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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

- 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

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

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

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

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

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

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

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

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

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

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

Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring

Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems

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

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

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

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

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

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

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

La classification automatique de données quantitatives

La classification automatique de données quantitatives La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations

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

Médicaments du futur : Tendances et enjeux. Nicolas PY, Debiopharm International forumofac.14 26/09/2014

Médicaments du futur : Tendances et enjeux. Nicolas PY, Debiopharm International forumofac.14 26/09/2014 Médicaments du futur : Tendances et enjeux Nicolas PY, Debiopharm International forumofac.14 26/09/2014 Quelques mots sur Debiopharm Groupe fondé en 1979 Siège à Lausanne 350 collaborateurs Financièrement

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

Modélisation prédictive et incertitudes. P. Pernot. Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay pascal.pernot@u-psud.fr

Modélisation prédictive et incertitudes. P. Pernot. Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay pascal.pernot@u-psud.fr Modélisation prédictive et incertitudes P. Pernot Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay pascal.pernot@u-psud.fr Le concept de Mesure Virtuelle mesure virtuelle résultat d un modèle visant

Plus en détail

Dan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier

Dan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration

Plus en détail

2 Serveurs OLAP et introduction au Data Mining

2 Serveurs OLAP et introduction au Data Mining 2-1 2 Serveurs OLAP et introduction au Data Mining 2-2 Création et consultation des cubes en mode client-serveur Serveur OLAP Clients OLAP Clients OLAP 2-3 Intérêt Systèmes serveurs et clients Fonctionnalité

Plus en détail

Introduction à la statistique non paramétrique

Introduction à la statistique non paramétrique Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non

Plus en détail

Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA

Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université

Plus en détail

Data Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto.

Data Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto. des des Data Mining Vincent Augusto École Nationale Supérieure des Mines de Saint-Étienne 2012-2013 1/65 des des 1 2 des des 3 4 Post-traitement 5 représentation : 6 2/65 des des Définition générale Le

Plus en détail

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA

Plus en détail

TRAITEMENT DES DONNEES MANQUANTES AU MOYEN DE L ALGORITHME DE KOHONEN

TRAITEMENT DES DONNEES MANQUANTES AU MOYEN DE L ALGORITHME DE KOHONEN TRAITEMENT DES DONNEES MANQUANTES AU MOYEN DE L ALGORITHME DE KOHONEN Marie Cottrell, Smaïl Ibbou, Patrick Letrémy SAMOS-MATISSE UMR 8595 90, rue de Tolbiac 75634 Paris Cedex 13 Résumé : Nous montrons

Plus en détail

Mémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains.

Mémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains. Mémoire d actuariat - promotion 2010 La modélisation des avantages au personnel: complexité et limites du modèle actuariel, le rôle majeur des comportements humains. 14 décembre 2010 Stéphane MARQUETTY

Plus en détail

ANRS-FUNDED RESEARCH IN THE DEVELOPING WORLD

ANRS-FUNDED RESEARCH IN THE DEVELOPING WORLD ANRS-FUNDED RESEARCH IN THE DEVELOPING WORLD Brazil Burkina Faso (Bobo Dioulasso) Cambodia (Phnom Penh) Cameroon (Yaounde) Côte d Ivoire (Abidjan) Senegal (Dakar) Vietnam (Ho Chi Minh City) South Africa,

Plus en détail

MABioVis. Bio-informatique et la

MABioVis. Bio-informatique et la MABioVis Modèles et Algorithmes pour la Bio-informatique et la Visualisation Visite ENS Cachan 5 janvier 2011 MABioVis G GUY MELANÇON (PR UFR Maths Info / EPI GRAVITE) (là, maintenant) - MABioVis DAVID

Plus en détail

Phamaco-génétique et analyses multivariés

Phamaco-génétique et analyses multivariés CytoPathfinder Phamaco-génétique et analyses multivariés Besoins biostatistiques d une biotech anglo-japonnaise Olivier Delrieu PolytechLille Octobre 2010 1 Pharmaco-génétique Etude de l influence du génome

Plus en détail

distribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position

distribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons

Plus en détail

TRAVAUX DE RECHERCHE DANS LE

TRAVAUX DE RECHERCHE DANS LE TRAVAUX DE RECHERCHE DANS LE DOMAINE DE L'EXPLOITATION DES DONNÉES ET DES DOCUMENTS 1 Journée technologique " Solutions de maintenance prévisionnelle adaptées à la production Josiane Mothe, FREMIT, IRIT

Plus en détail

Modélisation géostatistique des débits le long des cours d eau.

