---
title: "Bilan semaine 9 2026 : 16 mars - 20 mars"
categories: [colBiSBM, inférence, GNN]
date: 2026 03 16
date-modified: last-modified
bibliography: references.bib
# from: markdown+latex_macros
---
{{< include /_macros.tex >}}

## TODO List

### Mes priorités de la semaine

- Faire tourner clustering colBiSBM sur les clusters dégagés par Mona et l'accompagner sur la rédaction de son poster
- Préparer ma présentation (voir le bloc ci-après) pour Rochebrune et donner un titre : 
    - "Comparing networks, a challenging task?" (NUL/20)
    - "High and low: comparing networks, ~~a burden for the mind~~ what works and what don't(?)"
- Finir implémentation dans sbm de blockmodels avec covariables sur les noeuds
- Bricoler une pipeline sbm |> nnet::multinom comme performance de référence pour l'introduction de covariables
- Comprendre pourquoi l'idée géniale de Sophie est remise en question
- Corriger les copies des 1As

:::{.callout-note title="Idées présentation Rochebrune"}

- colBiSBM: ce qui marche (et à la fin la galère du clustering)
- Transition sur les OTUs et motivations de pourquoi c'est galère (#OTU>>#Sample, dépendance par la phylogénie ...)
- Motivation du co-clustering (LBM), trouver des groupes d'échantillons et d'OTUs qui exhibent des comportement différents (pathologies, sols particuliers, échantillon alimentaire avec une flore d'intérêt ...)
- Première idée: LBM séquentiel, faire repartir des $\tau^{l}$ pour initialiser les $\tau^{l+1}$ selon l'arbre phylogénétique
    - Idées: faciliter l'exploration du paysage de l'ELBO en se plaçant dans une région de paramètres qui a du sens phylo et donc en sortir indiquerait un signal dans les données.
    - Problèmes: ne résout pas le problème de la dimensionnalité en les OTUs
    - Comme implém., performances pas incroyable et signal peu clair.
- Deuxième idée: SBM et LBM avec covariables sur les noeuds. Reconstruire des positions dans un espace phylogénétique à partir des matrices de distances phylogénétique (et donc en accord avec l'arbre). Mais aussi modèle plus large pour prendre en compte diverses situations (trouver des exemples d'autres données?).
    - Idées: possible de former les groupes a priori selon les tendances dans les covariables (reflet de la phylogénie) et mettre à jour selon les données
    - Quasiment implémenté dans `{blockmodels}` et dans `{sbm}` (j'aimerai pouvoir dire le jour de ma présentation que c'est dispo sur la version de développement, il va falloir charbonner de mon côté).
    - Théoriquement: on a l'identifiabilité (ou pas vu la pratique?)
    - Problèmes: Ne résoud pas les problèmes de calculs, en pratique on ne retrouve pas les bons coefficients (label-switching?)
- Troisième idée: Utiliser la structure de l'arbre phylogénétique pour encoder une relation des positions latentes dans un *Latent Position Model* (LPM).
    - Détail: pour chaque couche $l$, chaque individu de la couche $i$ et son ancêtre $j=Ancestor(i)$ (CITER LES PAPIERS A L'ORIGINE DE L'IDEE), on écrit $\gamma_{l,i} = \gamma_{l-1,j=Ancestor(i)} + \delta_{l,i} = \gamma_{0} + \sum_{k\in Ancestry(i)} \delta_{l,k}$ (puisque qu'on a un unique ancêtre dans chaque couche $l$), les noeuds qui partagent un ancêtre commun
    partage la position latente à ce niveau et lui ajoute un décalage $\delta$.
    - Remarque: Peut-être possible de gérer les cas de transferts horizontaux en élargissant le concept de lignée ancestrale?
    - Idée: (casquette de biologiste) possible d'avoir dans une même lignée phylogénétique des individus qui se spécialisent voire qui développent une convergence évolutive et acquièrent des traits phénotypiques qui ressemblent à d'autres familles.
    Dans ce cas, le $\delta_{l,i}$ rapprochent le $\gamma_{l,i}$ d'un $\gamma_{l, i^{\prime}}$ qui a le trait commun.
    - Problème: les calculs seraient ils simplifiés? pas sûr. Et je n'y ai pas encore touché.
- Utiliser les Hierarchical SBM et LBM de Peixoto dans son package `graphtools` pour initialiser l'arbre liant les couches avec l'arbre phylogénétique.

:::

### Les autres tâches

- Petites opérations sur les OTUs (regarder la matrice dans les yeux):
    - Ranger les OTUs par variances (i.e. `sd(OTU_j)`)
        - HMC sur-dispersés (au-dessus bissectrice)
        - Enterotype phyloseq sous-disp
    - Regarder la proportion de 1. taxon rares, 2. zeros.
    - Faire des coupures selon niveaux taxonomiques et regarder si $\Var_{\text{intra}} \approx \Var_{\text{inter}}$
    - *Bonus*: faire ça dans qmd et voir si forge permet gitlab pages

- Relire @peixotoHierarchicalBlockStructures2014
    - Regarder les gens qui citent les travaux de Peixoto
    - Utiliser graphtools en initialisant la recherche Nested avec le partitionnement donné par l'arbre phylogénétique.

