Дисертації з теми "Association statistique"

Cette thèse est dédiée à l’amélioration des performances de compression vidéo. Deux types d’approches, conventionnelle et en rupture, sont explorées afin de proposer des méthodes efficaces de codage Intra et Inter pour les futurs standards de compression. Deux outils sont étudiés pour la première approche. Tout d’abord, des indices de signalisations sont habilement traités par une technique issue du tatouage permettant de les masquer dans les résiduels de luminance et de chrominance de façon optimale selon le compromis débit-distorsion. La forte redondance dans le mouvement est ensuite exploitée pour améliorer le codage des vecteurs de mouvement. Après observation des précédents vecteurs utilisés, un fin pronostic permet de déterminer les vecteurs résiduels à privilégier lors d’une troisième étape de modification de la distribution des résiduels. 90% des vecteurs codés sont ainsi pronostiqués, ce qui permet une nette réduction de leur coût. L’approche en rupture vient de la constatation que H. 264/AVC et son successeur HEVC sont basés sur un schéma prédictif multipliant les choix de codage, les améliorations passent alors par un meilleur codage de la texture à l’aide d’une compétition accrue. De tels schémas étant bornés par la signalisation engendrée, il est alors nécessaire de transférer des décisions au niveau du décodeur. Une approche basée sur la détermination conjointe au codeur et au décodeur de paramètres de codage à l’aide de partitions causales et ainsi proposée et appliquée aux modes de prédiction Intra et à la théorie émergente de l’échantillonnage compressé. Des performances encourageantes sont reportées et confirment l’intérêt d’une telle solution innovante
This Ph. D. Thesis deals with the improvement of video compression efficiency. Both conventional and breakthrough approaches are investigated in order to propose efficient methods for Intra and Inter coding dedicated to next generations video coding standards. Two tools are studied for the conventional approach. First, syntax elements are cleverly transmitted using a data hiding based method which allows embedding indices into the luminance and chrominance residuals in an optimal way, rate-distortion wise. Secondly, the large motion redundancies are exploited to improve the motion vectors coding. After a statistical analysis of the previously used vectors, an accurate forecast is performed to favor some vector residuals during a last step which modifies the original residual distribution. 90% of the coded vectors are efficiently forecasted by this method which helps to significantly reduce their coding cost. The breakthrough approach comes from the observation of the H. 264/AVC standard and its successor HEVC which are based on a predictive scheme with multiple coding choices, consequently future improvements shall improve texture by extensively using the competition between many coding modes. However, such schemes are bounded by the cost generated by the signaling flags and therefore it is required to transfer some decisions to the decoder side. A framework based on the determination of encoding parameters at both encoder and decoder side is consequently proposed and applied to Intra prediction modes on the one hand, and to the emerging theory of compressed sensing on the other hand. Promising results are reported and confirm the potential of such an innovative solution

Avec le développement récent des technologies de génotypage à haut débit, l'utilisation des études d'association pangénomiques (GWAS) est devenue très répandue dans la recherche génétique. Au moyen de criblage de grandes parties du génome, ces études visent à caractériser les facteurs génétiques impliqués dans le développement de maladies génétiques complexes. Les GWAS sont également basées sur l'existence de dépendances statistiques, appelées déséquilibre de liaison (DL), habituellement observées entre des loci qui sont proches dans l'ADN. Le DL est défini comme l'association non aléatoire d'allèles à des loci différents sur le même chromosome ou sur des chromosomes différents dans une population. Cette caractéristique biologique est d'une importance fondamentale dans les études d'association car elle permet la localisation précise des mutations causales en utilisant les marqueurs génétiques adjacents. Néanmoins, la structure de blocs complexe induite par le DL ainsi que le grand volume de données génétiques constituent les principaux enjeux soulevés par les études GWAS. Les contributions présentées dans ce manuscrit comportent un double aspect, à la fois méthodologique et algorithmique. Sur le plan méthodologie, nous proposons une approche en trois étapes qui tire profit de la structure de groupes induite par le DL afin d'identifier des variants communs qui pourraient avoir été manquées par l'analyse simple marqueur. Dans une première étape, nous effectuons une classification hiérarchique des SNPs avec une contrainte d'adjacence et en utilisant le DL comme mesure de similarité. Dans une seconde étape, nous appliquons une approche de sélection de modèle à la hiérarchie obtenue afin de définir des blocs de DL. Enfin, nous appliquons le modèle de régression Group Lasso sur les blocs de DL inférés. L'efficacité de l'approche proposée est comparée à celle des approches de régression standards sur des données simulées, semi-simulées et réelles de GWAS. Sur le plan algorithmique, nous nous concentrons sur l'algorithme de classification hiérarchique avec contrainte spatiale dont la complexité quadratique en temps n'est pas adaptée à la grande dimension des données GWAS. Ainsi, nous présentons, dans ce manuscrit, une mise en œuvre efficace d'un tel algorithme dans le contexte général de n'importe quelle mesure de similarité. En introduisant un paramètre $h$ défini par l'utilisateur et en utilisant la structure de tas-min, nous obtenons une complexité sous-quadratique en temps de l'algorithme de classification hiérarchie avec contrainte d'adjacence, ainsi qu'une complexité linéaire en mémoire en le nombre d'éléments à classer. L'intérêt de ce nouvel algorithme est illustré dans des applications GWAS
With recent development of high-throughput genotyping technologies, the usage of Genome-Wide Association Studies (GWAS) has become widespread in genetic research. By screening large portions of the genome, these studies aim to characterize genetic factors involved in the development of complex genetic diseases. GWAS are also based on the existence of statistical dependencies, called Linkage Disequilibrium (LD) usually observed between nearby loci on DNA. LD is defined as the non-random association of alleles at different loci on the same chromosome or on different chromosomes in a population. This biological feature is of fundamental importance in association studies as it provides a fine location of unobserved causal mutations using adjacent genetic markers. Nevertheless, the complex block structure induced by LD as well as the large volume of genetic data arekey issues that have arisen with GWA studies. The contributions presented in this manuscript are in twofold, both methodological and algorithmic. On the methodological part, we propose a three-step approach that explicitly takes advantage of the grouping structure induced by LD in order to identify common variants which may have been missed by single marker analyses. In thefirst step, we perform a hierarchical clustering of SNPs with anadjacency constraint using LD as a similarity measure. In the second step, we apply a model selection approach to the obtained hierarchy in order to define LD blocks. Finally, we perform Group Lasso regression on the inferred LD blocks. The efficiency of the proposed approach is investigated compared to state-of-the art regression methods on simulated, semi-simulated and real GWAS data. On the algorithmic part, we focus on the spatially-constrained hierarchical clustering algorithm whose quadratic time complexity is not adapted to the high-dimensionality of GWAS data. We then present, in this manuscript, an efficient implementation of such an algorithm in the general context of anysimilarity measure. By introducing a user-parameter $h$ and using the min-heap structure, we obtain a sub-quadratic time complexity of the adjacency-constrained hierarchical clustering algorithm, as well as a linear space complexity in thenumber of items to be clustered. The interest of this novel algorithm is illustrated in GWAS applications