Modélisation géostatistique des débits le long des cours d eau. Modélisation géostatistique des débits le long des cours d eau. C. Bernard-Michel (actuellement à ) & C. de Fouquet MISTIS, INRIA Rhône-Alpes. 655 avenue de l Europe, 38334 SAINT ISMIER Cedex. Ecole des

Plus en détail

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques

Plus en détail

HENDRICH FALL RISK MODEL (HFRM)

HENDRICH FALL RISK MODEL (HFRM) HENDRICH FALL RISK MODEL (HFRM) Hendrich, A. L., Bender, P. S., & Nyhuis, A. (2003). Validation of the Hendrich II Fall Risk Model: a large concurrent case/control study of hospitalized patients. Appl.Nurs

Plus en détail

LES CO-INFECTIONS VIH-VHC. EPIDEMIOLOGIE, INTERFERENCES. Patrice CACOUB La Pitié Salpêtrière, Paris

LES CO-INFECTIONS VIH-VHC. EPIDEMIOLOGIE, INTERFERENCES. Patrice CACOUB La Pitié Salpêtrière, Paris LES CO-INFECTIONS VIH-VHC. EPIDEMIOLOGIE, INTERFERENCES Patrice CACOUB La Pitié Salpêtrière, Paris 8 Avant l introduction des traitements antirétroviraux hautement actifs (HAART), la majorité des patients

Plus en détail

OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)

OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour

Plus en détail

Optimisation des ressources des produits automobile première

Optimisation des ressources des produits automobile première EURIA EURo Optimisation produits automobile première Pauline PERROT promotion 2011 EURIA EURo 1 ère partie : contexte MMA (FFSA) MAAF (GEMA) SGAM : COVEA (AFA) GMF (GEMA) MMA : Plus 3 millions clients

Plus en détail

Qu est ce qu un réseau social. CNAM Séminaire de Statistiques Appliquées 13/11/2013. F.Soulié Fogelman 1. Utilisation des réseaux sociaux pour le

Qu est ce qu un réseau social. CNAM Séminaire de Statistiques Appliquées 13/11/2013. F.Soulié Fogelman 1. Utilisation des réseaux sociaux pour le Qui je suis Innovation Utilisation des réseaux sociaux pour le data mining Business & Decision Françoise Soulié Fogelman francoise.soulie@outlook.com Atos KDD_US CNAM Séminaire de Statistique appliquée

Plus en détail

Architecture Reconfigurable Hétérogène à Gestion Hiérarchique Distribuée pour la Reconfiguration et la Prise de Décision

Architecture Reconfigurable Hétérogène à Gestion Hiérarchique Distribuée pour la Reconfiguration et la Prise de Décision INSTITUT D ÉLECTRONIQUE ET DE TÉLÉCOMMUNICATIONS DE RENNES Architecture Reconfigurable Hétérogène à Gestion Hiérarchique Distribuée pour la Reconfiguration et la Prise de Décision dans les systèmes de

Plus en détail

Analyse statistique de données qualitatives et quantitatives en sciences sociales : TP RÉGRESSION LOGISTIQUE (MODÈLES CHAPITRE 1)

Analyse statistique de données qualitatives et quantitatives en sciences sociales : TP RÉGRESSION LOGISTIQUE (MODÈLES CHAPITRE 1) Analyse statistique de données qualitatives et quantitatives en sciences sociales : TP RÉGRESSION LOGISTIQUE (MODÈLES CHAPITRE 1) Modèles de régression logistique à réaliser Une explicative catégorielle

Plus en détail

Validation probabiliste d un Système de Prévision d Ensemble

Validation probabiliste d un Système de Prévision d Ensemble Validation probabiliste d un Système de Prévision d Ensemble Guillem Candille, janvier 2006 Système de Prévision d Ensemble (EPS) (ECMWF Newsletter 90, 2001) Plan 1 Critères de validation probabiliste

Plus en détail

Cancer colo-rectal : situation belge

Cancer colo-rectal : situation belge Cancer colo-rectal : situation belge J.-L. Van Laethem, MD, PhD Unité d'oncologie digestive Département médico-chirurgical de Gastro-entérologie Pas de conflit d intérêt déclaré Cancer du colon 7000 nouveaux

Plus en détail

Déroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI

Déroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI 1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage

Plus en détail

L approche de régression par discontinuité. Thomas Lemieux, UBC Atelier de formation du Congrès de l ASDEQ Le 18 mai 2011

L approche de régression par discontinuité. Thomas Lemieux, UBC Atelier de formation du Congrès de l ASDEQ Le 18 mai 2011 L approche de régression par discontinuité Thomas Lemieux, UBC Atelier de formation du Congrès de l ASDEQ Le 18 mai 2011 Plan de la présentation L approche de régression par discontinuité (RD) Historique

Plus en détail

MASTER (LMD) MANAGEMENT DE PROJET ET INNOVATION EN BIOTECHNOLOGIE

MASTER (LMD) MANAGEMENT DE PROJET ET INNOVATION EN BIOTECHNOLOGIE MASTER (LMD) MANAGEMENT DE PROJET ET INNOVATION EN BIOTECHNOLOGIE RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine ministériel : Sciences, Technologies, Santé Mention : BIOLOGIE SANTE Spécialité

Plus en détail

Data issues in species monitoring: where are the traps?

