Programme détaillé: 

Jonathan Vacher (MAP5)

Titre : Perceptual Scales Predicted by Fisher Information Metrics

Résumé : Perception is often viewed as a process that transforms physical variables, external to an observer, into internal psychological variables. Such a process can be modeled by a function coined perceptual scale. The perceptual scale can be deduced from psychophysical measurements that consist in comparing the relative differences between stimuli (i.e. difference scaling experiments). However, this approach is often overlooked by the modeling and experimentation communities. Here, we demonstrate the value of measuring the perceptual scale of classical (spatial frequency, orientation) and less classical physical variables (interpolation between textures) by embedding it in recent probabilistic modeling of perception. First, we show that the assumption that an observer has an internal representation of univariate parameters such as spatial frequency or orientation while stimuli are high-dimensional does not lead to contradictory predictions when following the theoretical framework. Second, we show that the measured perceptual scale corresponds to the transduction function hypothesized in this framework. In particular, we demonstrate that it is related to the Fisher information of the generative model that underlies perception and we test the predictions given by the generative model of different stimuli in a set a of difference scaling experiments. Our main conclusion is that the perceptual scale is mostly driven by the stimulus power spectrum. Finally, we propose that this measure of perceptual scale is a way to push further the notion of perceptual distances by estimating the perceptual geometry of images i.e. the path between images instead of simply the distance between those.

Paul Bastide (MAP5)

Titre : Processus de sauts et processus intégrés pour la phylogéographie virale

Résumé : Au cours d'une épidémie, certains virus évoluent de manière rapide, et portent ainsi la trace dans leur génome de leurs modes de propagation. L'un des objectifs de la phylodynamique est la reconstruction d'un arbre de transmission à partir de données datées de séquences virales, notamment par le biais d'approches phylogénétiques. Lorsque les séquences sont référencées géographiquement, la phylogéographie permet une étude spatiale de l'épidémie, et en particulier l'inférence de sa localisation d'émergence ou d'introduction, et sa vitesse de propagation. Elle modélise la propagation spatiale par des processus stochastiques continus en temps et en espace. Le brownien relâché, qui est très utilisé dans le domaine, est équivalent sous certaines hypothèses à un processus de saut pur, le processus de Cauchy, et ne permet pas l'estimation de vitesses instantanées. Le brownien intégré est un processus par définition plus régulier, qui peut être plus adapté pour modéliser un mouvement spacial. Sa vraisemblance peut être calculée de manière efficace, rendant possible une inférence Bayésienne par MCMC. Nous appliquerons ces résultats à l'étude de la propagation du virus du Nil Occidental en Amérique du Nord au début des années 2000.

Travaux en collaboration notamment avec Gilles Didier et Stéphane Guindon.

Références : https://doi.org/10.1093/sysbio/syad053, https://doi.org/10.1073/pnas.2411582121

Marion Darbas (LAGA)

Titre: Analyse multimodale et problèmes inverses pour l'imagerie cérébrale

Résumé: Cet exposé abordera le couplage de deux modalités d’imagerie cérébrale : l'électroencéphalographie (EEG) et la tomographie optique diffuse (TOD). L'imagerie multimodale fournit des informations complémentaires et plus complètes pour une meilleure compréhension du fonctionnement cérébral. Dans un premier temps, je présenterai le développement et l'analyse d'un modèle permettant de générer des données spatio-temporelles co-enregistrées issues de ces deux modalités. Une analyse dimensionnelle validera un modèle EEG intégrant des sources d’activité électrique cérébrale instationnaires, ainsi qu'un modèle TOD harmonique en temps, avec des paramètres optiques cérébraux variant au cours du temps. Je détaillerai ensuite des simulations numériques de données EEG et DOT, issues de la même activité cérébrale, sur un modèle de tête 3D réaliste. Dans un second temps, je m'intéresserai à l'étude de deux problèmes inverses : la localisation des sources en EEG et l’identification de paramètres en DOT.

Travaux en collaboration avec Stephanie Lohrengel (LMR, Reims) et Benjamin Sulis (post-doctorant, ONERA, Toulouse). 

Laura Cantini (Institut pasteur): 

Titre: Multi-modal learning for single-cell data integration

Résumé: Single-cell RNA sequencing (scRNAseq) is revolutionizing biology and medicine. The possibility to assess cellular heterogeneity at a previously inaccessible resolution, has profoundly impacted our understanding of development, of the immune system functioning and of many diseases. While scRNAseq is now mature, the single-cell technological development has shifted to other large-scale quantitative measurements, a.k.a. ‘omics’, and even spatial positioning. In addition, combined omics measurements profiled from the same single cell are becoming available. 

Each single-cell omics presents intrinsic limitations and provides a different and complementary information on the same cell. The current main challenge in computational biology is to design appropriate methods to integrate this wealth of information and translate it into actionable biological knowledge.

In this talk, I will discuss two main computational directions for multi-omics integration, currently explored in my team: (i) joint dimensionality reduction to study cellular heterogeneity simultaneously from multiple omics and (ii) multilayer networks to integrate a large range of interactions between the features of various omics and isolate the regulators underlying cellular heterogeneity.