Mathématiques et Informatique Appliquées - Paris-Saclay

L’objectif du projet BADASS est de pouvoir suivre les trajectoires de nanoparticules en mouvement dans des cellules in-vivo, et dans un régime temps réel de super-localisation. L’implémentation d’une boucle optimisée et rapide d’optique adaptative à un microscope de tracking à deux photons (déjà développé) est au coeur technique du projet. Le dispositif vise à mesurer en profondeur des positions de nanoparticules à mieux que 3 nanomètres de précision et sur des échelles de temps de l'ordre de la milliseconde, qui sont les échelles spatiotemporelles typiques de la dynamique des moteurs moléculaires individuels. Le système sera testé et amélioré en mesurant le transport intraneuronal dans des larves de poissons zèbres. Dans un second temps, les larves pourront être soumises à un stress oxydatif mimant des dysfonctions neuronales de maladie neurodénégérative afin de comparer des conditions biologiques différentes. En parallèle, une analyse fine des résultats par une approche bayésienne non supervisée permettra de remonter aux paramètres du transport intraneuronal et de comparer les conditions biologiques de manière rigoureuse.

Le projet Tools4Agri vise à développer de nouveaux outils numériques prédictifs pour améliorer les processus de sélection variétale en végétal et en animal afin d’accélérer la transition des systèmes agricoles. L’ambition est de proposer de nouvelles approches pour prédire des traits multivariés ou longitudinaux d’intérêt dans des populations hétérogènes à partir de variables explicatives de grande dimension, comme des marqueurs génétiques ou des phénotypes intermédiaires peu coûteux comme des spectres proche-infrarouge. Ces approches combineront des méthodes avancées de modélisation mécaniste, de statistique et de machine learning, tout en fournissant des garanties théoriques sur les prédictions. Le consortium interdisciplinaire est composé de chercheuses et chercheurs ayant de fortes expertises complémentaires en modélisation, en statistique et machine learning, ainsi qu’en biologie, physiologie, éco-physiologie et génétique quantitative animale et végétale. Les objectifs consistent à 1) développer des méthodes permettant de prendre en compte des informations biologiques telles que les structures de dépendance complexe entre les traits d'intérêt à prédire et entre les variables explicatives de grande dimension dans des modèles dynamiques à effets mixtes ; 2) proposer des approches prédictives pour des traits d'intérêt multivariés et pour un temps d'intérêt à partir de méthodes de sélection de variables dans des modèles à effets mixtes non linéaires et conjoints en fournissant des garanties théoriques pour les prédictions ; 3) améliorer la qualité de l’inférence et de la prédiction en hybridant des modèles mécanistes génératifs des traits d’intérêt et des approches de machine learning entrainées à partir de données synthétiques supplémentaires. On s’attachera pour chacun des objectifs aux garanties théoriques des méthodes et à leur faisabilité numérique. Les outils développés seront mis en œuvre pour analyser les jeux de données des partenaires du projet.

Developing the bioeconomy features high on the European policy agenda to tackle societal challenges such as climate change, the phasing out of fossil resources or the advent of the much needed ecological and energy transitions. However, transitioning into an economy based on regionally available biological resources will substantially increase the demand for biomass from forestry and agriculture, and may incur adverse effects on biodiversity, greenhouse gas emissions or water resources. Comprehensive, rigorous and transparent assessment procedures are thus required to ensure that the bioeconomy will deliver on its sustainability promise. Assessment methodologies have so far failed to embrace the various dimensions of sustainability and the multiple facets and stakeholders of bioeconomy systems. This lack of an integrated, holistic approach constitutes the key scientific question that DESTINY will address, by developing novel methods and tools as well as demonstrating how they can be mobilised to maximise systems performance in a range of generic value-chain cases-studies. Since such concepts mobilise a number of disciplines from agronomy and engineering to economics, political and social sciences, a novel type of scientist is warranted : the bioeconomist. The DESTINY doctoral network will train this new generation of researchers and practitioners through a multi-disciplinary curriculum, equipping 15 Doctoral Candidates with the knowledge they need to design and assess novel biomass production systems and bio-product value-chains. In their research programme at the crossroads between bioeconomy and sustainability science, these candidates will design sustainable bioeconomy systems for Europe, factoring in social, economic and governance aspects. DESTINY graduates will bridge a well-evidenced gap on the labour market for the bioeconomy and will secure jobs in the agricultural and forestry sectors, the bioeconmy industry, academia, consultancies and governments.

The vision of FoSSNet is a strengthened and deepened academic network to support a new Knowledge and Innovation governance structure for Europe’s food system. A new structure is needed as the current Knowledge and Innovation system in the European Research Area is insufficient to address the emerging challenges of nourishing the European food system in a healthy, sustainable and fair way. The aim of FoSSNet is twofold, on one hand to establish a permanent pan-European network for Food System Science and on the other hand to advance inter- and transdisciplinary Food System Science and education. This will contribute directly to the farm to fork objectives and FOOD2030 priorities. Developing the network and advancing Food Systems Science and education will be underpinned by an inclusive approach to ensure engagement of all relevant disciplines, researchers and non-academic actors in advancing Food System Science. In order to reach the vision and aim, FoSSNet will 1) develop a conceptual framework and a process for developing food system transformation pathways to create a common language and understanding among food system thinkers, 2) establish, mobilise and consolidate an inclusive inter- and transdisciplinary pan-European academic network for food systems science to bring European food systems scientists and the science institutions together, 3) enhance inclusivity of the Knowledge and Innovation system for a sustainability transformation of EU food systems by addressing sensitivities to power relations and inequities that pervade food systems and contested transformation processes, 4) co-produce research for sustainable food system transformation to remove existing barriers to interdisciplinarity in food system science, 5) build food systems capability through an academy and curricula to ensure the impact of future food system thinkers and 6) create scientific, economic and societal impact by ensuring sustainability of the network.

La France est le deuxième producteur mondial de vin et son industrie subit des transformations majeures en réponse au changement climatique et aux préoccupations sociétales. La fermentation vinicole est exothermique, mais elle est généralement réalisée à basse température pour atteindre la teneur finale souhaitée en arômes, ce qui la rend très énergivore. Le défi est de réduire son empreinte énergétique, tout en maîtrisant la qualité organoleptique des vins. Pour relever ce défi, notre projet mobilise et développe de nouveaux outils. La cinétique de fermentation et un grand nombre (jusqu'à 20) de composés aromatiques cibles seront mesurés en ligne. Sur la base d'un modèle dynamique du procédé et de l'état estimé, une optimisation multiobjectif sera effectuée périodiquement (ex. quotidiennement) afin de déterminer les meilleurs compromis possibles entre la consommation d'énergie et les objectifs aromatiques. Des outils originaux de visualisation en grande dimension et d'aide à la décision permettront à l'opérateur humain de sélectionner la stratégie optimale à mettre en œuvre en temps réel, avec une charge mentale réduite. Une loi de commande avancée réalisera les actions nécessaires, telles que l'application de profils de température variables dans le temps et des ajouts multiples d'azote. Notre projet rassemble des compétences en matière de vinification, de mesure en ligne des molécules volatiles, de modélisation dynamique des bioprocédés, d'optimisation multiobjectif, de visualisation et d'interaction homme-machine, ainsi que d'estimation de l'état et de commande des systèmes dynamiques. La méthodologie proposée fera l'objet d'une démonstration expérimentale à l'échelle de laboratoire. Les bénéfices attendus sont une plus grande agilité dans la programmation de la production dans les caves, une empreinte énergétique réduite, une qualité organoleptique du vin mieux maîtrisée et personnalisée, et une flexibilité accrue dans la gestion des cuves et des frigories.

The overall goal of DISCERN is to understand the causes of three poorly understood cancers in Europe; renal, pancreatic and colorectal cancer, and help to explain their geographical distribution, including their high incidence in central and eastern Europe. This will be achieved by combining large-scale European biorepositories comprising population-based cohorts and tumour case-series with state-of-the-art molecular profiling techniques and machine learning approaches. In particular, DISCERN will identify potential new causal risk factors for the three cancers using novel exposomics and proteomics scans, as well detailed geospatial and environmental exposure information from 16 large-scale epidemiological cohorts including almost 900,000 individuals. It will also explore biological mechanisms on how these risk factors are potentially causing these cancer types with a focus on promoting factors in normal tissues using deep sequencing, single cell multi-omics and spatial proteomics. The causal effects of identified cancer risk factors and the cellular signalling responses they trigger will be further evaluated using a panel of stem cells and colon, renal and pancreatic 3D organoids. The results from DISCERN will be disseminated to citizens, patients and policy makers through collaborating patient and participant organizations. DISCERN will provide the critical evidence base required to develop new prevention strategies to tackle the growing burden of renal, pancreatic and colorectal cancer in Europe. This action is part of the Cancer Mission cluster of projects on "Understanding".

Alors que le rôle premier du métabolisme est la conversion chimique, peut-il aussi servir de dispositif de traitement de l'information ? Pour répondre à cette question, nous proposons d’encoder divers modèles métaboliques microbiens en réseaux métaboliques artificiels (AMNs), qui peuvent être entrainés à partir de données expérimentales ou de simulations de modèles. Contrairement aux réseaux neuronaux artificiels de type "boîte noire", nos AMNs reflèteront la structure et la dynamique des réseaux métaboliques. Nos AMNs seront testés sur des problèmes classiques d'apprentissage machine pour évaluer le niveau de sophistication que le métabolisme est capable de gérer. Dans un contexte biotechnologique, nos AMN servirons à la conception d'expériences pour (i) maximiser la productivité d'une souche de Escherichia coli productrice de lycopène en déterminant la composition en nutriments et la liste de gènes endogènes à supprimer (ii) classifier la sévérité d’infections virales par l’ingénierie d’une souche de Escherichia coli capable de détecter des biomarqueurs de la COVID-19 dans des échantillons cliniques.

En rupture avec les approches actuelles basées chacune sur un paradigme d’analyse, le programme scientifique d’HERELLES vise à définir un cadre théorique opérationnel permettant de combiner et faire collaborer des paradigmes d’analyse différents et autorisant une interaction forte avec l’expert pour l'extraction de connaissances à partir de données multi-temporelles hétérogènes. Nous visons une approche qui autorisera la collaboration entre des méthodes supervisées ou non à travers des transferts d’informations (les clusters seront utilisés pour créer des données d'apprentissage ou pour augmenter la dimension de celles-ci, les données d’apprentissage seront utilisées pour aider à la validation et la thématisation des clusters …) extraites à partir de données temporelles différentes mais complémentaires. Cette collaboration sera contrôlée par l’expert, qui interviendra pour ajouter de façon incrémentale de nouvelles connaissances. Validation thématique en télédétection.