Data issues in species monitoring: where are the traps? Data issues in species monitoring: where are the traps? French breeding bird monitoring : Animations locales : - dealing with heterogenous data - working with multi-species multi-sites monitoring schemes

Plus en détail

Surveillance et maintenance prédictive : évaluation de la latence de fautes. Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG)

Surveillance et maintenance prédictive : évaluation de la latence de fautes. Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG) Surveillance et maintenance prédictive : évaluation de la latence de fautes Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG) SURVEILLANCE Analyser une situation et fournir des indicateurs! Détection de symptômes!

Plus en détail

Biomarqueurs en Cancérologie

Biomarqueurs en Cancérologie Biomarqueurs en Cancérologie Définition, détermination, usage Biomarqueurs et Cancer: définition Anomalie(s) quantitative(s) ou qualitative(s) Indicative(s) ou caractéristique(s) d un cancer ou de certaines

Plus en détail

A C T I V Méningites à pneumocoque de l Enfant en 2007

A C T I V Méningites à pneumocoque de l Enfant en 2007 Méningites à pneumocoque de l Enfant en 2007 Edouard BINGEN, Robert COHEN, Corinne LEVY, France de La ROCQUE, Emmanuelle VARON, Yannick AUJARD, pour le GPIP-ACTIV Objectifs de l Observatoire des Méningites

Plus en détail

AICp. Vincent Vandewalle. To cite this version: HAL Id: inria-00386678 https://hal.inria.fr/inria-00386678

AICp. Vincent Vandewalle. To cite this version: HAL Id: inria-00386678 https://hal.inria.fr/inria-00386678 Sélection prédictive d un modèle génératif par le critère AICp Vincent Vandewalle To cite this version: Vincent Vandewalle. Sélection prédictive d un modèle génératif par le critère AICp. 41èmes Journées

Plus en détail

Des solutions de data mining pour résoudre des problèmes d estimation du risque 12 juin 2009 Association des Statisticiennes et Statisticiens du

Des solutions de data mining pour résoudre des problèmes d estimation du risque 12 juin 2009 Association des Statisticiennes et Statisticiens du Des solutions de data mining pour résoudre des problèmes d estimation du risque 12 juin 2009 Association des Statisticiennes et Statisticiens du Québec 1 - Data mining vs Statistique Pourquoi les statisticiens

Plus en détail

Mesure et gestion des risques d assurance

Mesure et gestion des risques d assurance Mesure et gestion des risques d assurance Analyse critique des futurs référentiels prudentiel et d information financière Congrès annuel de l Institut des Actuaires 26 juin 2008 Pierre THEROND ptherond@winter-associes.fr

Plus en détail

Introduction aux outils BI de SQL Server 2014. Fouille de données avec SQL Server Analysis Services (SSAS)

Introduction aux outils BI de SQL Server 2014. Fouille de données avec SQL Server Analysis Services (SSAS) MIT820: Entrepôts de données et intelligence artificielle Introduction aux outils BI de SQL Server 2014 Fouille de données avec SQL Server Analysis Services (SSAS) Description générale Ce tutoriel a pour

Plus en détail

Nouveaux Anticoagulants. Dr JF Lambert Service d hématologie CHUV

Nouveaux Anticoagulants. Dr JF Lambert Service d hématologie CHUV Nouveaux Anticoagulants Dr JF Lambert Service d hématologie CHUV Plan Petit rappel d hémostase Anticoagulant oraux classiques Les nouveaux anticoagulants (NAC) Dosage? Comment passer de l'un à l'autre

Plus en détail

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers

Plus en détail

Traitement des hépatites virales B et C

Traitement des hépatites virales B et C Traitement des hépatites virales B et C GFMER Yaoundé 26 Novembre 2007 Dr José M Bengoa foie cirrhotique foie normal Vitesse de développement de la fibrose fibrose VHD VHB VHC années Indications au traitement

Plus en détail

(Third-Man Attack) PASCAL BONHEUR PASCAL BONHEUR@YAHOO.FR 4/07/2001. Introduction. 1 Domain Name Server. 2 Commandes DNS. 3 Hacking des serveurs DNS

(Third-Man Attack) PASCAL BONHEUR PASCAL BONHEUR@YAHOO.FR 4/07/2001. Introduction. 1 Domain Name Server. 2 Commandes DNS. 3 Hacking des serveurs DNS Détournement de serveur DNS (Third-Man Attack) PASCAL BONHEUR PASCAL BONHEUR@YAHOO.FR 4/07/2001 Introduction Ce document traite de la possibilité d exploiter le serveur DNS pour pirater certains sites

Plus en détail

Les nouveaux outils de pilotage de vos lancements. Valérie Trouillet Senior Principal, IMS Consulting

Les nouveaux outils de pilotage de vos lancements. Valérie Trouillet Senior Principal, IMS Consulting Les nouveaux outils de pilotage de vos lancements Valérie Trouillet Senior Principal, IMS Consulting Depuis 2008, les analyses IMS Launch Excellence mettent en évidence l évolution des facteurs clés de

Plus en détail