Page web du projet EcoNet



Description

Le projet EcoNet - Advanced statistical modelling of ecological networks, est un projet de recherche collaborative, financé par l'ANR (2019-2022). Il est identifié sous le code ANR-18-CE02-0010. Il rassemble les 6 partenaires suivants : Le projet vise à développer des méthodes statistiques pour analyser différents types de réseaux écologiques : trophiques, mutualistes, de compétition ou antagonistes et systèmes hôtes-parasites. Nous créons un consortium unique alliant des chercheurs en statistique appliquée avec une longue expérience de la modélisation du vivant et des écologues à l'avant-garde de leur science, pour s'attaquer aux défis de la modélisation statistique avancée des reéseaux écologiques. Notre proposition inclut :
  1. l'intégration des dimensions temporelles et spatiales dans la modélisation des réseaux écologiques et le développement d'outils de comparaison de réseaux le long de gradients environnementaux ;
  2. l'intégration des interactions multiples, en utilisant les informations de covariables disponibles (traits, distributions, phylogeénies,...) ;
  3. la prise en compte des effets de l'échantillonnage dans nos analyses
  4. la prédiction de réponses de l'écosystème à des changements environnementaux.

Annonces de conférences en lien avec le projet


Journal Club du projet

De 09h15 à 10h30, en visio et pour Paris, sur le campus Jussieu dans la grande salle visio de l'UTES (sous-sol).

Réunions

Tous les supports des réunions sont stockés sur notre intranet.

Publications et logiciels issus du projet

Toutes les publications doivent indiquer le soutien de l'ANR et la référence du projet ANR-18-CE02-0010-01. Toutes les communications doivent comporter le logo de l'ANR. Suggestion de mention à indiquer dans les articles 'This work was partially supported by the grant ANR-18-CE02-0010-01 of the French National Research Agency ANR (project EcoNet).'

Production scientifique
  1. Vincent Miele, Catherine Matias, Stéphane Robin & Stéphane Dray, Nine Quick Tips for Analyzing Network Data.. To appear in Plos Computational Biology. HAL preprint
  2. Léa Longepierre & Catherine Matias, Consistency of the maximum likelihood and variational estimators in a dynamic stochastic block model. Electronic Journal of Statistics, 13(2):4157-4223, 2019. Journal link.
  3. Estelle Kuhn, Catherine Matias & Tabea Rebafka, Properties of the Stochastic Approximation EM Algorithm with Mini-batch Sampling. Hal preprint
  4. Avner Bar-Hen, Pierre Barbillon and Sophie Donnet. Block models for multipartite networksApplications in ecology and ethnobiology, 2019. Arxiv preprint
  5. Saint-Clair Chabert-Liddel, Pierre Barbillon, Sophie Donnet and Emmanuel Lazega. A Stochastic Block Model for Multilevel Networks: Application to the Sociology of Organisations, 2019. Arxiv preprint

Production logiciel
La page publique du projet R package Econetwork est ici.
  1. EcoNet (first steps): Computing network diversity and dissimilarity using Hill numbers at different species aggregation levels. Ohlmann, Dray, Miele, Thuiller. R package on CRAN,
  2. missSBM: An R Package for Handling Missing Values in the Stochastic Block Model. Timothée Tabouy, Pierre Barbillon, Julien Chiquet. R package on CRAN, Arxiv paper

Intranet du projet

(accès réservé)