Au sein de la Faculté de Pharmacie de l’Université Paris Cité, BioSTM rassemble des compétences en statistique, apprentissage et modélisation mathématique au service des sciences pharmaceutiques, biomédicales et du vivant.
Ses enseignantes-chercheuses, enseignants-chercheurs et jeunes scientifiques développent des méthodes adaptées à la complexité des données biologiques, accompagnent les équipes de recherche dans la conception et l’analyse de leurs travaux, et participent à la formation par la recherche.
Développement de méthodes d’inférence pour estimer des paramètres, des effets et des relations causales à partir de données partiellement observées, censurées ou affectées par des erreurs de mesure, en s’appuyant sur la modélisation hiérarchique bayésienne, l’inférence causale et les tests d’équivalence.
Développement de méthodes d’apprentissage de modèles prédictifs et de représentations pour des données complexes et hétérogènes, incluant l’apprentissage profond, l’adaptation de domaine et le transfert d’apprentissage dans le cadre du transport optimal, avec étude des bornes de généralisation.
Développement de méthodes statistiques de reconstruction, de segmentation, de détection et d’analyse multivariée, dans le formalisme des problèmes inverses, pour extraire l’information de signaux, de spectres ou d’images affectés par le bruit, la convolution ou la discrétisation.
Développement de modèles dynamiques et mécanistes fondés sur les équations différentielles et les modèles à effets mixtes non linéaires, afin d’estimer les paramètres gouvernant l’évolution de systèmes biologiques et pharmacologiques.