:::{.callout-note title="Idées"}

- Trouver manière de faire un compromis : $\ell(Y,Z,W;\theta) - \lambda d(C(W),C_0)$ avec $C(W)$ le clustering seulement sur la base de la structure LBM et $C_0$ le clustering de l'arbre. Problème $d$ est une distance entre partition, comment optimiser dessus ?
- ⌛ Mise à jour partielle des $\tau$ : ce qui pose soucis c'est les gros calculs matriciels (c'est vraiment vrai?). Donc sorte de "stochastic" VEM où on update seulement une partie des $\tau$ à chaque itération. Et échantillonnage stratifié selon l'arbre ?
    - ⌛ Simulations avec $n_2$ croissant lancée sur Migale
    - Réimplementé VE Bernoulli dans colSBM pour Bipartite et début implémentation Stochastic VE. En fait le problème des calculs matriciels $Y\times(\tau^{(1)})^{\top}$ ($n_2^2$) donc besoin de sous-échantillonner les noeuds de l'autre dimension à mettre à jour.


:::

- Clustering unipartite j'ai cassé une fonction de distance à vérifier et réparer

- Codes pour le papier :
    - Nettoyer les scripts
    - Faire un joli README
    - ❓Faire des notebooks

- Réussir à reproduire résultat de @abramovStructureKnowsBest

- Maitriser graphtools de Peixoto pour essayer d'utiliser l'arbre taxonomique sur graphe de cooccurence inférer par SparCC

- Maitriser SparCC

- 👶 (délégué à Mona) Clustering sur Doré :
    - Ajouter Chao1 et 2, colonne par colonne (site par site), et faire indice moyen et la variance.

### Inférence et microbes

- ⌛ (En cours) Possible en modifiant lbm.h et sbm.h d'obtenir un modèle utilisant les covariables de groupes (de blocs ?).
Car besoin de changer `membership.m_step()` pour mettre à jour $\pmb\pi$ et $\pmb{\rho}$ en utilisant les $\pmb B^{\top}\pmb X$
et en renvoyant l'ELBO adaptée.
    - 😄 Avantage s'inscrit directement dans blockmodels et permet d'avoir toutes les lois d'émissions déjà codées et compatibles !

    - 😢 Besoin de réfléchir a une bonne implémentation.

J'ai codé l'optimisation et les transferts mais il faut que je vérifie que tout fonctionne

- ✅ Appliqué multipartite sur $\forall i, OTU_i \times Sample$:
![Le plot des groupes trouvés par le multipartite (2 pour tous les OTUs et 4 pour les échantillons.)](figs/Multipartite.svg)

#### Bibliographie: à lire, à faire

- Lire article multi-niveaux Saint-Clair
- 🆕 🔎 Trouver des papiers: 
    - LBM Negative Binomial
    - Network inference through sample comparison

- Idée des groupes sur la base de distance phylogénétique:
    - En train de comprendre les distances que phyloseq permet de calculer sur notre exemple
    - En train de lire sur Principle coordinate analysis : https://openplantpathology.github.io/OPP_Workshop_Multivariate/2-MV_PCO.html
    - Parametric t-SNE pour avoir une unique représentation latente (inconvénient utilise du Deep Learning)
    - Lire Papier UniFrac


#### Écrire et faire tourner

- 🆕 SparCC à différent niveaux
- 🆕⌛ Tree-PLN à différents niveaux


#### Causalité

Plus sur le temps long, à regarder

- GT causalité
- Daria Bystrova lire présentation @bystrovaCausalDiscovery (Meek rules, V-structure)

## A discuter

- 🆕 Voir pour des Réseaux / GDR ou aller
- 🆕 Chercher des cours à suivre

## Biblio à faire

- Regarder Transport optimal graphes bipartite.


## Lectures en cours 📚

### HDR Vincent Brault

- ⌛ Chap 2 : Creuser l'idée de maximiser l'énergie libre, très intéressant regarder le critère CARI et lire Robert et al 2021. Actuellement p32 du manuscrit
- Chap 3

### OT
- ⌛ @mazeletUnsupervisedLearningOptimal Intéressant pour le transport optimal entre graphes de tailles différentes | Regarder si regularization entropique ne marche pas bien pour le graphe.
- ⌛ @nennaLecture2Entropic Pour comprendre le problème d'OT régularisé pour l'entropie.
- ⌛ @nennaLecture1Monge

### Inférence de graphes

- ⌛ @aitchisonStatisticalAnalysisCompositional1982a, en cours

- ❗📖 @payneFiniteMixturesMultivariate2023 sur MixMPLN

### Causalité

- ❗📖 @bystrovaCausalDiscovery

### Largest Gaps

- ❗📖 @braultFastConsistentAlgorithm2023
- ❗📖 @channarondClassificationEstimationStochastic2012 le papier qui introduit le *Largest Gaps*