L’avènement du génotypage à haut débit permet aujourd’hui de mieux exploiter le phénomène d’association, appelé déséquilibre de liaison (LD), qui existe entre les allèles de différents loci sur le génome. Dans ce contexte, l’utilité de certains modèles utilisés en cartographie de locus à effets quantitatifs (QTL) est remise en question. Les objectifs de ce travail étaient de discriminer entre des modèles utilisés en routine en cartographie et d’apporter des éclaircissements sur la meilleure façon d’exploiter le LD, par l’utilisation d’haplotypes, afin d’optimiser les modèles basés sur ce concept. On montre que les modèles uni-marqueur de liaison, développés en génétique il y a vingtaine d’années, comportent peu d’intérêts aujourd’hui avec le génotypage à haut débit. Dans ce contexte, on montre que les modèles uni-marqueur d’association comportent plus d’avantages que les modèles uni-marqueur de liaison, surtout pour des QTL ayant un effet petit ou modéré sur le phénotype, à condition de bien maîtriser la structure génétique entre individus. Les puissances et les robustesses statistiques de ces modèles ont été étudiées, à la fois sur le plan théorique et par simulations, afin de valider les résultats obtenus pour la comparaison de l’association avec la liaison. Toutefois, les modèles uni-marqueur ne sont pas aussi efficaces que les modèles utilisant des haplotypes dans la prise en compte du LD pour une cartographie fine de QTL. Des propriétés mathématiques reliées à la cartographie de QTL par l’exploitation du LD multiallélique capté par les modèles haplotypiques ont été explicitées et étudiées à l’aide d’une distance matricielle définie entre deux positions sur le génome. Cette distance a été exprimée algébriquement comme une fonction des coefficients du LD multiallélique. Les propriétés mathématiques liées à cette fonction montrent qu’il est difficile de bien exploiter le LD multiallélique, pour un génotypage à haut débit, si l’on ne tient pas compte uniquement de la similarité totale entre des haplotypes. Des études sur données réelles et simulées ont illustré ces propriétés et montrent une corrélation supérieure à 0.9 entre une statistique basée sur la distance matricielle et des résultats de cartographie. Cette forte corrélation a donné lieu à la proposition d’une méthode, basée sur la distance matricielle, qui aide à discriminer entre les modèles utilisés en cartographie
The advent of high-throughput genotyping nowadays allows better exploitation of the association phenomenon, called linkage disequilibrium (LD), between alleles of different loci on the genome. In this context, the usefulness of some models to fine map quantitative trait locus (QTL) is questioned. The aims of this work were to discriminate between models routinely used for QTL mapping and to provide enlightenment on the best way to exploit LD, when using haplotypes, in order to optimize haplotype-based models. We show that single-marker linkage models, developed twenty years ago, have little interest today with the advent of high-throughput genotyping. In this context, we show that single-marker association models are more advantageous than single-marker linkage models, especially for QTL with a small or moderate effect on the phenotype. The statistical powers and robustness of these models have been studied both theoretically and by simulations, in order to validate the comparison of single-marker association models with single-marker linkage models. However, single-marker models are less efficient than haplotype-based models for making better use of LD in fine mapping of QTL. Mathematical properties related to the multiallelic LD captured by haplotype-based models have been shown, and studied, by the use of a matrix distance defined between two loci on the genome. This distance has been expressed algebraically as a function of the multiallelic LD coefficients. The mathematical properties related to this function show that it is difficult to exploit well multiallelic LD, for a high-throughput genotyping, if one takes into account the partial and total similarity between haplotypes instead of the total similarity only. Studies on real and simulated data illustrate these properties and show a correlation above 0.9 between a statistic based on the matrix distance and mapping results. Hence a new method, based on the matrix distance, which helps to discriminate between models used for mapping is proposed

La première partie de cette thèse est consacrée au problème de la recherche des partitions de e (ensemble à classifier) s'ajustant le mieux, au sens du critère de W. F. De la Vega, a la préordonnance p(s) induite sur e par un indice de similarité s. Dans la deuxième partie, on présente les bases d'une nouvelle théorie en classification automatique contenant la théorie classique des préordonnances comme cas particulier. Dans la troisième partie, on présente les principes de la théorie des "comparaisons par triplets" basée sur une nouvelle structure dite "triordonnance". La quatrième partie étudie un problème de structuration d'une table de contingence.

Les avancées en Biologie Moléculaire ont accéléré le développement de techniques de génotypage haut-débit et ainsi permis le lancement des premières études génétiques d'association à grande échelle. La dimension et la complexité des données issues de ce nouveau type d'étude posent aujourd'hui de nouvelles perspectives statistiques et informatiques nécessaires à leur analyse, constituant le principal axe de recherche de cette thèse.
Après une description introductive des principales problématiques liées aux études d'association à grande échelle, nous abordons plus particulièrement les approches simple-marqueur avec une étude de puissance des principaux tests d'association, ainsi que de leur combinaisons. Nous considérons ensuite l'utilisation d'approches multi-marqueurs avec le développement d'une méthode d'analyse fondée à partir de la statistique du Score Local. Celle-ci permet d'identifier des associations statistiques à partir de régions génomiques complètes, et non plus des marqueurs pris individuellement. Il s'agit d'une méthode simple, rapide et flexible pour laquelle nous évaluons les performances sur des données d'association à grande échelle simulées et réelles. Enfin ce travail traite également du problème du test-multiple, lié aux nombre de tests à réaliser lors de l'analyse de données génétiques ou génomiques haut-débit. La méthode que nous proposons à partir du Score Local prend en compte ce problème. Nous évoquons par ailleurs l'estimation du Local False Discovery Rate à travers un simple modèle de mélange gaussien.
L'ensemble des méthodes décrites dans ce manuscrit ont été implémentées à travers trois logiciels disponibles sur le site du laboratoire Statistique et Génome : fueatest, LHiSA et kerfdr.

En offrant une image sans précédent du génome humain, les études d'association pangénomiques (GWAS) expliqueraient pleinement le contexte génétique des maladies complexes. A ce jour, les résultats ont été pour le moins mitigés. Cela peut être partiellement attribué à la méthodologie statistique adoptée, qui ne prend pas souvent en compte l'interaction entre les variants génétiques, ou l'épistasie. La détection d'épistasie à travers des modèles statistiques présente plusieurs défis pour lesquels nous développons dans cette thèse une paire d'outils adéquats. Le premier outil, epiGWAS, utilise l'inférence causale pour détecter les interactions épistatiques entre un SNP cible et le reste du génome. Le deuxième outil, kernelPSI, utilise à la place des méthodes à noyaux pour modéliser l'épistasie entre plusieurs polymorphismes mononucléotidiques (SNPs) voisins. Il tire également partie de l'inférence post-sélection pour effectuer conjointement une sélection au niveau des SNPs et des tests de signification au niveau des gènes. Les outils développés sont - au meilleur de nos connaissances - les premiers à étendre au domains des GWAS des outils puissants d'apprentissage statistique tels que l'inférence causale et l'inférence post-sélection nonlinéaire. En plus des contributions méthodologiques, un accent particulier a été mis sur l'interprétation biologique pour valider nos résultats dans la sclérose en plaques et les variations d'indice de masse corporelle
By offering an unprecedented picture of the human genome, genome-wide association studies (GWAS) have been expected to fully explain the genetic background of complex diseases. So far, the results have been mitigated to say the least. This, among other things, can be partially attributed to the adopted statistical methodology, which does not often take into account interaction between genetic variants, or epistasis. The detection of epistasis through statistical models presents several challenges for which we develop in this thesis a pair of adequate tools. The first tool, epiGWAS, uses causal inference to detect epistatic interactions between a target SNP and the rest of the genome. The second tool, kernelPSI, instead uses kernel methods to model epistasis between nearby single-nucleotide polymorphisms (SNPs). It also leverages post-selection inference to jointly perform SNP-level selection and gene-level significance testing. The developed tools are -- to the best of our knowledge -- the first to extend powerful statistical learning frameworks such as causal inference and nonlinear post-selection inference to GWAS. In addition to the methodological contributions, a special emphasis was placed on biological interpretation to validate our findings in multiple sclerosis and body-mass index variations

L'objectif de cette thèse est de proposer une méthodologie statistique permettant de formuler une règle de classement capable de surmonter les difficultés qui se présentent dans le traitement des données lorsque la distribution a priori de la variable réponse est déséquilibrée. Notre proposition est construite autour d'un ensemble particulier de règles d'association appelées "class association rules". Dans le chapitre II, nous avons exposé les bases théoriques qui sous-tendent la méthode. Nous avons utilisé les indicateurs de performance usuels existant dans la littérature pour évaluer un classifieur. A chaque règle "class association rule" est associée un classifieur faible engendré par l'antécédent de la règle que nous appelons profils. L'idée de la méthode est alors de combiner un nombre réduit de classifieurs faibles pour constituer une règle de classement performante. Dans le chapitre III, nous avons développé les différentes étapes de la procédure d'apprentissage statistique lorsque les observations sont indépendantes et identiquement distribuées. On distingue trois grandes étapes: (1) une étape de génération d'un ensemble initial de profils, (2) une étape d'élagage de profils redondants et (3) une étape de sélection d'un ensemble optimal de profils. Pour la première étape, nous avons utilisé l'algorithme "apriori" reconnu comme l'un des algorithmes de base pour l'exploration des règles d'association. Pour la deuxième étape, nous avons proposé un test stochastique. Et pour la dernière étape un test asymptotique est effectué sur le rapport des valeurs prédictives positives des classifieurs lorsque les profils générateurs respectifs sont emboîtés. Il en résulte un ensemble réduit et optimal de profils dont la combinaison produit une règle de classement performante. Dans le chapitre IV, nous avons proposé une extension de la méthode d'apprentissage statistique lorsque les observations ne sont pas identiquement distribuées. Il s'agit précisément d'adapter la procédure de sélection de l'ensemble optimal lorsque les données ne sont pas identiquement distribuées. L'idée générale consiste à faire une estimation bayésienne de toutes les valeurs prédictives positives des classifieurs faibles. Par la suite, à l'aide du facteur de Bayes, on effectue un test d'hypothèse sur le rapport des valeurs prédictives positives lorsque les profils sont emboîtés. Dans le chapitre V, nous avons appliqué la méthodologie mise en place dans les chapitres précédents aux données du projet QUARITE concernant la mortalité maternelle au Sénégal et au Mali.

