Archive 2018

La médiane géométrique est souvent utilisée en statistique du fait de sa robustesse. On s’intéresse donc à  des estimateurs rapides de la médiane, qui consistent en des algorithmes de gradient stochastiques moyennés. On définit aussi un nouvel indicateur de dispersion robuste, appelé Matrice de Covariance Médiane, avant d’en donner des estimateurs récursifs. Cette matrice, sous certaines hypothèses, a les mêmes sous-espaces propres que la matrice de covariance, mais est moins sensible aux données atypiques, et est donc très intéressante pour l’Analyse en Composantes Principales Robuste. Travail joint avec Hervé Cardot et Peggy Cénac (Université de Bourgogne).

En classification supervisée se pose très vite la question de comment choisir parmi toutes les méthodes disponibles dans la littérature. L’algorithme AdaBoost (pour Adaptive Boosting), découvert par Freund et Schapire à  la fin des années 90 (et qui leur a valu le prix Gödel en 2003) fait partie de ces algorithmes d’apprentissage qui cherchent à  diriger l’échantillon pour améliorer la capacité prédictive d’un classifieur. A tel point que n’importe quel classifieur faible, i.e., avec une capacité prédictive à  peine meilleure que pile ou face, peut devenir aussi fort que souhaité.

In Monte-Carlo Tree Search (MCTS), the goal is to adaptively
explore paths in a game tree and perform random leaves evaluation, in
order to quickly discover the best action to take at the root. In this
talk, I will introduce a simple model for MCTS, that can be viewed as a
structured best arm identification problem in a multi-armed bandit
model. After a review of recent advances to tackle the standard best arm
identification (BAI) problem, I will explain how any BAI algorithm can
be converted to a MCTS algorithm. I will then present empirical results
and sample complexity guarantees for two particular algorithms,
UGapE-MCTS and LUCB-MCTS.

This is joint work with Aurélien Garivier (Université de Toulouse) and
Wouter Koolen (CWI, Amsterdam)

Les modèles de particules sur réseau sont le terrain de jeu idéal pour étudier l’émergence de phénomènes collectifs à  l’échelle macroscopique à  partir de lois microscopiques simples. Il s’agit de modèles stochastiques en espace discret et (souvent) en temps continu, o๠des particules sautent de site en site avec certains taux et selon certaines règles, qui déterminent explicitement l’évolution temporelle de la probabilité de chaque configuration du système (i.e. du vecteur comportant le nombre de particules sur chaque site). La question est alors de savoir comment évoluent certaines observables partielles dans certaines limites, et en particulier de trouver celles dont l’évolution devient autonome.
Je parlerai ici d’une observable en particulier, à  savoir la densité locale moyenne de particules, i.e. le nombre moyen de particules en un point et à  un temps donnée (encore appelé la fonction à  un point) ; les modèles pour lesquels elle admet une équation d’évolution stochastique autonome dans la limite des grandes tailles sont qualifiés d’hydrodynamiques. Après avoir posé le problème, je parlerai de deux types de modèles dans ce contexte (avec certaines contraintes physiques sur les taux de transition) : les modèles proches de l’équilibre dans un premier temps (i.e. dont les taux de transition brisent le bilan détaillé au plus infinitésimalement), pour lesquels il est connu, via la théorie des fluctuations macroscopiques (MFT), qu’ils ont génériquement un comportement hydrodynamique à  la limite des grandes tailles ; et, dans un second temps, les modèles loin de l’équilibre, o๠aucun résultat général n’existe pour le moment. Je montrerai, pour ces derniers, qu’ils peuvent en fait être le lieu de transitions de phases dynamiques (j’expliquerai ce terme) entre des phases hydrodynamiques et des phases o๠les corrélations à  longue distance jouent un rôle majeur (et o๠par conséquent la densité moyenne n’a pas d’évolution autonome). Je conclurai en mentionnant quelques problèmes ouverts liés à  ce problème.

