Talks

  • "Cell Trajectory Inference based on Schrödinger problem and a mechanistic stochastic gene expression model", 2nd Bonn Conference on Mathematical Life Sciences (BCML), Universität Bonn, Bonn (March 2026)
  • "Cell Trajectory Inference based on Optimal Transport and a mechanistic stochastic gene expression model", Journée d'équipe MAS (MAP5), Institut Henri Poincaré, Paris (January 2026)
  • "Cell Trajectory Inference based on Optimal Transport and a mechanistic stochastic gene expression model", Journée Maths Bio Santé, Institut Montpellérain Alexandre Grothendieck, Montpellier (November 2025)
  • PhD seminars, MAP5 (February 2025)
  • "Inference of cell differentiation trajectories using a modified optimal transport method based on a probabilistic model of gene dynamics" Congrès des jeunes chercheur.se.s Mathématiques appliquée, ENS, Lyon (Octobre 2024)
  • PhD seminars, MAP5 (October 2024)
  • "Optimal transport and cellular differentiation", MAS (Mathematique, analyse et simulation) team seminar, MAP5 (June 2024)
  • SBDM (O. Gandrillon) team meeting, ENS Lyon (April 2024)





    • My research topics

      Cell differentiation is a dynamic biological process that leads a cell to acquire a specific cellular identity. Recently, single-cell RNA sequencing has enabled simultaneous measurement of gene expression at specific points in this process across a large number of cells and genes. Repeating these measurements at different times provides insight into the temporal variation of a distribution in the gene expression space. Since most measurement techniques are destructive, the goal of inferring cell differentiation trajectories is to reconstruct the differentiation process at the level of each cell in the population. Existing work assumes that cells evolve, within the gene expression space, via diffusion. However, the actual dynamics of gene expression are far more complex. In my PhD thesis, I developed a method for inferring a cell differentiation trajectory from single-cell RNA sequencing data, based on the solution to the Schrödinger problem and a mechanistic, stochastic gene model that generates realistic dynamics. The method relies on constructing a reference process for the Schrödinger problem based on the gene model applied to a gene regulatory network, known as the Bursty model. By comparing the solutions to the Schrödinger problem obtained with a diffusive reference process and a reference process based on the Bursty model, I established the validity of this new method, first using simulated data and a simple gene model, and then using experimental data and a complex gene network. This work thus illustrates the value of integrating mechanistic knowledge of the biological system into the inference method to enable a more realistic and, ultimately, more relevant inference of cell differentiation.




      Mon sujet de recherche

        La différenciation cellulaire est un processus biologique dynamique qui conduit une cellule à acquérir une identité cellulaire particulière. Récemment, le séquençage d'ARN en cellules uniques a permis de mesurer simultanément les niveaux d'expression génique à des instants précis de ce processus pour un grand nombre de cellules et de gènes. La répétition de ces mesures à différents moments permet d'accéder à la variation temporelle d'une distribution dans l'espace d'expression génique. La plupart des techniques de mesure étant destructives, l'inférence de trajectoires de différenciation cellulaire vise à reconstituer le processus de différenciation au sein de chaque cellule de la population. Les travaux existants supposent que les cellules évoluent dans l'espace d'expression génique par diffusion. Or, la dynamique réelle des gènes est bien plus complexe. Dans mon travail de thèse, j'ai développé une méthode pour inférer une trajectoire de différenciation cellulaire à partir de données issues de séquençage d'ARN en cellules uniques, en m'appuyant sur la résolution du problème de Schrödinger et un modèle de gènes mécaniste et stochastique générant des dynamiques réalistes. La méthode repose sur la construction d'un processus de référence pour le problème de Schrödinger à partir du modèle de gènes appliqué à un réseau de régulation génique, appelé modèle Bursty. En comparant les solutions du problème de Schrödinger obtenues avec un processus de référence diffusif et un processus de référence basé sur le modèle Bursty, j'ai établi la pertinence de cette nouvelle méthode, d'abord à partir de données simulées et d'un modèle de gènes simple, puis à partir de données expérimentales et d'un réseau de gènes complexe. Ce travail illustre donc l'intérêt d'intégrer une connaissance mécaniste du système biologique à la méthode d'inférence pour permettre une inférence plus réaliste et, \in fine, plus pertinente de la différenciation cellulaire.