Cette thèse porte sur l'étude des propriétés asymptotiques d'un estimateur non paramétrique de la densité de type Parzen-Rosenblatt, sous un modèle de données censurées à droite, vérifiant une structure de dépendance de type associé. Dans ce cadre, nous rappelons d'abord les résultats existants, avec détails, dans les cas i.i.d. et fortement mélangeant (α-mélange). Sous des conditions de régularité classiques, il est établi que la vitesse de coonvergence uniforme presque sûre de l'estimateur étudié, est optimale. Dans la partie dédiée aux résultats de cette thèse, deux résultats principaux et originaux sont présentés : le premier résultat concerne la convergence uniforme presque sûre de l'estimateur étudié sous l'hypothèse d'association. L'outil principal ayant permis l'obtention de la vitesse optimale est l'adaptation du Théorème de Doukhan et Neumann (2007), dans l'étude du terme des fluctuations (partie aléatoire) de l'écart entre l'estimateur considéré et le paramètre étudié (densité). Comme application, la convergence presque sûre de l'estimateur non paramétrique du mode est établie. Les résultats obtenus ont fait l'objet d'un article accepté pour publication dans Communications in Statistics-Theory and Methods ; Le deuxième résultat établit la normalité asymptotique de l'estimateur étudié sous le même modèle et constitute ainsi une extension au cas censuré, du résultat obtenu par Roussas (2000). Ce résultat est soumis pour publication
This thesis deals with the study of asymptotic properties of e kernel (Parzen-Rosenblatt) density estimate under associated and censored model. In this setting, we first recall with details the existing results, studied in both i.i.d. and strong mixing condition (α-mixing) cases. Under mild standard conditions, it is established that the strong uniform almost sure convergence rate, is optimal. In the part dedicated to the results of this thesis, two main and original stated results are presented : the first result concerns the strong uniform consistency rate of the studied estimator under association hypothesis. The main tool having permitted to achieve the optimal speed, is the adaptation of the Theorem due to Doukhan and Neumann (2007), in studying the term of fluctuations (random part) of the gap between the considered estimator and the studied parameter (density). As an application, the almost sure convergence of the kernel mode estimator is established. The stated results have been accepted for publication in Communications in Statistics-Theory & Methods ; The second result establishes the asymptotic normality of the estimator studied under the same model and then, constitute an extension to the censored case, the result stated by Roussas (2000). This result is submitted for publication

Face à la contradiction consistant à traiter les variables régionalisées écologiques sans tenir compte de leurs propriétés spatiales, nous développons des méthodes géomatiques, utilisant des techniques informatiques, et géostatistiques, appliquant la théorie des fonctions aléatoires. Après avoir introduit des éléments de géomatique et de géostatistique, et avoir précisé la nature spécifique de l'autocorrélation spatiale, nous introduisons les inférences design-based et model-based. A l'aide de fonctions aléatoires, nous étudions l'efficacité de l'échantillonnage, optimisons des prédicteurs, et calculons des intervalles de prédiction. Nous proposons une procédure d'optimisation des classes de distances lors du calcul du variogramme. Nous examinons également l'utilisation de l'intégrale du variogramme, et justifions la modélisation du variogramme par ajustement aux moindres carrés pondérés. Nous discutons de la précision du variogramme dans les cadres design-based et model-based, et au sens du jackknife. L'optimisation de l'échantillonnage d'une population finie en vue de l'estimation de la moyenne spatiale ou du variogramme est examinée à l'aide de plusieurs heuristiques d'optimisation combinatoire et de simulations de fonctions aléatoires. Le problème du test de la corrélation ou de l'association entre deux variables régionalisées est étudié, à nouveau en utilisant des simulations de fonctions aléatoires. Nous passons en revue plusieurs méthodes et recommandons les tests qui font explicitement référence à l'autocorrélation spatiale des variables régionalisées. Dans le cadre de la définition de l'association spatiale entre variables régionalisées, nous proposons une méthode hybride utilisant des quadtrees et une distance d'édition entre arborescences récursives. Enfin, nous étudions des mesures de la complexité spatiale, critiquons l'analyse fractale et proposons des méthodes alternatives, notamment une mesure de complexité topologique d'une carte en isolignes.

La plupart des maladies humaines ont une étiologie complexe avec des facteurs génétiques et environnementaux qui interagissent. Utiliser des phénotypes corrélés peut augmenter la puissance de détection de locus de trait quantitatif. Ce travail propose d'évaluer différentes approches d'analyse bivariée pour des traits corrélés en utilisant l'information apportée par les marqueurs au niveau de la liaison et de l'association. Le gain relatif de ces approches est comparé aux analyses univariées. Ce travail a été appliqué à la variation de la densité osseuse à deux sites squelettiques dans une cohorte d'hommes sélectionnés pour des valeurs phénotypiques extrêmes. Nos résultats montrent l'intérêt d'utiliser des approches bivariées en particulier pour l'analyse d'association. Par ailleurs, dans le cadre du groupe de travail GAW16, nous avons comparé les performances relatives de trois méthodes d'association dans des données familiales.

On montre comment l'utilisation conjointe des methodes classiques d'etude des formations geologiques (analyse sequentielle, sedimentologie, paleontologie) et de methodes quantitatives (analyse des donnees multidimensionnelles, tests statistiques) permet de reconstituer les paleoenvironnements, leur evolution et de proposer des modeles paleoecologiques. Les exemples sont pris en domaine de plateforme, dans les series du cretace des marges neotethysiennes (pyrenees, espagne, bulgarie, maroc, algerie) et atlantique (portugal)

Le multiparasitisme et surtout les associations qui en découlent, ont une grande influence sur l’écologie des parasites concernés. Elle est d’autant plus grande que les parasites peuvent interagir et ainsi modifier leurs effets sur les hôtes. Cependant, l’identification des associations et interactions de parasites est complexe au niveau populationnel. Notre objectif était de modéliser les associations et les interactions multiparasitaires, notamment dans le cadre des parasites d’importance médicale, vétérinaire ou agronomique. Nous avons tout d’abord réalisé une revue bibliographique sur les différentes causes et conséquences du multiparasitisme ainsi que sur les méthodes et outils disponibles pour comprendre les phénomènes qui le génèrent. Dans un second temps, nous nous sommes intéressés tout particulièrement à la détection des associations multiparasitaires. Nous avons développé une nouvelle méthode « de screening des associations » pour tester statistiquement la présence d’associations de parasites à une échelle globale. Nous avons utilisé cette méthode pour identifier les associations et pour révéler précisément les parasites associés au sein de diverses populations d’hôtes. Puis, nous avons étudié les interactions entre les parasites. Nous avons développé un modèle pour identifier les interactions entre deux parasites vectorisés et persistants chez un hôte, à partir de données issues d’études transversales. L’une des voies de progression de la connaissance sur les interactions est la prise en compte des facteurs de risque communs. La prise en compte des interactions contribue à améliorer le diagnostic, les traitements et la prévention des maladies infectieuses
Multiparasitism and specifically statistical associations among parasites, have a strong influence on the ecology of parasites. This influence reinforced when parasites interact and thus modify their effect on hosts. However, the identification of associations and interactions between parasites is complex at the population level. Our aim was to model multi-parasite associations and interactions, in particular for parasites of medical, veterinary or agricultural importance. We first present a review of the literature on the different causes and consequences of multiparasitism and the methods and tools available to better understand the phenomena that generate them. In a second step we worked on the detection of multi-parasite associations. We developed a new approach « association screening » to statistically test the presence of multi-parasite associations on a global scale. We used this method to identify associations and to reveal precisely associated parasites in different host populations. Then, we focused on the study of interactions between parasites. We developed a model to identify the interactions between two vector-borne and persistent parasites in a host, using data from cross-sectional studies. One way to increase our capacity to detect parasite interactions in populations is the taking into account common risk factors. Taking into account interactions increases diagnosis, treatments and prevention of infectious diseases

L’approche GWAS est un outil essentiel pour la découverte de gènes associés aux maladies, mais elle pose des problèmes de puissance statistique quand il est impossible d’échantillonner génétiquement des dizaines de milliers de sujets. Les résultats présentés ici—ALDsuite, un programme en utilisant une correction nouvelle et efficace pour le déséquilibre de liaison (DL) ancestrale de la population locale, en permettant l'utilisation de marqueurs denses dans le MALD, et la démonstration que la méthode simpleM fournit une correction optimale pour les comparaisons multiples dans le GWAS—réaffirment la valeur de l'analyse en composantes principales (APC) pour capturer l’essence de la complexité des systèmes de grande dimension. L’APC est déjà la norme pour corriger la structure de la population dans le GWAS; mes résultats indiquent qu’elle est aussi une stratégie générale pour faire face à la forte dimensionnalité des données génomiques d'association
GWAS is an essential tool for disease gene discovery, but has severe problems of statistical power when it is impractical to genetically sample tens of thousands of subjects. The results presented here—a novel, effective correction for local ancestral population LD allowing use of dense markers in MALD using the ALDsuite and the demonstration that the simpleM method provides an optimum Bonferroni correction for multiple comparisons in GWAS, reiterate the value of PCA for capturing the essential part of the complexity of high- dimensional systems. PCA is already standard for correcting for population substructure in GWAS; my results point to it’s broader applicability as a general strategy for dealing with the high dimensionality of genomic association data

En radiographie numérique la comparaison de l'image d'une pièce à un ensemble d'images de références est une technique permettant de pallier le problème de superposition ou de détecter des défauts de fabrication. Lorsque l'objet observé n'est pas de géométrie fixe, la comparaison demande de construire un modèle capable de représenter l'objet et ses éventuelles déformations. Nous présentons dans cette thèse une méthode originale pour construire un modèle à partir d'un jeu d'exemples. Le problème est considéré du point de vue de l'analyse des données multidimensionnelles, ce qui assure un apprentissage des déformations applicable à une grande classe de problèmes. Dans une première partie, nous traitons un exemple de contrôle par radiographie de soudures de circuits imprimés. Nous montrons comment un modèle linéaire des déformations d'une patte de circuit imprimé permet de construire une image caractéristique des soudures. Dans une seconde partie, nous montrons les limites du modèle linéaire sur des simulations de déformation de courbes, et nous proposons une méthode innovante de construction de modèles non-linéaires. Ces modèles, que nous appelons modèles composés, se placent dans le cadre des méthodes Auto-Associatives et s'appuient sur les techniques de Poursuite de Projection en Régression. En effet, nous prouvons d'une part que les modèles composés étendent les propriétés d'approximation des méthodes Auto-Associatives classiques et, d'autre part, nous adoptons une mise en œuvre par un algorithme itératif inspiré de la Poursuite de Projection. La convergence de cet algorithme vers la solution exacte en un temps fini est démontrée

Depuis la dernière décennie le développement rapide des technologies de génotypage a profondément modifié la façon dont les gènes impliqués dans les troubles mendéliens et les maladies complexes sont cartographiés, passant d'approches gènes candidats aux études d'associations pan-génomique, ou Genome-Wide Association Studies (GWASs). Ces études visent à identifier, au sein d'échantillons d'individus non apparentés, des marqueurs génétiques impliqués dans l'expression de maladies complexes. Ces études exploitent le fait qu'il est plus facile d'établir, à partir de la population générale, de grandes cohortes de personnes affectées par une maladie et partageant un facteur de risque génétique qu'au sein d'échantillons apparentés issus d'une même famille, comme c'est le cas dans les études familiales traditionnelles.D'un point de vue statistique, l'approche standard est basée sur le test d'hypothèse: dans un échantillon d'individus non apparentés, des individus malades sont testés contre des individus sains à un ou plusieurs marqueurs. Cependant, à cause de la grande dimension des données, ces procédures de tests classiques sont souvent sujettes à des faux positifs, à savoir des marqueurs faussement identifiés comme étant significatifs. Une solution consiste à appliquer une correction sur les p-valeurs obtenues afin de diminuer le seuil de significativité, augmentant en contrepartie le risque de manquer des associations n’ayant qu'un faible effet sur le phénotype.De plus, bien que cette approche ait réussi à identifier des marqueurs génétiques associés à des maladies multi-factorielles complexes (maladie de Crohn, diabète I et II, maladie coronarienne,…), seule une faible proportion des variations phénotypiques attendues des études familiales classiques a été expliquée. Cette héritabilité manquante peut avoir de multiples causes parmi les suivantes: fortes corrélations entre les variables génétiques, structure de la population, épistasie (interactions entre gènes), maladie associée aux variants rares,...Les principaux objectifs de cette thèse sont de développer de nouvelles méthodes statistiques pouvant répondre à certaines des limitations mentionnées ci-dessus. Plus précisément, nous avons développé deux nouvelles approches: la première exploite la structure de corrélation entre les marqueurs génétiques afin d'améliorer la puissance de détection dans le cadre des tests d'hypothèses tandis que la seconde est adaptée à la détection d'interactions statistiques entre groupes de marqueurs méta-génomiques et génétiques permettant une meilleure compréhension de la relation complexe entre environnement et génome sur l'expression d'un caractère
Since the last decade, the rapid advances in genotyping technologies have changed the way genes involved in mendelian disorders and complex diseases are mapped, moving from candidate genes approaches to linkage disequilibrium mapping. In this context, Genome-Wide Associations Studies (GWAS) aim at identifying genetic markers implied in the expression of complex disease and occuring at different frequencies between unrelated samples of affected individuals and unaffected controls. These studies exploit the fact that it is easier to establish, from the general population, large cohorts of affected individuals sharing a genetic risk factor for a complex disease than within individual families, as is the case with traditional linkage analysis.From a statistical point of view, the standard approach in GWAS is based on hypothesis testing, with affected individuals being tested against healthy individuals at one or more markers. However, classical testing schemes are subject to false positives, that is markers that are falsely identified as significant. One way around this problem is to apply a correction on the p-values obtained from the tests, increasing in return the risk of missing true associations that have only a small effect on the phenotype, which is usually the case in GWAS.Although GWAS have been successful in the identification of genetic variants associated with complex multifactorial diseases (Crohn's disease, diabetes I and II, coronary artery disease,…) only a small proportion of the phenotypic variations expected from classical family studies have been explained .This missing heritability may have multiple causes amongst the following: strong correlations between genetic variants, population structure, epistasis (gene by gene interactions), disease associated with rare variants,…The main objectives of this thesis are thus to develop new methodologies that can face part of the limitations mentioned above. More specifically we developed two new approaches: the first one is a block-wise approach for GWAS analysis which leverages the correlation structure among the genomic variants to reduce the number of statistical hypotheses to be tested, while in the second we focus on the detection of interactions between groups of metagenomic and genetic markers to better understand the complex relationship between environment and genome in the expression of a given phenotype