On proposera dans cet exposé une approche probabiliste de reconstruction de généalogies dans les populations végétales polyploïdes (o๠les chromosomes ne vont pas nécessairement par paires). On présentera dans un premier temps une reconstruction dans une population de genêts diploïdes pour lesquels on dispose de la présence/absence de certains allèles spécifiques : la loi de probabilité du modèle s’appuie sur l’équilibre de Hardy-Weinberg. Dans un second temps, on généralisera cela à  une population de rosiers polyploïdes, dont le niveau de ploïdie varie de 2x à  6x (avec une majorité de 4x). Dans un tel modèle, les lois de reproduction sont soumises à  des règles combinatoires et à  la problématique du dosage allélique (par exemple un hétérozygote 4x peut donner lieu à  de nombreux génotypes : ‘aaab’, ‘aabb’, ‘abbb’, ‘aabc’, ‘abbc’, …, ‘abcd’). Notre modèle tient compte de ces phénomènes et propose une arborescence probabilisée des liens génétiques potentiels dans la population.

L’exposé porte sur le problème du collectionneur de coupon avec contrainte de complétion rapide. On donnera des éléments de preuve pour deux résultats :
– la limite de la courbe de completion sous la contrainte de completion rapide,
– la formule de Korsunov donnant le nombre d’automates complets accessibles, pour lequel on donnera une démonstration probabiliste simple.
Travail en collaboration avec Anis Amri.

Dans le contexte du calcul d’Itô, il existe plusieurs façons de contraindre la solution d’une équations différentielle dirigée par le mouvement brownien à  rester dans un convexe fermé de l’espace : problème de réflexion de Skorokhod, condition d’invariance, singularités du champs de vecteurs avec force de rappel etc. Le but de cet exposé est de présenter des extensions de ces méthodes aux équations différentielles dirigées par le mouvement brownien fractionnaire, dans le contexte de la théorie des trajectoires rugueuses.

We will present some financial and economic problematics arising in discrete-time financial/economic models with a finite time horizon under non-dominated model uncertainty. This means that there exists a set of probability measures representing the agent beliefs and that this set is not dominated by a reference measure.

The technics are based on dynamic programming and measurable selection. We also use analytic sets which display the nice property of being stable by projection or countable unions and intersections but fail to be stable by complementation.

Les modèles d’équations structurelles à  variables latentes permettent de modéliser des relations entre des variables observables et non observables. Les deux paradigmes actuels d’estimation de ces modèles sont les méthodes de moindres carrés partiels sur composantes et l’analyse de la structure de covariance.

Respectivement, les méthodes d’estimation les plus populaires sont PLS-PM (Partial Least Squares Path Modeling) et CBSEM (Covariance-Based Structural Equation Modeling). Dans ce travail nous proposons une approche d’estimation alternative fondée sur la maximisation par algorithme EM de la vraisemblance globale du modèle tenant compte de l’ensemble des équations le constituant. Cette approche EM est développée pour le cas d’un modèle à  une seule équation structurelle o๠les variables latentes sont des facteurs eux même liés à  de multiples blocs de variables observables. Nous en étudierons les performances sur des données synthétiques et nous proposerons, via une application sur des données réelles environnementales, comment construire pratiquement un modèle et en évaluer la qualité. Enfin, nous présenterons une application de l’approche développée dans le contexte d’un essai clinique en cancérologie pour l’étude de données longitudinales de qualité de vie. Nous montrerons que par la réduction efficace de la dimension des données, l’approche EM simplifie l’analyse longitudinale de la qualité de vie en évitant les tests multiples. Ainsi, elle contribue à  faciliter l’évaluation du bénéfice clinique d’un traitement.

