Recherche

Mes recherches portent sur deux domaines principaux : l'analyse de données à grande échelle et la méthodologie bayésienne. J'applique l'inférence bayésienne pour relever des défis concrets dans divers domaines, notamment en biostatistique et en bioinformatique.

L'un des aspects les plus stimulants de mon travail est l'analyse de données à grande échelle, une tâche essentielle en recherche appliquée comme théorique. Par exemple, en génétique, nous examinons souvent des milliers, voire des millions, de caractéristiques telles que des gènes, des SNP et des protéines afin d'identifier des associations avec des maladies spécifiques. Un indicateur clé de ces recherches est la probabilité a posteriori qu'une caractéristique donnée soit associée au résultat, compte tenu des données observées. L'estimation de ces probabilités présente des défis uniques dans différents contextes de recherche, que je trouve à la fois stimulants et enrichissants sur le plan intellectuel.

Un autre domaine d'intérêt pour moi est l'analyse des données de séquençage de nouvelle génération (NGS). Malgré les progrès rapides dans ce domaine, la sélection d'outils efficaces pour détecter les mutations ou les fusions de gènes à partir d'échantillons d'ADN/ARN reste un défi majeur.

Récemment, j’ai également commencé à explorer des sujets tels que la décomposition des types cellulaires, l’identification des mélanges de souches et l’inférence phylogénétique, chacun d’entre eux présentant de nouvelles opportunités passionnantes pour le développement méthodologique et l’application pratique.