La détection de gènes est une étape importante dans la compréhension des effets de l'information génétique d'un individu sur ses caractères phénotypiques. Durant mon doctorat, j'ai étudié les méthodes statistiques pour conduire les analyses de génétique d'association, avec les hybrides de maïs comme modèle d'application. Je me suis tout d'abord intéressé à l'estimation des paramètres d'apparentement entre individus à partir de données de marqueurs bialléliques. Cette estimation est réalisée dans le cadre d'un modèle de mélange paramétrique. J'ai étudié l'identifiabilité de ce modèle dans un cadre général mais aussi dans un cadre plus spécifique où les individus étudiés étaient issus de croisements entre lignées, cadre représentatif des plans de croisement classiquement utilisés en génétique végétale. Je me suis ensuite intéressé à l'estimation des paramètres des modèles mixtes à plusieurs composantes de variance et plus particulièrement à la performance des algorithmes pour tester l'effet de très nombreux marqueurs. J'ai comparé pour cela des logiciels existants et optimisé un algorithme Min-Max. La pertinence des différentes méthodes développées a finalement été illustrée dans le cadre de la détection de QTL à travers une analyse d'association réalisée sur un panel d'hybrides de maïs
The detection of genes is a first step to understand the impact of the genetic information of individuals on their phenotypes. During my PhD, I studied statistical methods to perform genome-wide association studies, with maize hybrids as an application case. Firstly, I studied the inference of relatedness coefficients between individuals from biallelic marker data. This estimation is based on a parametric mixture model. I studied the identifiability of this model in the generic case but also in the specific case of mating design where observed individuals are obtained by crossing lines, a representative case of classical mating design in plant genetics. Then I studied inference of variance component mixed model parameters and particularly the performance of algorithms to test effects of numerous markers. I compared existing programs and I optimized a Min-Max algorithm. Relevance of developed methods had been illustrated for the detection of QTLs through a genome-wide association analysis in a maize hybrids panel

Les études d'association à grande échelle sont devenus un outil très performant pour détecter les variants génétiques associés aux maladies. Ce manuscrit de doctorat s'intéresse à plusieurs des aspects clés des nouvelles problématiques informatiques et statistiques qui ont émergé grâce à de telles recherches. Les résultats des études d'association à grande échelle sont critiqués, en partie, à cause du biais induit par la stratification des populations. Nous proposons une étude de comparaison des stratégies qui existent pour prendre en compte ce problème. Leurs avantages et limites sont discutés en s'appuyant sur divers scénarios de structure des populations dans le but de proposer des conseils et indications pratiques. Nous nous intéressons ensuite à l'interférence de la structure des populations dans la recherche génétique. Nous avons développé au cours de cette thèse un nouvel algorithme appelé SHIPS (Spectral Hierarchical clustering for the Inference of Population Structure). Cet algorithme a été appliqué à un ensemble de jeux de données simulés et réels, ainsi que de nombreux autres algorithmes utilisés en pratique à titre de comparaison. Enfin, la question du test multiple dans ces études d'association est abordée à plusieurs niveaux. Nous proposons une présentation générale des méthodes de tests multiples et discutons leur validité pour différents designs d'études. Nous nous concertons ensuite sur l'obtention de résultats interprétables aux niveaux de gènes, ce qui correspond à une problématique de tests multiples avec des tests dépendants. Nous discutons et analysons les différentes approches dédiées à cette fin
Genome-Wide association studies have become powerful tools to detect genetic variants associated with diseases. This PhD thesis focuses on several key aspects of the new computational and methodological problematics that have arisen with such research. The results of Genome-Wide association studies have been questioned, in part because of the bias induced by population stratification. Many stratégies are available to account for population stratification scenarios are highlighted in order to propose pratical guidelines to account for population stratification. We then focus on the inference of population structure that has many applications for genetic research. We have developed and present in this manuscript a new clustering algoritm called Spectral Hierarchical clustering for the Inference of Population Structure (SHIPS). This algorithm in the field to propose a comparison of their performances. Finally, the issue of multiple-testing in Genome-Wide association studies is discussed on several levels. We propose a review of the multiple-testing corrections and discuss their validity for different study settings. We then focus on deriving gene-wise interpretation of the findings that corresponds to multiple-stategy to obtain valid gene-disease association measures

Les analyses de la survie ont pour objet l’étude du délai d'apparition d'un événement, qui peut être censuré. L'objectif de ces analyses est le plus souvent d'expliquer ce délai, appelé durée de survie, par des facteurs de risque. Dans de nombreux cas rencontrés en pratique, ces facteurs présentent des catégories ordonnées et le problème est de tester l'association entre ce type de facteurs et la durée de survie en tenant compte de l'ordre des catégories. Les solutions utilisées en pratique pour traiter ce problème sont non satisfaisantes car non spécifiques (test du logrank et modèle de Cox). Parmi les méthodes spécifiques, on distingue deux types de méthodes : d'une part les méthodes comparant la distribution de survie de chaque catégorie du facteur à celle de l'ensemble des catégories supérieures, et d'autre part les méthodes s'intéressant aux distributions du facteur chez les décédés et chez les survivants en chaque temps. Nous proposons une nouvelle approche pour tester l'association entre une durée de survie et un facteur de risque catégoriel ordonné. Cette approche consiste à comparer, à l'aide d'une statistique du logrank pondérée, les distributions du facteur chez les décédés et chez les survivants en chaque temps. L'approche proposée permet de retrouver une famille de tests établissant le lien entre les deux types de méthodes déjà mentionnés. La nouvelle approche présente deux intérêts. D'une part, elle permet d'établir un modèle de régression général permettant la prise en compte de plusieurs facteurs. D'autre part, elle permet tout d'établir les propriétés d'optimalité des tests de la famille en supposant que le facteur de risque catégoriel ordonné provient de la catégorisation d’une variable continue sous-jacente. Les propriétés d'optimalité ont été étudiées en détail pour deux tests de la famille. Il apparaît que ces deux tests sont respectivement optimaux pour des modèles de type à risques instantanés proportionnels et de type à odds proportionnels. Des résultats de simulations confortent ces résultats théoriques pour des types de distributions de la variable continue sous-jacente très variés et pour différents découpages en classes de cette variable continue. Les résultats des simulations montrent également que pour toutes les situations envisagées, les deux tests de la famille sont plus puissants que le test du logrank classiquement utilisé. Ces trois tests et le modèle de régression général proposé ont été appliqués à des données réelles concernant des patientes atteintes d'un cancer du col de l'utérus. Par ailleurs, la nouvelle approche permet au facteur de risque d'être censuré. Ce qui permet d'envisager une extension naturelle à l’analyse de survie bivariée.

