Estelle Goulas
Axes de recherche
Within the "Plant Fibers" team headed by Pr. Simon HAWKINS, in the UMR CNRS 8576 Structural and Functional Glycobiology Unit (UGSF) at the University of Lille, I am interested in studying the impact of the environment on the formation and degradation of the cell wall in fiber plants (flax, hemp ...). I'm involved in the acquisition of large numbers of data sets (transcriptomic, proteomic, metabolomic, morphological ...) acquired in distinct organs or varieties/genotypes, under controlled or field conditions, during time-course studies of abiotic stress exposures (ie osmotic / hydric), during distinct years ... My current involvement focuses on multi-block analyses, thanks to the block.spls function of the R package mixOmics (http://mixomics.org), in order to identify in each block of -omic data what sets of 'active' variables are in strong interaction with others, wich allows to prioritize the response of the plant with the maximum of biological reality.
Au sein de l’équipe l’équipe « Fibres végétales » du Pr Simon HAWKINS, dans l’UMR CNRS 8576 Unité de Glycobiologie Structurale et Fonctionnelle (UGSF) de l'Université de Lille, je m’intéresse à l’impact de l’environnement sur la formation et la dégradation de la paroi cellulaire chez les plantes à fibres (lin, chanvre…). J’ai ainsi participé à l’acquisition de grands nombres de données (transcriptomiques, protéomiques, métabolomiques, morphologiques…) dans des organes ou dans des variétés différentes, en conditions contrôlées ou aux champs, au cours de cinétiques d’exposition à des stress abiotiques (i.e. osmotique/hydrique), sur des génotypes ou au cours d’années distinct(e)s... Mon implication actuelle concerne plus particulièrement l’analyse par multi-block de ces données, grâce à la fonction block.spls du package mixOmics de R (http://mixomics.org), pour identifier dans chaque bloc de données -omique quels jeux de variables 'actives' sont en forte interaction avec les autres et ainsi hiérarchiser la réponse de la plante avec le maximum de réalité biologique.