Un test d association génétique pour la détection de regroupements de variants rares liés à une pathologie
|
|
- Bernard Grenier
- il y a 6 ans
- Total affichages :
Transcription
1 Un test d association génétique pour la détection de regroupements de variants rares liés à une pathologie 14 décembre 2015 Elodie PERSYN*, Lise BELLANGER**, Christian DINA*, Richard REDON* *Institut du thorax, Inserm UMR 1087 / UMR CNRS 6291, Nantes. elodie.persyn@univ-nantes.fr ** Laboratoire de Mathématiques Jean Leray, UMR CNRS 6629, Nantes
2 L épidémiologie génétique Discipline dont l un des objectifs est de mettre en évidence les facteurs génétiques impliqués dans le trait étudié. Facteurs génétiques Facteurs environnementaux Maladie héréditaire Projet de recherche VACARME Applications : diagnostic précoce et médecine personnalisée 2
3 Les études d association génétique Objectif : Tester l association entre des variants génétiques et une maladie donnée trouver des gènes Etudes cas-témoins Cas (individus atteints) Témoins (individus sains) Absence de l allèle A Présence de l allèle A Test d association pour un variant : Comparaison des fréquences alléliques cas/témoins 3
4 Contexte des variants rares Etudes d association génome entier : héritabilité manquante observation : les variants fréquents à effets faibles Nouvelle hypothèse : les variants rares à effets plus forts Avancées considérables dans les nouvelles technologies de séquençage permet l étude des variants rares 4
5 Test d association pour un seul variant rare Cas Témoins Si 1000 cas et 1000 témoins : p-value de
6 De nouveaux tests statistiques pour les variants génétiques rares Tester individuellement les variants Pas adapté pour des variants très peu fréquents Nouvelle stratégie : utiliser l information génétique de plusieurs variants rares. (situés sur le même gène) 6
7 Cas Test d association pour un groupe de variants rares CAST Témoins 1 Cohort allelic sums test (Morgenthaler and Thilly, 2007) Si 1000 cas et 1000 témoins : p-value de
8 De nombreux tests d association pour les variants génétiques rares 8
9 Les tests d association pour les variants rares Catégorie Burden Tests Calcul d un score génétique par individu. Variance-component tests Test d une composante de la variance des effets génétiques. Test CAST (Cohort Allelic Sum Test) [1] WSS (Weighted-Sum Statistic) [2] VT (Variable Threshold ) [3] asum (Adaptive Sum test) [4] C-alpha [5] SKAT (Sequence Kernel association test) [6] SKAT-O (Sequence Kernel association test- Optimal) [7] Multi-locus genotype KBAC (Kernel-based adaptive Clustering) [8] P-value combination tests Combinaison des p-values de tests simple-marqueur. ADA (adaptive combination of P-values for rare variant association testing) [9] Position Tests KERNEL [10] CLUSTER [11] BOMP (Burden Or Mutation Position test) [12] DBM (distance-based measure) test [13] 9
10 Utiliser l information positionnelle De multiples mutations rares contribuent au phénotype et cellesci résident dans des régions spécifiques. Bansal, V. et al., Nat. Rev. Genet. 10
11 Objectifs Principe Description DoEstRare Objectif : Intégrer l information sur les positions des variants pour détecter des regroupements de variants à risque. Enjeu : rester puissant dans le cas classique de distribution uniforme de mutations à risque sur le gène. combiner différentes stratégies 11
12 Objectifs Principe Description Principe : Comparaison entre cas et témoins des : - fonctions de densité de positions - fréquences moyennes de mutations DoEstRare -f A et f U sont les fonctions de densité chez les cas et les témoins -p A et p U sont les fréquences moyennes sur l ensemble des variants du gène. Les hypothèses de test sont : H 0 f A = f U et p A = p U H a f A f U ou p A p U Comparaison des distributions des positions sur le gène Comparaison des quantités de mutations 12
