En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal Oniris

Biologie Epidémiologie et Analyse de Risque en santé animale

BIOEPAR - http://www6.angers-nantes.inra.fr/bioepar

PROJET DE THÈSE ouvert à candidature: Modéliser l’occurrence de syndromes respiratoires multi-pathogènes chez les jeunes bovins pour mieux les limiter

Syndromes respiratoires multi-pathogènes chez les jeunes bovins

Unité d’accueil : UMR BIOEPAR, INRAE / Oniris, site de la Chantrerie, Nantes
Directrice de thèse : Ezanno Pauline (HDR) ; pauline.ezanno@inrae.fr
Co-encadrant : Assié Sébastien ; sebastien.assie@oniris-nantes.fr
Période du contrat : Décembre 2021 – Novembre 2024

Contexte socio-économique et scientifique

Les maladies respiratoires sont courantes chez les jeunes animaux d'élevage (bovins, porcins, volaille) et occasionnent des pertes de production, des troubles du bien-être animal, ainsi que l'utilisation d'antibiotiques. La prévalence de ces maladies en Europe est encore mal connue, notamment lorsque de multiples agents pathogènes sont en cause. De plus, la détection précoce de ces troubles n'est pour l'heure pas systématique, la détection reposant souvent sur l'occurrence
de signes cliniques. Cela augmente le recours à des traitements antibiotiques collectifs ou préventifs, sans que l'on puisse déterminer si des traitements ciblés précocement auraient pu être suffisants. Les gestionnaires privés de la santé des animaux d'élevage (éleveurs, vétérinaires, techniciens conseils, etc.) manquent d'outils pour évaluer le risque d'occurrence de ces maladies au cours du temps d'élevage et pour prioriser les mesures de gestion, la plus-value de ces mesures variant grandement selon les situations sanitaires.

Hypothèses et questions scientifiques

L'objectif de la thèse est de prédire l'occurrence au cours du temps de maladies respiratoires chez les jeunes bovins, en tenant compte de la diversité des contextes sanitaires (espèce animale, système d'élevage, co-infection, prévalence locale / nationale, etc.) et des moyens de maîtrise mobilisables (traitement préventif, traitement ciblé, vaccination précoce, gestion des provenances des animaux, etc.). Pour cela, un cadre de modélisation générique représentant de manière mécaniste et stochastique l'occurrence de maladies respiratoires en élevage de jeunes animaux sera mobilisé et adapté au cas des jeunes bovins pour identifier selon le contexte sanitaire les stratégies de gestion les plus pertinentes. Les principales hypothèses sont : (1) les similitudes entre contextes sanitaires sont suffisantes pour définir un cadre de modélisation générique ; (2) des données collectables en routine en élevage permettent de calibrer et de spécifier les modèles, voire d'estimer le ou les agents pathogènes en cause les plus probables ; (3) les options de gestion les plus pertinentes varient selon le contexte sanitaire.

Principales étapes de la thèse et démarche

1. Contribuer à développer un cadre de modélisation épidémiologique mécaniste stochastique générique qui permette de prédire l'occurrence de maladies respiratoires chez les jeunes animaux (bovins, porcins, volaille), à l'échelle du groupe d'animaux (un lot, voire un troupeau), pour un large panel de contextes sanitaires. [3 mois] 

2. Appliquer ce cadre générique au cas des jeunes bovins laitiers et allaitants, en collaboration avec l'Univ. Gent (Belgique) qui dispose de données pertinentes pour calibrer les modèles. Un modèle mono-pathogène existant sera étendu au cas des co-infections, notamment entre virus et bactéries. Collaborer avec l'équipe DYNAMO sur les méthodes d'inférence des paramètres du modèle et appliquer la méthode proposée au cas d'étude. [18 mois]

Selon le profil du candidat retenu (deux types de formation initiale possibles : biologie/épidémiologie avec un M2 en modélisation ; sciences formelles avec un goût prononcé pour les applications au vivant), l'accent sera mis sur l'une ou l'autre des étapes suivantes :

3a. Contribuer à collecter des données en France en élevage de jeunes bovins de boucherie, en collaboration avec Terrena et l'IDELE, pour appliquer le modèle de l'étape 2 au cas français. [5 mois]

3b. Générer des données synthétiques avec le modèle développé en étape 1 et/ou 2, et contribuer ainsi au couplage des approches d'apprentissage (détection précoce) et des modèles mécanistes (projections et comparaison de scénarios), en
collaboration avec l'Univ. Copenhage. [5 mois]

4. Mobiliser la méthode de couplage développée pour renseigner les conditions initiales du modèle et inclure dans le modèle des stratégies de gestion (traitement préventif / ciblé / systématique pour différentes méthodes de détection, vaccination précoce). Comparer les stratégies par simulations intensives pour un large panel de contextes sanitaires et de conditions initiales, en collaboration avec l'Univ. Gent, Ter'élevage, et IDELE. [10 mois]

Approches méthodologiques et techniques envisagées

Le cadre générique de modélisation multi-agents multi-niveaux Emulsion [Picault et al. 2017] sera mobilisé pour développer un modèle épidémiologique stochastique multi-pathogènes adapté à l'élevage de jeunes bovins dans différents contextes sanitaires. Le modèle sera calibré en utilisant un algorithme d'inférence développé par ailleurs dans l'équipe DYNAMO. Les données à mobiliser sont disponibles, collectées en routine en élevage dans plusieurs pays européens (données démographiques, échanges commerciaux, poids, usage d'antibiotiques et occurrence de signes cliniques, agents pathogènes en cause). Les conditions initiales dériveront de prédictions de modèles d'apprentissage pour de la détection précoce des troubles respiratoires en élevage, modèles développés par une équipe partenaire du projet. Le modèle développé dans la thèse sera analysé par simulations numériques intensives. L'accès aux données, aux ressources informatiques et aux serveurs de calcul nécessaires à la réussite du doctorat est assuré. Les interactions sont fortement encouragées avec les partenaires du projet européen dans lequel s'inscrit cette thèse, et qui mobiliseront le modèle produit pour l'adapter à leurs contextes spécifiques.

Compétences scientifiques et techniques requises pour le candidat

Les candidat.e.s doivent être titulaires d'un master en mathématiques appliquées / sciences informatiques avec des connaissances en épidémiologie, ou d'un master en écologie / épidémiologie / agronomie / sciences vétérinaires avec des compétences en modélisation mécaniste. Des compétences en programmation (Python/R) et une expérience en modélisation appliquée à l'épidémiologie ou à la dynamique des populations sont attendues. L'intérêt pour les maladies infectieuses et les recherches interdisciplinaires est un atout. Des compétences organisationnelles et de communication écrite et orale en anglais sont fortement recommandées, cette thèse s'inscrivant dans le cadre d'un projet européen.

Compétences acquises pendant la thèse

Cette thèse permettra d'acquérir / de renforcer les compétences en modélisation mécaniste stochastique, programmation (R, Python, …), analyse de sensibilité, inférence, utilisation de serveurs de calcul externes, bonnes pratiques de programmation, analyse critique de la littérature scientifique, rédaction et communication scientifique en anglais, gestion de projet, et travail collaboratif.

Dossier de candidature :
- 1è phase : CV + lettre de motivation + nom et adresse email de 2 référents
- 2è phase : dépôt du dossier complet auprès de l’ED EGAAL & entretien

Deadline pour la 1è phase : 7 Juin 2021

Téléchargez l'offre de thèse pour plus d'informations: