Ce projet développe des outils de modélisation et de simulation pour étudier la dynamique des infections par le virus du papillome humain (HPV). Il permet d'analyser l'impact des événements aléatoires sur la persistance des infections, d'évaluer des stratégies d'allocation initiale de copies virales et de comparer des estimations théoriques avec des simulations. Les résultats sont utilisés pour générer des figures et des données destinées à des publications scientifiques.

Projet de recherche en biologie évolutive dédié à l'analyse des protéines SIR2 et SIRim. Il permet d'étudier leur histoire évolutive, leur phylogénie, leur détection dans les génomes, et leur implication dans les systèmes de défense. Des modèles structuraux (AlphaFold2) sont également générés pour certaines protéines eucaryotes. Les résultats sont présentés sous forme de figures et d'alignements pour des publications scientifiques.

Ce dépôt GitLab héberge des scripts R développés pour une étude génomique publiée en 2025. Les scripts permettent de reproduire les analyses, figures et tableaux présentés dans l'article de Serrie et al. Ils incluent des outils pour traiter les données de stress biotiques chez le prunier et générer les éléments nécessaires à la publication scientifique. Les données d'entrée sont accessibles via un dépôt public sur data.gouv.fr.

Ce projet accompagne une publication scientifique visant à développer un cadre de travail pour résoudre des problèmes inverses en biologie. Il utilise des données de capteurs de phéromones pour détecter la présence d'insectes ravageurs dans les cultures. Le code permet de simuler la propagation des phéromones, d'optimiser la localisation des sources d'émission et de générer des cartes de présence d'insectes. Les résultats sont présentés sous forme de figures et de données exploitables pour la recherche agronomique.

Ce projet permet de traiter des données brutes et de générer des figures destinées à des publications scientifiques. Il inclut des outils pour analyser des données et produire des résultats visuels exploitables dans un contexte de recherche. Les algorithmes implémentés visent à faciliter l'interprétation des données pour des travaux académiques.

Ce projet fournit un modèle LaTeX pour rédiger des rapports de recherche scientifique. Il inclut des scripts Python pour générer des figures et tableaux, ainsi qu'un Makefile pour automatiser la compilation en PDF. Destiné aux chercheurs et étudiants, il facilite la structuration des documents académiques avec une bibliographie intégrée et des styles adaptés aux normes de publication.

Dépôt de code source contenant les scripts et données nécessaires à l'analyse de données pour la recherche en génomique des plantes, avec pour objectif la publication d'un article scientifique. Les scripts permettent de générer des figures, tableaux et autres éléments de l'article. Les données et résultats sont organisés de manière claire pour faciliter la collaboration en recherche.

EasyFig 3 est un outil dédié à la visualisation graphique de régions génétiques annotées et à la comparaison de régions homologues. Il permet aux chercheurs et biologistes de générer des figures claires et personnalisables à partir de données génomiques (séquences FASTA ou GenBank). L'application facilite l'analyse visuelle des annotations, des similarités entre séquences et des caractéristiques génétiques, tout en offrant des options de personnalisation avancées pour répondre aux besoins spécifiques des publications scientifiques ou des présentations.

Projet dédié à l'analyse et au traitement de données d'imagerie par résonance magnétique fonctionnelle (IRMf) issues du Human Connectome Project. Il propose des pipelines analytiques au niveau sujet et groupe pour évaluer la connectivité cérébrale et les réponses fonctionnelles. Les outils intégrés permettent de reproduire des analyses statistiques, valider techniquement les résultats et générer des figures pour des publications scientifiques en neurosciences.

Ce projet fournit un ensemble de scripts R et de fichiers de données pour analyser et visualiser des résultats scientifiques issus d'études sur les réseaux neuronaux. Il permet de générer des rapports automatisés incluant des figures et des statistiques, facilitant ainsi la publication ou la révision d'articles scientifiques.