Le projet EcoNet - Advanced statistical modelling of ecological networks, est un projet de recherche collaborative,
financé par l'ANR (Janv 2019- Juin 2024). 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 :
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 ;
l'intégration des interactions multiples, en utilisant les informations de covariables
disponibles (traits, distributions, phylogeénies,...) ;
la prise en compte des effets de l'échantillonnage
dans nos analyses
la prédiction de réponses de l'écosystème à des changements
environnementaux.
De 09h15 à 10h30, en visio et pour Paris, sur le campus Jussieu dans la grande salle visio de l'UTES
(sous-sol). Les exposés sont stockés sur l'intranet.
14 février 2020 : Christophe fait un tour d'horizon des méthodes de graphe embedding
03 avril 2020 : Saint-Clair parle de robustesse des réseaux en lien avec les SBM/LBM. Réunion sur Zoom.
26 juin 2020 : Léa nous parle d'un spatial-SBM.
25 sept 2020 : Vincent nous fait la présentation flash de 4 articles :
A native apex predator limits an invasive mesopredator and protects native prey: Tasmanian devils protecting
bandicoots from cats, Cunningham et al.
Ecol letters, 2020
Synchrony matters more than species richness in plant community stability at a global scale, Valencia et al.
PNAS, 2019
16 oct 2020 : Virginia nous parle de : Breaking the Spell of Nestedness: The Entropic Origin of Nestedness in
Mutualistic Systems, Payrató-Borràs et al.
Physical Review, 2019
18 déc 2020 : ANNULÉ
15 janvier 2021 : Raphaëlle et Julie nous parlent de Structural Equation Models (présentation sur l'intranet)
29 janvier 2021 : Giovanni : Structural Equation Models - 2nde partie (présentation sur l'intranet)
16 avril 2021 : Sonia raconte Network motifs involving both competition and facilitation predict biodiversity in
alpine plant communities, Losapio et
al, PNAS 2021.
1er avril 2022 à 13h30 : Chi, Mahendra, Stéphane R et Sophie nous racontent: est-ce que les interactions estimées par un modèle graphique gaussien correspondent à la dynamique de Lotka-Volterra ?
10 juin 2022 à 13h30 : Sophie nous parle de Inférence de réseaux entre requins à partir de données de tracking acoustique.
Jacobi et al, JRSI
2016.
8 juillet (ATTENTION changement d'horaire) à 09h30 : Catherine raconte le papier de Ana Eklof qui fait de la comparaison de
réseaux avec un SBM qui ne dit pas son nom ref
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
Chabert-Liddell, S.-C., Barbillon, P., & Donnet, S. (2022). Impact of the mesoscale structure of a bipartite ecological interaction network on its robustness through a probabilistic modeling. Environmetrics, 33( 2), e2709. journal link
T. Rebafka, E. Roquain and F. Villers, Graph inference with clustering and false discovery rate control,
preprint
Raphaelle Momal, Stéphane Robin, Christophe Ambroise Tree-based Inference of Species Interaction
Network from Abundance Data à paraitre dans Methods in
Ecology and Evolution, 2021. Arxiv
preprint
Raphaelle Momal, Stéphane Robin, Christophe Ambroise Accounting for missing actors in interaction network inference from abundance data Arxiv preprint
Sophie Donnet, Stéphane Robin Bayesian inference for network Poisson modelsArxiv preprintk
Alric, B., ter Braak, C. J., Desdevises, Y., Lebredonchel, H., & Dray, S.Investigating microbial associations from
sequencing survey data with co-correspondence analysis. Molecular Ecology Resources, 2020. Journal link
Estelle Kuhn, Catherine Matias & Tabea Rebafka, Properties of the Stochastic Approximation EM Algorithm with
Mini-batch Sampling. Hal
preprint
Avner Bar-Hen, Pierre Barbillon and Sophie Donnet.
Block models for multipartite networksApplications in ecology and ethnobiology, 2019. Arxiv preprint
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
Vincent Miele, Catherine Matias, Stéphane Robin & Stéphane Dray, Nine Quick Tips for
Analyzing Network Data.Plos Computational Biology, 15(12):e1007434, 2019. HAL preprint, Journal link.
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.
Production logiciel
La page publique du projet R package Econetwork est ici.
EcoNet (first steps): Computing network diversity and dissimilarity using Hill numbers at different species aggregation
levels. Ohlmann, Dray, Miele, Thuiller. R package on CRAN,
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