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

Phenome-french plant phenotyping network

MCP3 : Méthodes et outils d'analyse de données

Responsable: Nadine Hilgert (UMR MISTEA)

Contributeurs : MISTEA – I3M - VIRTUAL PLANT – tous les partenaires associés aux installations

Les masses de données générées demandent des outils statistiques et de modélisation. 

  • Le "nettoyage" de données, identifiant les points ou les plantes aberrantes, est inévitable pour générer des jeux de données de bonnes qualité en raison de dysfonctionnement de capteurs ou mauvaise identification de plantes ou semences. Il est relativement facile pour de petits jeux de données, basé sur l'intuition, mais requiert des outils d'intelligence artificielle pour des milliers de plantes sur, par exemple, 90 jours. Nous développons des méthodes automatiques qui miment le raisonnement du biologiste pour des points aberrants. La détection de plantes aberrantes, qui se différencient de toutes les autres sur plusieurs critères et sont probablement le résultat de mauvaises identification, nécessitent des méthodes plus élaborées. Nous avons montré que ne pas nettoyer les données cause soit la détection artéfactuelle de régions du génome associées aux caractères d'intérêt, soit la perte d'allèles d'intérêt si des seuils élevés sont utilisés pour éviter les artefacts.
MCP3 outlier

Identification automatiques de points potentiellement aberrants, que l'utilisateur pourra valider (ou non) et utiliser (ou non) dans les analyses ultérieures

  • L'inclusion de données phénomiques dans des modèles de plantes ou de couverts, et dans des modèles statistiques, est un défi essentiel pour l'utilisation des données phénomiques pour la sélection de nouvelles variétés adaptées au changement climatique. En effet, des programmes de phénotypage ambitieux ne concernent que finalement peu d'essais (5-30 maximum), alors que les génotypes devraient être analysés dans un plus grand nombre de situations pour tester leur intérêt. Par ailleurs, la sélection variétale demande de tester des milliers de combinaisons d'allèles. Il est maintenant possible d'envisager le test de centaines de variétés dans des centaines de champs dans des climats actuels ou futurs.  Ceci nécessite de combiner la mesure de caractères des variétés obtenues par phénomique, la prédiction génomique, la caractérisation environnementale par réseaux de capteurs ou grilles environnementales et la modélisation (cf faits marquants 6 et 7).

 Le développement d'outils pour combiner phénomique, caractérisation environnementale, prédiction génomique et modélisation sera la priorité pour les années avenir dans le cadre de notre stratégie "big data".