Julie Peyre

PRAG à l'Université Grenoble Alpes

Coordonnées

Equipe CAS3C3
LJK - Bâtiment IMAG - Bureau 105
Université Grenoble Alpes
700 avenue Centrale
CS 40700
38 058 GRENOBLE CEDEX 9

Tél : (33) (0) 4 57 42 17 74
Julie.Peyre@univ-grenoble-alpes.fr


Enseignement

PRAG à l'UGA (depuis 2012)

  • Cours-TD, TP de méthodes informatiques et techniques de programmation en L1 (INF111 puis INF101 - C puis Python) depuis 2012

  • Cours-TD, TP d'Informatique instrumentale et multimédia en L1 Biologie (ex INF11a, INF11b, INF12a, ex INF112, maintenant INF102) depuis 2012

  • TD, TP de Programmation en L3 Mathématique et Informatique (ex INF359) de 2012 à 2017

  • TP de Graphes en L3 Mathématique et Informatique (ex INF367) de 2012 à 2015

  • Cours-TD, TP de Méthodes informatiques et techniques de programmation en L1 GSC (INF120) puis en L1 ST et SPI (INF204) depuis 2012

  • Cours-TD, TP de Système et environnement de programmation : principes d'utilisation en L1 Math-Info (INF123 puis INF203) entre 2013 et 2017

  • TP de Méthodes statistiques pour la biologie (ex STA230) en L2 Biologie et Chimie-Biologie en 2015-2016

  • Cours-TD, TP de Modélisation pour la Simulation et l'Optimisation en L3 Systèmes d'Information IAE en 2013

  • Quelques enseignements antérieurs (avant 2012)

    Pendant mes 3 années de monitorat à  et mes 3 postes ATER à  l'UPMF, mon poste ATER à l'UJF, mon année de PRAG à l'IUT GEA d'Angers et mon année sur support PRAG à l'IUT GEA de Grenoble, j'ai effectué de nombreux enseignements, dont notamment :

  • Cours-TD, TP (sous R) d'analyse de données en IUP Mathématiques Appliquées et Industrielles 2ème année (voir documents) en 2004-2005

  • TP (sous Excel) de probabilité et statistique en licence Sciences et Technologies (parcours biologie) à Grenoble et à Valence en 2004-2005

  • TD de statistiques descriptives en licence Economie-Gestion 1ère année entre 2001 et 2006

  • TD de probabilité et statistique en licence Economie-Gestion 2ème année et en IUP Ingénierie Economique 1ère année entre 2002 et 2004

  • TD de mathématiques en licence Economie-Gestion 2ème année entre 2002 et 2004

  • Cours-TD d'algèbre en IUT STID (Statistique et Traitement Informatique des Données) 1ère année en 2006-2007

  • Cours-TD et TP de statistique descriptive en année spéciale d'IUT STID (Statistique et Traitement Informatique des Données) (voir documents) en 2006-2007
  • Autres enseignements

    J'ai également enseigné un peu en collè, en lycé et en classes préparatoires (ECE).


    Recherche

    Membre de l'équipe de CASYS du Laboratoire Jean Kuntzmann.

  • Publications (pdf)
  • Thèmes de recherche :
  • Analyse de données de biopuces
    Tests d'hypothèses multiples
    Estimation semi-paramétrique
    Classification supervisée

  • Package R implémentant notamment la méthode GSIM pénalisée présentée dans Local likelyhood regression in generalized linear single-index models with applications to microarray data , S. Lambert-Lacroix et J. Peyre (publié dans : Journal of Computational Statistics and Data Analysis).

  • Ce package a été réalisé en collaboration avec Sophie Lambert-Lacroix, Anne-Laure Boulesteix et Korbinian Strimmer. Il est maintenu par Anne-Laure Boulesteix. Il contient aussi des routines pour des méthodes PLS pour la classification des données de biopuces.

    Télécharger le package sur le site de R : plsgenomics


    Cursus universitaire

  • Juillet 2006 : Agrégation de mathématiques, option probabilités et statistiques
  • 20 Septembre 2005 : thèse de l'Université Joseph Fourier - Grenoble 1
  • Télécharger le fichier pdf.

    Spécialité : Mathématiques Appliquées

    Titre : Analyse statistique des données issues des biopuces à ADN

    Résumé :

    Cette thèse est consacrée à  l'analyse statistique des données issues des biopuces à  ADN. Nous nous intéressons ici à  trois problématiques liées aux données du transcriptôme.
    Dans un premier chapitre, nous étudions le problème de la normalisation des données dont l'objectif est d'éliminer les variations parasites entre les échantillons des populations pour ne conserver que les variations expliquées par les phénomènes biologiques. Nous présentons plusieurs méthodes existantes pour lesquelles nous proposons des améliorations. Pour guider le choix d'une méthode de normalisation, une méthode de simulation de données de biopuces est mise au point.
    Dans un deuxième chapitre, nous abordons le problème de la détection de gènes différentiellement exprimés entre deux séries d'expériences. On se ramène ici à  un problème de test d'hypothèses multiples. Plusieurs approches sont envisagées : sélection de modèles et pénalisation, méthode FDR basée sur une décomposition en ondelettes des statistiques de test ou encore seuillage bayésien.
    Dans le dernier chapitre, nous considérons les problèmes de classification supervisée pour les données de biopuces. Pour remédier au problème du «fléau de la dimension», nous avons développé une méthode semi-paramétrique de réduction de dimension, basée sur la maximisation d'un critère de vraisemblance locale dans les modèles linéaires généralisés en indice simple. L'étape de réduction de dimension est alors suivie d'une étape de régression par polynômes locaux pour effectuer la classification supervisée des individus considérés.

    Mots clés : biopuces, test d'hypothèses multiples, sélection de variables, modèles linéaires généralisés, régression semi-paramétrique.

    Jury :
    Serge Dégerine, président
    Florence d'Alché-Buc, rapporteur
    Irène Gijbels, rapporteur
    Badih Ghattas, examinateur
    Sophie Lambert-Lacroix, examinatrice
    Anestis Antoniadis, directeur de thèse
    Marie Dutreix, co-directrice de thèse.

  • Juin 2001 : DEA de mathématiques appliquées, Mention Bien, Université Joseph Fourier - Grenoble 1
  • Juin 2001 : diplôme d'ingénieur de l'ENSIMAG, Mention Bien, INPG - Grenoble 4
  • Dernière mise à jour : 31 mai 2016