Recherche Data Gouv
Not a member yet
4753 research outputs found
Sort by
Indicateurs des séries annuelles issus des projections hydrologiques Explore2 pour le modèle J2000 sous RCP 4.5
No full textIndicateurs des séries annuelles issus des débits journaliers simulés par le modèle hydrologique J2000 pour l'ensemble des projections climatiques Explore2 sous RCP 4.5. Ces fichiers résultent de l'agrégation temporelle des simulations hydrologiques sous runs historiques (avant 2005) et des projections hydrologiques (post 2005), fichiers NetCDF disponibles au téléchargement dans la collection Explore2 - Projections hydrologiques.
Ce dépôt regroupe un tableau par indicateur et chaîne de simulation, c'est-à-dire, scénario d'émission RCP, couple GCM/RCM, correction de biais BC et modèle hydrologique HM. Ces données sont brutes et contiennent donc des chaînes de projections jugées aberrantes / horsains qu'il est possible de filtrer grâce à des métadonnées supplémentaires. Pour des raisons techniques, ces indicateurs sont regroupés par dossiers compressés selon les différentes phases du régime hydrologique.
La description des chaines de modélisation du climat et celle des modèles hydrologiques sont, respectivement, disponibles dans le rapport https://doi.org/10.57745/PUR7ML et dans les annexes du rapport https://doi.org/10.57745/S6PQXD. Retrouvez le diagnostic des modèles hydrologiques résumé à l'échelle des régions hydrologiques dans les fiches téléchargeables ici : https://doi.org/10.57745/DMFUXW.
Métadonnées supplémentaires : Récapitulatif de l'ensemble des indicateurs hydrologiques : https://doi.org/10.57745/JVNHQL Récapitulatif de l'ensemble des chaînes de simulation : https://doi.org/10.57745/R6HG5X Description de l'ensemble des points de simulation : https://doi.org/10.57745/UTKWR5 Liste des chaînes de modélisation jugées aberrantes / horsains : https://doi.org/10.57745/YZNENQ Récapitulatif des années pivots utilisées pour la TRACC : https://doi.org/10.57745/DCOQM6
Décomposition des chaînes de caractères formant le nom des fichiers parquet, séparées par des "_" : {1} Indicateur : Le nom de l’indicateur, du type de statistique calculée {2} Échantillonnage : Échantillonnage temporel sur laquelle est calculé l’indicateur → {1}_{2} Variable : Variable résultante d'un indicateur temporellement contextualisé {3} EXP : Identifiant de l’expérience historique (post 2005) ou future (post 2005) {4} GCM : Identifiant du GCM forçeur {5} RCM : Identifiant du RCM {6} BC : Identifiant de la méthode de correction de biais statistique {7} HM : Identifiant du modèle hydrologique
Les colonnes des fichiers parquet sont : EXP : Voir ci-dessus GCM : Voir ci-dessus RCM : Voir ci-dessus BC : Voir ci-dessus HM : Voir ci-dessus code : Code à 10 caractères du point de simulation fourni dans la description des points de simulation date : Date du début de la période annuelle d'agrégation (i.e. 2042-05-01 indique que l'année hydrologique commence en mai, plus d'information dans les métadonnées de variable) *Variable* : Voir ci-dessus
Retrouvez des scripts d'aide pour utiliser ces données parquet
Ensemble des indicateurs des séries par horizons temporels issus des narratifs des projections hydrologiques Explore2
No full textEnsemble des indicateurs des séries par horizons temporels associées aux 36 chaînes de modélisations de débits journaliers issus de 9 modèles hydrologiques pour la sélection des 4 narratifs climatiques Explore2 sous RCP 8.5. Ces fichiers résultent de l'agrégation temporelle des simulations hydrologiques sous runs historiques (avant 2005) et des projections hydrologiques (post 2005), fichiers NetCDF disponibles au téléchargement dans la collection Explore2 - Projections hydrologiques.
