Letizia LAMPERTI

photo letizia lamperti small

Letizia LAMPERTI

 

Contact: Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser. 

 

Supervisor : Stéphanie Manel (CEFE)
Co-supervisor : Loïc Pellissier (ETH)

 

 

Thesis project: Machine Learning for biodiversity monitoring.
 
The objective of the thesis is to harness a combination of machine learning approaches to support the development of a fast data pipeline that transforms eDNA metabarcoding data into ecological indicators for ecosystem monitoring. I will develop machine learning to improve the identification of the taxonomic composition of eDNA samples and to link eDNA composition to ecological indicators. Approaches are going to be developed from two case studies: freshwater fishes from French Guyana. This thesis is part of Artificial Intelligence for the Sciences (AI4theSciences) doctoral program run by Université PSL.

Agnès DUHAMET

Julia DAYON

Maurine VILCOT

Maurine Vilcot photo small

 

Maurine Vilcot
DoctoranteCEFE/CNRS
Tel. +33 (0)4 67 61 32 63

Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser.


Supervisor : Stéphanie Manel (CEFE)
Co-supervisor : Fabien Leprieur (MARBEC)


Projet de thèse : Une perspective macroécologique des patrons de diversité génétique multi-espèces

La diversité génétique qui décrit la diversité au sein des populations représente une composante majeure de la biodiversité. Elle joue un rôle crucial dans la survie et le potentiel adaptatif des espèces et par conséquent est essentielle à la résilience des écosystèmes. Alors que les lois générales de la distribution de la biodiversité à grande échelle sont particulièrement bien étudiées en macroécologie, la composante génétique de la biodiversité reste quant à elle très peu considérée. C'est l'objectif de la macrogénétique : établir des hypothèses générales pour décrire la distribution de la diversité génétique à grande échelle.


L’objectif du projet est donc de mieux comprendre les mécanismes à l’origine de la variabilité spatiale de la diversité génétique, en s’appuyant sur le modèle des poissons des récifs coralliens. À l’aide des données génétiques multi-espèces récoltées dans le cadre du projet ANR-FNS REEFISH, ma thèse comprend trois axes principaux :

1) Explorer les relations entre diversité génétique et richesse spécifique, et quels processus les dirigent.

2) Étudier l'impact relatif de l’environnement, des traits biologiques et de l’histoire évolutive sur les patterns de diversité génétique.

3) Développer l’utilisation d’ADN environnemental (ADNe) en tant qu’outil d’étude de la diversité génétique intraspécifique.

 

Keywords : Macrogenetics, landscape genetics, marine ecology, species-genetic diversity correlations, eDNA

 

Publications :

Morgan-Richards, M., Vilcot, M., and Trewick, S.A. Lack of assortative mating might explain reduced phenotypic differentiation where two grasshopper species meet. Journal of Evolutionary Biology. https://doi.org/10.1111/jeb.13879

Hayden, L., Lochovska, K., Sémon, M., Renaud, S., Delignette-Muller, M.-L., Vilcot, M., Peterkova, R., Hovorakova, M., and Pantalacci, S. (2020). Developmental variability channels mouse molar evolution. ELife. https://doi.org/10.7554/eLife.50103

Laëtitita MATHON

DoctoranteMathon Laetitia
Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser.
Tel. +33 (0)4 67 61 32 63

CEFE/CNRS UMR5175

Etage 1, aile C, bureau 114
Supervisor : Stéphanie Manel (CEFE)

Google Scholar / Researchgate

 

Projet de these : L’ADN environnemental pour étudier les patterns de distributions des poissons et les communautés à large echelle

3 objectifs de recherche :

- Comparaison de programmes bioinformatiques existants pour le traitement des données d'ADN environnemental, afin d'identifier les programmes les plus performants pour retrouver les composition specifiques des échantillons.

- Analyse à l’échelle globale de données d’ADNe collectées sur des récifs coralliens dans plusieurs régions du monde afin d’étudier la capacité de l’ADNe à détecter les patterns de diversité à différentes échelles et déterminer les mécanismes de diversité. Puis analyse de données d'ADNe collectées dans plusieurs régions marines, de pôle à pôle.

- Cas d'étude particulier : Modélisation 3D de la diversité des poissons autour des monts sous-marins de Nouvelle-Calédonie à partir de données d’ADN environnemental, afin d'étudier les communautés de poissons sur ces monts en fonction des paramètres environnementaux et biologiques.

 ****

PhD project : Environmental DNA to study fish distribution patterns and communities across large spatial scales 

3 research objectives:

- Comparison of existing bioinformatics programs for processing environmental DNA data, in order to identify the most efficient programs for finding the species composition of samples.

- Global analysis of DNA data collected from coral reefs in several regions of the world to study the ability of DNA to detect diversity patterns at different scales and determine the mechanisms of diversity. Then analysis of eDNA data collected in several marine regions, from pole to pole.

- Special case study: 3D modeling of fish diversity around seamounts of New Caledonia from environmental DNA data, in order to study the fish communities on these seamounts according to environmental parameters and organic.

****

Publications :

Mathon, L., Valentini, A., Guérin, P. E., Normandeau, E., Noel, C., Lionnet, C., ... & Manel, S. (2021). Benchmarking bioinformatic tools for fast and accurate eDNA metabarcoding species identification. Molecular Ecology Resources.

Flück, B., Mathon, L., Manel, S., Valentini, A., Dejean, T., Albouy, C., ... & Pellissier, L. (2021). Fast processing of environmental DNA metabarcoding sequence data using convolutional neural networks. bioRxiv.

 

Conferences :

Circumglobal distribution of fish environmental DNA in coral reefs. DNAqua-net conference, 2021

 

Main disciplines / approaches / study systems: