.14 1/1 M /1 M8.54 1/1 M7.30 1/1 M9.20 1/1 M7.9 1/1 M8.96 1/1 M /1 M4.16 1/3 M8.87 1/1 M8.48 1/1 M9.23 1/2 M7.16 1/4 M8.47 1/1 M8.92 1/1 M8.84 1/1 M8.4 1/1 M9.36 1/1 M7.21 1/1 M8.2 1/2 M8.38 1/1 M9.35 1/1 M /1 M8.42 1/2 M7.16 4/4 M9.48 4/4 M8.60 1/1 M8.42 2/2 M8.68 1/1 M /3 M8.22 1/1 M9.52 1/1 M8.59 1/2 M7.16 3/4 M3.6 1/1 M9.23 2/2 M9.21 2/2 M4.11 1/2 M8.89 1/1 M7.7 1/1 M7.32 1/3 M8.70 2/2 M9.44 2/2 M8.98 1/2 M4.11 2/2 M9.42 1/1 M6.16 1/4 M8.95 1/2 M9.46 3/3 M6.16 3/4 M3.3 1/1 M6.11 1/2 M6.11 2/2 M1.2 1/1 M3.4 1/1 M5.12 1/1 M9.48 2/4 M6.16 2/4 M8.85 1/1 M9.18 1/1 M5.8 1/1 M9.27 1/1 M7.25 1/1 M9.6 1/1 M6.4 1/1 M8.83 1/1 M7.17 1/1 M4.14 1/1 M8.20 1/1 M7.26 1/1 M7.3 1/1 M /1 M8.80 1/1 M8.46 1/1 M8.34 1/1 M9.25 1/1 M9.50 1/1 M8.43 1/1 M9.37 1/1 M4.9 1/1 M7.12 1/2 M4.1 3/3 M4.7 1/1 M5.5 1/1 M8.6 1/1 M8.5 2/2 M8.21 1/1 M9.45 1/1 M8.73 1/2 M8.32 1/1 M8.76 1/1 M4.10 1/1 M8.19 1/1 M4.3 1/1 M8.37 1/1 M9.51 1/1 M9.34 1/1 M5.15 1/1 M8.27 1/1 M9.12 1/1 M9.30 1/1 M8.31 1/1 M8.94 1/1 M8.62 1/1 M9.32 1/1 M9.2 1/1 M8.45 1/1 M9.16 1/1 M8.88 1/1 M9.3 1/1 M9.7 2/2 M7.32 3/3 M7.18 1/1 M /1 M8.16 1/1 M8.3 1/1 M8.99 1/1 M9.46 1/3 M /1 M9.11 1/1 M8.40 1/1 M8.25 2/3 M6.15 1/1 M8.55 1/1 M4.1 2/3 M8.86 1/1 M6.16 4/4 M9.48 1/4 M8.93 1/1 M8.28 1/2 M9.21 1/2 M /3 M7.23 1/1 M9.8 1/1 M9.26 1/1 M1.1 1/1 M9.19 1/1 M4.4 3/3 M8.63 1/1 M8.66 1/3 M9.40 1/1 M8.95 2/2 M2.1 1/2 M8.11 1/1 M7.14 1/1 M4.8 1/1 M9.24 1/1 M7.16 2/4 M4.6 1/1 M8.77 2/2 M4.16 3/3 M7.15 1/1 M8.98 2/2 M9.1 1/1 M6.13 1/1 M2.1 2/2 M8.17 2/2 M7.2 1/1 M7.35 1/1 M7.1 1/1 M9.15 1/1 M6.10 1/1 M8.90 1/1 M8.10 1/1 M5.11 1/1 M9.29 1/1 M8.30 1/1 M7.29 1/1 M8.75 1/1 M5.1 1/1 M8.67 1/1 M7.34 1/1 M9.22 1/1 M7.13 1/1 M9.41 1/1 M9.5 1/1 M8.41 1/1 M6.3 1/1 M8.57 1/2 M6.6 1/1 M8.24 1/1 M7.22 1/1 M8.56 1/1 M8.69 1/1 M7.10 1/1 M8.36 1/2 M8.39 1/1 M8.18 1/1 M9.4 1/1 M8.81 1/2 M6.14 1/1 M8.51 1/1 M9.28 1/1 M7.20 1/1 M7.12 2/2 M8.7 1/1 M8.52 1/1 M5.9 1/1 M6.19 2/2 M4.1 1/3 M8.25 3/3 M8.8 2/2 M4.5 1/1 M8.70 1/2 M9.44 1/2 M8.73 2/2 M8.82 1/1 M8.77 1/2 M4.2 1/1 M8.44 1/1 M8.65 1/1 M8.79 1/1 M6.20 1/1 M5.14 1/1 M7.27 1/1 M5.7 1/1 M8.2 2/2 M7.31 1/1 M8.66 2/3 M4.13 1/1 M9.7 1/2 M3.2 1/1 M9.31 1/1 M8.1 1/1 M8.66 3/3 M9.48 3/4 M6.1 1/1 M3.1 1/2 M4.4 2/3 M9.13 1/2 M9.33 1/1 M /1 M8.12 1/1 M8.53 1/1 M8.26 1/1 M5.3 1/1 M6.18 1/1 M7.33 1/1 M3.1 2/2 M4.4 1/3 M2.3 1/1 M2.2 1/1 M7.1 1/1 M7.2 1/1 M2.1 2/2 M9.1 1/1 M4.6 1/1 M4.8 1/1 M2.1 1/2 M4.4 3/3 M1.1 1/1 M9.8 1/1 M4.1 2/3 M8.3 1/1 M9.7 2/2 M9.3 1/1 M9.2 1/1 M4.3 1/1 M8.5 2/2 M8.6 1/1 M5.5 1/1 M4.7 1/1 M4.1 3/3 M4.9 1/1 M7.3 1/1 M6.4 1/1 M9.6 1/1 M5.8 1/1 M3.4 1/1 M1.2 1/1 M3.3 1/1 M7.7 1/1 M3.6 1/1 M8.2 1/2 M5.10 1/1 M3.5 1/1 M8.5 1/2 M5.6 1/1 M8.81 2/2 M8.13 1/1 M8.14 1/1 M7.8 1/1 M8.28 2/2 M /1 M7.6 1/1 M5.13 1/1 M9.46 2/3 M7.24 1/1 M8.17 1/2 M4.16 2/3 M8.36 2/2 M /3 M7.28 1/1 M7.32 2/3 M /1 M8.29 1/1 M5.4 1/1 M8.8 1/2 M8.64 1/1 M8.25 1/3 M6.7 1/1 M4.12 1/1 M6.12 1/1 M8.33 1/1 M7.19 1/1 M4.15 1/1 M6.19 1/2 M6.2 1/1 M8.61 1/1 M6.9 1/1 M7.5 1/1 M9.13 2/2 M7.4 1/1 M9.9 1/1 M7.11 1/1 M6.8 1/1 M8.74 1/1 M8.97 1/1 M8.78 1/1 M8.35 1/1 M6.17 1/1 M6.5 1/1 M8.57 2/2 M8.50 1/1 M8.59 2/2 M9.17 1/1 M9.14 1/1 M /1 M8.54 1/1 M7.30 1/1 M9.20 1/1 M7.9 1/1 M8.96 1/1 M /1 M4.16 1/3 M8.87 1/1 M8.48 1/1 M9.23 1/2 M7.16 1/4 M8.47 1/1 M8.92 1/1 M8.84 1/1 M8.4 1/1 M9.36 1/1 M7.21 1/1 M8.2 1/2 M8.38 1/1 M9.35 1/1 M /1 M8.42 1/2 M7.16 4/4 M9.48 4/4 M8.60 1/1 M8.42 2/2 M8.68 1/1 M /3 M8.22 1/1 M9.52 1/1 M8.59 1/2 M7.16 3/4 M3.6 1/1 M9.23 2/2 M9.21 2/2 M4.11 1/2 M8.89 1/1 M7.7 1/1 M7.32 1/3 M8.70 2/2 M9.44 2/2 M8.98 1/2 M4.11 2/2 M9.42 1/1 M6.16 1/4 M8.95 1/2 M9.46 3/3 M6.16 3/4 M3.3 1/1 M6.11 1/2 M6.11 2/2 M1.2 1/1 M3.4 1/1 M5.12 1/1 M9.48 2/4 M6.16 2/4 M8.85 1/1 M9.18 1/1 M5.8 1/1 M9.27 1/1 M7.25 1/1 M9.6 1/1 M6.4 1/1 M8.83 1/1 M7.17 1/1 M4.14 1/1 M8.20 1/1 M7.26 1/1 M7.3 1/1 M /1 M8.80 1/1 M8.46 1/1 M8.34 1/1 M9.25 1/1 M8.4 1/1 M9.50 1/1 M8.43 1/1 M9.37 1/1 M4.9 1/1 M7.12 1/2 M4.1 3/3 M4.7 1/1 M5.5 1/1 M8.6 1/1 M8.5 2/2 M8.21 1/1 M9.45 1/1 M8.73 1/2 M8.32 1/1 M8.76 1/1 M4.10 1/1 M8.19 1/1 M4.3 1/1 M8.37 1/1 M9.51 1/1 M9.34 1/1 M5.15 1/1 M8.27 1/1 M7.9 1/1 M6.5 1/1 M6.8 1/1 M9.9 1/1 M7.4 1/1 M7.5 1/1 M6.9 1/1 M6.2 1/1 M6.7 1/1 M8.8 1/2 M5.4 1/1 M7.6 1/1 M7.8 1/1 M5.6 1/1 M8.5 1/2 M3.5 1/1 M5.10 1/1 M3.5 1/1 M8.5 1/2 M5.6 1/1 M8.81 2/2 M8.13 1/1 M8.14 1/1 M7.8 1/1 M8.28 2/2 M /1 M7.6 1/1 M5.13 1/1 M9.46 2/3 M7.24 1/1 M8.17 1/2 M4.16 2/3 M8.36 2/2 M /3 M7.28 1/1 M7.32 2/3 M /1 M8.29 1/1 M5.4 1/1 M8.8 1/2 M8.64 1/1 M8.25 1/3 M6.7 1/1 M4.12 1/1 M6.12 1/1 M8.33 1/1 M7.19 1/1 M4.15 1/1 M6.19 1/2 M6.2 1/1 M8.61 1/1 M6.9 1/1 M7.5 1/1 M9.13 2/2 M7.4 1/1 M9.9 1/1 M7.11 1/1 M6.8 1/1 M8.74 1/1 M8.97 1/1 M8.78 1/1 M8.35 1/1 M6.17 1/1 M6.5 1/1 M8.57 2/2 M8.50 1/1 M8.59 2/2 M9.17 1/1 M9.14 1/1 M /1 M8.54 1/1 M7.30 1/1 M9.20 1/1 M7.9 1/1 M8.96 1/1 M /1 M4.16 1/3 M8.87 1/1 M8.48 1/1 M9.23 1/2 M7.16 1/4 M8.47 1/1 M8.92 1/1 M8.84 1/1 M8.4 1/1 M9.36 1/1 M7.21 1/1 M8.2 1/2 M8.38 1/1 M9.35 1/1 M /1 M8.42 1/2 M7.16 4/4 M9.48 4/4 M8.60 1/1 M8.42 2/2 M8.68 1/1 M /3 M8.22 1/1 M9.52 1/1 M8.59 1/2 M7.16 3/4 M3.6 1/1 M9.23 2/2 M9.21 2/2 M4.11 1/2 M8.89 1/1 M7.7 1/1 M7.32 1/3 M8.70 2/2 M9.44 2/2 M8.98 1/2 M4.11 2/2 M9.42 1/1 M6.16 1/4 M8.95 1/2 M9.46 3/3 M6.16 3/4 M3.3 1/1 DALIA I Visualisation globale Color Key des dynamiques en Post-ATI Value Color Key Time W24 W25 W26 W27 W28 W32 W36 W40 W Value Value Color Key Value Color Key Dynamics M5.10 1/1 M8.81 2/2 M8.13 1/1 M8.14 1/1 M8.28 2/2 M /1 M5.13 1/1 M9.46 2/3 M7.24 1/1 M8.17 1/2 M4.16 2/3 M8.36 2/2 M /3 M7.28 1/1 M7.32 2/3 M /1 M8.29 1/1 M8.64 1/1 M8.25 1/3 M4.12 1/1 M6.12 1/1 M8.33 1/1 M7.19 1/1 M4.15 1/1 M6.19 1/2 M8.61 1/1 M9.13 2/2 M7.11 1/1 M8.74 1/1 M8.97 1/1 M8.78 1/1 M8.35 1/1 M6.17 1/1 M8.57 2/2 M8.50 1/1 M8.59 2/2 M9.17 1/1 M9.14 1/1 M /1 M8.54 1/1 M7.30 1/1 M9.20 1/1 M8.96 1/1 M /1 M4.16 1/3 M8.87 1/1 M8.48 1/1 M9.23 1/2 M7.16 1/4 M8.47 1/1 M8.92 1/1 M8.84 1/1 M9.36 1/1 M7.21 1/1 M8.38 1/1 M9.35 1/1 M /1 M8.42 1/2 M7.16 4/4 M9.48 4/4 M8.60 1/1 M8.42 2/2 M8.68 1/1 M /3 M8.22 1/1 M9.52 1/1 M8.59 1/2 M7.16 3/4 M9.23 2/2 M9.21 2/2 M4.11 1/2 M8.89 1/1 M7.32 1/3 M8.70 2/2 M9.44 2/2 M8.98 1/2 M4.11 2/2 M9.42 1/1 M6.16 1/4 M8.95 1/2 M9.46 3/3 M6.16 3/4 M6.11 1/2 M6.11 2/2 M5.12 1/1 M9.48 2/4 M6.16 2/4 M8.85 1/1 M9.18 1/1 M9.27 1/1 M7.25 1/1 M8.83 1/1 M7.17 1/1 M4.14 1/1 M8.20 1/1 M7.26 1/1 M /1 M8.80 1/1 M8.46 1/1 M8.34 1/1 M9.25 1/1 M9.50 1/1 M8.43 1/1 M9.37 1/1 M7.12 1/2 M8.21 1/1 M9.45 1/1 M8.73 1/2 M8.32 1/1 M8.76 1/1 M4.10 1/1 M8.19 1/1 M8.37 1/1 M9.51 1/1 M9.34 1/1 M5.15 1/1 M8.27 1/1 M9.12 1/1 M9.30 1/1 M8.31 1/1 M8.94 1/1 M8.62 1/1 M9.32 1/1 M8.45 1/1 M9.16 1/1 M8.88 1/1 M7.32 3/3 M7.18 1/1 M /1 M8.16 1/1 M8.99 1/1 M9.46 1/3 M /1 M9.11 1/1 M8.40 1/1 M8.25 2/3 M6.15 1/1 M8.55 1/1 M8.86 1/1 M6.16 4/4 M9.48 1/4 M8.93 1/1 M8.28 1/2 M9.21 1/2 M /3 M7.23 1/1 M9.26 1/1 M9.19 1/1 M8.63 1/1 M8.66 1/3 M9.40 1/1 M8.95 2/2 M8.11 1/1 M7.14 1/1 M9.24 1/1 M7.16 2/4 M8.77 2/2 M4.16 3/3 M7.15 1/1 M8.98 2/2 M6.13 1/1 M8.17 2/2 M7.35 1/1 M9.15 1/1 M6.10 1/1 M8.90 1/1 M8.10 1/1 M5.11 1/1 M9.29 1/1 M8.30 1/1 M7.29 1/1 M8.75 1/1 M8.67 1/1 M7.34 1/1 M9.22 1/1 M7.13 1/1 M9.41 1/1 M8.41 1/1 M8.57 1/2 14/18

27 M8.24 1/1 M7.22 1/1 M8.56 1/1 M8.69 1/1 M7.10 1/1 M8.36 1/2 M8.39 1/1 M8.18 1/1 M9.4 1/1 M8.81 1/2 M6.14 1/1 M8.51 1/1 M9.28 1/1 M7.20 1/1 M7.12 2/2 M8.7 1/1 M8.52 1/1 M5.9 1/1 M6.19 2/2 M4.1 1/3 M8.25 3/3 M8.8 2/2 M4.5 1/1 M8.70 1/2 M9.44 1/2 M8.73 2/2 M8.82 1/1 M8.77 1/2 M4.2 1/1 M8.44 1/1 M8.65 1/1 M8.79 1/1 M6.20 1/1 M5.14 1/1 M7.27 1/1 M5.7 1/1 M8.2 2/2 M7.31 1/1 M8.66 2/3 M4.13 1/1 M9.7 1/2 M3.2 1/1 M9.31 1/1 M8.1 1/1 M8.66 3/3 M9.48 3/4 M6.1 1/1 M3.1 1/2 M4.4 2/3 M9.13 1/2 M9.33 1/1 M /1 M8.12 1/1 M8.53 1/1 M8.26 1/1 M5.3 1/1 M6.18 1/1 M7.33 1/1 M3.1 2/2 M4.4 1/3 Introduction Méthodes Applications Conclusion M6.6 1/1 M6.3 1/1 M9.5 1/1 M5.1 1/1 M5.10 1/1 M3.5 1/1 M8.5 1/2 M5.6 1/1 M8.81 2/2 M8.13 1/1 M8.14 1/1 M7.8 1/1 M8.28 2/2 M /1 M7.6 1/1 M5.13 1/1 M9.46 2/3 M7.24 1/1 M8.17 1/2 M4.16 2/3 M8.36 2/2 M /3 M7.28 1/1 M7.32 2/3 M /1 M8.29 1/1 M5.4 1/1 M8.8 1/2 M8.64 1/1 M8.25 1/3 M6.7 1/1 M4.12 1/1 M6.12 1/1 M8.33 1/1 M7.19 1/1 M4.15 1/1 M6.19 1/2 M6.2 1/1 M8.61 1/1 M6.9 1/1 M7.5 1/1 M9.13 2/2 M7.4 1/1 M9.9 1/1 M7.11 1/1 M6.8 1/1 M8.74 1/1 M8.97 1/1 M8.78 1/1 M8.35 1/1 M6.17 1/1 M6.5 1/1 M8.57 2/2 M8.50 1/1 M8.59 2/2 M9.17 1/1 M9.14 1/1 M /1 M8.54 1/1 M7.30 1/1 M9.20 1/1 M7.9 1/1 M8.96 1/1 M /1 M4.16 1/3 M8.87 1/1 M8.48 1/1 M9.23 1/2 M7.16 1/4 M8.47 1/1 M8.92 1/1 M8.84 1/1 M8.4 1/1 M9.36 1/1 M7.21 1/1 M8.2 1/2 M8.38 1/1 M9.35 1/1 M /1 M8.42 1/2 M7.16 4/4 M9.48 4/4 M8.60 1/1 M8.42 2/2 M8.68 1/1 M /3 M8.22 1/1 M9.52 1/1 M8.59 1/2 M7.16 3/4 M3.6 1/1 M9.23 2/2 M9.21 2/2 M4.11 1/2 M8.89 1/1 M7.7 1/1 M7.32 1/3 M8.70 2/2 M9.44 2/2 M8.98 1/2 M4.11 2/2 M9.42 1/1 M6.16 1/4 M8.95 1/2 M9.46 3/3 M6.16 3/4 M3.3 1/1 M6.11 1/2 M6.11 2/2 M1.2 1/1 M3.4 1/1 M5.12 1/1 M9.48 2/4 M6.16 2/4 M8.85 1/1 M9.18 1/1 M5.8 1/1 M9.27 1/1 M7.25 1/1 M9.6 1/1 M6.4 1/1 M8.83 1/1 M7.17 1/1 M4.14 1/1 M8.20 1/1 M7.26 1/1 M7.3 1/1 M /1 M8.80 1/1 M8.46 1/1 M8.34 1/1 M9.25 1/1 M9.50 1/1 M8.43 1/1 M9.37 1/1 M4.9 1/1 M7.12 1/2 M4.1 3/3 M4.7 1/1 M5.5 1/1 M8.6 1/1 M8.5 2/2 M8.21 1/1 M9.45 1/1 M8.73 1/2 M8.32 1/1 M8.76 1/1 M4.10 1/1 M8.19 1/1 M4.3 1/1 M8.37 1/1 M9.51 1/1 M9.34 1/1 M5.15 1/1 M8.27 1/1 M9.12 1/1 M9.30 1/1 M8.31 1/1 M8.94 1/1 M8.62 1/1 M9.32 1/1 M9.2 1/1 M8.45 1/1 M9.16 1/1 M8.88 1/1 M9.3 1/1 M9.7 2/2 M7.32 3/3 M7.18 1/1 M /1 M8.16 1/1 M8.3 1/1 M8.99 1/1 M9.46 1/3 M /1 M9.11 1/1 M8.40 1/1 M8.25 2/3 M6.15 1/1 M8.55 1/1 M4.1 2/3 M8.86 1/1 M6.16 4/4 M9.48 1/4 M8.93 1/1 M8.28 1/2 M9.21 1/2 M /3 M7.23 1/1 M9.8 1/1 M9.26 1/1 M1.1 1/1 M9.19 1/1 M4.4 3/3 M8.63 1/1 M8.66 1/3 M9.40 1/1 M8.95 2/2 M2.1 1/2 M8.11 1/1 M7.14 1/1 M4.8 1/1 M9.24 1/1 M7.16 2/4 M4.6 1/1 M8.77 2/2 M4.16 3/3 M7.15 1/1 M8.98 2/2 M9.1 1/1 M6.13 1/1 M2.1 2/2 M8.17 2/2 M7.2 1/1 M7.35 1/1 M7.1 1/1 M9.15 1/1 M6.10 1/1 M8.90 1/1 M8.10 1/1 M5.11 1/1 M9.29 1/1 M8.30 1/1 M7.29 1/1 M8.75 1/1 M5.1 1/1 M8.67 1/1 M7.34 1/1 M9.22 1/1 M7.13 1/1 M9.41 1/1 M9.5 1/1 M8.41 1/1 M6.3 1/1 M8.57 1/2 M6.6 1/1 M8.24 1/1 M7.22 1/1 M8.56 1/1 M8.69 1/1 M7.10 1/1 M8.36 1/2 M8.39 1/1 M8.18 1/1 M9.4 1/1 M8.81 1/2 M6.14 1/1 M8.51 1/1 M9.28 1/1 M7.20 1/1 M7.12 2/2 M8.7 1/1 M8.52 1/1 M5.9 1/1 M6.19 2/2 M4.1 1/3 M8.25 3/3 M8.8 2/2 M4.5 1/1 M8.70 1/2 M9.44 1/2 M8.73 2/2 M8.82 1/1 M8.77 1/2 M4.2 1/1 M8.44 1/1 M8.65 1/1 M8.79 1/1 M6.20 1/1 M5.14 1/1 M7.27 1/1 M5.7 1/1 M8.2 2/2 M7.31 1/1 M8.66 2/3 M4.13 1/1 M9.7 1/2 M3.2 1/1 M9.31 1/1 M8.1 1/1 M8.66 3/3 M9.48 3/4 M6.1 1/1 M3.1 1/2 M4.4 2/3 M9.13 1/2 M9.33 1/1 M /1 M8.12 1/1 M8.53 1/1 M8.26 1/1 M5.3 1/1 M6.18 1/1 M7.33 1/1 M3.1 2/2 M4.4 1/3 M2.3 1/1 M2.2 1/1 M7.1 1/1 M7.2 1/1 M2.1 2/2 M9.1 1/1 M4.6 1/1 M4.8 1/1 M2.1 1/2 M4.4 3/3 M1.1 1/1 M9.8 1/1 M4.1 2/3 M8.3 1/1 M9.7 2/2 M9.3 1/1 M9.2 1/1 M4.3 1/1 M8.5 2/2 M8.6 1/1 M5.5 1/1 M4.7 1/1 M4.1 3/3 M4.9 1/1 M7.3 1/1 M6.4 1/1 M9.6 1/1 M5.8 1/1 M3.4 1/1 M1.2 1/1 M3.3 1/1 M7.7 1/1 M3.6 1/1 M8.2 1/2 M5.10 1/1 M3.5 1/1 M8.5 1/2 M5.6 1/1 M8.81 2/2 M8.13 1/1 M8.14 1/1 M7.8 1/1 M8.28 2/2 M /1 M7.6 1/1 M5.13 1/1 M9.46 2/3 M7.24 1/1 M8.17 1/2 M4.16 2/3 M8.36 2/2 M /3 M7.28 1/1 M7.32 2/3 M /1 M8.29 1/1 M5.4 1/1 M8.8 1/2 M8.64 1/1 M8.25 1/3 M6.7 1/1 M4.12 1/1 M6.12 1/1 M8.33 1/1 M7.19 1/1 M4.15 1/1 M6.19 1/2 M6.2 1/1 M8.61 1/1 M6.9 1/1 M7.5 1/1 M9.13 2/2 M7.4 1/1 M9.9 1/1 M7.11 1/1 M6.8 1/1 M8.74 1/1 M8.97 1/1 M8.78 1/1 M8.35 1/1 M6.17 1/1 M6.5 1/1 M8.57 2/2 M8.50 1/1 M8.59 2/2 M9.17 1/1 M9.14 1/1 M /1 M8.54 1/1 M7.30 1/1 M9.20 1/1 M7.9 1/1 M8.96 1/1 M /1 M4.16 1/3 M8.87 1/1 M8.48 1/1 M9.23 1/2 M7.16 1/4 M8.47 1/1 M8.92 1/1 M8.84 1/1 M8.4 1/1 M9.36 1/1 M7.21 1/1 M8.2 1/2 M8.38 1/1 M9.35 1/1 M /1 M8.42 1/2 M7.16 4/4 M9.48 4/4 M8.60 1/1 M8.42 2/2 M8.68 1/1 M /3 M8.22 1/1 M9.52 1/1 M8.59 1/2 M7.16 3/4 M3.6 1/1 M9.23 2/2 M9.21 2/2 M4.11 1/2 M8.89 1/1 M7.7 1/1 M7.32 1/3 M8.70 2/2 M9.44 2/2 M8.98 1/2 M4.11 2/2 M9.42 1/1 M6.16 1/4 M8.95 1/2 M9.46 3/3 M6.16 3/4 M3.3 1/1 M6.11 1/2 M6.11 2/2 M1.2 1/1 M3.4 1/1 M5.12 1/1 M9.48 2/4 M6.16 2/4 M8.85 1/1 M9.18 1/1 M5.8 1/1 M9.27 1/1 M7.25 1/1 M9.6 1/1 M6.4 1/1 M8.83 1/1 M7.17 1/1 M4.14 1/1 M8.20 1/1 M7.26 1/1 M7.3 1/1 M /1 M8.80 1/1 M8.46 1/1 M8.34 1/1 M9.25 1/1 M8.4 1/1 M9.50 1/1 M8.43 1/1 M9.37 1/1 M4.9 1/1 M7.12 1/2 M4.1 3/3 M4.7 1/1 M5.5 1/1 M8.6 1/1 M8.5 2/2 M8.21 1/1 M9.45 1/1 M8.73 1/2 M8.32 1/1 M8.76 1/1 M4.10 1/1 M8.19 1/1 M4.3 1/1 M8.37 1/1 M9.51 1/1 M9.34 1/1 M5.15 1/1 M8.27 1/1 M7.9 1/1 M6.5 1/1 M6.8 1/1 M9.9 1/1 M7.4 1/1 M7.5 1/1 M6.9 1/1 M6.2 1/1 M6.7 1/1 M8.8 1/2 M5.4 1/1 M7.6 1/1 M7.8 1/1 M5.6 1/1 M8.5 1/2 M3.5 1/1 M5.10 1/1 M3.5 1/1 M8.5 1/2 M5.6 1/1 M8.81 2/2 M8.13 1/1 M8.14 1/1 M7.8 1/1 M8.28 2/2 M /1 M7.6 1/1 M5.13 1/1 M9.46 2/3 M7.24 1/1 M8.17 1/2 M4.16 2/3 M8.36 2/2 M /3 M7.28 1/1 M7.32 2/3 M /1 M8.29 1/1 M5.4 1/1 M8.8 1/2 M8.64 1/1 M8.25 1/3 M6.7 1/1 M4.12 1/1 M6.12 1/1 M8.33 1/1 M7.19 1/1 M4.15 1/1 M6.19 1/2 M6.2 1/1 M8.61 1/1 M6.9 1/1 M7.5 1/1 M9.13 2/2 M7.4 1/1 M9.9 1/1 M7.11 1/1 M6.8 1/1 M8.74 1/1 M8.97 1/1 M8.78 1/1 M8.35 1/1 M6.17 1/1 M6.5 1/1 M8.57 2/2 M8.50 1/1 M8.59 2/2 M9.17 1/1 M9.14 1/1 M /1 M8.54 1/1 M7.30 1/1 M9.20 1/1 M7.9 1/1 M8.96 1/1 M /1 M4.16 1/3 M8.87 1/1 M8.48 1/1 M9.23 1/2 M7.16 1/4 M8.47 1/1 M8.92 1/1 M8.84 1/1 M8.4 1/1 M9.36 1/1 M7.21 1/1 M8.2 1/2 M8.38 1/1 M9.35 1/1 M /1 M8.42 1/2 M7.16 4/4 M9.48 4/4 M8.60 1/1 M8.42 2/2 M8.68 1/1 M /3 M8.22 1/1 M9.52 1/1 M8.59 1/2 M7.16 3/4 M3.6 1/1 M9.23 2/2 M9.21 2/2 M4.11 1/2 M8.89 1/1 M7.7 1/1 M7.32 1/3 M8.70 2/2 M9.44 2/2 M8.98 1/2 M4.11 2/2 M9.42 1/1 M6.16 1/4 M8.95 1/2 M9.46 3/3 M6.16 3/4 M3.3 1/1 DALIA I Visualisation globale Color Key des dynamiques en Post-ATI Value Color Key Time W24 W25 W26 W27 W28 W32 W36 W40 W Value Value Color Key Value Color Key Dynamics L interruption de traitement est un événement majeur Des dynamiques variées M8.57 1/2 M8.41 1/1 M9.41 1/1 M7.13 1/1 M9.22 1/1 M7.34 1/1 M8.67 1/1 M8.75 1/1 M7.29 1/1 M8.30 1/1 M9.29 1/1 M5.11 1/1 M8.10 1/1 M8.90 1/1 M6.10 1/1 M9.15 1/1 M7.35 1/1 M8.17 2/2 M6.13 1/1 M8.98 2/2 M7.15 1/1 M4.16 3/3 M8.77 2/2 M7.16 2/4 M9.24 1/1 M7.14 1/1 M8.11 1/1 M8.95 2/2 M9.40 1/1 M8.66 1/3 M8.63 1/1 M9.19 1/1 M9.26 1/1 M7.23 1/1 M /3 M9.21 1/2 M8.28 1/2 M8.93 1/1 M9.48 1/4 M6.16 4/4 M8.86 1/1 M8.55 1/1 M6.15 1/1 M8.25 2/3 M8.40 1/1 M9.11 1/1 M /1 M9.46 1/3 M8.99 1/1 M8.16 1/1 M /1 M7.18 1/1 M7.32 3/3 M8.88 1/1 M9.16 1/1 M8.45 1/1 M9.32 1/1 M8.62 1/1 M8.94 1/1 M8.31 1/1 M9.30 1/1 M9.12 1/1 M8.27 1/1 M5.15 1/1 M9.34 1/1 M9.51 1/1 M8.37 1/1 M8.19 1/1 M4.10 1/1 M8.76 1/1 M8.32 1/1 M8.73 1/2 M9.45 1/1 M8.21 1/1 M7.12 1/2 M9.37 1/1 M8.43 1/1 M9.50 1/1 M9.25 1/1 M8.34 1/1 M8.46 1/1 M8.80 1/1 M /1 M7.26 1/1 M8.20 1/1 M4.14 1/1 M7.17 1/1 M8.83 1/1 M7.25 1/1 M9.27 1/1 M9.18 1/1 M8.85 1/1 M6.16 2/4 M9.48 2/4 M5.12 1/1 M6.11 2/2 M6.11 1/2 M6.16 3/4 M9.46 3/3 M8.95 1/2 M6.16 1/4 M9.42 1/1 M4.11 2/2 M8.98 1/2 M9.44 2/2 M8.70 2/2 M7.32 1/3 M8.89 1/1 M4.11 1/2 M9.21 2/2 M9.23 2/2 M7.16 3/4 M8.59 1/2 M9.52 1/1 M8.22 1/1 M /3 M8.68 1/1 M8.42 2/2 M8.60 1/1 M9.48 4/4 M7.16 4/4 M8.42 1/2 M /1 M9.35 1/1 M8.38 1/1 M7.21 1/1 M9.36 1/1 M8.84 1/1 M8.92 1/1 M8.47 1/1 M7.16 1/4 M9.23 1/2 M8.48 1/1 M8.87 1/1 M4.16 1/3 M /1 M8.96 1/1 M9.20 1/1 M7.30 1/1 M8.54 1/1 M /1 M9.14 1/1 M9.17 1/1 M8.59 2/2 M8.50 1/1 M8.57 2/2 M6.17 1/1 M8.35 1/1 M8.78 1/1 M8.97 1/1 M8.74 1/1 M7.11 1/1 M9.13 2/2 M8.61 1/1 M6.19 1/2 M4.15 1/1 M7.19 1/1 M8.33 1/1 M6.12 1/1 M4.12 1/1 M8.25 1/3 M8.64 1/1 M8.29 1/1 M /1 M7.32 2/3 M7.28 1/1 M /3 M8.36 2/2 M4.16 2/3 M8.17 1/2 M7.24 1/1 M9.46 2/3 M5.13 1/1 M /1 M8.28 2/2 M8.14 1/1 M8.13 1/1 M8.81 2/2 M5.10 1/ /18

