AI4omics

Les inscriptions sont complètes. Si vous êtes inscrits mais ne pouvez finalement pas venir, merci de nous prévenir pour libérer une place pour une personne inscrite sur la liste d'attente.

Contactez-nous directement ici : ai4omics@sciencesconf.org

Le vendredi 2 octobre 2026 de 10h à 17h30, dans l'auditorium de la Grande Galerie de l'Evolution du Muséum National d'Histoire Naturelle

36 rue Geoffroy Saint-Hilaire, 75005 Paris

L’intelligence artificielle transforme tous les domaines d’applications y compris les recherches en biologie évolutive, environnement et en santé. Diverses méthodes d’apprentissage automatiques sont de plus en plus utilisées, seules ou en association, afin d’extraire de l’information des masses de données produites en biologie. Les données ‘omiques’ n’échappent pas à cette règle.

Le Réseau Thématique GreenOmics et le gdr Bio-informatique Moléculaire : Méthodologie et Modélisation proposent une journée sur les avancées de l’intelligence artificielle appliquée aux données de (méta)génomique, de (méta)protéomique et d’autres approches moléculaires. Le programme permettra ainsi d’exposer les principes et les concepts de l’IA et leurs applications actuelles et futures dans ces domaines de recherche. Des conférenciers invités feront ainsi un état des lieux des avancées et des perspectives.

Cette rencontre favorisera les échanges entre biologistes, écologues, bioinformaticiens et spécialistes de l’IA afin de mieux appréhender les opportunités et les défis associés à l’intégration de ces nouvelles approches dans les sciences du vivant. Un appel à communication orale est également ouvert permettant d’illustrer la diversité des approches et des applications. Dans ce cadre, vous êtes invités à proposer un résumé et le soumettre au plus tard le 24 juillet à 12h.

L'inscription pour la journée est gratuite mais obligatoire. Le nombre de places étant limité à 120, merci de vous inscrire si vous pensez réellement venir. En cas d'annulation de votre venue, veuillez nous contacter au plus tôt.

Proposer une communication

Si vous souhaitez proposer une communication vous pouvez déposer un résumé (250 à 400 mots) ici : proposer une communication

Les communications se feront en français ou en anglais en privilégiant des diapositives en anglais si possible. Elle dureront entre 15 et 20 minutes suivant le nombre de propositions.

Orateur.ice.s invité.e.s

Luc Blassel (UMR 7238 CNRS, Sorbonne Université, Institut de Biologie Paris Seine, Biologie computationnelle et computative) : Deep learning for phylogenetic inference

Phylogenetic analysis is central to many areas of bioinformatics, including epidemiology, ecology, and population genetics. It provides a statistical framework for reconstructing and analyzing evolutionary relationships from molecular data.

Most current approaches rely on likelihood-based inference, which requires evolutionary models whose likelihoods can be evaluated or efficiently approximated. This requirement restricts model complexity and often necessitates simplifying assumptions that may limit biological realism.

More recently, simulation-based inference methods have emerged that leverage advances in deep learning to perform likelihood-free phylogenetic inference. Rather than requiring an explicit likelihood function, these approaches learn from data simulated under arbitrary models of evolutionary processes.

By relaxing the requirement of likelihood tractability, simulation-based approaches make it possible to consider richer and more biologically realistic models of molecular evolution. These methods pave the way for the development and application of more expressive models of evolutionary processes.

Flora Jay (Université Paris-Saclay, CNRS UMR 9015, INRIA, Laboratoire Interdisciplinaire des Sciences du Numérique) : Leveraging deep learning for evolutionary inferences
Julien Mozziconacci (Muséum nationale d'Histoire naturelle, UMR 9015 Structure et Instabilité des Génomes et UAR 2047 Donnes de recherche pour l'histoire naturelle, l'ecologie et l'environnement) : IA et omics, de quoi parle t'on ?

Cette présentation introductive précisera les principes et les méthodes de l’intelligence artificielle appliquée aux données omiques. Elle montrera comment les réseaux de neurones apprennent des représentations statistiques des séquences génomiques, depuis les modèles supervisés spécialisés jusqu’aux modèles de fondation entraînés sur de vastes corpus biologiques. Nous présenterons leurs applications à l’annotation fonctionnelle des génomes et à la prédiction des effets moléculaires des variants.

Edi Prifti (IRD, Sorbonne Université, UMI209 Unité de Modélisation Mathématique et Informatique des Systèmes Complexes) : Au-delà de la prédiction : une IA interprétable pour explorer et comprendre la biodiversité

Quelques dates à retenir

Ouverture des inscriptions et dépôt de proposition de communication : 29 juin 2026
Fin des dépots de proposition de communication étendu, avec priorité pour l'inscription, par email: ai4omics@sciencesconf.org
Confirmation de l'acceptation des communications: au fil de l'eau
Fin des inscriptions: complet mais inscription en liste d'attente par email: ai4omics@sciencesconf.org

Organisateur.ices

Jawad Abdelkrim (MNHN, UAR DoHNEE)

Wafa Achouak (CNRS, CEA, AMU)

Julie Aubert (INRAE, AgroParisTech, Université Paris-Saclay, UMR MIA Paris-Saclay)

Pierre Peyret (Université de Clermont-Auvergne)