Résumé 111 :
Modèle à blocs latents pour l'analyse de données métagénomiques
Aubert, Julie ; Ha, Trung ; Mary-Huard, Tristan
INRA, AgroParisTech, MIA
Les mod\`eles \`a blocs latents fournissent un cadre probabiliste pour la double classification de lignes et colonnes
d'une matrice de donn\'ees. Dans cet article nous consid\'erons un mod\`ele \`a blocs latents pour des donn\'ees de comptage surdispers\'ees.
Les variables latentes ne sont pas ind\'ependantes conditionnellement aux variables observ\'ees ce qui rend l'inf\'erence classique par maximum de vraisemblance impossible. Nous pr\'esenterons un algorithme d'inf\'erence bas\'e sur une approche variationnelle.
Nous appliquerons ce mod\`ele sur des donn\'ees de m\'etag\'enomique pour \'etudier les interactions entre les bact\'eries pr\'esentes dans la rhizosph\`ere et les plantes.