Many application domains such as ecology or genomics have to deal with multivariate count data. A typical example is the joint observation of the respective abundances of a set of species in a series of sites, aiming to understand the co-variations between these species. The Gaussian setting provides a canonical way to model such dependencies, but does not apply in general. We adopt here the Poisson lognormal (PLN) model, which is attractive since it allows one to describe multivariate count data with a Poisson distribution as the emission law, while all the dependencies is kept in an hidden friendly multivariate Gaussian layer. While usual maximum likelihood based inference raises some issues in PLN, we show how to circumvent this issue by means of a variational algorithm for which gradient descent easily applies. We then derive several variants of our algorithm to apply PLN to PCA, LDA and sparse covariance inference on multivariate count data. We illustrate our method on microbial ecology datasets, and show the importance of accounting for covariate effects to better understand interactions between species.

The mean-field game (MFG) consists in a differential game of a very large population on a finite or infinite time horizon. In this work, we study the mean-field games with branching, which allows to model the immigration, default and reproduction behaviour in the population. We show how the branching feature would change the formulation of the problem and then provide a general existence result of this new MFG. This is a joint work with Julien Claisse and Zhenjie Ren

Si on part du réseau carré et efface chaque sommet indépendamment avec une certaine probabilité q, on effectue ce qui s’appelle une percolation de Bernoulli : cet important modèle de mécanique statistique rend compte des phénomènes d’infiltration en milieu poreux. Si on part du réseau carré mais cette fois-ci efface chaque sommet $(x,y)$ tel que $PGCD(x,y)neq 1$, on obtient maintenant un objet déterministe de nature arithmétique. Est-il possible de former une percolation (véritablement aléatoire donc) riche en informations arithmétiques ?

On va voir que cela est effectivement possible : on peut définir à  quoi ressemble le sous-graphe arithmétique précédent « vu depuis un point tiré uniformément dans le plan ». Ce sous-graphe aléatoire est obtenu selon un « crible d’Ératosthène aléatoire ». On fournira de ce graphe aléatoire une définition élémentaire, puis utilisera le lemme chinois pour faire le pont entre le sous-graphe arithmétique déterministe et sa contrepartie aléatoire. On abordera ensuite brièvement quelques problèmes naturels, comme l’étude des composantes connexes infinies du graphe aléatoire.

On peut définir une notion de fonction de répartition fractionnaire en utilisant les outils du calcul différentiel fractionnaire. Cette probabilité est en fait l’espérance d’une certaine variable aléatoire. Le schéma d’approximation basé sur théorème central limite permet de mettre en évidence un processus gaussien. On peut représenter ce processus comme une intégrale stochastique d’une fonction par rapport au pont brownien classique.

Nous considérerons des matrices de Wishart en grande dimension, dont les coefficients sont des gaussiennes possiblement corrélées. Dans la situation « mémoire courte », nous analyserons la proximité en loi de ces matrices avec l’ensemble gaussien correspondant quand la taille de la matrice tend vers l’infini, au sens de la distance de Wasserstein. Dans la situation « mémoire longue », la situation est tout autre: nous mettrons en évidence la convergence vers une matrice aléatoire, que nous avons appelée matrice de Rosenblatt-Wishart. Cet exposé sera basé sur un travail en collaboration avec Guangqu Zheng (Univ. Luxembourg).

In these two presentations, we will first introduce using basic stochastic calculus, the parametrx method and then show how to deduce an unbiased simulation method and its interpretations.

We will discuss its advantages and shortcomings and then discuss how to solve them.
using a second
order method.
We will also give some simulation results and then time allowing we will discuss some other extensions.

