Innovative Statistical modelling for a better Understanding of Longitudinal multivariate responses in relation to Omic datasets (ISULO)

Que soit en médecine ou en agronomie, la compréhension des mécanismes biologiques impliqués dans des caractères d’intérêt est essentielle. Dans cet objectif, le projet ISULO propose le développement de méthodes statistiques innovantes permettant l’identification de variables, issues de différents types de données -omic, impliquées dans des processus d’intérêt et l’estimation de leurs relations à l’intérieur d’un type de données -omic mais également entre différents types de données -omic.

Date de début de projet

01/03/2020

Date de fin du projet

28/02/2023

Objectifs

Développement de méthodes statistiques pour l’analyse de données longitudinales en relations avec des données -omics.

Localisation

Europe

Description

Le projet ISULO est subdivisé en 6 workpackages. Le premier porte sur le management du projet. Les WP 2 et 3 sont les workpackages associés aux travaux de recherche. L’intégration de connaissance a priori dans les modèles statistiques permet d’améliorer l’identification de variables pertinentes. Dans cet objectif le WP2 propose des méthodes de sélection de variables bayésiennes intégrant des connaissances a priori issues d’études expérimentales ou calculées. Le WP3 se concentre sur l’analyse de données longitudinales avec le double objectif de regrouper les individus ayant des profils similaires au cours du temps et de sélectionner les variables pertinentes associées à ce regroupement. Le modèle proposé combinera des méthodes de sélection de variables et de partionnement. Dans le WP4 les données fournies par les partenaires sont analysées avec les méthodes développées ou des méthodes existantes innovantes. L’ensemble des méthodes utilisées est transféré aux partenaires au travers de cours avec des travaux pratiques qui font partis du WP5. Enfin, au travers du WP6, les développements statistiques proposés ainsi que les analyses de données sont disséminés dans des congrès ou dans des publications.

Partenaires

Prof. Mahlet G. Tadesse (Georgetown University, Department of Mathematics and Statistics, USA)

Prof. Habtom Ressom (Georgetown University, Ressom's Lab, Georgetown School of Medicine, USA)

Dr. Fasil Ayele (National Institutes of Health, NIH, USA).

Financement

Union Européenne, 275 619 euros

Mots clefs:

Sélection de variables, données -omic, données longitudinales