L’agriculture est actuellement confrontée à de nouveaux défis pour répondre à la demande croissante d’approvisionnement mondial en nourriture dans un contexte de changement climatique fort et de déclin des ressources naturelles en eau et en sol. Elle doit faire face à des bouleversements majeurs et s’adapter aux nouvelles conditions, en particulier environnementales, en relevant de nombreux challenges. Pour mieux appréhender cette adaptation, il est nécessaire de mieux comprendre des notions clés comme la variabilité génétique des plantes et les interactions entre la plante et son environnement. Dans ce contexte, des approches prédictives basées d’une part sur les connaissances génétiques et écophysiologiques des plantes et d’autre part sur la modélisation mathématique sont très prometteuses. Le projet Stat4Plant vise à développer de nouvelles méthodes statistiques et de nouveaux outils algorithmiques pour modéliser et analyser la variabilité génétique et les interactions entre la plante et son environnement dans un contexte de changement climatique. Le consortium regroupe des chercheurs en modélisation et en statistiques appliquées ayant une grande expérience de collaborations interdisciplinaires en sciences du végétal et des biologistes spécialistes des relations phénotypes-génotypes chez les plantes. Le projet est décliné en quatre axes de recherche principaux, portés par des collaborations étroites entre statisticiens et biologistes et motivés par des questions concrètes en lien avec des données biologiques. Le premier axe de recherche vise à développer des méthodes permettant d’identifier les processus biologiques clés du développement de la plante qui sont à l’origine de la variabilité génotypique observée. Les travaux de cet axe combinent des modèles mécanistes écophysiologiques complexes fortement non linéaires du développement de la plante, des modèles statistiques à effets mixtes pour la modélisation de la variabilité génotypique et des outils de tests statistiques, en particulier adaptés aux petits échantillons de données, pour l’identification des dépendances génotypiques des paramètres clés. Ces approches permettront d’identifier des leviers d’action en sélection variétale. Le deuxième axe est consacré à la modélisation conjointe d’un temps d’intérêt comme la floraison ou la récolte et d’un trait phénotypique dynamique qui dépend du temps comme la biomasse aérienne ou la présence de ravageurs. Les modèles joints considérés combinent un modèle de survie à effets aléatoires intégrant des covariables de grande dimension et un modèle non linéaire à effets mixtes pour le trait phénotypique dynamique. L’objectif est de sélectionner les covariables les plus influentes, d’estimer les paramètres du modèle et de prédire le temps d’intérêt. Ces méthodes permettront en particulier de prédire la date de floraison ou de récolte optimale. Le troisième axe de recherche consiste à proposer des méthodes permettant d’identifier parmi un grand nombre de covariables les plus influentes pour un trait phénotypique, seul ou conjointement avec un temps d'intérêt. Des modèles non linéaires à effets mixtes combinant des modèles mécanistes de développement et des modèles génétiques intégrant un grand nombre de covariables serviront pour la modélisation de la variabilité génotypique du trait d’intérêt. Des méthodes de sélection de variables adaptées au cadre non linéaire seront développées. Ces méthodes permettront d’identifier les facteurs génétiques importants influençant le trait. Enfin, le dernier axe de recherche a pour objectif de construire de nouveaux critères de sélection variétale, qui intègrent les aléas des conditions environnementales et prennent en compte simultanément plusieurs objectifs, comme par exemple maximiser le rendement et minimiser la variabilité du rendement. Des méthodes d’optimisation adaptées seront proposées. Ces critères seront des outils nouveaux d’aide à la décision pour les agriculteurs.

Chez les espèces pérennes, le rendement et la qualité de la production sont affectés par la contrainte hydrique avec des effets interannuels marqués. Nos connaissances sur les mécanismes physiologiques et la variabilité génétique de ces réponses restent insuffisantes pour adapter les vignobles aux bouleversements attendus notamment au niveau climatique. Le plus souvent, les réponses à la contrainte hydrique n’ont été étudiées que sur un seul cycle végétatif, en considérant les caractères indépendamment les uns des autres et sur des bases génétiques restreintes. Le projet G2WAS ambitionne d’étudier les réponses de la vigne à un déficit hydrique aux échelles intra- et inter-annuelles, en intégrant les dynamiques de production, de stockage et d’utilisation des ressources carbonées dans les systèmes végétatifs et reproducteurs. Cette étude sera abordée sur un panel de diversité optimisé pour représenter la diversité génétique de l’espèce cultivée (V. vinifera). Afin de préciser les bases génétiques et physiologiques des caractères adaptatifs de la réponse à la contrainte hydrique, et de les incorporer aux programmes de sélection, plusieurs approches innovantes seront mises en oeuvre : i) le phénotypage avancé des organes végétatifs et reproducteurs à différents stades de développement, avec un focus sur l’allocation du carbone, ii) l’identification des réseaux de gènes co-régulés par transcriptomique exhaustive (RNAseq); iii) l’analyse d’association phénotype-génotype sur génome entier (GWAS) dans un panel de 279 variétés iv) le développement d'un modèle statistique multi-caractères et multi-années pour améliorer la précision de prédiction. Appliquée pour la première fois chez les pérennes, une telle combinaison de méthodes améliorera la détection des QTL et la prédiction des valeurs génétiques individuelles. Cette approche multidisciplinaire est rendue possible grâce au consortium G2WAS qui regroupe des spécialistes en éco-physiologie, physiologie, génétique quantitative et fonctionnelle, statistiques et des sélectionneurs. Le projet s’articule autour de 4 WP, outre la coordination (WP1), une étude physiologique (WP2) de 16 génotypes contrastés soumis à un gradient de 10 conditions hydriques en conditions contrôlées (plateforme PhenoDyn) permettra d'étudier finement les mécanismes physiologiques et moléculaires d'adaptation à la sècheresse et de paramétrer le phénotypage semi-automatique (WP3) du panel des 279 (plateforme PhenoArch); ces données serviront à la détection de QTL et à la prédiction génomique (WP4), à l’aide d’un modèle statistique développé spécifiquement pour cette étude ; les résultats obtenus seront implémentés dans des programmes de sélection en cours sur la résistance aux maladies fongiques (WP5). Cette dernière étape sera l’une des premières tentatives pour combiner des propriétés de tolérance à la contrainte hydrique et de résistance aux maladies fongiques, en accord avec les 2 grands défis que doit relever la viticulture de demain. Outre une avancée scientifique sur la caractérisation des ressources génétiques à la base de la création variétale chez la vigne, ces nouvelles connaissances sur l’interaction entre limitation carbonée et fonctionnement hydraulique à l’échelle de la plante entière seront essentielles pour les acteurs de la filière, qui doivent anticiper les conséquences du changement climatique, notamment l'augmentation de la demande évaporative et le rationnement des ressources en eau. Ces connaissances et nouvelles méthodologies seront transférables à d'autres modèles d’espèces pérennes fruitières.

