Présentation

Modibo DIABATÉ

Chercheur postdoctoral au Laboratoire MAP5, Université de Paris (UP), mes travaux de recherche portent sur le développement d'une nouvelle méthode statistique pour la détection de l'interaction gène-environnement dans des études de cancer avec des applications sur les données EPIC et UK Biobank.

J'ai soutenu en 2019 une thèse de doctorat en Mathématiques Appliquées à l'Université Grenoble Alpes. Durant cette thèse, j'ai travaillé sur l'étude des modèles mathématiques (déterministes et stochastiques) de croissance tumorale et l'estimation de paramètres dans ces modèles à partir de données réelles d'immunothérapie du mélanome (mon manuscrit de thèse est disponible ici).

Mots clés de la recherche : analyse de survie, calcul de segmentation, régression logistique, modèles de Markov cachés, modèles de dynamique des populations, équations différentielles déterministes/stochastiques, modèles non linéaires à effets mixtes ; cancer, interactions gène-environnement, épidémiologie. Algorithmes : EM, MaxEM, SAEM, (Max)Forward-(Max)Backward, Belief Propagation (BP), Expectation Propagation (EP), Importance Splitting.

Mots clés de l'enseignement : probabilités appliquées, principes et méthodes statistiques, statistique bayésienne, statistique multidimensionnelle, statistique pour la biologie, apprentissage automatique, apprentissage profond, programmation R, programmation C++.

Publications

M. Diabate, L. Coquille and A. Leclercq-Samson. Parameter estimation and treatment optimization in a stochastic model for immunotherapy of cancer. 2019. Journal of Theoretical Biology.

M. Diabate. Modélisation stochastique et estimation de la croissance tumorale. 2019. Thèse de doctorat. Université Grenoble Alpes.

Coordonnées

Modibo Diabaté, Bureau 734-O, MAP5, Université de Paris,45 rue des Saints Pères, 75006, Paris, FranceE-mail: modibo.diabate@parisdescartes.frLinkedin