En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal AgroParisTech

MIA Paris

Marie-Laure Martin-Magniette

Position

Researcher (DR) at the Institut National de la Recherche Agronomique

  • in the joint Research Unit UMR 518 of Applied Mathematics and Computer 

Sciences (Stat & Genome Team)

  • in the joint Research Unit IPS2 (Leader of the group Genomic networks).

Phone: (3)(0)1 44 08 16 73 (Paris) 
Phone: (3)(0)1 69 15 77 64 (Gif-sur-Yvette) 
Fax: (3)(0)1 44 08 16 66
Mail : marie_laure.martin@agroparistech.fr

Member of the Statistics of Biological Sequences Group (SSB)
Member of the research group Select

Research interests

  • Statistical Methodology
    • Variable selection in Gaussian Mixture models
    • Mixture models
    • Model selection
  • Statistical Applications in Molecular Biology
    • Microarray data (normalisation and differential analysis)
    • Tiling array analysis
    • ChIP-chip
    • Global analysis of microarray data

Students

Co-supervisor with Gilles Celeux of the thesis of Cathy Maugis Variable selection for model-based clustering. Application for transcriptome data analysis.

Co-supervisor with Stéphane Robin of the thesis of Caroline Bérard Statistical and bioinformatic analysis of ChIP-chip data and transcriptome data from tiling array.

Co-supervisor with Stéphane Robin of the thesis of Stevenn Volant Statistical methods for transcriptome tiling-array data.

Current co-supervisor with Etienne Delannoy of the thesis of Rim Zaag 

Current co-supervisor with Gilles Celeux of the thesis of Yann Vasseur

Current co-supervisor with Julien Chiquet and Guillem Rigaill of the thesis of Trung Ha

Softwares and R Packages

Development of R package 

Anapuce: normalisation and differential analysis of transcriptome data

MixThres: mixture model of truncated gaussians to detect a hybridization threshold for microarray data

ChIPmix: mixture model of regression for chIP-chip data

Contribution to R package 

kerfdr: semi-parametric kernel-based approach to local fdr estimations

Softwares

SelvarClust is a software implemented in C++ with object-oriented programming. It is devoted to the variable selection in model-based clustering. It is a greedy algorithm associated to the SR modeling proposed by Maugis et al. (2009) in Biometrics. This software allows us to study data where individuals are described by quantitative block variables. It returns a data clustering and the selected model, composed of the number of clusters, the mixture form and the variable partition.

SelvarClustMV is a software implemented in C++ with object-oriented programming. It is an extension of SelvarClust, it is devoted to the variable selection in model-based clustering allowing for missing value. Currently, this software is proposed for Gaussian mixtures whose variance matrices are assumed to be identical and free (m=[pkLC]).

SelvarClustIndep is a software implemented in C++ with object-oriented programming. It is devoted to the variable selection in model-based clustering. It is a greedy algorithm associated to the SRUW modeling proposed by Maugis et al. (2009) in CSDA. The SRUW modeling takes into account three possible roles for each variable: relevant, redundant and independent. This software allows to study datasets where observations are described by quantitative variables. It returns a data clustering and the selected model composed of the number of clusters, the mixture form, the variance matrix form for the linear regression and the independent Gaussian density, and the variable partition.

SONATA.Stat

SONATA.Stat is a group of statisticians, biologists and bioinformaticians involved in the project SONATA (Stress Orphean Network and Transcriptome in Arabidopsis). This group received a financial support of the MIA department of INRA.

Publications de Marie-Laure Martin-Magniette

>>>
Lire la suite