SlideShare une entreprise Scribd logo
1  sur  8
Télécharger pour lire hors ligne
Présentation du projet ASTERICS
Présentation du projet ASTERICS
Nathalie Vialaneix, INRAE/MIAT
Nathalie Vialaneix, INRAE/MIAT
Réunion PF Bioinfo - 8 novembre 2021
Réunion PF Bioinfo - 8 novembre 2021
1 / 8
1 / 8
Contexte et partenariat du projet
projet financé par la région Occitanie sur un appel à projets pour les
plateformes
projet porté par la PF biostatistique de Toulouse et dont les partenaires
sont :
la PF bioinformatique de Toulouse
GenPhySE
Hyphen-stat
Durée : 2 ans - Début : septembre 2020
Moyens mis en œuvre :
participants : C. Gaspin, C. Noirot, J. Mariette, E. Maigné, S. Déjean, L.
Liaubet, (cas d'études) + des développeurs et statisticiens de hyphen-
stat
CDD : Y. Adu-Kesewaah, F. Mathevet, J. Henry + une graphiste à venir
2 / 8
Objectifs du projet
mettre à la disposition de la communauté des outils d'intégration de
données
multi-omiques avec une interface en ligne
3 / 8
Ambitions
facile à utiliser, intuitif
qui aide l'utilisateur dans son analyse (de l'analyse simple jusqu'à
l'intégration) et à interpréter les résultats
qui intègre de la connaissance métier sur les types d'omiques
(transcriptomique, métabolomique, ...)
utilisable en ligne et installable
qui intègre les outils (ligne de commande) développés en interne «
mixOmics »
et « mixKernel », voire « ASICS »
4 / 8
Ambitions
facile à utiliser, intuitif
qui aide l'utilisateur dans son analyse (de l'analyse simple jusqu'à
l'intégration) et à interpréter les résultats
qui intègre de la connaissance métier sur les types d'omiques
(transcriptomique, métabolomique, ...)
utilisable en ligne et installable
qui intègre les outils (ligne de commande) développés en interne «
mixOmics »
et « mixKernel », voire « ASICS »
5 / 8
Dans le moteur...
côté serveur : flask et pyRserve : Jérôme et Céline
côté analyses stat : R avec Rserve (développé par le CRAN) : Élise, Yaa,
Fanny, Julien et moi
Contraintes :
entrées basiques pour les fonctions R
uniquement des sorties JSON pour les fonctions R
6 / 8
Organisation de l'interface
récapitulatif des données et analyses effectuées
importation de données
analyses primaires : analyse d'une ou de deux variables, graphiques
jusqu'à
5 variables, heatmap, ACP, clustering, données manquantes... (à
venir : SOM, analyses différentielles en batch, ...)
analyses intégratives : MFA (à venir : PLS, méthodes à noyau, ...)
à faire dans les mois qui viennent : amélioration de l'ergonomie, édition
de
données, assistant utilisateur
7 / 8
Démonstration
Démonstration
8 / 8
8 / 8

Contenu connexe

Similaire à Présentation du projet ASTERICS

Catalogue Analyse Ritme
Catalogue Analyse Ritme  Catalogue Analyse Ritme
Catalogue Analyse Ritme Benoit Frachon
 
curriculum vitae
curriculum vitaecurriculum vitae
curriculum vitaeElyes MANAI
 
Curriculum_vitae_IIIb_Daniele_Gentile_S_Pr_Francese
Curriculum_vitae_IIIb_Daniele_Gentile_S_Pr_FranceseCurriculum_vitae_IIIb_Daniele_Gentile_S_Pr_Francese
Curriculum_vitae_IIIb_Daniele_Gentile_S_Pr_FranceseDaniele Gentile
 
Cvnadirnew 110211085144-phpapp01
Cvnadirnew 110211085144-phpapp01Cvnadirnew 110211085144-phpapp01
Cvnadirnew 110211085144-phpapp01May Saghira
 
Jabes 2019 - Session parallèle "Comment faciliter la co-construction au sein ...
Jabes 2019 - Session parallèle "Comment faciliter la co-construction au sein ...Jabes 2019 - Session parallèle "Comment faciliter la co-construction au sein ...
Jabes 2019 - Session parallèle "Comment faciliter la co-construction au sein ...ABES
 
Audition France Stratégie du 9 mars 2017 "Blockchain : les cas d'usage à l'ép...
Audition France Stratégie du 9 mars 2017 "Blockchain : les cas d'usage à l'ép...Audition France Stratégie du 9 mars 2017 "Blockchain : les cas d'usage à l'ép...
Audition France Stratégie du 9 mars 2017 "Blockchain : les cas d'usage à l'ép...Nabil Bouzerna
 