13 Objectifs Principe Description Description des données Phénotype Y i =1 si l individu i est atteint (Affected) Y i =0 si l individu i est sain (Unaffected) Génotypes X ij = 0 allèles mineurs 1 2 Génotype de l individu i pour le variant j Positions l j : position physique du variant j, j 1,, P 13
14 densité Introduction DoEstRare Schéma de simulation Résultats Discussion Objectifs Principe Description Description de DoEstRare 1. Comparaison des deux fonctions de densité Position physique (bp) STAT = 1 maxd f A pos f U pos dpos maxd : taille du gène f A : estimateur à noyau gaussien chez les cas f U : estimateur à noyau gaussien chez les témoins 14
15 Objectifs Principe Description Mêmes fonctions de densité besoin de tenir compte des fréquences alléliques Mais la probabilité de présenter une mutation est deux fois plus élevée chez les cas. 15
16 Densité x fréquence allélique moyenne Introduction DoEstRare Schéma de simulation Résultats Discussion Objectifs Principe Description 2. Introduction d une composante «burden» Position physique (bp) STAT = 1 maxd p A f A pos p U f U pos avec : dpos p A Fréquence allélique moyenne chez les cas p U Fréquence allélique moyenne chez les témoins 16
17 Objectifs Principe Description Tous les variants du gène ne sont pas impliqués dans la maladie. Pondération des variants susceptibles d être impliqués dans la pathologie 17
18 Objectifs Principe Description Evaluation de la significativité du test Permutation des phénotypes des individus p. value = B perm=1 I STAT perm > STAT obs + 1 B
19 Critères de comparaison Erreur de type I Simulation sous H 0 : pas d association entre le gène et la maladie 10 r=1 000 I p. value H0 α erreur de type I = Puissance Simulation sous H 1 : association entre le gène et la maladie 1 r=1 000 I p. value H1 α puissance =
20 Schéma de simulation Modèle génétique de coalescence Logiciel : COSI (Schaffner et al., 2005) Population européenne haplotypes Simulation de - Matrice d haplotypes : H - Positions des variants : pos Sélection des variants rares MAF 0.001, Matrice d haplotypes: H RV - Positions : pos RV Analyse de puissance: simulations Analyse des erreurs de type I: simulations Sélection des variants causaux Simulation du phénotype Y i Echantillonnage aléatoire de 2 haplotypes h 1 and h 2 de la matrice H VR X i = h 1 + h 2 Afin d obtenir 1000 cas et 1000 témoins 20
21 Schéma de simulation Simulation de - Matrice d haplotypes : H - Positions des variants : pos Sélection des variants rares MAF 0.001, Matrice d haplotypes : H RV - Positions : pos RV Analyse de puissance : simulations Analyse des erreurs de type I : simulations Sélection des variants causaux Simulation du phénotype Y i Echantillonnage aléatoire de 2 haplotypes h 1 and h 2 de la matrice H VR X i = h 1 + h 2 Afin d obtenir 1000 cas et 1000 témoins 21
22 3 scénarios principaux de simulations 1 Pas de cluster 2 1 cluster 3 2 clusters Proportions de variants causaux : 5, 10, 15 and 20%. 22
23 Schéma de simulation Simulation de - Matrice d haplotypes : H - Positions des variants : pos Sélection des variants rares MAF 0.001, Matrice d haplotypes : H RV - Positions : pos RV Analyse de puissance : simulations Analyse des erreurs de type I : simulations Sélection des variants causaux Simulation du phénotype Y i Echantillonnage aléatoire de 2 haplotypes h 1 and h 2 de la matrice H VR X i = h 1 + h 2 Afin d obtenir 1000 cas et 1000 témoins 23
24 Simulation des phénotypes Modèle de régression logistique logit P Y = 1 = β 0 + Xβ avec : - β 0 = log 0,05 1 0,05 mutation sont atteints : risque de base : 5% des individus sans aucune - β : vecteur des coefficients de régression pour les effets génétiques Etude de puissance : β j = log OR j avec OR j =3 si le variant j est causal. 24