Ce dépôt regroupe un tableau par indicateur et chaîne de simulation par narratif pour chaque modèle hydrologique, c'est-à-dire, scénario d'émission RCP, couple GCM/RCM, correction de biais BC et modèle hydrologique HM. Ces données sont brutes et contiennent donc des chaînes de projections jugées aberrantes / horsains qu'il est possible de filtrer grâce à des métadonnées supplémentaires. Pour des raisons techniques, ces indicateurs sont regroupés par dossiers compressés selon les différentes phases du régime hydrologique.
La description des chaines de modélisation du climat et celle des modèles hydrologiques sont, respectivement, disponibles dans le rapport https://doi.org/10.57745/PUR7ML et dans les annexes du rapport https://doi.org/10.57745/S6PQXD. Retrouvez le diagnostic des modèles hydrologiques résumé à l'échelle des régions hydrologiques dans les fiches téléchargeables ici : https://doi.org/10.57745/DMFUXW.
Définition des 4 narratifs climatiques : violet (#791F5D) : HadGEM2-ES_historical-rcp85_CCLM4-8-17_ADAMONT Fort réchauffement et forts contrastes saisonniers en précipitations orange (#E09B2F) : EC-EARTH_historical-rcp85_HadREM3-GA7_ADAMONT Fort réchauffement et fort assèchement en été (et en annuel) jaune (#EECC66) : CNRM-CM5_historical-rcp85_ALADIN63_ADAMONT Changements futurs relativement peu marqués vert (#569A71) : HadGEM2-ES_historical-rcp85_ALADIN63_ADAMONT Réchauffement marqué et augmentation des précipitations
Métadonnées supplémentaires : Récapitulatif de l'ensemble des indicateurs hydrologiques : https://doi.org/10.57745/JVNHQL Récapitulatif de l'ensemble des chaînes de simulation : https://doi.org/10.57745/R6HG5X Description de l'ensemble des points de simulation : https://doi.org/10.57745/UTKWR5 Liste des chaînes de modélisation jugées aberrantes / horsains : https://doi.org/10.57745/YZNENQ Récapitulatif des années pivots utilisées pour la TRACC : https://doi.org/10.57745/DCOQM6
Décomposition des chaînes de caractères formant le nom des fichiers parquet, séparées par des "_" : {1} Indicateur : Le nom de l’indicateur, du type de statistique calculée {2} Échantillonnage : Échantillonnage temporel sur laquelle est calculé l’indicateur → {1}_{2} Variable : Variable résultante d'un indicateur temporellement contextualisé {3} HX : Horizon futur (H[123]) → {1}_{2}_{3} Série : Série d'une variable pour un horizon temporel, défini dans le récapitulatif des indicateurs hydrologiques {4} EXP : Identifiant de l’expérience historique (post 2005) ou future (post 2005) {5} GCM : Identifiant du GCM forçeur {6} RCM : Identifiant du RCM {7} BC : Identifiant de la méthode de correction de biais statistique {8} HM : Identifiant du modèle hydrologique {9} Futur : Période futur (fut-YYYYMMDD-YYYYMMDD)
Les colonnes des fichiers parquet sont : EXP : Voir ci-dessus GCM : Voir ci-dessus RCM : Voir ci-dessus BC : Voir ci-dessus HM : Voir ci-dessus code : Code à 10 caractères du point de simulation fourni dans la description des points de simulation date : (optionnelle) Date associée à l'agrégation (plus d'information dans les métadonnées de variable) *Série* : Voir ci-dessus
Retrouvez des scripts d'aide pour utiliser ces données parquet
Dynamics of feed, calcium and phosphorus intake in laying hens
No full textThese databases provide data on feed, calcium (Ca), and phosphorus (P) intake dynamics in laying hens. Since particle size is a key factor influencing nutrient utilization in laying hens, databases also include information on diet particle size, as well as Ca and P concentrations in different diet fractions.