#OSSPARIS19 - Gouvernance des données dans le contexte Big Data - REX datalak...
#OSSPARIS19 - Gouvernance des données dans le contexte Big Data - REX datalak...#OSSPARIS19 - Gouvernance des données dans le contexte Big Data - REX datalak...
#OSSPARIS19 - Gouvernance des données dans le contexte Big Data - REX datalak...Paris Open Source Summit
 
Liege2011 Sylvie DAMY Bénédicte HERRMANN Jean-Jacques Girardot
Liege2011 Sylvie DAMY Bénédicte HERRMANN Jean-Jacques GirardotLiege2011 Sylvie DAMY Bénédicte HERRMANN Jean-Jacques Girardot
Liege2011 Sylvie DAMY Bénédicte HERRMANN Jean-Jacques GirardotTerritorial Intelligence
 
CV Saddam ZEMMALI Professionel Fr
CV Saddam ZEMMALI Professionel FrCV Saddam ZEMMALI Professionel Fr
CV Saddam ZEMMALI Professionel FrSaddam ZEMMALI ☁
 
Py osv newsletter-032018
Py osv newsletter-032018Py osv newsletter-032018
Py osv newsletter-032018FabMob
 
Py osv newsletter-032018
Py osv newsletter-032018Py osv newsletter-032018
Py osv newsletter-032018FabMob
 
20120612 06 - Un framework d'analyse de logiciels issu de la recherche
20120612 06 - Un framework d'analyse de logiciels issu de la recherche20120612 06 - Un framework d'analyse de logiciels issu de la recherche
20120612 06 - Un framework d'analyse de logiciels issu de la rechercheLeClubQualiteLogicielle
 
X-Analysis Professional - version française
X-Analysis Professional - version françaiseX-Analysis Professional - version française
X-Analysis Professional - version françaiseFresche Solutions
 
Production logicielle, outils et pratiques
Production logicielle, outils et pratiquesProduction logicielle, outils et pratiques
Production logicielle, outils et pratiquesJohan Moreau
 

Similaire à Présentation du projet ASTERICS (20)

Catalogue Analyse Ritme
Catalogue Analyse Ritme  Catalogue Analyse Ritme
Catalogue Analyse Ritme
 
JPOULIN
JPOULINJPOULIN
JPOULIN
 
curriculum vitae
curriculum vitaecurriculum vitae
curriculum vitae
 
Curriculum_vitae_IIIb_Daniele_Gentile_S_Pr_Francese
Curriculum_vitae_IIIb_Daniele_Gentile_S_Pr_FranceseCurriculum_vitae_IIIb_Daniele_Gentile_S_Pr_Francese
Curriculum_vitae_IIIb_Daniele_Gentile_S_Pr_Francese
 
apisense
apisenseapisense
apisense
 
Cvnadirnew 110211085144-phpapp01
Cvnadirnew 110211085144-phpapp01Cvnadirnew 110211085144-phpapp01
Cvnadirnew 110211085144-phpapp01
 
Jabes 2019 - Session parallèle "Comment faciliter la co-construction au sein ...
Jabes 2019 - Session parallèle "Comment faciliter la co-construction au sein ...Jabes 2019 - Session parallèle "Comment faciliter la co-construction au sein ...
Jabes 2019 - Session parallèle "Comment faciliter la co-construction au sein ...
 
Audition France Stratégie du 9 mars 2017 "Blockchain : les cas d'usage à l'ép...
Audition France Stratégie du 9 mars 2017 "Blockchain : les cas d'usage à l'ép...Audition France Stratégie du 9 mars 2017 "Blockchain : les cas d'usage à l'ép...
Audition France Stratégie du 9 mars 2017 "Blockchain : les cas d'usage à l'ép...
 
Cours 01.pptx
Cours 01.pptxCours 01.pptx
Cours 01.pptx
 
#OSSPARIS19 - Gouvernance des données dans le contexte Big Data - REX datalak...
#OSSPARIS19 - Gouvernance des données dans le contexte Big Data - REX datalak...#OSSPARIS19 - Gouvernance des données dans le contexte Big Data - REX datalak...
#OSSPARIS19 - Gouvernance des données dans le contexte Big Data - REX datalak...
 
