En savoir plus

A propos des cookies

Qu’est-ce qu’un « cookie » ?

Un "cookie" est une suite d'informations, généralement de petite taille et identifié par un nom, qui peut être transmis à votre navigateur par un site web sur lequel vous vous connectez. Votre navigateur web le conservera pendant une certaine durée, et le renverra au serveur web chaque fois que vous vous y re-connecterez.

Différents types de cookies sont déposés sur les sites :

  • Cookies strictement nécessaires au bon fonctionnement du site
  • Cookies déposés par des sites tiers pour améliorer l’interactivité du site, pour collecter des statistiques

> En savoir plus sur les cookies et leur fonctionnement

Les différents types de cookies déposés sur ce site

Cookies strictement nécessaires au site pour fonctionner

Ces cookies permettent aux services principaux du site de fonctionner de manière optimale. Vous pouvez techniquement les bloquer en utilisant les paramètres de votre navigateur mais votre expérience sur le site risque d’être dégradée.

Par ailleurs, vous avez la possibilité de vous opposer à l’utilisation des traceurs de mesure d’audience strictement nécessaires au fonctionnement et aux opérations d’administration courante du site web dans la fenêtre de gestion des cookies accessible via le lien situé dans le pied de page du site.

Cookies techniques

Nom du cookie

Finalité

Durée de conservation

Cookies de sessions CAS et PHP

Identifiants de connexion, sécurisation de session

Session

Tarteaucitron

Sauvegarde vos choix en matière de consentement des cookies

12 mois

Cookies de mesure d’audience (AT Internet)

Nom du cookie

Finalité

Durée de conservation

atid

Tracer le parcours du visiteur afin d’établir les statistiques de visites.

13 mois

atuserid

Stocker l'ID anonyme du visiteur qui se lance dès la première visite du site

13 mois

atidvisitor

Recenser les numsites (identifiants unique d'un site) vus par le visiteur et stockage des identifiants du visiteur.

13 mois

À propos de l’outil de mesure d’audience AT Internet :

L’outil de mesure d’audience Analytics d’AT Internet est déployé sur ce site afin d’obtenir des informations sur la navigation des visiteurs et d’en améliorer l’usage.

L‘autorité française de protection des données (CNIL) a accordé une exemption au cookie Web Analytics d’AT Internet. Cet outil est ainsi dispensé du recueil du consentement de l’internaute en ce qui concerne le dépôt des cookies analytics. Cependant vous pouvez refuser le dépôt de ces cookies via le panneau de gestion des cookies.

À savoir :

  • Les données collectées ne sont pas recoupées avec d’autres traitements
  • Le cookie déposé sert uniquement à la production de statistiques anonymes
  • Le cookie ne permet pas de suivre la navigation de l’internaute sur d’autres sites.

Cookies tiers destinés à améliorer l’interactivité du site

Ce site s’appuie sur certains services fournis par des tiers qui permettent :

  • de proposer des contenus interactifs ;
  • d’améliorer la convivialité et de faciliter le partage de contenu sur les réseaux sociaux ;
  • de visionner directement sur notre site des vidéos et présentations animées ;
  • de protéger les entrées des formulaires contre les robots ;
  • de surveiller les performances du site.

Ces tiers collecteront et utiliseront vos données de navigation pour des finalités qui leur sont propres.

Accepter ou refuser les cookies : comment faire ?

Lorsque vous débutez votre navigation sur un site eZpublish, l’apparition du bandeau « cookies » vous permet d’accepter ou de refuser tous les cookies que nous utilisons. Ce bandeau s’affichera tant que vous n’aurez pas effectué de choix même si vous naviguez sur une autre page du site.

Vous pouvez modifier vos choix à tout moment en cliquant sur le lien « Gestion des cookies ».

Vous pouvez gérer ces cookies au niveau de votre navigateur. Voici les procédures à suivre :

Firefox ; Chrome ; Explorer ; Safari ; Opera

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

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

Dernière mise à jour : Mai 2021

Menu Logo Principal AgroParisTech Université Paris-Saclay SAPS - Sciences Animales Paris-Saclay

Genetique Animale et Biologie Integrative

Unité Mixte de Recherche INRA AgroParisTech GABI Génétique Animale et Biologie Intégrative

Florence JAFFREZIC, Directrice de recherche

JAFFREZIC florence
Domaines de recherche : Analyse de données de génomique haut-débit, principalement transcriptome (microarrays et RNA-seq) : analyse différentielle et inférence de réseaux de gènes. Modèle mixte (linéaire, non linéaire et linéaire généralisé), algorithme EM stochastique, modélisation des variances hétérogènes, analyse de données longitudinales (modélisation de structures de covariance).

INRA, UMR 1313 Génétique Animale et Biologie Intégrative

Domaine de Vilvert, Bat 211, 78352 Jouy en Josas

Tel : +33 (0) 1 34 65 21 94   Fax  : +33 (0) 1 34 65 22 10

Email : florence.jaffrezic@inrae.fr

CV 

2011 : HDR (Habilitation à Diriger les Recherches), Université de Rennes I : "Méthodologie du Modèle Mixte pour la Génomique"

2001 : PhD de l’Université d’Edimbourg (Grande-Bretagne) : "Statistical Models for the Genetic Analysis of Longitudinal Data", encadrée par WG Hill et R. Thompson.

1998 : DEA de Statistiques Mathématiques, mention Bien, Université de Rennes I.

1998 : Diplôme d’Ingénieur de l’ENSAI (Ecole Nationale de la Statistique et de l’Analyse de l’Information).

Equipe

Populations, Statistique et Génome (PSGen)

Domaines de recherche

Analyse de données de génomique haut-débit, principalement transcriptome (microarrays et RNA-seq) : analyse différentielle et inférence de réseaux de gènes. Modèle mixte (linéaire, non linéaire et linéaire généralisé), algorithme EM stochastique, modélisation des variances hétérogènes, analyse de données longitudinales (modélisation de structures de covariance).

Autres activités  

Encadrement 

Depuis Sept. 2014: Co-encadrement avec Grégory Nuel (UPMC) de la thèse de Gilles Monneret "Estimation d'effets causaux dans les réseaux de régulation génique à partir d'observations et d'interventions".

Depuis Sept. 2013: Co-encadrement avec Gilles Celeux (INRIA, Orsay) de la thèse de Mélina Gallopin (ISUP) "Inférence de réseaux de gènes à partir de données de séquençage haut-débit RNA-seq".

2006-2009: Co-encadrement avec Jean-Louis Foulley de la thèse de Guillemette Marot (ENSAI) sur l’Analyse statistique des données d’expression de gènes (détection de gènes différentiellement exprimés, méta-analyse). Prix de thèse de la Société Française de Biométrie 2010.

2007-2010: Co-encadrement avec Rebecca Doerge et Jean-Louis Foulley de la thèse d’Andrea Rau (Purdue University, USA) sur la Reconstruction de réseaux de gènes dans l’analyse des données d’expression.

Enseignement

Cours de Modèles Mixtes à l’ENSAI (20h).

Software (R packages)

HTSFilter (2013): Filter replicated high-throughput transcriptome sequencing data
http://bioconductor.org/packages/release/bioc/html/HTSFilter.html
metaRNASeq (2013): Meta-analysis of RNA-seq data
http://r-forge.r-project.org/R/?group_id=1504

Publications et autres productions récentes

Nuel G, Rau A, Jaffrezic F. 2014. Using pairwise ordering preferences to estimate causal effects in gene expression from a mixture of observational and intervention experiments. Qual Technol Quant Manag 11, 23-37

Rau A., Jaffrezic F., Nuel G. 2013. Joint estimation of causal effects from observational and intervention gene expression data. BMC Systems Biology 7, 111

Gallopin M., Rau A., Jaffrezic F. 2013. A Hierarchical Poisson Log-Normal Model for Network Inference from RNA Sequencing Data. Plos One 8, e77503

Rau A, Gallopin M, Celeux G, Jaffrézic F, 2013. Data-based filtering for replicated high-throughput transcriptome sequencing experiments, Bioinformatics, 29:2146-2152.

Dillies MA, Rau A, Aubert J, Hennequet-Antier C, Jeanmougin M, Servant N, Keime C, Marot G, Castel D, Estelle J, Guernec G, Jagla B, Jouneau L, Laloë D, Le Gall C, Schaëffer B, Le Crom S, Guedj M, andJaffrézic Fon behalf of The French StatOmique Consortium, 2012. A comprehensive evaluation of normalization methods for Illumina high-throughput RNA sequencing data analysis,Briefings in Bioinformatics,doi:10.1093/bib/bbs046.

Mary-Huard T, Jaffrézic F, Robin S, 2012 ExactDAS: An exact test procedure for the detection of differential alternative splicing in microarray experiments, 11(5).

Rau A,Jaffrézic F, Foulley JL, Doerge RW, 2012. Reverse engineering gene regulatory networks using approximate bayesian computation,Statistics and Computing,22:1257–1271, DOI 10.1007/s11222-011-9309-1.

Rau A,Jaffrézic F, Foulley JL, Doerge RW, 2010. An empirical bayesian method for estimating biological networks from temporal microarray data,Statistical Applications in Genetics and Molecular Biology, 9(1):9.

Marot G, Foulley JL, Mayer CD,Jaffrézic F, 2009. Moderated effect size combination for microarray meta-analyses and comparison study.Bioinformatics,25(20): 2692-2699.