Ce projet de recherche porte sur la détection des liens de causalité dans les graphiques de connaissances représentant des problèmes multi-échelles et multi-objectifs, particulièrement présents dans les sciences de la vie.

Plusieurs questions doivent être abordées. Tout d'abord, les ontologies des sciences de la vie impliquent de nombreux concepts et attributs, ce qui conduit à un espace de recherche particulièrement vaste dans ces domaines. Deuxièmement, les ensembles de données des sciences de la vie peuvent contenir de nombreuses données quantitatives imprécises et manquantes, et l'incertitude des données et des connaissances scientifiques doit être prise en compte. La troisième préoccupation principale repose sur la possibilité d'interpréter les résultats. Une attention particulière sera accordée dans le projet pour aider les utilisateurs finaux (c'est-à-dire les experts du domaine) à comprendre, évaluer et exploiter les liens de causalité détectés.

Ces défis seront appliqués dans deux domaines distincts des sciences de la vie qui sont liés aux questions environnementales dans le développement des plantes. La croissance et le développement des plantes sont étroitement contrôlés par le génotype, les indices environnementaux et l'interaction entre les deux (GxE). Les phénotypes mesurés sur le même génotype dans différents environnements montrent souvent des effets significatifs de l'environnement révélant une plasticité phénotypique. À l'inverse, un phénotype robuste peut être considéré comme insensible à l'environnement. Dans un contexte de changement climatique, la plasticité phénotypique ou la robustesse peuvent conférer des valeurs d'adaptation aux organismes. Il s'agit là d'un défi majeur compte tenu de la préoccupation du réchauffement climatique qui a d'énormes impacts socio-économiques, industriels et politiques. 

Ce projet de recherche vise à développer une nouvelle approche pour la détection automatique des règles causales graduelles qui expriment la causalité entre différentes variables dans les graphiques de connaissance. 

L'approche développée exploitera les dépendances temporelles, les liens d'identité contextuelle et les méthodes statistiques. Les applications ciblées sont considérées comme des systèmes d'aide à la décision dans les domaines suivants : (i) le domaine du maïs, où les experts du domaine s'intéressent à la manière dont les signaux climatiques ont un impact différent sur le développement des différents génotypes et abordent donc la question de l'adaptation des organismes au changement climatique ; (ii) le domaine du riz, où les experts du domaine s'intéressent à la détermination des interactions gène-gène et de leurs interactions avec les environnements.

Contacts : Juliette Barthélemy | Fatiha Saïs