Cv dridi-lotfi
Cv dridi-lotfiCv dridi-lotfi
Cv dridi-lotfi
 
Liege2011 Sylvie DAMY Bénédicte HERRMANN Jean-Jacques Girardot
Liege2011 Sylvie DAMY Bénédicte HERRMANN Jean-Jacques GirardotLiege2011 Sylvie DAMY Bénédicte HERRMANN Jean-Jacques Girardot
Liege2011 Sylvie DAMY Bénédicte HERRMANN Jean-Jacques Girardot
 
CV Saddam ZEMMALI Professionel Fr
CV Saddam ZEMMALI Professionel FrCV Saddam ZEMMALI Professionel Fr
CV Saddam ZEMMALI Professionel Fr
 
Py osv newsletter-032018
Py osv newsletter-032018Py osv newsletter-032018
Py osv newsletter-032018
 
Py osv newsletter-032018
Py osv newsletter-032018Py osv newsletter-032018
Py osv newsletter-032018
 
20120612 06 - Un framework d'analyse de logiciels issu de la recherche
20120612 06 - Un framework d'analyse de logiciels issu de la recherche20120612 06 - Un framework d'analyse de logiciels issu de la recherche
20120612 06 - Un framework d'analyse de logiciels issu de la recherche
 
X-Analysis Professional - version française
X-Analysis Professional - version françaiseX-Analysis Professional - version française
X-Analysis Professional - version française
 
HaifaFtirich2016
HaifaFtirich2016HaifaFtirich2016
HaifaFtirich2016
 
Hernandez_Remi_CV_v2
Hernandez_Remi_CV_v2Hernandez_Remi_CV_v2
Hernandez_Remi_CV_v2
 
Production logicielle, outils et pratiques
Production logicielle, outils et pratiquesProduction logicielle, outils et pratiques
Production logicielle, outils et pratiques
 

Plus de tuxette

Racines en haut et feuilles en bas : les arbres en maths
Racines en haut et feuilles en bas : les arbres en mathsRacines en haut et feuilles en bas : les arbres en maths
Racines en haut et feuilles en bas : les arbres en mathstuxette
 
Méthodes à noyaux pour l’intégration de données hétérogènes
Méthodes à noyaux pour l’intégration de données hétérogènesMéthodes à noyaux pour l’intégration de données hétérogènes
Méthodes à noyaux pour l’intégration de données hétérogènestuxette
 
Méthodologies d'intégration de données omiques
Méthodologies d'intégration de données omiquesMéthodologies d'intégration de données omiques
Méthodologies d'intégration de données omiquestuxette
 
Projets autour de l'Hi-C
Projets autour de l'Hi-CProjets autour de l'Hi-C
Projets autour de l'Hi-Ctuxette
 
Can deep learning learn chromatin structure from sequence?
Can deep learning learn chromatin structure from sequence?Can deep learning learn chromatin structure from sequence?
Can deep learning learn chromatin structure from sequence?tuxette
 
Multi-omics data integration methods: kernel and other machine learning appro...
Multi-omics data integration methods: kernel and other machine learning appro...Multi-omics data integration methods: kernel and other machine learning appro...
Multi-omics data integration methods: kernel and other machine learning appro...tuxette
 
ASTERICS : une application pour intégrer des données omiques
ASTERICS : une application pour intégrer des données omiquesASTERICS : une application pour intégrer des données omiques
ASTERICS : une application pour intégrer des données omiquestuxette
 
Autour des projets Idefics et MetaboWean
Autour des projets Idefics et MetaboWeanAutour des projets Idefics et MetaboWean
Autour des projets Idefics et MetaboWeantuxette
 
Rserve, renv, flask, Vue.js dans un docker pour intégrer des données omiques ...
Rserve, renv, flask, Vue.js dans un docker pour intégrer des données omiques ...Rserve, renv, flask, Vue.js dans un docker pour intégrer des données omiques ...
Rserve, renv, flask, Vue.js dans un docker pour intégrer des données omiques ...tuxette
 
Apprentissage pour la biologie moléculaire et l’analyse de données omiques
Apprentissage pour la biologie moléculaire et l’analyse de données omiquesApprentissage pour la biologie moléculaire et l’analyse de données omiques
Apprentissage pour la biologie moléculaire et l’analyse de données omiquestuxette
 
Quelques résultats préliminaires de l'évaluation de méthodes d'inférence de r...
Quelques résultats préliminaires de l'évaluation de méthodes d'inférence de r...Quelques résultats préliminaires de l'évaluation de méthodes d'inférence de r...
Quelques résultats préliminaires de l'évaluation de méthodes d'inférence de r...tuxette
 
Intégration de données omiques multi-échelles : méthodes à noyau et autres ap...
Intégration de données omiques multi-échelles : méthodes à noyau et autres ap...Intégration de données omiques multi-échelles : méthodes à noyau et autres ap...
Intégration de données omiques multi-échelles : méthodes à noyau et autres ap...tuxette
 