Les processus de branchement avec immigration (CBI) est une classe bien étudiée en probabilité. En particulier, les travaux de Dawson et Li ont fourni une écriture
explicite d’une EDS pour un CBI général et prouvé l’unicité de sa solution.
Nous exploitons cette écriture pour proposer une extension du modèle CIR pour inclure une partie à  sauts dans le mécanisme de branchement. Nous considérons en particulier le cas alpha-stable à  cause de sa parcimonie et pour sa cohérence avec des résultats statistiques.
Nous montrons que ce modèle, appliqué aux taux d’intérêt, permet d’expliquer plusieurs effets
connus sur les marchés obligataires comme la persistance des taux faibles malgré la présence des grands sauts.
Une deuxième application est l’extension du modèle Heston pour inclure des sauts auto-excités dans le processus variance. Nous étudions en particulier le comportement de la volatilité implicite sur l’action et sur ses variance swap. Nous testons ce modèle sur les donnes du VIX en montrant que notre modèle fit bien.
Basé sur deux travaux avec Ying Jiao, Chunhua Ma et Chao Zhou.

We consider a critically branching population in R^d of particles of K types, starting off from a Poisson random
population. The branching laws, lifetimes and motions of particles are type-dependent.
We give conditions for asymptotic extinction in the following two cases:
1. All particle lifetimes have finite means,
2. There is a particle whose lifetime disruption has heavy tail, and the other lifetimes have finite mean.
These conditions depend upon the mobility, fertility and longevity parameters of the population.

In these two presentations, we will first introduce using basic stochastic calculus, the parametrx method and then show how to deduce an unbiased simulation method and its interpretations.

We will discuss its advantages and shortcomings and then discuss how to solve them.
using a second
order method.
We will also give some simulation results and then time allowing we will discuss some other extensions.

Dans une première partie, on considèrera et illustrera les problèmes de contrôle optimal à  horizon fini. Apres la dérivation des équations de Bellman, on verra comment calculer efficacement, par « programmation dynamique », la valeur d’une politique et une politique optimale.
Dans une seconde partie, on considèrera les problèmes actualisés stationnaires à  horizon infini. Je détaillerai la preuve d’un résultat fondamental de ce cadre: l’existence d’une politique optimale stationnaire. On présentera ensuite un algorithme, itération sur les politiques, pour résoudre ce problème de manière élégante et efficace (si le temps le permets, j’évoquerai de récents résultats sur sa complexité).

Sophisticated functional connections appears in experiments designed for assessing the visual working memory of the human brain. Elucidating the nature
of these interactions is supposedly a doorway for fruitful inference on brain cognitive processes. A challenging aspect is that they may involve brain waves
oscillatory components of possibly different frequencies. We develop a statistical methodology to study collections of replicated spatially localized EEG time
series. In the pursue of realistic and tractable time series models, we introduce
a new class of spatio-temporal processes that are time-harmonizable. We consider available replicates and seek for the estimation of both the spatial Loeve-
spectrum and the spatial dual-frequency coherence function. In other words we
measure a squared correlation coefficient across different frequencies between
any spatial locations. Our method exploit the spatial correlations to improve
the local estimation of the coherence between different frequency bands. We
derive the asymptotic distribution of the spatial coherence function and build
bootstrap-based confidence intervals.
This is based on joint work with John Aston, Dominique Dehay, Anna Dudek
and Denes Scusz.

On essaye d’étudier une classe d’algorithmes du type Monte Carlo Tree Search pour des jeux
déterministes à  trait alterné et information complète (du type morpion, puissance 4, etc.).

Un défaut habituel des algorithmes de Monte Carlo par chaînes de Markov
est leur difficulté à  explorer l’espace convenablement, ce qui mène
à  de grandes erreurs d’estimation. L’algorithme de « métadynamique »,
introduit par Bussi, Laio et Parrinello dans les années 2000 illustre l’une des stratégies possibles pour contourner la difficulté, en gardant la mémoire de la trajectoire passée et en l’utilisant pour biaiser le processus et le pousser vers des régions peu visitées.
L’analyse des processus sous-jacent n’est pas aisée en général ; nous discuterons d’un modèle jouet, que l’on peut traiter par des outils de la littérature des processus auto-répulsifs.

Travail en commun avec B. Jourdain et T. Lelièvre (Ecole des Ponts ParisTech).