28 Vaccin contre le pneumoccoque/grippe VS placebo Color Key Color Key Median trends Median trends Pneumo vs Saline Pneumo vs Saline Vaccin contre le pneumoccoque VS placebo Value Value M6.1 1/1 M4.9 1/1 M6.6: Apoptosis / Survival 1/1 M5.14 1/1 M6.20 1/1 M5.1: Inflammation 1/1 M6.13: Cell Death 1/1 M5.7: Inflammation 1/1 M3.2: Inflammation 1/1 M4.13: Inflammation 1/1 M4.6: Inflammation 1/1 M4.2: Inflammation 1/1 M6.9 1/1 M4.3: Protein Synthesis 1/1 M4.15: T cells 1/1 M5.11 1/1 M6.12: Mitochondrial Stress 1/1 M5.5 1/1 M4.1: T cell 1/1 M4.12 1/1 M5.8 1/1 M5.9: Protein Synthesis 1/1 M6.15 1/1 M3.6: Cytotoxic/NK Cell 1/1 M4.5: Protein Synthesis 1/1 M2.1 1/2 M4.8 1/1 M6.7 1/1 M4.7: Cell Cycle 1/1 M2.1 2/2 M5.2 1/1 M3.3: Cell Cycle 1/2 M3.3: Cell Cycle 2/2 M4.11: Plasma Cells 1/1 M6.10 1/1 M6.2: Mitochondrial Respiration 1/1 M4.16 1/1 M4.14: Monocytes 1/1 M5.13 1/1 M6.3 1/1 M5.15: Neutrophils 1/1 M5.12: Interferon 1/1 M1.2: Interferon 1/1 M3.4: Interferon 1/1 M5.3 2/2 M5.6: Mitochondrial Stress / Proteasome 1/1 M5.4 1/1 M1.1: Platelets 1/1 M3.5: Cell Cycle 1/1 M5.10: Mitochondrial Respiration 1/1 M6.14 1/1 M4.10: B cell 1/1 M2.2: Cell Cycle 1/1 M6.18: Erythrocytes 1/1 M2.3: Erythrocytes 1/1 M5.3 1/2 M4.4 1/1 M3.1: Erythrocytes 1/1 M3.2[100th pctile]: Inflammation 1/1 M4.6[98th pctile]: Inflammation 1/1 M5.1[96th pctile]: Inflammation 1/1 M4.13[95th pctile]: Inflammation 1/1 M4.2[93th pctile]: Inflammation 1/1 M5.7[91th pctile]: Inflammation 1/1 M1.1[90th pctile]: Platelets 1/1 M5.5[88th pctile] 1/1 M4.3[86th pctile]: Protein Synthesis 1/1 M3.5[85th pctile]: Cell Cycle 1/1 M3.1[83th pctile]: Erythrocytes 1/1 M4.12[81th pctile] 1/1 M6.13[80th pctile]: Cell Death 1/1 M4.1[78th pctile]: T cell 1/1 M5.14[77th pctile] 1/1 M4.15[75th pctile]: T cells 1/1 M5.8[73th pctile] 1/1 M4.11[72th pctile]: Plasma Cells 1/1 M5.9[70th pctile]: Protein Synthesis 1/1 M5.11[68th pctile] 1/1 M4.14[67th pctile]: Monocytes 1/1 M4.7[65th pctile]: Cell Cycle 1/1 M4.9[63th pctile] 1/1 M2.1[62th pctile] 1/2 M2.1[62th pctile] 2/2 M2.3[60th pctile]: Erythrocytes 1/1 M5.10[59th pctile]: Mitochondrial Respiration 1/1 M6.6[57th pctile]: Apoptosis / Survival 1/1 M5.12[55th pctile]: Interferon 1/1 M3.6[54th pctile]: Cytotoxic/NK Cell 1/1 M6.9[52th pctile] 1/1 M4.8[50th pctile] 1/1 M4.10[49th pctile]: B cell 1/1 M5.3[47th pctile] 1/2 M5.3[47th pctile] 2/2 M3.4[45th pctile]: Interferon 1/1 M4.4[44th pctile] 1/1 M1.2[42th pctile]: Interferon 1/1 M5.6[40th pctile]: Mitochondrial Stress / Proteasome 1/1 M6.15[39th pctile] 1/1 M6.20[37th pctile] 1/1 M4.16[36th pctile] 1/1 M6.3[34th pctile] 1/1 M6.12[32th pctile]: Mitochondrial Stress 1/1 M6.2[31th pctile]: Mitochondrial Respiration 1/1 M3.3[29th pctile]: Cell Cycle 1/2 M3.3[29th pctile]: Cell Cycle 2/2 M4.5[27th pctile]: Protein Synthesis 1/1 M6.14[26th pctile] 1/1 M6.1[24th pctile] 1/1 M2.2[22th pctile]: Cell Cycle 1/1 M6.10[21th pctile] 1/1 M5.4[19th pctile] 1/1 M5.2[18th pctile] 1/1 M6.7[16th pctile] 1/1 M6.18[14th pctile]: Erythrocytes 1/1 M5.13[13th pctile] 1/1 M5.15[11th pctile]: Neutrophils 1/1 D0 D1 D3 D7 D10 D14 D21 D28 D0 D1 D3 D7 D10 D14 D21 D28 Color Key Value Median trends FLu vs Saline 15/18

