Certaines données ne conviennent pas à un test t, et les traiter comme telles est la cause discrète de nombreux résultats non reproductibles.

Nous concevons des modèles pour les données structurées : modèles linéaires à effets mixtes pour mesures répétées, association de biomarqueurs dans des études transversales et longitudinales, et modèles de Markov cachés pour données séquentielles. Nous modélisons aussi le comportement murin pour caractériser l'apprentissage et la mémoire.

C'est la plus ancienne force de la plateforme et la raison pour laquelle discuter du plan d'expérience dès le départ est si précieux. Si vos mesures sont emboîtées, croisées, corrélées dans le temps ou recueillies par lots, le choix de la modélisation a souvent plus d'impact que celui du pipeline.