Les populations composées de deux types d’individus (ou phénotypes) peuvent naturellement s’étudier grâce aux marches aléatoires planaires. Dans cet exposé je ferai un survol des techniques existantes et présenterai également de nouvelles idées pour l’étude de telles populations bidimensionnelles. Nous commencerons par le cas des populations homogènes, qui correspondent à  des modèles maintenant classiques de marches aléatoires dans le quart de plan. Nous présenterons ensuite une classe de marches aléatoires inhomogènes ayant une interprétation biologique naturelle. En passant nous lierons ces marches aléatoires inhomogènes avec d’autres processus, provenant de la théorie des files d’attente (joindre la file la plus courte), de processus de branchement, de modèles d’urnes et de théorie du potentiel. Il s’agit de différents travaux en commun avec Gerold Alsmeyer (Mà¼nster), Irina Kurkova (Paris 6), Pauline Lafitte (ECP) et Chi Tran (Lille).

In this talk, we present some inference methods in some multivariate models with
multiple unknown change-points when the target parameter is suspected to satisfy an uncertain constraint. We waive the assumptions on the error terms and establish the joint asymptotic normality of the unrestricted estimator and the restricted estimator. Further, we propose a class of shrinkage estimators that includes as a special case the unrestricted estimator, the estimator restricted as well as James-Stein type estimators. To study the performance of the proposed estimators, we generalize some classical identities underlying the multivariate Gaussian random samples or, more generally, the multivariate elliptically contoured random samples. Finally, we prove that shrinkage estimators dominate the unrestricted estimator.

Nous considérons des systèmes de processus de Hawkes structurés en un nombre fini de populations, avec des interactions du type champ moyen. Ces processus décrivent les instants de décharge électrique de neurones en interactions. Nous décrivons la limite lorsque le nombre de neurones par population tend vers l’infini et nous montrons que dans certains cas, le processus limite possède des solutions périodiques qui correspondent aux orbites périodiques d’un système dynamique associé au processus limite. Nous établissons aussi des théorèmes limites qui décrivent la convergence du système de neurones à  taille finie vers ces orbites périodiques.

Ces résultats sont basés sur un travail en collaboration avec S. Ditlevsen.

The ovarian follicles are the basic anatomical and functional units of the ovaries, which are renewed from a
quiescent pool all along reproductive life. Follicular development involves a finely tuned sequence of growth and
maturation processes, involving complex cell dynamics. In their early stages of development, ovarian follicles are made up of a germ cell (oocyte), whose diameter increases steadily, and of surrounding proliferating somatic
cells, which are layered in a globally spherical and compact structure.
Here, we present two complementary modeling approaches dedicated to the first stages of a follicle develop-
ment, starting with the exit from the pool of quiescent (primordial) follicles leading to growth initiation, and
ending up just before the breaking of the spherical symmetry induced by the follicle cavitation (formation of
the antrum cavity).
The initiation phase is described by joint stochastic dynamics accounting for cell shape transitions (from
a flattened to a cuboidal shape) and proliferation of reshaped cells. We can derive the mean time elapsed before all cells have changed shapes and the corresponding increment in the total cell number, which is fitted
to experimental data retrieved from primordial follicles (single layered follicle with only flattened cells) and primary follicles (single layered follicles with only cuboidal cells).
The next stages, characterized by the accumulation of cell layers around the oocyte, are described by
multi-type structured models in either a stochastic or deterministic framework. We have designed a linear age-structured stochastic (Bellman-Harris branching) process ruling the changes in the number of follicular cells and their distribution into successive layers, which is inspired from the nonlinear model initially introduced in [1], as well as is deterministic counterpart (multi-dimensional Mc Kendrick Von Foerster). We have studied the large-time behavior of the models and derived explicit analytical formulas characterizing an exponential growth
of the population (Malthus parameter, asymptotic cell number moments and stable age distribution). We have
compared the theoretical and numerical outputs of the models with experimental biological data informing on follicle morphology in the ovine species (follicle and oocyte diameters, layer number and total cell number) from the primary to the pre-antral stage. In addition, in the case of age independent division rates, we have established the structural identifiability of the parameters, and estimated the parameter values fitting the cell numbers in each layer during the early stages of follicle development.