29 Vaccin contre le pneumoccoque/grippe VS placebo Color Key Color Key Median trends Vaccin contre Flu vs Saline la grippe VS placebo Value Value Median trends Flu vs Saline M4.12 1/1 M6.12: Mitochondrial Stress 1/1 M3.5: Cell Cycle 1/1 M4.3: Protein Synthesis 1/1 M5.9: Protein Synthesis 1/1 M6.16: Cell Cycle 1/2 M4.5: Protein Synthesis 1/1 M5.2 1/1 M4.10: B cell 1/1 M6.9 1/1 M4.1: T cell 1/1 M6.15 1/1 M4.7: Cell Cycle 1/1 M6.19 1/1 M5.5 1/1 M6.7 1/1 M5.8 1/1 M5.11 1/1 M4.15: T cells 1/1 M4.8 1/1 M2.1 1/1 M3.6: Cytotoxic/NK Cell 1/1 M5.10: Mitochondrial Respiration 1/1 M6.2: Mitochondrial Respiration 1/1 M4.16 1/1 M6.4 1/1 M6.10 1/1 M5.1: Inflammation 1/1 M5.14 1/1 M5.13 1/1 M5.7: Inflammation 1/1 M6.20 1/1 M5.6: Mitochondrial Stress / Proteasome 1/1 M6.3 1/1 M6.5 1/1 M5.4 1/1 M4.9 1/1 M4.4 1/1 M3.1: Erythrocytes 1/1 M5.3 1/1 M2.3: Erythrocytes 1/1 M6.18: Erythrocytes 1/1 M4.13: Inflammation 1/1 M4.6: Inflammation 1/1 M3.2: Inflammation 1/1 M4.2: Inflammation 1/1 M6.13: Cell Death 1/1 M5.12: Interferon 1/1 M6.6: Apoptosis / Survival 1/1 M4.14: Monocytes 1/1 M5.15: Neutrophils 1/1 M3.4: Interferon 1/1 M4.11: Plasma Cells 1/1 M6.16: Cell Cycle 2/2 M1.2: Interferon 1/1 M6.11: Cell Cycle 1/1 M1.1: Platelets 1/1 M6.14 1/1 M3.4[100th pctile]: Interferon 1/1 M1.2[98th pctile]: Interferon 1/1 M3.2[96th pctile]: Inflammation 1/1 M5.12[95th pctile]: Interferon 1/1 M2.1[93th pctile] 1/1 M4.6[91th pctile]: Inflammation 1/1 M4.13[90th pctile]: Inflammation 1/1 M4.14[88th pctile]: Monocytes 1/1 M5.1[86th pctile]: Inflammation 1/1 M5.5[85th pctile] 1/1 M4.1[83th pctile]: T cell 1/1 M5.7[81th pctile]: Inflammation 1/1 M5.2[80th pctile] 1/1 M5.8[78th pctile] 1/1 M5.11[77th pctile] 1/1 M4.15[75th pctile]: T cells 1/1 M4.9[73th pctile] 1/1 M4.2[72th pctile]: Inflammation 1/1 M3.5[70th pctile]: Cell Cycle 1/1 M3.6[68th pctile]: Cytotoxic/NK Cell 1/1 M1.1[67th pctile]: Platelets 1/1 M4.3[65th pctile]: Protein Synthesis 1/1 M4.8[63th pctile] 1/1 M6.9[62th pctile] 1/1 M6.13[60th pctile]: Cell Death 1/1 M4.12[59th pctile] 1/1 M4.7[57th pctile]: Cell Cycle 1/1 M6.15[55th pctile] 1/1 M4.10[54th pctile]: B cell 1/1 M5.9[52th pctile]: Protein Synthesis 1/1 M5.14[50th pctile] 1/1 M5.3[49th pctile] 1/1 M3.1[47th pctile]: Erythrocytes 1/1 M5.6[45th pctile]: Mitochondrial Stress / Proteasome 1/1 M5.10[44th pctile]: Mitochondrial Respiration 1/1 M5.4[42th pctile] 1/1 M6.6[40th pctile]: Apoptosis / Survival 1/1 M5.13[39th pctile] 1/1 M6.4[37th pctile] 1/1 M6.14[36th pctile] 1/1 M2.3[34th pctile]: Erythrocytes 1/1 M6.19[32th pctile] 1/1 M6.3[31th pctile] 1/1 M6.20[29th pctile] 1/1 M4.11[27th pctile]: Plasma Cells 1/1 M6.2[26th pctile]: Mitochondrial Respiration 1/1 M4.16[24th pctile] 1/1 M4.5[22th pctile]: Protein Synthesis 1/1 M5.15[21th pctile]: Neutrophils 1/1 M6.7[19th pctile] 1/1 M6.12[18th pctile]: Mitochondrial Stress 1/1 M4.4[16th pctile] 1/1 M6.5[14th pctile] 1/1 M6.11[13th pctile]: Cell Cycle 1/1 M6.10[11th pctile] 1/1 M6.16[9th pctile]: Cell Cycle 1/2 M6.16[9th pctile]: Cell Cycle 2/2 M6.18[8th pctile]: Erythrocytes 1/1 D0 D1 D3 D7 D10 D14 D21 D28 D0 D1 D3 D7 D10 D14 D21 D28 Color Key Value Median trends FLu vs Saline 16/18