25 Schéma de simulation Simulation de - Matrice d haplotypes : H - Positions des variants : pos Sélection des variants rares MAF 0.001, Matrice d haplotypes : H RV - Positions : pos RV Analyse de puissance : simulations Analyse des erreurs de type I : simulations Sélection des variants causaux Simulation du phénotype Y i Echantillonnage aléatoire de 2 haplotypes h 1 and h 2 de la matrice H VR X i = h 1 + h 2 Afin d obtenir 1000 cas et 1000 témoins 25
26 Erreurs de type I Puissance Erreurs de type I Erreurs de type I calculées à partir de simulations Ligne rouge : erreur de type I de 5% Lignes bleues : intervalle de confiance à 95% 26
27 Puissance (α=5%) Introduction DoEstRare Schéma de simulation Résultats Discussion Erreurs de type I Puissance Puissances Scénario 1 : pas de clusters de variants à risque 27
28 Puissance (α=5%) Introduction DoEstRare Schéma de simulation Résultats Discussion Erreurs de type I Puissance Puissances Scénario 2 : 1 cluster de variants à risque 28
29 Conclusion Les résultats obtenus des simulations pour le test DoEstRare sont encourageants comparés aux autres tests. 29
30 Perspectives Le test statistique est adapté aux variants à risque Application à des données réelles Syndrome de Brugada Alzheimer Les tests comparés ne sont pas ajustés pour les effets de stratification de population. 30
31 Remerciements PhD Directeur : Richard REDON Co-encadrants : Lise BELLANGER, Christian DINA Equipe 3 : génétique des maladies cardiovasculaires héréditaires Jean-Jacques SCHOTT Equipe 4 : variabilité génétique et mort subite Richard REDON Equipe de statistique Pierre-François BUSSON Christian DINA Joanna GIEMZA Matilde KARAKACHOFF Floriane SIMONET Lise BELLANGER CCIPL : Centre de Calcul Intensif des Pays de la Loire Guy MOEBS 31
32 Références [1] Morgenthaler and Thilly, Mutat. Res. 615, (2007). [2] Madsen and Browning, PLoS Genet. 5, e (2009). [3] Price et al., Am. J. Hum. Genet. 86, (2010). [4] Han and Pan, Hum. Hered. 70, (2010). [5] Neale et al., PLoS Genet 7, e (2011). [6] Wu et al., Am. J. Hum. Genet. 89, (2011). [7] Lee et al., Am. J. Hum. Genet. 91, (2012). [8] Liu and Leal, PLoS Genet 6, e (2010). [9] Lin et al., PloS One 9, e85728 (2014). [10] Schaid et al., Hum. Genet. 132, (2013). [11] Lin, PloS One 9, e94337 (2014). [12] Chen et al., PLoS Genet. 9, e (2013). [13] Fier et al., Bioinforma. Oxf. Engl. 28, (2012). [14] Le Scouarnec, S. et al., Hum. Mol. Genet. 24, (2015). 32
Gènes Diffusion - EPIC 2010
Gènes Diffusion - EPIC 2010 1. Contexte. 2. Notion de génétique animale. 3. Profil de l équipe plateforme. 4. Type et gestion des données biologiques. 5. Environnement Matériel et Logiciel. 6. Analyses
Plus en détailDétection et prise en charge de la résistance aux antirétroviraux
Détection et prise en charge de la résistance aux antirétroviraux Jean Ruelle, PhD AIDS Reference Laboratory, UCLouvain, Bruxelles Corata 2011, Namur, 10 juin 2011 Laboratoires de référence SIDA (Belgique)
Plus en détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
Plus en détailTESTS D HYPOTHÈSE FONDÉS SUR LE χ². http://fr.wikipedia.org/wiki/eugénisme
TESTS D HYPOTHÈSE FONDÉS SUR LE χ² http://fr.wikipedia.org/wiki/eugénisme Logo du Second International Congress of Eugenics 1921. «Comme un arbre, l eugénisme tire ses constituants de nombreuses sources
Plus en détailMABioVis. 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 détailItem 169 : Évaluation thérapeutique et niveau de preuve
Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes
Plus en détailGénétique et génomique Pierre Martin
Génétique et génomique Pierre Martin Principe de la sélections Repérage des animaux intéressants X Accouplements Programmés Sélection des meilleurs mâles pour la diffusion Index diffusés Indexation simultanée