Il semble maintenant établi que la majorité des étoiles se forment dans des amas (Carpenter 2000; Porras et al. 2003; Lada & Lada 2003). Comprendre l'origine et l'évolution des populations stellaires est donc l'un des plus grands défis de l'astrophysique moderne. Malheureusement, moins d'un dixième de ces amas restent gravitationellement liés au delà de quelques centaines de millions d'années (Lada & Lada 2003). L’étude des amas stellaires doit donc se faire avant leur dissolution dans la galaxie.Le projet Dynamical Analysis of Nearby Clusters (DANCe, Bouy et al. 2013), dont le travail fait partie, fournit le cadre scientifique pour l'analyse des amas proches et jeunes (NYC) dans le voisinage solaire. Les observations de l'amas ouvert des Pléiades par le projet DANCe offrent une opportunité parfaite pour le développement d'outils statistiques visant à analyser les premières phases de l'évolution des amas.L'outil statistique développé ici est un système intelligent probabiliste qui effectue une inférence bayésienne des paramètres régissant les fonctions de densité de probabilité (PDF) de la population de l'amas (PDFCP). Il a été testé avec les données photométriques et astrométriques des Pléiades du relevé DANCe. Pour éviter la subjectivité de ces choix des priors, le système intelligent les établit en utilisant l'approche hiérarchique bayésienne (BHM). Dans ce cas, les paramètres de ces distributions, qui sont également déduits des données, proviennent d'autres distributions de manière hiérarchique.Dans ce système intelligent BHM, les vraies valeurs du PDFCP sont spécifiées par des relations stochastiques et déterministes représentatives de notre connaissance des paramètres physiques de l'amas. Pour effectuer l'inférence paramétrique, la vraisemblance (compte tenu de ces valeurs réelles), tient en compte des propriétés de l'ensemble de données, en particulier son hétéroscédasticité et des objects avec des valeurs manquantes.Le BHM obtient les PDF postérieures des paramètres dans les PDFCP, en particulier celles des distributions spatiales, de mouvements propres et de luminosité, qui sont les objectifs scientifiques finaux du projet DANCe. Dans le BHM, chaque étoile du catalogue contribue aux PDF des paramètres de l'amas proportionnellement à sa probabilité d'appartenance. Ainsi, les PDFCP sont exempts de biais d'échantillonnage résultant de sélections tronquées au-dessus d'un seuil de probabilité défini plus ou moins arbitrairement.Comme produit additionnel, le BHM fournit également les PDF de la probabilité d'appartenance à l'amas pour chaque étoile du catalogue d'entrée, qui permettent d'identifier les membres probables de l'amas, et les contaminants probables du champ. La méthode a été testée avec succès sur des ensembles de données synthétiques (avec une aire sous la courbe ROC de 0,99), ce qui a permis d'estimer un taux de contamination pour les PDFCP de seulement 5,8 %.Ces nouvelles méthodes permettent d'obtenir et/ou de confirmer des résultats importants sur les propriétés astrophysiques de l'amas des Pléiades. Tout d'abord, le BHM a découvert 200 nouveaux candidats membres, qui représentent 10% de la population totale de l'amas. Les résultats sont en excellent accord (99,6% des 100 000 objets dans l'ensemble de données) avec les résultats précédents trouvés dans la littérature, ce qui fournit une validation externe importante de la méthode. Enfin, la distribution de masse des systèmes actuelle (PDSMD) est en général en bon accord avec les résultats précédents de Bouy et al. 2015, mais présente l'avantage inestimable d'avoir des incertitudes beaucoup plus robustes que celles des méthodes précédentes.Ainsi, en améliorant la modélisation de l'ensemble de données et en éliminant les restrictions inutiles ou les hypothèses simplificatrices, le nouveau système intelligent, développé et testé dans le présent travail, représente l'état de l'art pour l'analyse statistique des populations de NYC
The origin and evolution of stellar populations is one of the greatest challenges in modern astrophysics. It is known that the majority of the stars has its origin in stellar clusters (Carpenter 2000; Porras et al. 2003; Lada & Lada 2003). However, only less than one tenth of these clusters remains bounded after the first few hundred million years (Lada & Lada 2003). Ergo, the understanding of the origin and evolution of stars demands meticulous analyses of stellar clusters in these crucial ages.The project Dynamical Analysis of Nearby Clusters (DANCe, Bouy et al. 2013), from which the present work is part of, provides the scientific framework for the analysis of Nearby Young Clusters (NYC) in the solar neighbourhood (< 500 pc). The DANCe carefully designed observations of the well known Pleiades cluster provide the perfect case study for the development and testing of statistical tools aiming at the analysis of the early phases of cluster evolution.The statistical tool developed here is a probabilistic intelligent system that performs Bayesian inference for the parameters governing the probability density functions (PDFs) of the cluster population (PDFCP). It has been benchmarked with the Pleiades photometric and astrometric data of the DANCe survey. As any Bayesian framework, it requires the setting up of priors. To avoid the subjectivity of these, the intelligent system establish them using the Bayesian Hierarchical Model (BHM) approach. In it, the parameters of prior distributions, which are also inferred from the data, are drawn from other distributions in a hierarchical way.In this BHM intelligent system, the true values of the PDFCP are specified by stochastic and deterministic relations representing the state of knowledge of the NYC. To perform the parametric inference, the likelihood of the data, given these true values, accounts for the properties of the data set, especially its heteroscedasticity and missing value objects. By properly accounting for these properties, the intelligent system: i) Increases the size of the data set, with respect to previous studies working exclusively on fully observed objects, and ii) Avoids biases associated to fully observed data sets, and restrictions to low-uncertainty objects (sigma-clipping procedures).The BHM returns the posterior PDFs of the parameters in the PDFCPs, particularly of the spatial, proper motions and luminosity distributions. In the BHM each object in the data set contributes to the PDFs of the parameters proportionally to its likelihood. Thus, the PDFCPs are free of biases resulting from typical high membership probability selections (sampling bias).As a by-product, the BHM also gives the PDFs of the cluster membership probability for each object in the data set. These PDFs together with an optimal probability classification threshold, which is obtained from synthetic data sets, allow the classification of objects into cluster and field populations. This by-product classifier shows excellent results when applied on synthetic data sets (with an area under the ROC curve of 0.99). From the analysis of synthetic data sets, the expected value of the contamination rate for the PDFCPs is 5.8 ± 0.2%.The following are the most important astrophysical results of the BHM applied tothe Pleiades cluster. First, used as a classifier, it finds ∼ 200 new candidate members, representing 10% new discoveries. Nevertheless, it shows outstanding agreement (99.6% of the 105 objects in the data set) with previous results from the literature. Second, the derived present day system mass distribution (PDSMD) is in general agreement with the previous results of Bouy et al. (2015).Thus, by better modelling the data set and eliminating unnecessary restrictions to it, the new intelligent system, developed and tested in the present work, represents the state of the art for the statistical analysis of NYC populations

Long term longitudinal surveys have the advantage to enable several sampling of the studied phenomena and then, with the repeated measures obtained, find a confirmed tendency. However, these long term surveys generate large epidemiological datasets including more sources of noise than normal datasets (e.g. one single measure per observation unit) and potential correlation in the measured values. Here, we studied data from a long-term epidemiological and genetic survey of malaria disease in two family-based cohorts in Senegal, followed for 19 years (1990-2008) in Dielmo and for 16 years (1993-2008) in Ndiop. The main objectives of this work were to take into account familial relationships, repeated measures as well as effect of covariates to measure both environmental and host genetic (heritability) impacts on the outcome of infection with the malaria parasite Plasmodium falciparum, and then use findings from such analyses for linkage and association studies. The outcome of interest was the occurrence of a P. falciparum malaria attack during each trimester (PFA). The two villages were studied independently; epidemiological analyses, estimation of heritability and individual effects were then performed in each village separately. Linkage and association analyses used family-based methods (based on the original Transmission Disequilibrium Test) known to be immune from population stratification problems. Then to increase sample size for linkage and association analyses, data from the two villages were used together.

Dans cinq sites forestiers d'afrique centrale, les structures de populations d'arbres sont abordees par l'etude des structures demographiques et des repartitions horizontales des individus, en relation avec la position des houppiers des arbres relativement a la voute forestiere (arbres du sous-bois, de la voute ou emergents). Deux types opposes de population, et un type intermediaire, sont mis en evidence. Pour chacun d'eux, sont evoques des elements de leur fonctionnement, en insistant sur l'importance de la dispersion des diaspores et sur celle de la disponibilite en lumiere a tous les stades de developpement. Ces types de structures sont interpretes dans le cadre des dynamiques de renouvellement forestier, continu ou rythmique, et en relation avec le degre de stabilite des conditions de croissance et de developement des especes

La phytocenose algale des rivieres mediterraneennes est soumise aux aleas de leur regime hydrologique tres irregulier. L'inadequation des methodes d'echantillonnage des algues dans les ecosystemes lotiques nous a conduit a developper et definir une methode adaptee aux rivieres du sud-est de la france a partir d'un decoupage fin de sections transversales ou sont etudies simultanement d'une part, les principaux parametres hydrodynamiques, hydrauliques et morphologiques et, d'autre part, les algues epilithiques et en derive. L'asse, riviere des alpes de haute provence a ete choisie comme riviere de reference pour tester cette methode. La repartition des algues epilithiques, a l'echelle intra-stationnelle, est fonction en premier lieu de la vitesse du courant (v) et secondairement, de la profondeur (p) ainsi que de la composition du substrat. Le rapport v/p permet de caracteriser les secteurs preferentiels de prospection. La derive algale, composee d'algues epilithiques, se repartit selon deux gradients de concentration en fonction du rayon hydraulique du transect. La validation de cette methode est basee sur l'etude de neuf autres rivieres mediterraneennes d'altitude et de plaine, naturelles ou amenagees et coulant sur substrats calcaire ou cristallin. Ces recherches permettent de proposer une methode d'echantillonnage des algues epilithiques et en derive adaptee aux cours d'eau du sud-est de la france. Pour les algues epilithiques, la vitesse du courant, la profondeur, le rapport v/p et la composition du substrat sont les quatre facteurs a prendre simultanement en consideration (les classes de chaque parametre different entre les rivieres d'altitude et de plaine). Pour les algues en derive, le protocole consiste a prelever 5 echantillons (un a chaque rive et aux trois niveaux de profondeur sur une verticale de mesures situee dans l'axe du chenal). L'influence des principales perturbations naturelles (nature du substrat, variations nycthemerales, stabilite du milieu sur le peuplement epilithique en ete, pression de broutage par les invertebres benthiques, recolonisation apres une crue) ont ete analysee. L'estimation de la qualite des eaux est realisee par l'analyse comparee entre les parametres physico-chimiques et biotiques