30 Limites Correction des tests multiples : corrélation entre les groupes de gènes non prise en compte Corrélation entre les gènes non prise en compte Définition des groupes de gènes pertinence biologique, temps de calcul... 17/18

31 Conclusion Méthode exploratoire pour l analyse de données longitudinales d expression génique Modélisation flexible Tiens compte de l hétérogénéité au sein des groupes de gènes Robuste aux données deséquilibrées Possibilité de comparer plusieurs groupes de traitement Possibilité d étudier plutôt l hétérogénéité entre les patients package TcGSA 18/18

Intégration de données multiples générées

Intégration de données multiples générées Intégration de données multiples générées par les techniques à haut débit (séquençage, CGH, SNP, transcriptome ) Pascal Roy 1 MD-PhD, Caroline Truntzer PhD 2, Delphine Maucort-Boulch 1 MD-PhD 1 Equipe

Plus en détail

Christelle REYNES EA 2415 Epidémiologie, Biostatistique et Santé Publique Université Montpellier 1. 8 Juin 2012

Christelle REYNES EA 2415 Epidémiologie, Biostatistique et Santé Publique Université Montpellier 1. 8 Juin 2012 Extraction et analyse des mesures haut-débit pour l identification de biomarqueurs : problèmes méthodologiques liés à la dimension et solutions envisagées EA 2415 Epidémiologie, Biostatistique et Santé

Plus en détail

Une introduction. Lionel RIOU FRANÇA. Septembre 2008

Une introduction. Lionel RIOU FRANÇA. Septembre 2008 Une introduction INSERM U669 Septembre 2008 Sommaire 1 Effets Fixes Effets Aléatoires 2 Analyse Classique Effets aléatoires Efficacité homogène Efficacité hétérogène 3 Estimation du modèle Inférence 4

Plus en détail

EXEMPLE : FAILLITE D ENTREPRISES

EXEMPLE : FAILLITE D ENTREPRISES EXEMPLE : FAILLITE D ENTREPRISES Cet exemple a pour objectif d étudier la faillite d entreprises. Les données proviennent de l ouvrage de R.A.Johnson et D.W Wichern : «Applied Multivariate Statistical

Plus en détail

Influence du nombre de réplicats dans une analyse différentielle de données RNA-Seq

Influence du nombre de réplicats dans une analyse différentielle de données RNA-Seq Influence du nombre de réplicats dans une analyse différentielle de données RNA-Seq Sophie Lamarre 1, Stéphane Pyronnet 2, Emeline Sarot 2, Sébastien Déjean 3, Magali San Cristobal 3,4 & Matthieu Vignes

Plus en détail

Introduction à l approche bootstrap

Introduction à l approche bootstrap Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?

Plus en détail

Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base

Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base M.A. Knefati 1 & A. Oulidi 2 & P.Chauvet 1 & M. Delecroix 3 1 LUNAM Université, Université Catholique de l Ouest,

Plus en détail

La méthode de régression par discontinuité et l évaluation des politiques de l emploi

La méthode de régression par discontinuité et l évaluation des politiques de l emploi La méthode de régression par discontinuité et l évaluation des politiques de l emploi Thomas Lemieux University of British Columbia Le 24 novembre 2009 Plan de la présentation La méthode de régression

Plus en détail

$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU

$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU $SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le

Plus en détail

Analyses de données NGS et présentation de la librairie NGS++

Analyses de données NGS et présentation de la librairie NGS++ Analyses de données NGS et présentation de la librairie NGS++ UQÀM, 13 Mars 2013 Alexei Nordell Markovits 2 Présentation Nicolas Gevry Shengrui Wang 3 Plan 1) Introduction/Next Generation Sequencing(NGS)

Plus en détail

Modèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes

Modèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz

Plus en détail

Immunologie Intégrative & Biologie des Systèmes. Biologie des systèmes. Biologie des systèmes? Immunologie Intégrative & Biologie des Systèmes

Immunologie Intégrative & Biologie des Systèmes. Biologie des systèmes. Biologie des systèmes? Immunologie Intégrative & Biologie des Systèmes Adrien Six (adrien.six@upmc.fr) IF-IVa Université Pierre et Marie Curie février 2011 Introduction Modèle de la différenciation T Analyse immunomique anticorps Signature transcriptionnelle "Mémoire" Modules

Plus en détail

Medication management ability assessment: results from a performance based measure in older outpatients with schizophrenia.

