Groupes de Travail

Vous retrouverez ci-dessous tous les groupes de travail du RTmfm avec leurs finalités en quelques lignes.

Porteur : Brice Ronsin

L’approche prototypage est aujourd'hui plus que jamais d’actualité. Le foisonnement de systèmes “home made” tant au niveau de la microscopie que pour des applications en biologie prouvent que le prototypage s’est démocratisé. Nous avons constaté ces quatre dernières années une augmentation croissante de prototypes "ouverts" produits par la communauté scientifique sur de nombreuses manifestations. Le groupe souhaite donc renouveler et organiser une journée thématique sur le prototypage en « Open science » (journée SOS) dont les deux précédentes (environ 100 participants) ont été plébiscitées par l’ensemble de la communauté.

Porteur : Romina d'Angelo

 Les besoins de la communauté restent très importants, comme le montrent encore les retours des participants aux actions de formations 2021. Cela va de la partie « préparation des échantillons » (« back to bases ») en y incluant les immunomarquages, montages spécifiques pour ce genre d'échantillons, jusqu’à « l’acquisition des images » et « l’analyse des données ».

Porteurs : Magalie Mondin & Karine Monier

 

Porteur : Jacques Brocard & France Lam

A partir des éléments chiffrés qui seront récoltés par mail d'ici là, décider des actions à mener concernant le GT SAV : information des plateaux concernant les prix et/ou les pannes observés, directives concernant les délais d'intervention, négociation avec les industriels concernant l'efficacité des SAV, etc.

Porteur : Claude-Marie Bachelet

Création d’un vade-mecum pour l’organisation et la gestion d’une plateforme. Il sera constitué d’une arborescence permettant de dérouler des enchaînements d’activités, de retrouver logiquement une action à effectuer, et d’y associer la documentation utile à la réalisation.

Durant les prochaines années, nous finaliserons le livrable par les deux actions de cette deuxième phase :

-        Enrichissement de la base documentaire (y compris avec une bibliographie) par le recueil, le tri et une synthèse des informations et ressources disponibles au sein des réseaux RTmfm et RIME. Cette documentation permettra de proposer des modèles utilisables ou adaptables facilement pour accomplir les diverses activités d’organisation et de gestion d’une plateforme.

-        Achèvement de l’arborescence complétée avec les liens qui renverront vers les documents correspondant aux actions recensées.

Le livrable sera évolutif et l’activité du GT-Orga sera ensuite poursuivie par la mise à jour autant que de besoin des deux éléments du livrable, arborescence et base de données documentaire.

Des liens seront également intégrés dans le livrable pour renvoyer vers les sujets traités par les autres groupes de travail ou autres réseaux (par exemple GT3M, GT-SAV, …).

Le livrable sera testé par des membres des deux réseaux et les suggestions seront prises en compte dans l’application d’une amélioration continue.

Porteur : Bertrand Vernay

Le succès de l'ANF “Machine learning pour la microscopie” en octobre 2021 et la participation d'un grand nombre de nos collègues aux ateliers "Deep Learning" de MiFoBio2021, ont motivé la création de ce nouveau groupe de travail « Méthodes d’analyses d’images par IA » (MAIIA). Les objectifs du GT MAIIA sont d’accompagner notre communauté face aux défis de la révolution de l’« intelligence artificielle » en:

- réalisant un état des lieux des outils « clé en main » deep learning et de leur utilisation par la communauté (ZeroCostDL4Mic, DeepImagej pour en citer deux)

- rassemblant la communauté des utilisateurs (biologistes, microscopistes et bio-image analystes) et des développeurs d'outils Deep Learning sur des problématiques de microscopie

- formant nos collègues des plateformes au déploiement et à l'utilisation des outils

- réfléchissant aux bonnes pratiques d'utilisation de ces outils (publication de notes d'application, standardisation des protocoles, matériels et méthodes)

Porteur : Julio Mateos-Langerak

La traçabilité est fondamentale pour la recherche scientifique. L'annotation correcte et complète des données et des métadonnées (1) permet un processus de revue approprié, (2) garantit la reproductibilité, un aspect essentiel de la méthode scientifique, et (3) présente la donnée comme une ressource, permettant la réutilisation des connaissances, la reconnaissance du travail du chercheur et d'économiser des ressources précieuses. Pour promouvoir ces aspects, la communauté scientifique, ainsi que les gouvernements ont déployé des efforts et des ressources vers une meilleure pratique dans la science ouverte. Fruit de ces efforts, les principes FAIR définissent les fondamentaux de la traçabilité dans la recherche scientifique.

 

fr_FRFrench