Plus en détailCHAPITRE 3 LA SYNTHESE DES PROTEINES
CHAITRE 3 LA SYNTHESE DES ROTEINES On sait qu un gène détient dans sa séquence nucléotidique, l information permettant la synthèse d un polypeptide. Ce dernier caractérisé par sa séquence d acides aminés
Plus en détailLa 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 détailMontréal, 24 mars 2015. David Levine Président et chef de la direction DL Strategic Consulting. DL Consulting Strategies in Healthcare
Montréal, 24 mars 2015 David Levine Président et chef de la direction DL Strategic Consulting 1 RSSPQ, 2013 2 MÉDECINE INDIVIDUALISÉE Médecine personnalisée Médecine de précision Biomarqueurs Génomique
Plus en détailBases de données des mutations
Bases de données des mutations CFMDB CFTR2 CFTR-France / Registre Corinne THEZE, Corinne BAREIL Laboratoire de génétique moléculaire Montpellier Atelier Muco, Lille, 25-27 septembre 2014 Accès libre http://www.genet.sickkids.on.ca/app
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détail«Cours Statistique et logiciel R»
«Cours Statistique et logiciel R» Rémy Drouilhet (1), Adeline Leclercq-Samson (1), Frédérique Letué (1), Laurence Viry (2) (1) Laboratoire Jean Kuntzmann, Dép. Probabilites et Statistique, (2) Laboratoire
Plus en détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détailSAS ENTERPRISE MINER POUR L'ACTUAIRE
SAS ENTERPRISE MINER POUR L'ACTUAIRE Conférence de l Association des Actuaires I.A.R.D. 07 JUIN 2013 Sylvain Tremblay Spécialiste en formation statistique SAS Canada AGENDA Survol d Enterprise Miner de
Plus en détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
Plus en détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en détailExercices de génétique classique partie II
Exercices de génétique classique partie II 1. L idiotie phénylpyruvique est une maladie héréditaire dont sont atteints plusieurs membres d une famille, dont voici l arbre généalogique : 3 4 5 6 7 8 9 10
Plus en détailLA 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 détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailÉvaluation du risque cardiovasculaire dans le contexte de l hypertension artérielle et de son traitement
Évaluation du risque cardiovasculaire dans le contexte de l hypertension artérielle et de son traitement DIU HTA François Gueyffier Service de pharmacologie clinique UMR CNRS 5558 CIC 201, LYON francois.gueyffier@chu-lyon.fr
Plus en détailJournée SITG, Genève 15 octobre 2013. Nicolas Lachance-Bernard M.ATDR Doctorant, Laboratoire de systèmes d information géographique
Monitorint spatio-temporel intégré de la mobilité urbaine Monitoring spatio-temporel de l ADN urbain Une réponse aux défis, problèmes, enjeux et risques des milieux urbains Nicolas Lachance-Bernard M.ATDR
Plus en détailPrincipe 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 détailchargement d amplitude variable à partir de mesures Application à l approche fiabiliste de la tolérance aux dommages Modélisation stochastique d un d
Laboratoire de Mécanique et Ingénieriesnieries EA 3867 - FR TIMS / CNRS 2856 ER MPS Modélisation stochastique d un d chargement d amplitude variable à partir de mesures Application à l approche fiabiliste
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailValidation clinique des marqueurs prédictifs le point de vue du méthodologiste. Michel Cucherat UMR CNRS 5558 - Lyon
Validation clinique des marqueurs prédictifs le point de vue du méthodologiste Michel Cucherat UMR CNRS 5558 - Lyon Marqueur prédictif - Définition Un marqueur prédictif est un marqueur qui prédit le bénéfice
Plus en détailLaboratoire d Informatique, de Traitement de l Information et des Systèmes EA 4108. 3 établissements T. Paquet D. Olivier T. Lecroq A.