Medication management ability assessment: results from a performance based measure in older outpatients with schizophrenia. Medication Management Ability Assessment (MMAA) Patterson TL, Lacro J, McKibbin CL, Moscona S, Hughs T, Jeste DV. (2002) Medication management ability assessment: results from a performance based measure

Plus en détail

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures) CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un

Plus en détail

Avancées récentes Les méta-analyses multi-traitements

Avancées récentes Les méta-analyses multi-traitements Tirer parti de toute l information en économie de la santé : Introduction aux outils statistiques bayésiens. Avancées récentes Les méta-analyses multi-traitements Séminaire JEM SFES : Paris, 26 janvier

Plus en détail

Exemple PLS avec SAS

Exemple PLS avec SAS Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that

Plus en détail

Points méthodologiques Adapter les méthodes statistiques aux Big Data

Points méthodologiques Adapter les méthodes statistiques aux Big Data Points méthodologiques Adapter les méthodes statistiques aux Big Data I. Répétition de tests et inflation du risque alpha II. Significativité ou taille de l effet? 2012-12-03 Biomédecine quantitative 36

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage stochastique non linéaire par la théorie de représentation des martingales Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de

Plus en détail

Application des courbes ROC à l analyse des facteurs pronostiques binaires

Application des courbes ROC à l analyse des facteurs pronostiques binaires Application des courbes ROC à l analyse des facteurs pronostiques binaires Combescure C (1), Perneger TV (1), Weber DC (2), Daurès J P (3), Foucher Y (4) (1) Service d épidémiologie clinique et Centre

Plus en détail

Données biologiques haut-débit :

Données biologiques haut-débit : Données biologiques haut-débit : problèmes méthodologiques liés à la dimension et utilisation des algorithmes génétiques Christelle REYNES EA 2415 Epidémiologie, Biostatistique et Santé Publique Université

Plus en détail

De la mesure à l analyse des risques

De la mesure à l analyse des risques De la mesure à l analyse des risques Séminaire ISFA - B&W Deloitte Jean-Paul LAURENT Professeur à l'isfa, Université Claude Bernard Lyon 1 laurent.jeanpaul@free.fr http://laurent.jeanpaul.free.fr/ 0 De

Plus en détail

Exercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015

Exercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015 Exercices M1 SES 214-215 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 215 Les exemples numériques présentés dans ce document d exercices ont été traités sur le logiciel R, téléchargeable par

Plus en détail

Méthodes non paramétriques par permutations

Méthodes non paramétriques par permutations Méthodes non paramétriques par permutations Denis Puthier 11 juin 2008 Laboratoire INSERM TAGC/ERM206, Parc Scientifique de Luminy case 928,13288 MARSEILLE cedex 09, FRANCE. http://biologie.univ-mrs.fr/view-data.php?id=245

Plus en détail

metarnaseq: un package pour la méta-analyse de données RNA-seq

metarnaseq: un package pour la méta-analyse de données RNA-seq metarnaseq: un package pour la méta-analyse de données RNA-seq Guillemette Marot, Florence Jaffrézic, Andrea Rau 28/06/13 Overview 1 Introduction 2 Analyse statistique d une seule étude 3 Méta-analyse

Plus en détail

Projet de thèse. Intitulé de la thèse. Spécialité du doctorat. Problématique scientifique générale

Projet de thèse. Intitulé de la thèse. Spécialité du doctorat. Problématique scientifique générale Projet de thèse Intitulé de la thèse Détection automatisée de signaux en pharmacovigilance : Exploitation conjointe de données de notifications spontanées et médico- administratives. Spécialité du doctorat

Plus en détail

Caroline Hurault-Delarue 1, Cécile Chouquet 2, Nicolas Savy 2, Isabelle Lacroix 1, Christine Damase- Michel 1

Caroline Hurault-Delarue 1, Cécile Chouquet 2, Nicolas Savy 2, Isabelle Lacroix 1, Christine Damase- Michel 1 Trajectoires individuelles d'exposition aux psychotropes au cours de la grossesse et partitionnement en fonction du profil d'exposition : utilisation des K-means pour données longitudinales Caroline Hurault-Delarue

Plus en détail

Annexe 6. Notions d ordonnancement.

Annexe 6. Notions d ordonnancement. Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document

Plus en détail

K. Ammar, F. Bachoc, JM. Martinez. Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau

K. Ammar, F. Bachoc, JM. Martinez. Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau Apport des modèles de krigeage à la simulation numérique K Ammar, F Bachoc, JM Martinez CEA-Saclay, DEN, DM2S, F-91191 Gif-sur-Yvette, France Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau Apport des

Plus en détail

BIG Data et R: opportunités et perspectives

BIG Data et R: opportunités et perspectives BIG Data et R: opportunités et perspectives Guati Rizlane 1 & Hicham Hajji 2 1 Ecole Nationale de Commerce et de Gestion de Casablanca, Maroc, rguati@gmail.com 2 Ecole des Sciences Géomatiques, IAV Rabat,

Plus en détail

NON-LINEARITE ET RESEAUX NEURONAUX

NON-LINEARITE ET RESEAUX NEURONAUX NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail

Plus en détail

Influence du nombre de réplicats dans une analyse différentielle de données RNAseq

Influence du nombre de réplicats dans une analyse différentielle de données RNAseq Influence du nombre de réplicats dans une analyse différentielle de données RNAseq Statisticiens: Sophie Lamarre Steve Van Ginkel Sébastien Déjean - Magali San Cristobal Matthieu Vignes Biologistes: Stéphane

Plus en détail

Réévaluation des modèles d estimation précoce de la croissance

Réévaluation des modèles d estimation précoce de la croissance Réévaluation des modèles d estimation précoce de la croissance Françoise Charpin OFCE, Centre de recherche en économie de Sciences Po, Université Paris II La Revue de l OFCE est ouverte aux chercheurs

Plus en détail

Master de Bioinformatique et Biologie des Systèmes Toulouse http://m2pbioinfo.biotoul.fr Responsable : Pr. Gwennaele Fichant

Master de Bioinformatique et Biologie des Systèmes Toulouse http://m2pbioinfo.biotoul.fr Responsable : Pr. Gwennaele Fichant Master de Bioinformatique et Biologie des Systèmes Toulouse http://m2pbioinfo.biotoul.fr Responsable : Pr. Gwennaele Fichant Parcours: Master 1 : Bioinformatique et biologie des Systèmes dans le Master

Plus en détail

Quantification en tomographie d émission

Quantification en tomographie d émission Quantification en tomographie d émission Irène Buvat Imagerie et Modélisation en Neurobiologie et Cancérologie UMR 8165 CNRS - Paris 7 - Paris 11 buvat@imnc.in2p3.fr http://www.guillemet.org/irene Séminaire

Plus en détail

Introduction : Essais de phase I

Introduction : Essais de phase I Schéma de recherche de dose dans les essais de phase I : comparaison par simulations dans un cadre temporel A Doussau 1,2, MC Le Deley 3, B Asselain 1, G Vassal 3, X Paoletti 1 1 - Institut Curie, 2 -

Plus en détail

Données longitudinales et modèles de survie

Données longitudinales et modèles de survie ANALYSE DU Données longitudinales et modèles de survie 5. Modèles de régression en temps discret André Berchtold Département des sciences économiques, Université de Genève Cours de Master ANALYSE DU Plan

Plus en détail

Le modèle linéaire généralisé avec R : fonction glm()

Le modèle linéaire généralisé avec R : fonction glm() SEMIN- Le modèle linéaire généralisé avec R : fonction glm() Sébastien BALLESTEROS UMR 7625 Ecologie Evolution Ecole Normale Supérieure 46 rue d'ulm F-75230 Paris Cedex 05 sebastien.ballesteros@biologie.ens.fr

Plus en détail

Le Data Mining au service du Scoring ou notation statistique des emprunteurs!

Le Data Mining au service du Scoring ou notation statistique des emprunteurs! France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative

Plus en détail

Sujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante.

Sujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante. Sujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante. Objectifs et formulation du sujet Le syndrome de l apnée du sommeil (SAS) est un problème de santé publique

Plus en détail

Optimisation de l agrégation d un portefeuille de contrat d assurance vie

Optimisation de l agrégation d un portefeuille de contrat d assurance vie Optimisation de l agrégation d un portefeuille de contrat d assurance vie Pierre-Olivier Goffard 1 1 AXA France, Université de Aix-Marseille. pierreolivier.goffard@axa.fr Résumé. Une méthode d agrégation

Plus en détail

fonction processus biologiques criblage

fonction processus biologiques criblage Transcriptome 1 Transcriptome : ensemble des ARNm ou transcrits présents dans une population de cellules dans des conditions données. Plan Introduction Acquisition des données Description des données Transformation,

Plus en détail

Une méthode de classification supervisée sans paramètre pour l apprentissage sur les grandes bases de données

Une méthode de classification supervisée sans paramètre pour l apprentissage sur les grandes bases de données Une méthode de classification supervisée sans paramètre pour l apprentissage sur les grandes bases de données Marc Boullé Orange Labs 2 avenue Pierre Marzin 22300 Lannion marc.boulle@orange-ftgroup.com,

Plus en détail

Equation LIDAR : exp 2 Equation RADAR :

Equation LIDAR : exp 2 Equation RADAR : Contexte scientifique Systèmes LIDAR/RADAR Equation LIDAR : exp Equation RADAR : p (r) : puissance rétrodiffusée r : altitude ou profondeur. C : constante instrumentale. β : coefficient de rétrodiffusion

Plus en détail

TEST DE DÉTECTION DE LA PRODUCTION D INTERFÉRON γ POUR LE DIAGNOSTIC DES INFECTIONS TUBERCULEUSES

TEST DE DÉTECTION DE LA PRODUCTION D INTERFÉRON γ POUR LE DIAGNOSTIC DES INFECTIONS TUBERCULEUSES TEST DE DÉTECTION DE LA PRODUCTION D INTERFÉRON γ POUR LE DIAGNOSTIC DES INFECTIONS TUBERCULEUSES Classement NABM : non inscrit code : non codé DÉCEMBRE 2006 Service évaluation des actes professionnels

Plus en détail

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent

Plus en détail

TABLE DES MATIERES. C Exercices complémentaires 42

TABLE DES MATIERES. C Exercices complémentaires 42 TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence

Plus en détail

La survie nette actuelle à long terme Qualités de sept méthodes d estimation

La survie nette actuelle à long terme Qualités de sept méthodes d estimation La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg

Plus en détail

Principe de symétrisation pour la construction d un test adaptatif

Principe de symétrisation pour la construction d un test adaptatif Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université

Plus en détail

Cours 7 : Exemples. I- Régression linéaire simple II- Analyse de variance à 1 facteur III- Tests statistiques

Cours 7 : Exemples. I- Régression linéaire simple II- Analyse de variance à 1 facteur III- Tests statistiques Cours 7 : Exemples I- Régression linéaire simple II- Analyse de variance à 1 facteur III- Tests statistiques Exemple 1 : On cherche à expliquer les variations de y par celles d une fonction linéaire de

Plus en détail

La gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST.

La gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST. La gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST. Gaël Le Mahec - p. 1/12 L algorithme BLAST. Basic Local Alignment Search Tool est un algorithme de recherche

Plus en détail

1 Installer des packages

1 Installer des packages 10 mai 2014 Fabricɛ Dɛssaint Inra - UMR Agroécologie, Dijon 10 mai 2014 R est un système d analyse statistique et graphique, qui est distribué librement et dont le développement et la distribution sont

Plus en détail

Anomalies chromosomiques et tumeurs d Ewing

Anomalies chromosomiques et tumeurs d Ewing Anomalies chromosomiques et tumeurs d Ewing Sylvain Blachon IRISA/INRIA Rennes - projet SITCON 21 Octobre 2008 Sylvain Blachon (IRISA/INRIA Rennes - projet SITCON) Anomalies chromosomiques et tumeurs d

Plus en détail

Tests rapides VIH : Comment, pour qui? Diane Descamps, Yazdan Yazdanpanah Laboratoire de Virologie, Service des Maladies Infectieuses et Tropicales Hôpital-Bichat Claude Bernard, HUPNVS UFR de Médecine

Plus en détail

4.2 Unités d enseignement du M1

4.2 Unités d enseignement du M1 88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter

Plus en détail

Théorie de la viabilité: application à un agroécosystème prairial. Rodolphe Sabatier, Muriel Tichit 05-12-2012

Théorie de la viabilité: application à un agroécosystème prairial. Rodolphe Sabatier, Muriel Tichit 05-12-2012 INRA UMR SADAPT Théorie de la viabilité: application à un agroécosystème prairial Rodolphe Sabatier, Muriel Tichit 05-12-2012 rodolphe.sabatier@agroparistech.fr Plan Théorie de la viabilité: concepts et

Plus en détail

Deux plateformes IBiSA et 3 plateaux techniques regroupés depuis 2010. Responsable scientifique Denis Milan. Coordination des nouveaux investissements

Deux plateformes IBiSA et 3 plateaux techniques regroupés depuis 2010. Responsable scientifique Denis Milan. Coordination des nouveaux investissements RNA-seq Olivier Bouchez Nathalie Marsaud Mercredi 28 mars 2012 Plateforme GeT : Génome et Transcriptome Deux plateformes IBiSA et 3 plateaux techniques regroupés depuis 2010 Responsable scientifique Denis

Plus en détail

Identification de nouveaux membres dans des familles d'interleukines

Identification de nouveaux membres dans des familles d'interleukines Identification de nouveaux membres dans des familles d'interleukines Nicolas Beaume Jérôme Mickolajczak Gérard Ramstein Yannick Jacques 1ère partie : Définition de la problématique Les familles de gènes

Plus en détail

COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES

COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES J. sci. pharm. biol., Vol.9, n - 00, pp. 9-0 EDUCI 00 9 VALLEE POLNEAU S.* DIAINE C. COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES Notre étude visait à comparer les résultats obtenus

Plus en détail

Apprentissage automatique

Apprentissage automatique Apprentissage automatique François Denis, Hachem Kadri, Cécile Capponi Laboratoire d Informatique Fondamentale de Marseille LIF - UMR CNRS 7279 Equipe QARMA francois.denis@lif.univ-mrs.fr 2 Chapitre 1

Plus en détail

Introduction aux bases de données: application en biologie

Introduction aux bases de données: application en biologie Introduction aux bases de données: application en biologie D. Puthier 1 1 ERM206/Technologies Avancées pour le Génome et la Clinique, http://tagc.univ-mrs.fr/staff/puthier, puthier@tagc.univ-mrs.fr ESIL,

Plus en détail

Introduction à la méthode d'analyse des réseaux sociaux

Introduction à la méthode d'analyse des réseaux sociaux Colloques d'épidémiologie clinique et biostatistique HUG 8 mars 2011 Gil Viry Introduction à la méthode d'analyse des réseaux sociaux FACULTÉ DES SCIENCES ÉCONOMIQUES ET SOCIALES Plan du cours 1. Les principes

Plus en détail

- 2 - faire industriel dans la mise au point des produits biologiques. L Institut Roche de Recherche et Médecine Translationnelle (IRRMT, basé à

- 2 - faire industriel dans la mise au point des produits biologiques. L Institut Roche de Recherche et Médecine Translationnelle (IRRMT, basé à Information presse Roche, l Agence Nationale de Recherches sur le Sida et les hépatites virales (ANRS), le Baylor Research Institute (BRI) et Inserm Transfert mettent en place une coopération stratégique

Plus en détail

Formations proposées en 2012-2013 par le Réseau Doctoral de Santé Publique

Formations proposées en 2012-2013 par le Réseau Doctoral de Santé Publique Formations proposées en 2012-2013 par le Réseau Doctoral de Santé Publique Pour obtenir les informations concernant le programme, le lieu et les possibilités d inscription, se référer à la liste des contacts

Plus en détail

Modélisation Prédictive Robuste

Modélisation Prédictive Robuste INTELLIGENT TECHNOLOGIES Modélisation Prédictive Robuste GENERATE P R E D I C T O P T I M I Z E Découvrir l'essentiel. pour comprendre, prédire et optimiser. est une solution inédite de modélisation et

Plus en détail

Marketing quantitatif M2-MASS

Marketing quantitatif M2-MASS Marketing quantitatif M2-MASS Francois.Kauffmann@unicaen.fr UCBN 2 décembre 2012 Francois.Kauffmann@unicaen.fr UCBN Marketing quantitatif M2-MASS 2 décembre 2012 1 / 61 Première partie I Analyse Analyse

Plus en détail

PREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE

PREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE PREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE Jean-Paul Valois, Claude Mouret & Nicolas Pariset Total, 64018 Pau Cédex MOTS CLEFS : Analyse spatiale, ACP, Lissage, Loess PROBLEMATIQUE En analyse multivariée,

Plus en détail

LE CHEMINEMENT COMPLEXE D UN VACCIN

LE CHEMINEMENT COMPLEXE D UN VACCIN LE CHEMINEMENT COMPLEXE D UN VACCIN Chaîne de production, exigences réglementaires et accès aux vaccins International Federation of Pharmaceutical Manufacturers & Associations LE CHEMINEMENT COMPLEXE D

Plus en détail

exemple de végétaux exposés au benzène atmosphérique Sylvain Dumez sylvain.dumez@univ-lille2.fr

exemple de végétaux exposés au benzène atmosphérique Sylvain Dumez sylvain.dumez@univ-lille2.fr Approches écotoxicogénomiques et application à la biosurveillance exemple de végétaux exposés au benzène atmosphérique Sylvain Dumez sylvain.dumez@univ-lille2.fr Laboratoire des Sciences végétales et fongiques,

Plus en détail

Modèles pour données répétées

Modèles pour données répétées Résumé Les données répétées, ou données longitudinales, constituent un domaine à la fois important et assez particulier de la statistique. On entend par données répétées des données telles que, pour chaque

Plus en détail

Annales du Contrôle National de Qualité des Analyses de Biologie Médicale

Annales du Contrôle National de Qualité des Analyses de Biologie Médicale Annales du Contrôle National de Qualité des Analyses de Biologie Médicale ARN du virus de l hépatite C : ARN-VHC ARN-VHC 03VHC1 Novembre 2003 Edité : mars 2006 Annales ARN-VHC 03VHC1 1 / 8 ARN-VHC 03VHC1

Plus en détail

MCMC et approximations en champ moyen pour les modèles de Markov

MCMC et approximations en champ moyen pour les modèles de Markov MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:

Plus en détail

Approche bayésienne des modèles à équations structurelles

Approche bayésienne des modèles à équations structurelles Manuscrit auteur, publié dans "42èmes Journées de Statistique (2010)" Approche bayésienne des modèles à équations structurelles Séverine Demeyer 1,2 & Nicolas Fischer 1 & Gilbert Saporta 2 1 LNE, Laboratoire

Plus en détail

La régression logistique. Par Sonia NEJI et Anne-Hélène JIGOREL

La régression logistique. Par Sonia NEJI et Anne-Hélène JIGOREL La régression logistique Par Sonia NEJI et Anne-Hélène JIGOREL Introduction La régression logistique s applique au cas où: Y est qualitative à 2 modalités Xk qualitatives ou quantitatives Le plus souvent

Plus en détail

La gestion des risques en assurances de dommages: Un exemple concret

La gestion des risques en assurances de dommages: Un exemple concret La gestion des risques en assurances de dommages: Un exemple concret 1 Contenu 1. Gouvernance de la gestion de risques dans le Groupe AXA 2. AXA Canada - Structure organisationnelle de la gestion de risques

Plus en détail

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation Programme des épreuves des concours externes de recrutement des personnels E1 RECRUTEMENT DES ASSISTANTS INGENIEURS DE RECHERCHE ET DE FORMATION...2 E1.1 Gestionnaire de base de données...2 E1.2 Développeur

Plus en détail

Mulford C. (1992). The Mother-Baby Assessment(MBA): An Apgar Score for breastfeeding. Journal of Human Lactation, 8(2), 79-82.

