Pierre RoncerayChargé de recherche
Chargé de recherche au Centre interdisciplinaire de nanoscience de Marseille (CINAM)1
La recherche de Pierre Ronceray porte sur la compréhension théorique de la dynamique de la matière vivante, depuis l’échelle de la protéine jusqu’à celle de l’organisme. Après une formation en physique théorique et mathématique, il a effectué sa thèse (2013-2016) à l’université Paris-Saclay sur la façon dont les forces du vivant sont transmises par des réseaux de biopolymères. Il a ensuite réalisé un post-doctorat indépendant à l’université de Princeton (2016-2020), où il a commencé à développer des outils d’analyse de données expérimentales pour quantifier les propriétés mécaniques et dynamiques des processus cellulaires. Depuis 2021, il est chargé de recherche au CNRS et dirige un groupe de recherche au Turing Center for Living Systems, à Aix-Marseille Université.
- 1Aix-Marseille Université/CNRS
Projet SuperStoc (Horizon Europe - ERC StG 101117322)
Inférence stochastique super-résolue : apprendre la dynamique de la matière molle vivante
La dynamique des systèmes biologiques, des protéines aux cellules jusqu'aux organismes, est complexe et stochastique. Pour décrypter leurs lois physiques, nous devons faire le lien entre les observations expérimentales et la modélisation théorique. Grâce aux progrès de la microscopie, il existe aujourd'hui une abondance de trajectoires expérimentales reflétant ces lois dynamiques. L'inférence de modèles physiques à partir de données expérimentales bruitées et imparfaites reste cependant un défi qui constitue un goulot d'étranglement pour la biophysique guidée par les données.
SuperStoc vise à remédier à cette lacune en développant des algorithmes concrets qui permettent une inférence robuste et universelle des modèles dynamiques stochastiques à partir de trajectoires expérimentales. À cette fin, Pierre Ronceray construira des outils efficaces pour apprendre des équations différentielles stochastiques et découvrir des modèles physiques. L'objectif principal de SuperStoc sera de résoudre des modèles avec une grande précision à partir de trajectoires courtes, partielles et bruitées. Le chercheur appliquera ces nouvelles méthodes à plusieurs problèmes biophysiques pour lesquels les méthodes existantes échouent, des gènes aux groupes de poissons. En prouvant que l'on peut faire plus avec les mêmes données, et en fournissant des outils pour le faire, SuperStoc aidera à combler le fossé de l'inférence vers une biophysique pilotée par les données.