[REPLAY Séminaire T-tAg] Exécution distribuée avec cache de workflows scientifiques sur le cloud pour le phénotypage haut débit de plante/Quantification automatique de métabolites dans un spectre RMN et application à la description de la maturité périnatale chez le porc, par Gaëlle Lefort et Gaëtan Heidsieck – 16/12/2020

T-Tag, webinaires scientifiques de #DigitAg : les doctorants #DigitAg présentent leurs travaux de recherche

Revoir les interventions de nos 2 doctorants et les échanges qui ont suivi:


Exécution distribuée avec cache de workflows scientifiques sur le cloud pour le phénotypage haut débit de plante

par Gaëtan Heidsieck

Le phénotypage des plantes vise à capturer les caractéristiques des plantes, telles que les caractéristiques morphologiques, topologiques et phénologiques. Des plateformes de phénotypage à haut débit ont vu le jour pour accélérer l’acquisition de données de phénotypage dans des conditions contrôlées (par exemple en serre) ou en plein champ. Ces plateformes génèrent des téraoctets de données utilisées en sélection et en biologie végétale. Analyser ces données pour en extraire des informations phénotypiques consomme une grande quantité de ressources et de temps. Dans le domaine des sciences biologiques, il est courant que les scientifiques réutilisent des analyses ou des données générées par d’autres expérimentations. Quelles sont les solutions pour automatiquement gérer le partage et la réutilisation de ces données intermédiaires, pour économiser du temps et des ressources?

Gaëtan a suivi une formation d’ingénieur en informatique, spécialisé en apprentissage statistique à l’Ecole des Mines de Saint-Étienne. Au cours de sa formation, il a trouvé la gestion des données et calculs distribués très intéressante. C’est la raison pour laquelle il a choisi d’approfondir ces connaissances en les appliquant à un domaine actuellement clef.

Voir la page doctorant de Gaëtan


Quantification automatique de métabolites dans un spectre RMN et application à la description de la maturité périnatale chez le porc

par Gaëlle Lefort

L’étude du métabolome suscite un intérêt croissant car, comparativement à d’autres omiques, il est plus proche des phénotypes d’intérêt, observés généralement à l’échelle de l’individu. Le métabolome pourrait donc avoir un potentiel important pour l’identification de biomarqueurs.
Diverses approches permettent de caractériser le métabolome en mesurant simultanément un grand nombre de métabolites dans les fluides biologiques et les tissus. Parmi celles-ci, la spectrométrie par résonance magnétique nucléaire (RMN) est une technologie haut-débit qui produit des spectres caractéristiques du mélange complexe de métabolites présents dans l’échantillon d’intérêt. Parmi les technologies haut-débit, la RMN est relativement peu coûteuse et suscite donc des espoirs pour la recherche efficace de nouveaux biomarqueurs. Cependant, l’interprétation biologique des spectres obtenus est difficile car les spectres ne donnent pas une mesure explicite des différentes quantités de métabolites présentes dans l’échantillon. Nous parlerons ici d’une méthode de quantification automatique de métabolites dans de tels spectres qui permet une analyse et une interprétation plus simples.

Gaëlle est diplômée de l’ENSAI, école d’ingénieur en statistique et a travaillé 3 ans en CDD à l’Inra.
Elle poursuit actuellement un doctorat en biostatistique à l’Inrae de Toulouse entre l‘UR MIAT et l’UMR GenPhySe.

Voir la page doctorant de Gaëlle 


Contact: sigolene.rousseau [AT] supagro.fr