Mulford C. (1992). The Mother-Baby Assessment(MBA): An Apgar Score for breastfeeding. Journal of Human Lactation, 8(2), 79-82. MOTHER-BABY ASSESSMENT SCALE Mulford C. (1992). The Mother-Baby Assessment(MBA): An Apgar Score for breastfeeding. Journal of Human Lactation, 8(2), 79-82. Instrument de Mother-Baby Assessment scale mesure

Plus en détail

CAS CLINIQUE 2. 2013 (juin) : patiente toujours en cours de traitement par Létrozole

CAS CLINIQUE 2. 2013 (juin) : patiente toujours en cours de traitement par Létrozole 2008 (décembre) : Patiente de 60 ans Tumorectomie plus curage CAS CLINIQUE 2 carcinome canalaire infiltrant de 2.5 cm, grade 2 RH+ (RO + 100% +++, Allred 8, RP + 80 % ++ Allred 7) Her2-, KI 67 à 18 %,

Plus en détail

Echantillonnage Non uniforme

Echantillonnage Non uniforme Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas

Plus en détail

EFFICACITÉ ET INNOCUITÉ D UN MÉDICAMENT CONTRE LA MPOC COMPARATIVEMENT À UN CONTRÔLE

EFFICACITÉ ET INNOCUITÉ D UN MÉDICAMENT CONTRE LA MPOC COMPARATIVEMENT À UN CONTRÔLE MICHÈLE PICARD FLIBOTTE EFFICACITÉ ET INNOCUITÉ D UN MÉDICAMENT CONTRE LA MPOC COMPARATIVEMENT À UN CONTRÔLE Essai-stage présenté à la Faculté des études supérieures de l Université Laval dans le cadre

Plus en détail

GUIDE DU DATA MINER. Scoring - Modélisation. Data Management, Data Mining, Text Mining

GUIDE DU DATA MINER. Scoring - Modélisation. Data Management, Data Mining, Text Mining GUIDE DU DATA MINER Scoring - Modélisation Data Management, Data Mining, Text Mining 1 Guide du Data Miner Scoring - Modélisation Le logiciel décrit dans le manuel est diffusé dans le cadre d un accord

Plus en détail

COURS SYRRES RÉSEAUX SOCIAUX INTRODUCTION. Jean-Loup Guillaume

COURS SYRRES RÉSEAUX SOCIAUX INTRODUCTION. Jean-Loup Guillaume COURS SYRRES RÉSEAUX SOCIAUX INTRODUCTION Jean-Loup Guillaume Le cours Enseignant : Jean-Loup Guillaume équipe Complex Network Page du cours : http://jlguillaume.free.fr/www/teaching-syrres.php Évaluation

Plus en détail

Agrégation des portefeuilles de contrats d assurance vie

Agrégation des portefeuilles de contrats d assurance vie Agrégation des portefeuilles de contrats d assurance vie Est-il optimal de regrouper les contrats en fonction de l âge, du genre, et de l ancienneté des assurés? Pierre-O. Goffard Université d été de l

Plus en détail

Les principes du sequençage haut-débit

Les principes du sequençage haut-débit Les principes du sequençage haut-débit Mardi 23 avril 2013 Dr H. EL HOUSNI Organisation Génomique Podhala'et'al.'Trends'in'genetics'2012' Costa V et al. J BioMed BioTech 2010 32 ans Costa V et al. J BioMed

Plus en détail

MODELE A CORRECTION D ERREUR ET APPLICATIONS

MODELE A CORRECTION D ERREUR ET APPLICATIONS MODELE A CORRECTION D ERREUR ET APPLICATIONS Hélène HAMISULTANE Bibliographie : Bourbonnais R. (2000), Econométrie, DUNOD. Lardic S. et Mignon V. (2002), Econométrie des Séries Temporelles Macroéconomiques

Plus en détail

DIAPOSITIVE 1 Cette présentation a trait à la réglementation sur les thérapies cellulaires.

DIAPOSITIVE 1 Cette présentation a trait à la réglementation sur les thérapies cellulaires. Produits de thérapie cellulaire DIAPOSITIVE 1 Cette présentation a trait à la réglementation sur les thérapies cellulaires. DIAPOSITIVE 2 La fabrication des thérapies cellulaires est examinée par la Division

Plus en détail

L'intelligence d'affaires: la statistique dans nos vies de consommateurs

L'intelligence d'affaires: la statistique dans nos vies de consommateurs L'intelligence d'affaires: la statistique dans nos vies de consommateurs Jean-François Plante, HEC Montréal Marc Fredette, HEC Montréal Congrès de l ACFAS, Université Laval, 6 mai 2013 Intelligence d affaires

Plus en détail

Propriétés des images numériques Contraintes sur l interprétation

Propriétés des images numériques Contraintes sur l interprétation Propriétés des images numériques Contraintes sur l interprétation M.LOUYS, Traitement d images et problèmes inverses Master Astrophysique, Observatoire de Strasbourg, 2013 Propriétés générales d une image

Plus en détail

Analyse des déplacements des objets mobiles : définition de comportements types

Analyse des déplacements des objets mobiles : définition de comportements types Analyse des déplacements des objets mobiles : définition de comportements types Thomas Devogele Université François Rabelais (Tours) thomas.devogele@univ-tours.fr Les déplacements L analyse des déplacements

Plus en détail

Les échanges bilatéraux entre les nations : Une approche linéaire mixte des modèles gravitationnels* Kamel Ghaddab 1

Les échanges bilatéraux entre les nations : Une approche linéaire mixte des modèles gravitationnels* Kamel Ghaddab 1 Les échanges bilatéraux entre les nations : Une approche linéaire mixte des modèles gravitationnels* Kamel Ghaddab 1 Ahmed Silem 2 Introduction Dans le cadre de la détermination empirique de la composition

Plus en détail

Utilisation et évaluation de la concordance de plusieurs méthodes de classification sur des données cliniques de maladies rares

Utilisation et évaluation de la concordance de plusieurs méthodes de classification sur des données cliniques de maladies rares Utilisation et évaluation de la concordance de plusieurs méthodes de classification sur des données cliniques de maladies rares Emmanuelle Besse & Damien Chimits & Eva-Maria Hüßler & Virginie Stanislas

Plus en détail

Que faire devant un résultat positif, négatif ou indéterminé? Elisabeth Bouvet Atelier IGRA VIH JNI Tours 13 Juin 2012

Que faire devant un résultat positif, négatif ou indéterminé? Elisabeth Bouvet Atelier IGRA VIH JNI Tours 13 Juin 2012 Que faire devant un résultat positif, négatif ou indéterminé? Elisabeth Bouvet Atelier IGRA VIH JNI Tours 13 Juin 2012 Conclusions provisoires rapport du HCSP juillet 2011 Valeur prédictive positive des

Plus en détail

TECH. INFOTECH # 34 Solvabilité 2 : Le calcul du capital économique dans le cadre d un modèle interne. Introduction

TECH. INFOTECH # 34 Solvabilité 2 : Le calcul du capital économique dans le cadre d un modèle interne. Introduction INFO # 34 dans le cadre d un modèle interne Comment les méthodes d apprentissage statistique peuvent-elles optimiser les calculs? David MARIUZZA Actuaire Qualifié IA Responsable Modélisation et Solvabilité

Plus en détail

PROGRAMME (Susceptible de modifications)

PROGRAMME (Susceptible de modifications) Page 1 sur 8 PROGRAMME (Susceptible de modifications) Partie 1 : Méthodes des revues systématiques Mercredi 29 mai 2013 Introduction, présentation du cours et des participants Rappel des principes et des

Plus en détail

Explorer l espace des mots : du linéaire au non-linéaire

Explorer l espace des mots : du linéaire au non-linéaire Explorer l espace des mots : du linéaire au non-linéaire Ludovic Lebart CNRS ENST, 46 rue Barrault, 75013, Paris. Abstract To visualize the associations between words within a series of texts, it is frequent

Plus en détail

INF6304 Interfaces Intelligentes

INF6304 Interfaces Intelligentes INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie

Plus en détail

L analyse de séquence dans R avec la librairie TraMineR

L analyse de séquence dans R avec la librairie TraMineR L analyse de séquence dans R avec la librairie TraMineR Alexis Gabadinho, Gilbert Ritschard Nicolas S. Müller, Matthias Studer Institut d études démographiques et du parcours de vie Université de Genève

Plus en détail

VACCINS ANTIPNEUMOCOCCIQUES

VACCINS ANTIPNEUMOCOCCIQUES VACCINS ANTIPNEUMOCOCCIQUES Infections respiratoires SPIF - 15 Novembre 2014 Patrick Petitpretz Déclaration de liens d'intérêts J ai actuellement, ou j ai eu au cours des trois dernières années, une affiliation

Plus en détail

Normalité des rendements?

Normalité des rendements? Normalité des rendements? Daniel Herlemont 31 mars 2011 Table des matières 1 Introduction 1 2 Test de Normalité des rendements 2 3 Graphiques quantile-quantile 2 4 Estimation par maximum de vraisemblance

Plus en détail

De la mesure à l analyse des risques

De la mesure à l analyse des risques De la mesure à l analyse des risques Séminaire FFA Jean-Paul LAURENT Professeur à l'isfa jean-paul.laurent@univ-lyon1.fr http://laurent.jeanpaul.free.fr/ 0 De la la mesure à l analyse des risques! Intégrer

Plus en détail

Mexico. Appliqué à l environnement VLE. Groupe Record/VLE (1)(2)(3)

Mexico. Appliqué à l environnement VLE. Groupe Record/VLE (1)(2)(3) Mexico Appliqué à l environnement VLE Groupe Record/VLE (1)(2)(3) 1 Laboratoire d Informatique du Littoral - ULCO 2 Institut National de la Recherche Agronomique - Départements MIA/EA 3 Centre de coopération

Plus en détail