Journées Bioss-IA (2e édition)
Les 18 et 19 décembre 2018 à l’Institut Pasteur, Paris

Informations générales

Journées financées par le GDR IA, Bioss et Psay CompBio (Paris-Saclay), avec remerciements à l’institut Pasteur pour le prêt de la salle et à Denise Derhy et Gregory Batt pour l’aide en local à l’organisation.

Date : 18 décembre après-midi et 19 décembre matin 2018

Lieu : grande salle du Bât Lwoff (Rétrovirus 14), Institut Pasteur, 28 rue du Docteur Roux, 75015 Paris. Se munir d'une pièce d'identité 

Organisateur : Philippe Dague 

Mardi 18 décembre

13h30-14h00 Accueil
14h00-14h45 Adrien Husson : Transition logic for rule-based biology: a tractable, hybrid specification framework
14h45-15h30 Andrei Doncescu, Vincent Risch, Pierre Siegel : Quelques formalismes et algorithmes d’IA pour les réseaux biologiques
15h30-16h15 Loïc Paulevé : Reconciling qualitative and abstract (and scalable) reasoning with Boolean networks
16h15-16h45 Pause
16h45-17h30 Laurent Trilling : Constraint ASP Based Inference of Delay Parameters for Discrete Genetic Networks
17h30-18h15 Jérôme Feret : Conservative approximations of models of polymers
20h00 Dîner (restaurant)
\

Mercredi 19 décembre

9h00-9h15 Accueil
9h15-10h00 Marie Beurton-Aimar : Introduction to Deep Learning and its Tools applied to Biology
10h00-10h45 Hervé Isambert : Learning causal and non-causal networks from large scale genomic and clinical data
10h45-11h15 Pause
11h15-12h00 Ovidiu Radulescu : Hybrid symbolic-numeric learning of Markov eukaryotic promoters models
12h00-12h45 Engelbert Mephu Nguifo : A Novel Computational Approach for Global Alignment for Multiple Biological Networks
12h45-13h45 Déjeuner (plateaux repas)
13h45-14h30 Eugenio Cinquemani : Towards automated control of synthetic E.coli communities
14h30-15h15 Vincent Danos : Stochastic analysis of reaction-division systems
15h15-16h00 Maxime Folschette : Search of Therapeutic Targets on the Hepatocellular Carcinoma with Database Extraction and Graph Coloring Methods
16h00-16h30 Julien Martinelli : Unsupervised learning of chemical reaction networks from data time series\


Dernière modification le 18/12/2018