Descriptif des enseignements : Différence entre versions
De Master de Bioinformatique de Toulouse
m (→Master 1 - Semestre 7) |
|||
(44 révisions intermédiaires par 2 utilisateurs non affichées) | |||
Ligne 13 : | Ligne 13 : | ||
}} | }} | ||
--> | --> | ||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | < | + | <!-- = Master 1 - Semestre 7 = |
− | + | ||
− | + | ===Bioanalyse=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3'''<br> | |
− | + | '''Objectifs'''<br> | |
− | + | Cet enseignement a pour but de former les étudiants aux approches bio-informatiques utilisées dans le cadre de l'analyse de séquences biologiques. Les concepts sous-jacents à ces approches seront décrits et seront suivis de leur mise en pratique.<br> | |
+ | '''Prérequis'''<br> | ||
+ | Utilisation d'un navigateur web, notion de Biologie Moléculaire (ADN, ARN, protéines…)<br> | ||
+ | '''Contenu'''<br> | ||
+ | Les cours viseront en une présentation : des différentes banques de données et des systèmes d'interrogation ; des méthodes de recherche par similarité dans ces banques (Blast, Psi-Blast); des méthodes utilisées pour la comparaison de deux séquences (matrice de points, alignement global et local) ainsi que celles développées pour les alignements multiples; des matrices de substitution (PAM, BLOSUM etc..) ; des approches dédiées à la recherche de motifs, signatures et profils. | ||
+ | Les séances sur ordinateur illustreront les démarches et approches de bioanalyse décrites en cours, en utilisant des logiciels dédiés et des données biologiques disponibles dans les bases de données.<br> | ||
+ | '''Références''' <br> | ||
+ | Cours et applications (2015). Gilbert Deléage et Manolo Gouy. 2ème édition. DUNOD<br> | ||
+ | '''Mots Clefs''' : | ||
+ | Banque, BLAST, alignements, domaines et motifs. | ||
+ | </font> | ||
+ | ===Algorithmique et complexité=== | ||
+ | <font face = "Times New Roman" size = "3"> | ||
+ | '''ECTS : 3'''<br> | ||
+ | '''Objectifs'''<br> | ||
Cette UE est pour les étudiants provenant de biologie. Les autres étudiants suivront l'UE d'Harmonisation des connaissances en biologie. | Cette UE est pour les étudiants provenant de biologie. Les autres étudiants suivront l'UE d'Harmonisation des connaissances en biologie. | ||
Décomposer un programme en éléments de plus petite taille. | Décomposer un programme en éléments de plus petite taille. | ||
Ligne 43 : | Ligne 41 : | ||
Implémenter des algorithmes, les tester et les déboguer. | Implémenter des algorithmes, les tester et les déboguer. | ||
Comprendre les notions et les techniques qui permettent d’analyser la complexité d’algorithmes. | Comprendre les notions et les techniques qui permettent d’analyser la complexité d’algorithmes. | ||
− | Initiation aux systèmes Unix : gestion des fichiers, commandes de base. | + | Initiation aux systèmes Unix : gestion des fichiers, commandes de base. <br> |
− | + | '''Prérequis'''<br> | |
− | + | Mathématiques élémentaires | |
− | + | '''Contenu'''<br> | |
+ | ''Algorithmique''<br> | ||
* Syntaxe élémentaire, notion de variables, constantes... | * Syntaxe élémentaire, notion de variables, constantes... | ||
* Expressions et affectations | * Expressions et affectations | ||
Ligne 53 : | Ligne 52 : | ||
* Types de données (entiers, réels, chaîne de caractères, tableaux, listes, dictionnaires) | * Types de données (entiers, réels, chaîne de caractères, tableaux, listes, dictionnaires) | ||
* Fonctions | * Fonctions | ||
− | + | ''Concepts de la programmation''<br> | |
− | Concepts de la programmation | + | |
* Concept d'algorithme | * Concept d'algorithme | ||
* Types d'erreur | * Types d'erreur | ||
Ligne 60 : | Ligne 58 : | ||
* Algorithmes simples (moyenne, min, max d’une liste, manipulation de séquences ADN, transcription ARN, traduction protéines) | * Algorithmes simples (moyenne, min, max d’une liste, manipulation de séquences ADN, transcription ARN, traduction protéines) | ||
* Stratégies de résolution de problèmes | * Stratégies de résolution de problèmes | ||
− | + | ''Complexité''<br> | |
− | Complexité | + | |