[1 ] Clément F., Michel P., Monniaux D., Stiehl T., Coupled somatic cell kinetics and germ cell growth:
mutliscale model-based insight on ovarian follicular development,
Multiscale et Modeling & Simulation
, 11(3), 719-746, 2013.

[2 ] Clément F., Robin F., Yvinec R., Analysis and calibration of a linear model for structured cell populations with unidirectional motion : Application to the morphogenesis of ovarian follicles,
Submitted. https://arxiv.or/abs/1712.05372

Population dynamics of pathogens invading new territories continues to be of primary concern for both biologists and mathematicians. Extensive researches are mainly carried out throughout mathematical modeling to reconstruct the past dynamics of the alien species.We present a mechanistic-statistical approach that allows us to date and localize the invasion of an alien species and describe other epidemiological parameters as per example, the diffusion, the reproduction and the mortality parameter. The used approach is based on (i) a coupled reaction-diffusion-absorption sub-model that describes the dynamics of the epidemics in a heterogeneous domain and (ii) a stochastic sub-model that represents the observation process. Then, we will jointly estimate the initial conditions (date and site) and the epidemiological parameters using a Bayesian framework through an adaptive multiple importance sampling algorithm. We will show the results obtained in this framework on the basis of abundant post-introduction data gathered to draw up a surveillance plan on the expansion of Xylella fastidiosa, a phytopathogenic bacterium detected in South Corsica in 2015. Nevertheless, this approach could be applied to other post-emergent species in order to endorse a fast reaction.

I will talk about the problem of detection of a change in mean in a Gaussian vector. A bump is a stepwise change within an interval of a given length but unknown location. We consider the problem of heterogeneous bump detection when the change occurs in mean and in variance of the observed vector and the detection of a bump for dependent observations. Minimax detectability conditions will be presented.
Joint work with A. Munk, M. Pohlmann and F. Werner.

Nous présentons plusieurs algorithmes d’exploration de graphes aléatoires, markoviens dans le sens o๠leur implémentation est simultanée à  la construction-même du graphe par le modèle de configuration. Pour différents modèles, par des approximations fluides des processus markoviens sous-jacents, nous obtenons des estimations en grand graphe de (i) la taille de la famille indépendante maximale, avec des applications au protocole de télécommunication CSMA; (ii) la dynamique d’une épidémie de type SIR sur un réseau hétérogène et (iii) la taille d’un couplage maximal sur un grand graphe aléatoire, éventuellement orienté.

Dans cet exposé récréatif, nous verrons comment calculer des probabilités liées
à  des marches aléatoires sur des graphes à  l’aide de résistances électriques, d’une prise
de courant et d’un voltmètre.

In the majority of solid cancers, secondary tumors (metastases) and associated complications are the main cause of death. In order to define the optimal therapeutic strategy for a given patient, one of the major current challenges is to estimate, at diagnosis, the burden of invisible metastases and how they will respond to treatments. In this talk, I will present research efforts towards the establishment of a predictive computational tool of metastatic development, with a particular emphasis on the assessment of mathematical models to empirical data (both experimental and clinical). I will first present the model’s framework, which is based on a physiologically-structured partial differential equation for the time dynamics of a population of metastases, combined to a nonlinear mixed-effects model for statistical representation of the distribution of the parameters in the population. Then, I will show results about the descriptive power of the model on data from clinically relevant ortho-surgical animal models of metastasis (breast and kidney tumors), with recent findings about differential effect of therapies between primary and secondary tumors. The talk will further be devoted to the translation of this modeling approach toward the clinical reality. Using clinical imaging data of brain metastasis from non-small cell lung cancer, several biological processes will be investigated to establish a minimal and biologically realistic model able to describe the data. Integration of this model into a biostatistical approach for individualized prediction of the model’s parameters from data only available at diagnosis will also be discussed. Together, these results represent a step forward towards the integration of mathematical modeling as a predictive tool for personalized medicine in oncology.