Une etude pluridisciplinaire sur l'ecologie de l'etang de thau a permis de recolter une quantite importante d'information, a quatre periodes differentes de l'annee (1986-1987), basee sur un reseau de 63 stations reparties selon un maillage carre de 1 km. Fort de cette information multivariee, nous proposons une methodologie pour selectionner un sous-ensemble de stations (20) permettant de reproduire la repartition spatiale d'une dizaine de variables environnementales. Apres cette premiere reflexion sur la strategie d'echantillonnage, nous abordons en deux etapes l'etude du phytoplancton de l'etang de thau. En premier lieu, en comparant la repartition spatiale de pigments chlorophylliens (chlorophylle a, chlorophylle b et chlorophylle c) avec celle des communautes phytoplanctoniques. Cette etude descriptive permet, en deuxieme lieu, de proposer un modele explicatif de la biomasse phytoplanctonique. Ce modele utilise des variables environnementales telles que la salinite, la filtration des coquillages, les elements nutritifs et l'hydrodynamisme. Il explique jusqu'a 70% de la biomasse phytoplanctonique et met en opposition le comportement des taxons d'origine marine et continentale. Finalement, grace a l'etude de la biomasse phytoplanctonique, nous abordons de nouveau la reflexion sur la strategie d'echantillonnage, mais cette fois-ci orientee sur la capacite d'un sous-echantillonnage (20 stations) de permettre une modelisation adequate de la biomasse phytoplanctonique

Comprendre comment se forment les étoiles est l’une des questions fondamentales auxquelles l’astronomie entend répondre. Malheureusement, nous ne pouvons pas étudier la formation stellaire en temps réel et différentes méthodes indirectes doivent être utilisées pour faire la lumière sur ce sujet. L’objectif principal de cette thèse est de déterminer la fonction de masse initiale, la distribution de masse des étoiles à leur naissance, dans différentes associations et régions de formation d’étoiles. La fonction de masse est le produit direct de la formation stellaire et constitue donc un paramètre d’observation fondamental pour contraindre les théories de formation stellaire et sous-estellaire. Nous nous sommes concentrés sur l’amas ouvert de 30 Ma IC 4665 et la région de formation d’étoiles de 1 - 10 Ma de Upper Scorpius (USC) et r Ophiuchi (r Oph). Nous avons combiné l’astrométrie et la photométrie de Gaia Data Release 2 avec nos observations au sol pour préparer un catalogue profond et étendu de chaque région. Ensuite, nous avons calculé les probabilités d’appartenance en utilisanttoute l’astrométrie et la photométrie disponibles et identifié les membres à haute probabilité. Nous avons utilisé la liste finale des membres pour estimer la distribution de magnitude, et les fonctions de luminosité et masse de ces associations. Alors que la première a l’avantage d’être indépendante des modèles d’évolution, tandis que les fonctions de luminosité et de masse peuvent être utilisées pour contraindre les mécanismes de formation d’étoiles. L’étude d’IC 4556 nous a permis d’identifier des objets sous-stellaires, sans pour autant pouvoir fournir un recensement complet dans ce domaine de masse. Dans USC et r Oph, nous avons identifié une population très riche d’objets sous-stellaires, significativement plus nombreux que les prédictions des modèles de formation par effondrement de coeurs moléculaires, suggérant que la formation de naines brunes et d’objets de masses planétaires isolés par des phénomènes d’éjection dans des systèmes planétaires a une contribution importante et du même ordre que l’effondrement des coeurs moléculaires à la population finale d’objets dans un amas. L’âge est un paramètre fondamental pour étudier la formation et l’évolution des étoiles pour plusieurs raisons: premièrement puisqu’il établit une échelle de temps sur laquelle placer les observations. Deuxièmement car il est essentiel pour convertir les luminosités en masses, avec l’aide de modèles d’évolution stellaire. Les incertitudes sur l’age de USC et r Oph se traduisant en erreurs importantes dans notre estimation de la fonction de masse, j’ai développé une stratégie d’étude de "l’âge dynamique" au moyen d’une analyse orbitale de traçage des mouvements des membres d’associations jeunes. J’ai ainsi mis au point une stratégie incluant i) les observations et la recherche de données dans les archives publiques, ii) la réduction et l’analyse des spectres échelles obtenus; iii) et l’analyse dynamique, pour déterminer l’âge d’une association. La méthodologie, développée avec l’association b Pictoris (b Pic), est prête à être appliquée à d’autres régions et en particulier à USC et r Oph. Les membres que nous avons identifiés sont par ailleurs d’excellentes cibles pour des études complémentaires telles que la recherche de disques (produit également fondamental de la formation stellaire), d’exoplanètes, de système multiples, mais aussi pour la caractérisation des atmosphères et propriétés physiques des naines brunes et des planètes errantes. [...]
Understanding how stars form is one of the fundamental questions which astronomy aims to answer. Currently, it is well accepted that the majority of stars form in groups and that their predominant mechanism of formation is the core-collapse. However, several mechanisms have been suggested to explain the formation of substellar objects, and their contribution is still under debate. The main goal of this thesis is to determine the initial mass function, the mass distribution of stars at birth time, in different associations and star-forming regions. The mass function constitutes a fundamental observational parameter to constrain stellar and substellar formation theories since different formation mechanisms predict different fraction of stellar and substellar objects. We used the Gaia Data Release 2 catalogue together with ground-based observations from the COSMIC-DANCe project to look for high probability members via a probabilistic model of the distribution of the observable quantities in both the cluster and background populations. We applied this method to the 30 Myr open cluster IC 4665 and the 1 - 10 Myr star-forming region Upper Scorpius (USC) and r Ophiuchi (r Oph). We found very rich populations of substellar objects which largely exceed the numbers predicted by core-collapse models. In USC, where our sensitivity is best, we found a large number of free-floating planets and we suggest that ejection from planetary systems must have a similar contribution than core-collapse in their formation. The age is a fundamental parameter to study the formation and evolution of stars and is essential to accurately convert luminosities to masses. For that, we also presented a strategy to study the dynamical traceback age of young local associations through an orbital traceback analysis. We applied this method to determine the age of the b Pictoris moving group and in the future, we plan to apply it to other regions such as USC. The members we identified with the membership analysis are excellent targets for follow-up studies such as a search for discs, exoplanets, characterisation of brown dwarfs and free-floating planets. I this thesis, we presented a search for discs hosted by members of IC 4665 and we found six excellent candidates to be imaged with ALMA or the JWST. The tools we developed, are ready to be used in other regions such as USC and r Oph, where we expect to find a larger number of disc-host stars

