Conférence

Biological Networks Entropies: examples in neural, genetic and social networks

Durée : 01:04:37 -Réalisation : 24 mai 2018 -Mise en ligne : 24 mai 2018
  • document 1 document 2 document 3
  • niveau 1 niveau 2 niveau 3
  • audio 1 audio 2 audio 3
Descriptif

The networks used in biological applications at different scales (molecular, cellular and populational) are of different types, genetic, neuronal, and social, but they share the same dynamical concepts, the notion of intercation graph G(J) associated to their Jacobian matrix J, and also the concepts of frustrated nodes, positive or negative circuits of G(J), kinetic energy, entropy, attractors, structural stability, etc...are relevant and useful for studying the dynamics and the robustness of these systems.

We will give some general results available for both continuous and discrete biologial networks and then, give some specific applications (a neural network involved in the memory evocation, a genetic network responsible of the Iron control and a social network accounting for the obesity spread in a high school environment).

Intervenant
Thème
Notice
Langue :
Anglais
Crédits
CNRS - Centre National de la Recherche Scientifique (Publication), INRIA (Institut national de recherche en informatique et automatique) (Production), INRIA (Institut national de recherche en informatique et automatique) (Publication), Jacques Demongeot (Intervenant)
Conditions d'utilisation
Droit commun de la propriété intellectuelle
Citer cette ressource :
Jacques Demongeot. Inria. (2018, 24 mai). Biological Networks Entropies: examples in neural, genetic and social networks. [Vidéo]. Canal-U. https://www.canal-u.tv/98127. (Consultée le 30 mars 2023)
Contacter
Documentation



Sur le même thème

  • Des métiers de la bio-informatique
    Entretien
    00:04:37
    Des métiers de la bio-informatique

    Courtes vidéos pour sensibiliser le jeune public aux débouchés/métiers de la filière numérique et pour promouvoir les sciences du numérique, plus globalement les carrières scientifiques.L'objectif est

  • Apport de l'informatique à la génomique des cancers
    Conférence
    00:38:29
    Apport de l'informatique à la génomique des cancers
    Viari
    Alain

    La plupart des gènes de notre génome sont présents en deux copies (une sur chaque chromosome homologue). Dans un génome tumoral, en revanche, il est fréquent d'observer soit des pertes soit, au

  • 5.6. La diversité des algorithmes informatiques
    Vidéo pédagogique
    00:07:56
    5.6. La diversité des algorithmes informatiques
    Rechenmann
    François
    Parmentelat
    Thierry

    Nous n'avons vu dans ce cours qu'un exemple extrêmement réduit d'algorithme bio informatique. Il existe en effet une très grande diversité de ces algorithmes bio informatiques qui sont motivés par l

  • 4.8. Un algorithme récursif
    Vidéo pédagogique
    00:06:17
    4.8. Un algorithme récursif
    Rechenmann
    François
    Parmentelat
    Thierry

    Nous avons désormais en main tous les éléments pour écrire notre algorithme de détermination d'un alignement optimal, ici d'un chemin optimal. Avec les notations que nous avons introduites, je vous

  • 5.2. L’arbre, objet abstrait
    Vidéo pédagogique
    00:03:11
    5.2. L’arbre, objet abstrait
    Rechenmann
    François
    Parmentelat
    Thierry

    Vous l'aurez compris un arbre phylogénétique est un arbre abstrait qui n'a qu'un lointain rapport métaphorique avec un véritable arbre. L'arbre des bio-informaticiens et des informaticiens se

  • 5.1. L’arbre des espèces
    Vidéo pédagogique
    00:05:03
    5.1. L’arbre des espèces
    Rechenmann
    François
    Parmentelat
    Thierry

    Dans cette cinquième et dernière partie de notre cours sur le génome et les algorithmes, qui se veut une introduction à l'analyse informatique de l'information génétique, nous regarderons de plus près

  • 5.5. Quand les différences sont trompeuses
    Vidéo pédagogique
    00:05:52
    5.5. Quand les différences sont trompeuses
    Rechenmann
    François
    Parmentelat
    Thierry

    Il y a plusieurs raisons pour lesquelles la méthode UPGMA, que nous venons de voir, se révèle simpliste. L'une des raisons par exemple, c'est pourquoi quand on recalcule les distances, quand on a

  • 4.7. Coûts et alignement
    Vidéo pédagogique
    00:04:39
    4.7. Coûts et alignement
    Rechenmann
    François
    Parmentelat
    Thierry

    Nous avons vu l'ébauche de notre algorithme d'alignement optimal en considérant la possibilité de calculer le coût optimal, ou score optimal, de ce dernier noeud. Et nous avons vu que le coût de ce