Journal club: Validation of cluster analysis results on validation data
Journal club: Validation of cluster analysis results on validation dataJournal club: Validation of cluster analysis results on validation data
Journal club: Validation of cluster analysis results on validation datatuxette
 
Overfitting or overparametrization?
Overfitting or overparametrization?Overfitting or overparametrization?
Overfitting or overparametrization?tuxette
 
Selective inference and single-cell differential analysis
Selective inference and single-cell differential analysisSelective inference and single-cell differential analysis
Selective inference and single-cell differential analysistuxette
 
SOMbrero : un package R pour les cartes auto-organisatrices
SOMbrero : un package R pour les cartes auto-organisatricesSOMbrero : un package R pour les cartes auto-organisatrices
SOMbrero : un package R pour les cartes auto-organisatricestuxette
 
Graph Neural Network for Phenotype Prediction
Graph Neural Network for Phenotype PredictionGraph Neural Network for Phenotype Prediction
Graph Neural Network for Phenotype Predictiontuxette
 
A short and naive introduction to using network in prediction models
A short and naive introduction to using network in prediction modelsA short and naive introduction to using network in prediction models
A short and naive introduction to using network in prediction modelstuxette
 
Explanable models for time series with random forest
Explanable models for time series with random forestExplanable models for time series with random forest
Explanable models for time series with random foresttuxette
 
Kernel methods and variable selection for exploratory analysis and multi-omic...
Kernel methods and variable selection for exploratory analysis and multi-omic...Kernel methods and variable selection for exploratory analysis and multi-omic...
Kernel methods and variable selection for exploratory analysis and multi-omic...tuxette
 

Plus de tuxette (20)

Racines en haut et feuilles en bas : les arbres en maths
Racines en haut et feuilles en bas : les arbres en mathsRacines en haut et feuilles en bas : les arbres en maths
Racines en haut et feuilles en bas : les arbres en maths
 
Méthodes à noyaux pour l’intégration de données hétérogènes
Méthodes à noyaux pour l’intégration de données hétérogènesMéthodes à noyaux pour l’intégration de données hétérogènes
Méthodes à noyaux pour l’intégration de données hétérogènes
 
Méthodologies d'intégration de données omiques
Méthodologies d'intégration de données omiquesMéthodologies d'intégration de données omiques
Méthodologies d'intégration de données omiques
 
Projets autour de l'Hi-C
Projets autour de l'Hi-CProjets autour de l'Hi-C
Projets autour de l'Hi-C
 
Can deep learning learn chromatin structure from sequence?
Can deep learning learn chromatin structure from sequence?Can deep learning learn chromatin structure from sequence?
Can deep learning learn chromatin structure from sequence?
 
Multi-omics data integration methods: kernel and other machine learning appro...
Multi-omics data integration methods: kernel and other machine learning appro...Multi-omics data integration methods: kernel and other machine learning appro...
Multi-omics data integration methods: kernel and other machine learning appro...
 
ASTERICS : une application pour intégrer des données omiques
ASTERICS : une application pour intégrer des données omiquesASTERICS : une application pour intégrer des données omiques
ASTERICS : une application pour intégrer des données omiques
 
Autour des projets Idefics et MetaboWean
Autour des projets Idefics et MetaboWeanAutour des projets Idefics et MetaboWean
Autour des projets Idefics et MetaboWean
 
Rserve, renv, flask, Vue.js dans un docker pour intégrer des données omiques ...
Rserve, renv, flask, Vue.js dans un docker pour intégrer des données omiques ...Rserve, renv, flask, Vue.js dans un docker pour intégrer des données omiques ...
Rserve, renv, flask, Vue.js dans un docker pour intégrer des données omiques ...
 
Apprentissage pour la biologie moléculaire et l’analyse de données omiques
Apprentissage pour la biologie moléculaire et l’analyse de données omiquesApprentissage pour la biologie moléculaire et l’analyse de données omiques
Apprentissage pour la biologie moléculaire et l’analyse de données omiques
 
Quelques résultats préliminaires de l'évaluation de méthodes d'inférence de r...
Quelques résultats préliminaires de l'évaluation de méthodes d'inférence de r...Quelques résultats préliminaires de l'évaluation de méthodes d'inférence de r...
Quelques résultats préliminaires de l'évaluation de méthodes d'inférence de r...
 
