Un cadre de modélisation statistique pour l'analyse de données indexées par des arborescences

A statistical modeling framework for analyzing tree-indexed data : application to plant development on microscopic and macroscopic scales

• Auteur / Autrice : Pierre Fernique
• Direction : Yann Guédon, Jean-Baptiste Durand
• Type : Thèse de doctorat
• Discipline(s) : Biostatistique
• Date : Soutenance le 10/12/2014
• Etablissement(s) : Montpellier 2
• Ecole(s) doctorale(s) : Information, Structures, Systèmes (Montpellier ; École Doctorale ; 2009-2014)
• Partenaire(s) de recherche : Laboratoire : Institut Montpelliérain Alexander Grothendieck (Montpellier ; 2003-....) - Amélioration Génétique et Adaptation des Plantes méditerranéennes et tropicales
• Jury : Président / Présidente : Jean-Michel Marin
• Jury : Examinateurs / Examinatrices : Yann Guédon, Jean-Baptiste Durand, Jean-Michel Marin, Stéphane Robin, Philippe Leray, Pierre-Eric Lauri
• Jury : Rapporteurs / Rapporteuses : Stéphane Robin, Philippe Leray

Mots clés

Mots clés contrôlés

Développement des formes (biologie)

Plantes -- Anatomie

Markov, Processus de

Mots clés libres

Données indexées par des arborescences

Modèle graphique

Modèle de markov

Modèle de détection de ruptures

Architecture des plantes

Lignage cellulaire

Tree-Indexed data

Graphical model

Markov model

Change-Point model

Plant architecture

Cell lineage

Résumé

Nous nous intéressons à des modèles statistiques pour les données indexées par des arborescences. Dans le contexte de l'équipe Virtual Plants, équipe hôte de cette thèse, les applications d'intérêt portent sur le développement de la plante et sa modulation par des facteurs environnementaux et génétiques. Nous nous restreignons donc à des applications issues du développement de la plante, à la fois au niveau microscopique avec l'étude de la lignée cellulaire du tissu biologique servant à la croissance des plantes, et au niveau macroscopique avec le mécanisme de production de branches. Le catalogue de modèles disponibles pour les données indexées par des arborescences est beaucoup moins important que celui disponible pour les données indexées par des chemins. Cette thèse vise donc à proposer un cadre de modélisation statistique pour l'étude de patterns pour données indexées par des arborescences. À cette fin, deux classes différentes de modèles statistiques, les modèles de Markov et de détection de ruptures, sont étudiées.

We address statistical models for tree-indexed data.Tree-indexed data can be seen as a generalization of path-indexed data since directed path graphs are directed tree graphs where there is at most one child per vertex.In the context of the Virtual Plants team, host team of this thesis, applications of interest focus on plant development and its modulation by environmental and genetic factors.We thus focus on plant developmental applications, both at the microscopic level with the study of the cell lineage in the biological tissue responsible for the plant growth, and at the macroscopic level with the mechanism of production of branches. The catalog of models available for tree-indexed data is far less important than the one available for path-indexed data.This thesis therefore aims at proposing a statistical modeling framework for studying patterns in tree-indexed data.To this end, two different classes of statistical models, Markov and change-point models, are investigated.