The distribution of a Markov process with killing, conditioned to be
still alive at a given time, can be approximated by a Fleming-Viot
particle system. In such a system, each particle is simulated
independently according to the law of the underlying Markov process, and
branches onto another particle at each killing time. The purpose of this
talk is to present a central limit theorem for the law of the
Fleming-Viot particle system at a given time in the large population
limit. We will illustrate this result on an application in molecular
dynamics. This is a joint work with Frédéric Cérou, Bernard Delyon and
Mathias Rousset.

In a quasicrystal, the arrangement of the atoms is highly ordered (as
in an ordinary crystal) but non-periodic (unlike in a crystal). There
are various mathematical challenges in connection with quasicrystals.
From the point of view of statistical mechanics, the major open
problem is to provide a mathematical explanation of the formation and
stability of quasicrystals in presence of thermal fluctuations. In
this talk, I will present a (toy) lattice gas model with finite-range
interactions that has stable quasicrystal phases at positive
temperature (i.e., Gibbs measures supported at perturbations of
non-periodic tilings). The construction is based on old results on
cellular automata and tilings, in particular, a method of simulating
one cellular automaton with another that is resilient against noise,
and the existence of aperiodic sets of Wang tiles that are
deterministic in one direction.

The De Vylder and Goovaerts conjecture is an open problem in risk theory, stating that the finite time ruin probability in a standard risk model is greater or equal to the corresponding ruin probability evaluated in the associated model with equalized claim amounts. Equalized means here that the jump sizes of the associated model are equal to the average jump in the initial model between 0 and a terminal time T.
In this talk, we will consider the diffusion approximations of both the standard risk model and the associated risk model. We will prove that the associated model, when conveniently renormalized, converges in distribution to a gaussian process satisfying a simple SDE with explicit coefficients. We will then compute the probability that this diffusion hits the level 0 before time T and compare it with the same probability for the diffusion approximation for the standard risk model, which is well known. We will then conclude that the De Vylder and Goovaerts conjecture holds true for these diffusion limits.
This is a joint work with Stefan Ankirchner (University of Jena) and Christophette Blanchet-Scalliet (Ecole Centrale de Lyon and ICJ).

Integrating the increasing number of available multi-omics cancer data remains one of the main challenges to improve our understanding of cancer. Our approach is based on AMARETTO, an algorithm that integrates DNA methylation, DNA copy number and gene expression data to identify cancer driver genes and associates them to modules of co-expressed genes. We then propose a pancancer version of AMARETTO by connecting all modules in pancancer communities. This leads to the identification of major oncogenic pathways and master regulators involved in different cancers.

Pendant le séminaire, nous introduirons une formule d’intégration par partie non linéaire qui peut être vu comme une généralisation stochastique du lemme de Alekseev-Gröbner.

La preuve est basée sur le calcule de Malliavin et sur l’expression de certains intégrales stochastiques anticipatifs comme intégrales de Skorohod.

La formule que l’on présente induit une théorie de perturbations, i.e. une façon d’estimer, en terme de caractéristiques locales, l’erreur globale entre la solution exacte d’une équation différentielle stochastique et un processus d’Itô quelconque.

Si le temps le permet, nous parlerons des différences par rapport au résultat de perturbation établi précédemment par M. Hutzenthaler et A. Jentzen, et des applications comme la dérivation des taux de convergence en moyenne quadratique des schémas d’approximations pour ED(P)S.

(Travail en collaboration avec A. Hudde, M. Hutzenthaler, et A. Jentzen)