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 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@inra.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.