Laboratoire d Informatique, de Traitement de l Information et des Systèmes EA 4108 3 établissements T. Paquet D. Olivier T. Lecroq A. Benshrair 7 équipes Disciplines 27-61, 25-26-43-64 L. Heutte DocApp
Plus en détailEtude, par simulations, de l intérêt d une sélection génomique dans une population porcine de type mâle
2013. Journées Recherche Porcine, 45, 213-218. Etude, par simulations, de l intérêt d une sélection génomique dans une population porcine de type mâle Thierry TRIBOUT (1,2), Catherine LARZUL (1,2), Jean
Plus en détailLes tests génétiques à des fins médicales
Les tests génétiques à des fins médicales Les tests génétiques à des fins médicales Nous avons tous hérité d une combinaison unique de gènes de la part de nos parents. Cette constitution originale et l
Plus en détailBig data et sciences du Vivant L'exemple du séquençage haut débit
Big data et sciences du Vivant L'exemple du séquençage haut débit C. Gaspin, C. Hoede, C. Klopp, D. Laborie, J. Mariette, C. Noirot, MS. Trotard bioinfo@genopole.toulouse.inra.fr INRA - MIAT - Plate-forme
Plus en détailRendez-vous de Insee. «Des projections de ménages aux besoins. en logement» Mardi 11 décembre 2012. Annaïg LE MEUR, SIAL/DPH
Rendez-vous de Insee «Des projections de ménages aux besoins en logement» Mardi 11 décembre 2012 Annaïg LE MEUR, SIAL/DPH SOMMAIRE 1. L'évaluation des besoins en logements menée en Pays de la Loire Contexte
Plus en détaile-biogenouest CNRS UMR 6074 IRISA-INRIA / Plateforme de Bioinformatique GenOuest yvan.le_bras@irisa.fr Programme fédérateur Biogenouest co-financé
e-biogenouest Coordinateur : Olivier Collin Animateur : Yvan Le Bras CNRS UMR 6074 IRISA-INRIA / Plateforme de Bioinformatique GenOuest yvan.le_bras@irisa.fr Programme fédérateur Biogenouest co-financé
Plus en détailOrdonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative
Ordonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative Y. Houbad, M. Souier, A. Hassam, Z.Sari Laboratoire d automatique Tlemcen Faculté de technologie, Université Abou
Plus en détailExpérience 3 Formats de signalisation binaire
Expérience 3 Formats de signalisation binaire Introduction Procédures Effectuez les commandes suivantes: >> xhost nat >> rlogin nat >> setenv DISPLAY machine:0 >> setenv MATLABPATH /gel/usr/telecom/comm_tbx
Plus en détailINTRODUCTION AUX TESTS DE PERFORMANCE ET DE CHARGE
INTRODUCTION AUX TESTS DE PERFORMANCE ET DE CHARGE 1 Introduction aux tests de performance et de charge Sommaire Avertissement...2 Aperçu...3 1. Création du scénario de navigation web (Test web)...4 2.
Plus en détailProblème d ordonnancement de véhicules en variables booléennes
Problème d ordonnancement de véhicules en variables booléennes Freddy Hetman 2 juillet 2013 Faculté des sciences Jean Perrin Freddy Hetman () 2 juillet 2013 1 / 22 Sommaire 1 Introduction 2 Le problème
Plus en détailActualités sur la sélection des pondeuses Prospections futures. Dr. Matthias Schmutz, Lohmann Tierzucht
Actualités sur la sélection des pondeuses Prospections futures Dr. Matthias Schmutz, Lohmann Tierzucht Alimentation et démographie mondiale Augmentation annuelle de 80 millions Croissance surtout dans
Plus en détailNouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Julien Jorge julien.jorge@univ-nantes.fr Laboratoire d Informatique de Nantes Atlantique,
Plus en détailHémochromatose génétique non liée à HFE-1 : quand et comment la rechercher? Cécilia Landman 11 décembre 2010
Hémochromatose génétique non liée à HFE-1 : quand et comment la rechercher? Cécilia Landman 11 décembre 2010 Métabolisme du fer : hepcidine Fer absorbé par les entérocytes des villosités duodénales : transporteur
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailEvidence-based medicine en français
Evidence-based medicine en français MÉDECINE FACTUELLE (Office de la langue française) Médecine fondée sur des faits démontrés Médecine fondée sur des preuves Médecine fondée sur des données probantes
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailMETHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES
Enseignement du Deuxième Cycle des Etudes Médicales Faculté de Médecine de Toulouse Purpan et Toulouse Rangueil Module I «Apprentissage de l exercice médical» Coordonnateurs Pr Alain Grand Pr Daniel Rougé
Plus en détailL3 Psychologie «Ergonomie : travail, innovations et formation» Les enjeux et éléments historiques. Principaux concepts et théories sous-jacentes
9/25/14 L3 Psychologie «Ergonomie : travail, innovations et formation» Présentation du thème 1 Catherine Delgoulet LATI Thème 1 (C. Delgoulet) Comprendre/transformer le travail Les enjeux et éléments historiques
Plus en détailL axe 5 du Cancéropole Nord Ouest
L axe 5 du Cancéropole Nord Ouest Cancers, Individu id & Société L état des lieux d un pari Le Rapport Cordier 1 Biomarqueurs prédictifs 2 L axe 5 du Cancéropole Nord Ouest Cancers, Individu & Société
Plus en détailIntroduction 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 détailPROGRAMME (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 détailProjet 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 détailÉconométrie, causalité et analyse des politiques
Économétrie, causalité et analyse des politiques Jean-Marie Dufour Université de Montréal October 2006 This work was supported by the Canada Research Chair Program (Chair in Econometrics, Université de
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
Plus en détailRetour d expérience, portage de code Promes dans le cadre de l appel à projets CAPS-GENCI
, portage de code Promes dans le cadre de l appel à projets CAPS-GENCI PROMES (UPR 8521 CNRS) Université de Perpignan France 29 juin 2011 1 Contexte 2 3 4 Sommaire Contexte 1 Contexte 2 3 4 Laboratoire
Plus en détailIntrants médicamenteux en agriculture et en santé : les écosystèmes microbiens sont-ils un problème ou une solution?
Les Rencontres de l Inra au Salon de l agriculture Intrants médicamenteux en agriculture et en santé : les écosystèmes microbiens sont-ils un problème ou une solution? Lundi 23 février 2015 Programme 14h30
Plus en détailTest de terrain ou test de laboratoire pour la performance en endurance?
Test de terrain ou test de laboratoire pour la performance en endurance? Ajaccio 12 mai 2012 F. Carré Université Rennes 1 Hopital Pontchaillou Inserm UMR 1099 Les «tests» chez le sportif Exploration performance
Plus en détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailModèle 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 détailMASTER MANAGEMENT DES RH ET DU DÉVELOPPEMENT SOCIAL SPÉCIALITÉ GESTION STRATÉGIQUE DES RESSOURCES HUMAINES À FINALITÉ PROFESSIONNELLE
MASTER MANAGEMENT DES RH ET DU DÉVELOPPEMENT SOCIAL SPÉCIALITÉ GESTION STRATÉGIQUE DES RESSOURCES HUMAINES À FINALITÉ PROFESSIONNELLE RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine ministériel
Plus en détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détailGénoToul 2010, Hôtel de Région Midi Pyrénées, Toulouse, 10 décembre 2010
GénoToul 2010, Hôtel de Région Midi Pyrénées, Toulouse, 10 décembre 2010 Analyse de la diversité moléculaire des régions génomiques de 30 gènes du développement méristématique dans une core collection
Plus en détailTests 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 détailBase de données bibliographiques Pubmed-Medline
Chapitre 1 ; Domaine 1 ; Documentation ; Champs référentiels 1.1.1, 1.1.2 et 1.1.3 Base de données bibliographiques Pubmed-Medline D r Patrick Deschamps,, 30 mai 2007 PLAN C2i métiers de la santé Introduction
Plus en détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
Plus en détailDocteur José LABARERE
UE7 - Santé Société Humanité Risques sanitaires Chapitre 3 : Epidémiologie étiologique Docteur José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de
Plus en détailOptimisation des performances d échangeurs de chaleur.
Journée d étude SFT 16/03/2011 Echangeurs thermiques et multi-fonctionnels : enjeux, applications et axes de recherche Optimisation des performances d échangeurs de chaleur. École des Mines de DOUAI 941
Plus en détailSciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION
Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Classe de terminale de la série Sciences et Technologie du Management et de la Gestion Préambule Présentation Les technologies de l information
Plus en détailLa 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 détailBest Styles ou comment capturer au mieux les primes de risque sur les marchés d actions
Stratégie Best Styles ou comment capturer au mieux les primes de risque sur les marchés d actions La recherche des primes de risque constitue une stratégie relativement courante sur les marchés obligataires
Plus en détailLes débats sur l évolution des
D o c u m e n t d e t r a v a i l d e l a B r a n c h e R e t r a i t e s d e l a C a i s s e d e s d é p ô t s e t c o n s i g n a t i o n s n 9 8-0 7 C o n t a c t : La u re nt V e r n i è r e 0 1 4
Plus en détailAgrégation 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 détailNouveau plan greffe : Axes stratégiques pour l avenir
Extrait Communiqué de presse Saint-Denis, le 12 avril 2012 Nouveau plan greffe : Axes stratégiques pour l avenir La dynamique du plan greffe 2000-2003 a généré un essor sans précédent de près de 50 % de
Plus en détailCAMPAGNE ENSEIGNANTS-CHERCHEURS 2015
CAMPAGNE ENSEIGNANTS-CHERCHEURS 2015 Identification du poste : Grade : PR MCF N de poste : Section CNU 1: 06 Section CNU 2 (le cas échéant) : 24 Composante de rattachement : Département Economie Gestion
Plus en détailSURVEILLANCE EPIDEMIOLOGIQUE DES TMS EN ENTREPRISES : LES RESULTATS DU SUIVI A TROIS ANS DE LA COHORTE COSALI
SURVEILLANCE EPIDEMIOLOGIQUE DES TMS EN ENTREPRISES : LES RESULTATS DU SUIVI A TROIS ANS DE LA COHORTE COSALI Elise CHIRON 1, Yves ROQUELAURE 1, Catherine HA 2, Annie TOURANCHET 3, Annette LECLERC 4, Marcel
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailLa recherche ne manque pas de chien
La recherche ne manque pas de chien Depuis une dizaine d années, le chien dans la recherche n est plus un animal de laboratoire parmi d autres. Avec le séquençage de son génome en 2005, il est devenu un
Plus en détailIMMED Monitoring vidéo porté
IMMED Monitoring vidéo porté L indexation vidéo au service du soin des personnes Projet financé par PEPS S2TI CNRS et des bourses BQR de l Université Bordeaux 1 1 Contexte Maladies et dépendances liées
Plus en détailMaîtriser le risque de TMS du membre supérieur lies au travail
Maîtriser le risque de TMS du membre supérieur lies au travail Dr Michel APTEL Laboratoire de Biomécanique et d'ergonomie Centre de recherche de l'inrs Les Troubles Musculo-Squelettiques (TMS) liés au
Plus en détailMaster 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 détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailPremière partie. Introduction Générale
Première partie Introduction Générale IX L amélioration des espèces cultivées a pour but de produire des variétés présentant des caractéristiques nouvelles pour des caractères d intérêt agronomique (création
Plus en détailModélisation du comportement habituel de la personne en smarthome
Modélisation du comportement habituel de la personne en smarthome Arnaud Paris, Selma Arbaoui, Nathalie Cislo, Adnen El-Amraoui, Nacim Ramdani Université d Orléans, INSA-CVL, Laboratoire PRISME 26 mai
Plus en détail«Les jeux en ligne, quelle influence en France?»
Les multiples facettes du jeu Québec, 30 mai 2012 «Les jeux en ligne, quelle influence en France?» M. Grall-Bronnec, G. Bouju, M. Lagadec J. Caillon, J.L. Vénisse Le contexte des jeux de hasard et d argent
Plus en détailCancer bronchique primitif: données épidémiologiques récentes
Cancer bronchique primitif: données épidémiologiques récentes Pr Jean Trédaniel Service de pneumologie et oncologie thoracique Groupe Hospitalier Paris Saint Joseph Université Paris Descartes Sources Données
Plus en détailPour une mobilité sure et durable des
Safe Move For older drivers Pour une mobilité sure et durable des conducteurs âgés Claude Marin-Lamellet IFSTTAR-TS2-LESCOT 2 Partenaires Projet miroir en Suède Financeurs 3 Personnes impliquées IFSTTAR
Plus en détailThierry DELZESCAUX. «biopicsel» group, URA CNRS-CEA 2210 Service MIRCen, I²BM, CEA Fontenay-aux-Roses, France. Thierry.Delzescaux@cea.
Thierry DELZESCAUX «biopicsel» group, URA CNRS-CEA 2210 Service MIRCen, I²BM, CEA Fontenay-aux-Roses, France Thierry.Delzescaux@cea.fr Thierry DELZESCAUX Ingénieur chercheur CEA Experience Since 2008:
Plus en détailGrégoire de Lassence. Copyright 2006, SAS Institute Inc. All rights reserved.
Grégoire de Lassence 1 Grégoire de Lassence Responsable Pédagogie et Recherche Département Académique Tel : +33 1 60 62 12 19 gregoire.delassence@fra.sas.com http://www.sas.com/france/academic SAS dans
Plus en détailGuide de rédaction d un protocole de recherche clinique à. l intention des chercheurs évoluant en recherche fondamentale
V E R S I O N A V R I L 2 0 1 2 C E N T R E D E R E C H E R C H E C L I N I Q U E É T I E N N E - L E B E L D U C H U S Guide de rédaction d un protocole de recherche clinique à l intention des chercheurs
Plus en détailRésistance du virus de l hépatite C aux nouveaux traitements anti-viraux
14 ème forum SOS Hépatites, Lyon Résistance du virus de l hépatite C aux nouveaux traitements anti-viraux Dr. Sylvie LARRAT Laboratoire de Virologie CHU Grenoble Hépatite C chronique 180 millions de porteurs
Plus en détailCondition Monitoring System pour les éoliennes. "Condition Monitoring System" pour les éoliennes
"Condition Monitoring System" 1 Participants ifm electronic à EMM 2012 (6-7 Juin 2012) Michel ASTIER : Responsable Marchés Eolien & Automobile Edil ALVAREZ : Chef de produit Analyse Vibratoire Oliver DURAND
Plus en détailSOMMAIRE I. INTRODUCTION 4 II. SOURCES D INFORMATION 5
SOMMAIRE I. INTRODUCTION 4 II. SOURCES D INFORMATION 5 2.1. ETUDES REALISEES PAR LES SERVICES DES CAISSES D ASSURANCE MALADIE 5 2.2. ANALYSE DE LA LITTERATURE 5 2.3. ANALYSE DES VENTES 6 2.4. COMPARAISONS
Plus en détailCharges virales basses sous traitement: définition impact virologique. Laurence Bocket Virologie CHRU de Lille
XVIIe Journée Régionale de Pathologie Infectieuse 12 octobre 2010 Charges virales basses sous traitement: définition impact virologique Laurence Bocket Virologie CHRU de Lille conflits d intérêts subventions,
Plus en détailOptimisation du rééchantillonnage dans un logiciel d Amélioration des Plantes
Optimisation du rééchantillonnage dans un logiciel d Amélioration des Plantes Baradat P. INRA-Département EFPA UMR AMAP 34398 Montpellier Cedex 5 FRANCE baradat@ensam.inra.fr Labbé T. INRA-Département
Plus en détail1 les caractères des êtres humains.
Quelques rappels des classes précédentes ACTIVITÉ livre pages 8 et 9 : apprendre le bilan de la page 9 Les êtres vivants sont répartis en espèces. Chaque être vivant est formé de cellules. schéma d une
Plus en détailCALCUL D UN SCORE ( SCORING) Application de techniques de discrimination LES OBJECTIFS DU SCORING
CALCUL D UN SCORE ( SCORING) Application de techniques de discrimination LES OBJECTIFS DU SCORING SÉLECTION DES RISQUES PRÉVISION DES DÉFAUTS SUIVI ET CONTRÔLE Pierre-Louis GONZALEZ Différents types de
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailÉCOLE DE TECHNOLOGIE SUPÉRIEURE UNIVERSITÉ DU QUÉBEC RAPPORT DE PROJET PRÉSENTÉ À L ÉCOLE DE TECHNOLOGIE SUPÉRIEURE
ÉCOLE DE TECHNOLOGIE SUPÉRIEURE UNIVERSITÉ DU QUÉBEC RAPPORT DE PROJET PRÉSENTÉ À L ÉCOLE DE TECHNOLOGIE SUPÉRIEURE COMME EXIGENCE PARTIELLE À L OBTENTION DE LA MAÎTRISE EN GÉNIE PAR Sébastien SERVOLES
Plus en détailPhotons, expériences de pensée et chat de Schrödinger: une promenade quantique
Photons, expériences de pensée et chat de Schrödinger: une promenade quantique J.M. Raimond Université Pierre et Marie Curie Institut Universitaire de France Laboratoire Kastler Brossel Département de
Plus en détail