The complete methodology of data analysis is described in the paper of Hervo et al. (2025) submitted to Animal Open Space: Dynamics of feed, calcium, and phosphorus intake in laying hens. Raw data were collected during the experimental trial of Hervo et al. (2023) published in Poultry Science (102(5): 102613; https://doi.org/10.1016/j.psj.2023.102613).Ce jeu de données donne des informations sur la dynamique de l'ingestion d'aliment, de calcium (Ca) et de phosphore (P) chez les poules pondeuses. La taille des particules étant un facteur clé influençant l'utilisation des nutriments chez les poules pondeuses, les données contiennent également des informations sur la taille des particules dans l’aliment, ainsi que sur les teneurs en Ca et P dans les différentes fractions de l'aliment.
La méthodologie complète d'analyse des données est décrite dans l'article de Hervo et al. (2025) soumis à Animal Open Space : Dynamics of feed, calcium, and phosphorus intake in laying hens. Les données brutes ont été collectées au cours de l'essai de Hervo et al. (2023) publié dans Poultry Science (102(5) : 102613; https://doi.org/10.1016/j.psj.2023.102613)
Microtomoscan of Clay-Sulfate Rock before Exposure to KCl in the Desiccator for 62 Days, Part 3
No full textmicrotomosca
Estimated "ESR" and "anticipation time" scores attributed to the IPM taxonomy layers
No full textFollowing the harmonised completed taxonomy of IPM practices, we carried out a mapping of practices which included a range of tactical short term to strategic long term practices. The ESR-framework has been utilised in the last three decades to describe the transitioning of farming operations from conventional to sustainable arable practices (Hill and MacRae, 1996). A survey was carried out in order to classify each practice into the three categories: Efficiency, Substitution and (System) Redesign according to five scores.
As a complement to the ESR-scores, we added the variable “Time of anticipation” which refers to the anticipated time lag between the introduction of a practice to the point when noticeable results are observed, such as lower pest levels and improved crop performance.
This table is the compilation of these two scores and their variability attributed to each of the IPM taxonomy layers
WGS Mutant Gelless
No full textDuring the production of RNAi transgenic lines, we identified a gel-less mutant in the progeny of one T0 line out of nine (line L2). A S1 population of 114 plants segregating for the gel-less phenotype was generated by self-pollination of a heterozygous Micro-Tom gel-less mutant T2 plant (line L-2.10). WT-like and mutant-like bulks were constituted based on the gel-less phenotype for further whole genome sequencing. S1 offsprings were used to constitute the bulks. Equal amounts of leaf tissue from 45 S2 plants (descendant of five S1 plants) were pooled for the WT-like and from 27 S2 plants (descendant of five S1 plants) for the mutant-like bulk. The WT-like bulk was enriched for the homozygous WT allele by selecting S1 progenies that did not segregate for the gel-less phenotype. Genomic DNA was extracted as previously described (Garcia et al., 2016) and sequenced on an Illumina HiSeq 2000 sequencer operating in a 100-bp paired-end run mode at the INRA-GeT-PlaGe-GENOTOUL platform
Thousand seeds weight in boosting orphan legumes from the Mediterranean Basin: INRAE 2024 trial datasets
No full textResults of the greenhouse trial on accessions at INRAE-Versailles/ France
The trial was conducted from september 2023 to March 2024.
These data refer to the thousand seeds weight measurements in all accessions.
The dataset is organised following the MIAPPE (Minimum Information About Plant Phenotyping Experiments) guidelines
The biological material file contains the information on the biological materials used for the trial.
The study and the observed variables files explains the observed variables and describe the study.
In the dataset file, the study_ID and the biologicalmaterial_ID refers to the identification of the trial from which the dataset is build.
The "Species_ID" column refers to the specy used in the study.
The "Accessions" column refers to the accession used in the study.
The "Treatment_ID" column refers to the treatment that is applied.
The TSW columns refer to the measurement of the thousand seeds weight results. The measurement unit is in gram.
</br
Données d'analyse pour : "Microbial community transfers across a pilot ripening cellar are increased by cheese wiping"
No full textQuarto scripts that have be used for the publication Microbial community transfers across a pilot ripening cellar are increased by cheese wiping.
The folder zip archive contains 4 folder:
Metabarcoding analyses (16S) = `MetaB16S`
Metabarcoding analyses (ITS) = `MetaBITSS`
Analyses from culture-depend data and from gases data (CO2) = `Microbiology_gases`
All data = `Raw_data`
Metab16S
In the MetaB16S folder ==\> 2 documents, the quarto file and the html version, related with analyses of bacterial composition and diversity from all environments (cheese, cloth, air and wall's cellars).