Le Parlement Européen a appelé les états membres à renforcer leurs dispositifs de sécurité sanitaire des aliments d’ici 2019. En Juillet 2018, l’état français a lancé officiellement une plateforme pour renforcer l’efficacité de la surveillance sanitaire des aliments. Ceci implique notamment que l’industrie comme les autorités sanitaires s’appuient davantage sur des méthodes de screening haut-débit, sensibles et peu coûteuses afin de renforcer le suivi des dangers alimentaires prioritaires. D’énormes avancées en sécurité microbiologique ont été réalisées ces dernières années grâce aux progrès de la biologie moléculaire. Les techniques haut-débit et peu coûteuses ont pu renforcer les dispositifs de contrôle réglementaire tout en fournissant aux industriels des moyens d’autocontrôle efficaces. En matière de sécurité chimique, cette transition technique et sociétale n’a pas encore eu lieu. Le système français repose sur deux approches 1/ des plans de surveillance et de contrôle utilisés pour détecter d’éventuelles non-conformités (dépassement de la teneur maximale TM en contaminants dans un aliment) ; 2/ des études de l’alimentation totale plus ponctuelles évaluant le risque global lié à l’exposition alimentaire chronique à des teneurs plus faibles (infra-TM). Les TMs ciblées étant souvent très basses, les deux approches s’appuient essentiellement sur des méthodes très sensibles mais malheureusement très coûteuses et bas débit limitant à la fois l’étendue de la surveillance réglementaire et les possibilités d’autocontrôles industriels. En prenant la surveillance des polychlorobiphényles (PCBs) dans les viandes comme modèle, le premier objectif de SENTINEL est de développer un panel de 3 outils complémentaires à la fois haut-débit, sensibles et à faible coût pour 1/ renforcer la détection de non conformités, mais aussi 2/ permettre un suivi infra-TM de ces contaminants. Lorsque des échantillons non-conformes seront détectés, des analyses confirmatoires par des techniques de référence seront réalisées avant d’éventuelles actions correctives alors que des détections au-delà de niveaux supra-TM fixés pourront entraîner des actions préventives au niveau industriel. Avec pour finalité de mieux maitriser l’exposition des consommateurs aux principaux dangers chimiques alimentaires, l’utilisation de ces outils permettrait d’augmenter l’efficacité et la portée des contrôles réglementaires (approche descendante) tout en donnant aux industriels les moyens de démultiplier les possibilités d’autocontrôle (approche ascendante). Trois stratégies prometteuses seront explorées : 1) le couplage de spectromètres de masse haute sensibilité avec des stratégies de multi-échantillonnage, 2) le couplage de biosenseurs de contaminants avec des méthodes d’extraction rapides et 3) le design de senseurs ciblés sur la détection de marqueurs d’exposition animale découverts par des approches omiques. Le second objectif est de définir des conditions plausibles de mise en œuvre de ces nouveaux outils et d’en anticiper les principaux coûts et bénéfices. Afin d’améliorer le transfert des outils vers l’industrie et les pouvoirs publics, l’approche s’articule en 2 étapes : 1) définition des conditions de mise en œuvre des outils SENTINEL sur la base de scenarios d’évolution probable de la filière viande ; 2) analyse coût-bénéfice de ces scenarios prenant en compte les aspects économiques, réglementaires, sociaux et sanitaires sera réalisée pour aider les futures décisions de renforcement de la surveillance sanitaire. Pluridisciplinaire, SENTINEL devrait permettre des développements en chimie des résidus, biosenseurs, nez électroniques, omiques, chimiométrie, bioinformatique, sciences sociales, sciences du consommateur, économie et ingénierie des connaissances. Le projet implique 11 partenaires de 4 instituts de recherche (INRA, CNRS, INRIA, IRSTEA), 2 établissements d’enseignement et de recherche (Université de Perpignan, ONIRIS) et 1 institut technique (IFIP).

L’évaluation multi-critères des systèmes agri-alimentaires est essentielle pour améliorer la durabilité des chaînes de valeurs. Pour réaliser une telle évaluation, la collecte et la gestion de données sur l’ensemble des activités des systèmes agri-alimentaires est d’importance majeure. Il y a un réel besoin de structurer, stocker et partager les données liées à la transformation des matières premières agricoles en aliments, domaine actuellement peu documenté. Dans ce but, trois approches différentes et complémentaires ont été développées au sein du plus grand institut de recherche en agriculture, alimentation et environnement : la plateforme MEANS, qui met à disposition des outils et une base de données pour les praticiens en Analyse de Cycle de Vie ; la base de données BaGaTel, structurée par l’ontologie PO², qui contient des données relatives au procédés de transformation et aux aliments ; @Web, qui est une application web permettant la gestion de tableaux de données dans le langage du web sémantique. L’objectif du projet DataSusFood est de développer un système interopérable tirant parti de ces approches pour mettre à disposition des données ouvertes en accord avec les principes FAIR. Les développements des logiciels, modules et scripts adéquats pour l’interopérabilité (WP1), la saisie des données (WP2) et l’accessibilité des données (WP3) seront réalisés en étroite collaboration entre informaticiens et utilisateurs. Trois cas d’études appuieront ces développements : la production de fromage, de poudre de protéines laitières et d’emballages alimentaires. Les outils et données produits par le projet DataSusFood seront d’un intérêt majeur pour les scientifiques, instituts techniques, industries et agences gouvernementales traitant des données ouvertes et/ou des enjeux de durabilité des systèmes agri-alimentaires.