Les mauvaises herbes de la syrie sont largement meconnues. Cette etude porte sur l'origine, la distribution et l'ecologie des mauvaises herbes des plantations d'agrumes, de pommiers et d'oliviers de la syrie maritime. Apres une discussion concernant les diverses definitions donnees aux mauvaises herbes, ce travail decrit les caracteristiques de la syrie maritime et expose le mode d'echantillonnage des releves effectues sur le terrain. Les listes floristiques constituees ont permis d'analyser la flore des mauvaises herbes dans les differentes saisons et d'etablir des spectres floristiques, biologiques et phytogeographiques des especes. Une comparaison entre la flore des mauvaises herbes des vergers et celle de la totalite de la region pour etudier l'impact de l'arboriculture sur la flore regionale a ete realisee. Une reconstitution schematique du tapis vegetal, a partir des indices phytosociologiques notes sur le terrain, a permis d'etudier les caracteres de la vegetation des mauvaises herbes. Des analyses de la flore et de la vegetation ont ete effectuees separement pour les trois principales arboricultures de la region. L'existence d'un gradient dans l'importance des traitements agricoles pratiques dans chaque categorie d'arboriculture a facilite l'etude de l'impact de l'artificialisation sur la nature des infestations. Les especes les plus infestantes sont degagees, pour l'ensemble des vergers de la region dans chaque saison et pour chaque categorie d'arboriculture. Elles representent les mauvaises herbes contre lesquelles la lutte doit s'orienter en priorite, actuellement. La derniere partie met en evidence plusieurs facteurs ecologiques qui determinent la nature et la repartition des mauvaises herbes. L'exploitation des donnees par la methode des profils ecologiques et par l'analyse des liaisons interspecifiques d'une part, et par l'analyse factorielle des correspondances et la cluster analysis d

Nous présentons des méthodes statistiques reposant sur des problèmes de factorisation matricielle. Une première méthode permet l'inférence rapide de la structure de populations à partir de données génétiques en incluant l'information de proximité géographique. Une deuxième méthode permet de corriger les études d'association pour les facteurs de confusion. Nous présentons dans ce manuscrit les modèles, ainsi que les aspects théoriques des algorithmes d'inférence. De plus, à l'aide de simulations numériques, nous comparons les performances de nos méthodes à celles des méthodes existantes. Enfin, nous utilisons nos méthodes sur des données biologiques réelles. Nos méthodes ont été implémentées et distribuées sous la forme de packages R : tess3r et lfmm
We present statistical methods based on matrix factorization problems. A first method allows efficient inference of population structure from genetic data and including geographic proximity information. A second method corrects the association studies for confounding factors. We present in this manuscript the models, as well as the theoretical aspects of the inference algorithms. Moreover, using numerical simulations, we compare the performance of our methods with those of existing methods. Finally, we use our methods on real biological data. Our methods have been implemented and distributed as R packages: tess3r and lfmm

L'existence d'une diversite specifique elevee dans certaines communautes vegetales souleve la question des mecanismes permettant la coexistence d'especes ayant des niches trophiques similaires. Dans des friches mediterraneennes d'ages successionnels differents, j'ai suivi la recolonisation de microperturbations experimentales, generees a differentes saisons (automne, hiver, printemps). Les resultats ont permis d'expliquer comment, dans ces communautes, riches en especes, avec une forte heterogeneite spatiale, et ou les contraintes climatiques sont determinantes pour l'installation des plantes, les perturbations a plusieurs echelles spatio-temporelles permettent: 1) l'expression de differences entre especes dans la maniere dont elles occupent l'espace vital dans l'espace et dans le temps; 2) le remplacement aleatoire d'especes equivalentes a ce titre. Conjointement, a ete developpe un modele spatialement explicite de la dynamique de populations de plantes annuelles avec, comme sur le terrain, trois niveaux de structure (echantillon, communaute successionnelle, et paysage). Des simulations de comportements a l'echelle individuelle ont contribue a ameliorer la comprehension des effets, au niveau du paysage dans son ensemble, de la structure spatiale, de la dissemination des graines, de la bangue de graines, et du regime de perturbations. Ces resultats m'ont amenee a proposer un modele interpretatif original des mecanismes de maintien de la diversite dans des paysages de friches mediterraneennes. Le jeu entre perturbations, caracteristiques biologique relatives a l'occupation de l'espace. Structuration spatiale, et hasard, permet un equilibre dynamique entre des communautes a des stades successionnels divers, connectees par des flux de graines. Les mecanismes proposes s'inscrivent dans la perspective de la theorie de la dynamique des taches, et dans l'optique de l'ecologie des paysages. Les theories de la niche de regeneration, de la loterie competitive offrent des elements pertinents

Les communautés végétales constituent des systèmes complexes au sein desquels de nombreuses espèces, pouvant présenter une large variété de traits fonctionnels, interagissent entre elles et avec leur environnement. En raison de la quantité et de la diversité de ces interactions les mécanismes qui gouvernent les dynamiques des ces communautés sont encore mal connus. Les approches basées sur la modélisation permettent de relier de manière mécaniste les processus gouvernant les dynamiques des individus ou des populations aux dynamiques des communautés qu'ils forment. L'objectif de cette thèse était de développer de telles approches et de les mettre en oeuvre pour étudier les mécanismes sous-jacents aux dynamiques des communautés. Nous avons ainsi développés deux approches de modélisation. La première s'appuie sur un cadre de modélisation stochastique permettant de relier les dynamiques de populations aux dynamiques des communautés en tenant compte des interactions intra- et interspécifiques et de l'impact des variations environnementale et démographique. Cette approche peut-être aisément appliquée à des systèmes réels et permet de caractériser les populations végétales à l'aide d'un petit nombre de paramètres démographiques. Cependant nos travaux suggèrent qu'il n'existe pas de relation simple entre ces paramètres et les traits fonctionnels des espèces, qui gouvernent pourtant leur réponse aux facteurs externes. La seconde approche a été développée pour dépasser cette limite et s'appuie sur le modèle individu-centré Nemossos qui représente de manière explicite le lien entre le fonctionnement des individus et les dynamiques de la communauté qu'ils forment. Afin d'assurer un grand potentiel d'application à Nemossos, nous avons apportés une grande attention au compromis entre réalisme et coût de paramétrisation. Nemossos a ainsi pu être entièrement paramétré à partir de valeur de traits issues de la littérature , son réalisme a été démontré, et il a été utilisé pour mener des expériences de simulations numériques sur l'importance de la variabilité temporelle des conditions environnementales pour la coexistence d'espèces fonctionnellement différentes. La complémentarité des deux approches nous a permis de proposer des éléments de réponse à divers questions fondamentales de l'écologie des communautés incluant le rôle de la compétition dans les dynamiques des communautés, l'effet du filtrage environnementale sur leur composition fonctionnel ou encore les mécanismes favorisant la coexistence des espèces végétales. Ici ces approches ont été utilisées séparément mais leur couplage peut offrir des perspectives intéressantes telles que l'étude du lien entre le fonctionnement des plantes et les dynamiques des populations. Par ailleurs chacune des approches peut être utilisée dans une grande variété d'expériences de simulation susceptible d'améliorer notre compréhension des mécanismes gouvernant les communautés végétales
Plant communities are complex systems in which multiple species differing by their functional attributes interact with their environment and with each other. Because of the number and the diversity of these interactions the mechanisms that drive the dynamics of theses communities are still poorly understood. Modelling approaches enable to link in a mechanistic fashion the process driving individual plant or population dynamics to the resulting community dynamics. This PhD thesis aims at developing such approaches and to use them to investigate the mechanisms underlying community dynamics. We therefore developed two modelling approaches. The first one is based on a stochastic modelling framework allowing to link the population dynamics to the community dynamics whilst taking account of intra- and interspecific interactions as well as environmental and demographic variations. This approach is easily applicable to real systems and enables to describe the properties of plant population through a small number of demographic parameters. However our work suggests that there is no simple relationship between these parameters and plant functional traits, while they are known to drive their response to extrinsic factors. The second approach has been developed to overcome this limitation and rely on the individual-based model Nemossos that explicitly describes the link between plant functioning and community dynamics. In order to ensure that Nemossos has a large application potential, a strong emphasis has been placed on the tradeoff between realism and parametrization cost. Nemossos has then been successfully parameterized from trait values found in the literature, its realism has been demonstrated and it has been used to investigate the importance of temporal environmental variability for the coexistence of functionally differing species. The complementarity of the two approaches allows us to explore various fundamental questions of community ecology including the impact of competitive interactions on community dynamics, the effect of environmental filtering on their functional composition, or the mechanisms favoring the coexistence of plant species. In this work, the two approaches have been used separately but their coupling might offer interesting perspectives such as the investigation of the relationships between plant functioning and population dynamics. Moreover each of the approaches might be used to run various simulation experiments likely to improve our understanding of mechanisms underlying community dynamics