|
Caen (France)
|
|
|
|
Prochaines journéesLes prochaines journées auront lieu à Caen mi novembre 2024, le 14 après midi et 15 matin. Les premiers orateurs confirmés (liste non exhaustive) sont : Julien Béguinot, LTCI, TELECOM Paris Qu'est ce que l'information peut deviner ?
Nous verrons comment l'inégalité de Gibbs et sa généralisation naturelle aux entropies de Rényi permet de borner inférieurement le nombre minimal moyen d'essais nécessaire a un adversaire pour deviner une variable aléatoire secrète M-aire en terme de l'information (information mutuelle ou alpha information de Sibson) fournie sur le secret par une variable auxiliaire fournie a l'adversaire. Nous appliquerons ce résultat aux attaques par canaux cachés. En particulier, nous verrons que dans le pire cas l'avantage de l'adversaire en terme de nombre d'essais par rapport a un adversaire sans aucune information décroit comme la racine carré de l'information qui lui est fournie.
Raphaël Leman, LBGC, Centre François Baclesse, Caen De la modélisation des données de séquençage à haut débit de l’ADN au traitement des cancers de l’ovaire : exemple du test GIScar Les cancers ovariens séreux de haut grade présentant un déficit de réparation de l'ADN par recombinaison homologue sont particulièrement sensibles aux traitements d'entretien incluant un inhibiteur de PARP, l’olaparib. Ces déficits de réparation génèrent des « cicatrices » génomiques tumorales. Il est donc essentiel d’identifier les patientes dont les tumeurs présentent ces déficits de réparation dès le diagnostic initial. Nous avons développé une nouvelle méthode de détection de ces cicatrices, GIScar (Genomic Instability Scar). GIScar a été mis au point grâce au séquençage ciblé d'un panel de 127 gènes. Ces données permettent dans un premier temps de détecter ces cicatrices par segmentation binaire circulaire des valeurs de couvertures. Le modèle intégré dans GIscar est basé sur une régression logistique multivariée et a été entrainé à partir d'une étude non interventionnelle portant sur 250 échantillons de tumeurs ovariennes collectés de manière prospective. GIScar a été validé sur 469 échantillons d’ADN tumoraux provenant de l'étude PAOLA-1 évaluant l'efficacité de l’olaparib pour le cancer de l'ovaire nouvellement diagnostiqué, et sa valeur prédictive a été comparée au test historique Myriad Genetics MyChoice. Ainsi notre test GIScar a montré sa capacité à identifier les patientes qui peuvent bénéficier d’un traitement par l'olaparib avec un taux d’échec inférieur à 1 %. Ces performances autorisent le déploiement de GIScar dans les laboratoires universitaires et hospitaliers de biologie moléculaire. Pierre Maréchal, IMT Toulouse Ayoub Otmani, LITIS Rouen Andrei Romashchenko, LIRMM, CNRS et Univ. Montpellier Information mutuelle de trois variables aléatoires en combinatoire et complexité de communication.
La notion d'information mutuelle pour un triplet de variables aléatoires (et, plus généralement, d'information mutuelle multivariée) a une mauvaise réputation : cette quantité peut être soit positive, soit négative, et ses sens physique et opérationnel sont vagues. Nous discuterons certaines propriétés naturelles d'un triplet de variables aléatoires qui permettent de déterminer le signe de son information mutuelle (prédire si elle est positive ou négative). Nous considérerons des liens de l'information multivariée avec les propriétés combinatoires des graphes (propriété de mélange, forte connectivité, écart spectral) et avec les bornes inférieures dans les problèmes de complexité de communication.
Martino Trassinelli, INSP Paris
Les suivantes auront lieu à Reims au premier semestre 2025. |
| Personnes connectées : 2 | Vie privée |
|