Intégration de données omiques multi-échelles : méthodes à noyau et autres ap...
Intégration de données omiques multi-échelles : méthodes à noyau et autres ap...Intégration de données omiques multi-échelles : méthodes à noyau et autres ap...
Intégration de données omiques multi-échelles : méthodes à noyau et autres ap...
 
Journal club: Validation of cluster analysis results on validation data
Journal club: Validation of cluster analysis results on validation dataJournal club: Validation of cluster analysis results on validation data
Journal club: Validation of cluster analysis results on validation data
 
Overfitting or overparametrization?
Overfitting or overparametrization?Overfitting or overparametrization?
Overfitting or overparametrization?
 
Selective inference and single-cell differential analysis
Selective inference and single-cell differential analysisSelective inference and single-cell differential analysis
Selective inference and single-cell differential analysis
 
SOMbrero : un package R pour les cartes auto-organisatrices
SOMbrero : un package R pour les cartes auto-organisatricesSOMbrero : un package R pour les cartes auto-organisatrices
SOMbrero : un package R pour les cartes auto-organisatrices
 
Graph Neural Network for Phenotype Prediction
Graph Neural Network for Phenotype PredictionGraph Neural Network for Phenotype Prediction
Graph Neural Network for Phenotype Prediction
 
A short and naive introduction to using network in prediction models
A short and naive introduction to using network in prediction modelsA short and naive introduction to using network in prediction models
A short and naive introduction to using network in prediction models
 
Explanable models for time series with random forest
Explanable models for time series with random forestExplanable models for time series with random forest
Explanable models for time series with random forest
 
Kernel methods and variable selection for exploratory analysis and multi-omic...
Kernel methods and variable selection for exploratory analysis and multi-omic...Kernel methods and variable selection for exploratory analysis and multi-omic...
Kernel methods and variable selection for exploratory analysis and multi-omic...
 

Présentation du projet ASTERICS

  • 1. Présentation du projet ASTERICS Présentation du projet ASTERICS Nathalie Vialaneix, INRAE/MIAT Nathalie Vialaneix, INRAE/MIAT Réunion PF Bioinfo - 8 novembre 2021 Réunion PF Bioinfo - 8 novembre 2021 1 / 8 1 / 8
  • 2. Contexte et partenariat du projet projet financé par la région Occitanie sur un appel à projets pour les plateformes projet porté par la PF biostatistique de Toulouse et dont les partenaires sont : la PF bioinformatique de Toulouse GenPhySE Hyphen-stat Durée : 2 ans - Début : septembre 2020 Moyens mis en œuvre : participants : C. Gaspin, C. Noirot, J. Mariette, E. Maigné, S. Déjean, L. Liaubet, (cas d'études) + des développeurs et statisticiens de hyphen- stat CDD : Y. Adu-Kesewaah, F. Mathevet, J. Henry + une graphiste à venir 2 / 8
  • 3. Objectifs du projet mettre à la disposition de la communauté des outils d'intégration de données multi-omiques avec une interface en ligne 3 / 8
  • 4. Ambitions facile à utiliser, intuitif qui aide l'utilisateur dans son analyse (de l'analyse simple jusqu'à l'intégration) et à interpréter les résultats qui intègre de la connaissance métier sur les types d'omiques (transcriptomique, métabolomique, ...) utilisable en ligne et installable qui intègre les outils (ligne de commande) développés en interne « mixOmics » et « mixKernel », voire « ASICS » 4 / 8
  • 5. Ambitions facile à utiliser, intuitif qui aide l'utilisateur dans son analyse (de l'analyse simple jusqu'à l'intégration) et à interpréter les résultats qui intègre de la connaissance métier sur les types d'omiques (transcriptomique, métabolomique, ...) utilisable en ligne et installable qui intègre les outils (ligne de commande) développés en interne « mixOmics » et « mixKernel », voire « ASICS » 5 / 8
  • 6. Dans le moteur... côté serveur : flask et pyRserve : Jérôme et Céline côté analyses stat : R avec Rserve (développé par le CRAN) : Élise, Yaa, Fanny, Julien et moi Contraintes : entrées basiques pour les fonctions R uniquement des sorties JSON pour les fonctions R 6 / 8
  • 7. Organisation de l'interface récapitulatif des données et analyses effectuées importation de données analyses primaires : analyse d'une ou de deux variables, graphiques jusqu'à 5 variables, heatmap, ACP, clustering, données manquantes... (à venir : SOM, analyses différentielles en batch, ...) analyses intégratives : MFA (à venir : PLS, méthodes à noyau, ...) à faire dans les mois qui viennent : amélioration de l'ergonomie, édition de données, assistant utilisateur 7 / 8