The quarto file contains the following analyses.
Cheese microbial characteristics
Barpolt of composition of short-ripened cheese and long-ripened cheese (separeted by time and cellars)
Alpha diversity was measured with the Shannon and Richness observed indexes by ripening stage, time and cellar
Beta diversity analyses were generated by ripening stage, time and cellar (+ Permanova analyses and pairwise adonis when necessary)
All env microbial characteristics
Same analyses as for cheese microbial characteristics were performed to describe microbial evolution for all environments (cheese, cloths, air and wall'cellars)
Flux - all environments
Microbial transfers between all environments ==\> heatmap from ASVs at least shared with two environments and gather at species level and then at order level.
In this heatmap, we can see the prevalence (Blue = weak, red = strong) of thoses ASVs at different relative abundance (absciss axe) for 6 environments (long-ripened cheese, short-ripened cheese, long-ripened cheese cloth, short-ripened cheese cloth, air and wall).
This heatmap was generated for the three cellar separately.
MetaBITS
In the MetaBITS files there are two documents (quarto file with the script and the html version) related with bacterial composition of all environments (cheese, cloth, air and wall's cellars) In the quarto file, the phyloseq files was loaded to generate the following figures.
Same analyses as MetaB16S were generated for fungal community.
Differential analyses
Differential analyses performed on cheese samples ==\> (short-ripened cheeses stored with vs without long-ripened cheeses)
Microbiology_gases
In this this barplot of levels of molds in the air according wiping activity ==\> comparison of 2 media (OGA vs MEA) A figure of the evolution of CO2 during one day in one cave was generated.
On this figure we can see the concentration of CO2 increasing when cheeses were being wiped and its diminution.
Then there is zoom on some specific period when the CO2 increased when cheese were not being wiped.
Raw_data
`2023-06-07_synthese_microbio_SN_1204`file (.xlsx) , sheet = Microbiologie ==\> data related with enumeration for each environment + metadata (date of sampling, cellar, wiping conditions...)
`2024-10-10_Phyloseq_SN_16S` file (.Rdata) ==\> phyloseq file use to performed analyses MetaB16S
`2024-10-10_Phyloseq_SN_ITS` file (.Rdata) ==\> phyloseq file use to performed analyses MetaBITS
`2024-10-14_Synthese_gases_all_cellars1` file (.xlsx)==\> several sheets:
`Evolution of CO2C2, Cave 3 and Cave 4` = Evolution of CO2, relative humidity, temperature and atmospheric pressure from 12/04/2023 to 17/05/2023.
`CO2_suivi_C2, CO2_suivi_C3 and CO2_suivi_C4` = For each cellar (C2,C3 and C4) ==\> focus evolution on of CO2, relative humidity, temperature and atmospheric pressure on 1 day
`NH3` = Evolution of NH3 from 12/04/2023 to 12/05/2023
[EBI BioProject](https://www.ebi.ac.uk/ena/browser/view/PRJEB91282
Data, Results and tools code for MetaNetMap paper reproducibility
No full textMISTIC – Coralie Muller – MetaNetMap Data Repository
MetaNetMap is a Python tool designed to map metabolite information from metabolomic data onto metabolic networks.
This repository contains all the files and code required to reproduce analyses presented in the article:
"MetaNetMap: Automatic Mapping of Metabolomic Data onto Metabolic Networks" (Muller, C. et al., 2025) BioRxiv, ensuring full reproducibility.
Information
The MetaCyc conversion table cannot be provided due to licensing restrictions.
The MetaNetX conversion table is included.
Contents
README:
Contains detailed descriptions of each dataset and instructions on how to reproduce the article’s results using the MetaNetX conversion table.
Data and Results:
Contains analysis results from applying MetaNetMap to real metabolomic studies (application examples).
Tool (MetaNetMap.zip):
MetaNetMap software
Test datasets
Jupyter notebook for running analyses
</ul