Introduction des notions et techniques qui permettent d’analyser la complexité d’algorithmes. | Introduction des notions et techniques qui permettent d’analyser la complexité d’algorithmes. | ||
Complexité de boucles, ''pour'' ou ''tantque'', dans le cas le pire et le cas moyen. | Complexité de boucles, ''pour'' ou ''tantque'', dans le cas le pire et le cas moyen. | ||
− | + | ''Systèmes Unix'' <br> | |
− | Systèmes Unix | + | |
* introduction aux système de gestion de fichiers | * introduction aux système de gestion de fichiers | ||
− | * commandes SHELL de base, notions de filtrages et d'entrées sorties | + | * commandes SHELL de base, notions de filtrages et d'entrées sorties |
− | + | '''Références'''<br> | |
− | Unix, Initiation et utilisation : Colin, Armspach, Ostré-Waerzeggers, Dunod, 2004 | + | Algorithmes - Notions de base. Thomas H. Cormen. Dunod, 2013.<br> |
− | + | Unix, Initiation et utilisation : Colin, Armspach, Ostré-Waerzeggers, Dunod, 2004 <br> | |
competences=Modéliser un problème simple et savoir implémenter un algorithme pour le résoudre. | competences=Modéliser un problème simple et savoir implémenter un algorithme pour le résoudre. | ||
Analyser la complexité d’algorithmes itératifs et de structures de données.| | Analyser la complexité d’algorithmes itératifs et de structures de données.| | ||
keywords=Algorithmique ; structures ; instructions conditionnelles ; séquences nucléiques et protéiques ; annotations structurées ; complexité asymptotique | keywords=Algorithmique ; structures ; instructions conditionnelles ; séquences nucléiques et protéiques ; annotations structurées ; complexité asymptotique | ||
− | + | </font> | |
− | + | ===Programmation en bioinformatique=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3'''<br> | |
− | + | '''Objectifs'''<br> | |
− | + | Apprentissage de la programmation structurée avec des langages impératifs.Savoir utiliser des structures classiques. Mise en œuvre en utilisant un langage impératif. Utilisation de bibliothèques de programmation dédiée à la bioinformatique, notamment pour la manipulation de séquences (nucléiques et protéiques) ainsi que l’exploitation de diverses sources et format de données.<br> | |
− | + | '''Prérequis''' <br> | |
− | + | UE Algorithmique et complexité <br> | |
− | + | '''Contenu'''<br> | |
− | + | ''Notions fondamentales''<br> | |
− | + | ||
* Expressions : types de données élémentaires, affectation, opérateurs arithmétiques | * Expressions : types de données élémentaires, affectation, opérateurs arithmétiques | ||
* Conditions : structures conditionnelles / expressions booléennes | * Conditions : structures conditionnelles / expressions booléennes | ||
* Itérations : structures itératives, types listes et chaînes de caractères | * Itérations : structures itératives, types listes et chaînes de caractères | ||
* Fonctions définies par le programmeur | * Fonctions définies par le programmeur | ||
− | * Gestion des entrées et sorties : interactif, lecture et écriture de fichiers, formats compressés | + | * Gestion des entrées et sorties : interactif, lecture et écriture de fichiers, formats compressés <br> |
− | + | ''Notions complémentaires''<br> | |
− | Notions complémentaires | + | |
* Types structurés : dictionnaires | * Types structurés : dictionnaires | ||
* Expressions régulières | * Expressions régulières | ||
* Modules : importation et création | * Modules : importation et création | ||
* Modules spécifiques : matplotlib (graphique), biopython (bio-informatique), numpy (algèbre), pandas (analyse de données) | * Modules spécifiques : matplotlib (graphique), biopython (bio-informatique), numpy (algèbre), pandas (analyse de données) | ||
− | |||
* Algorithmes de tri | * Algorithmes de tri | ||
− | * Algorithmes de comptage, de recherche et de comparaison de séquences ADN | + | * Algorithmes de comptage, de recherche et de comparaison de séquences ADN <br> |
− | + | '''Références''' <br> | |
− | + | Apprendre à programmer avec Python 3, Gérard Swinnen, Eyrolles<br> | |
competences=Maîtriser les notions fondamentales théoriques et pratiques d'un langage impératif | competences=Maîtriser les notions fondamentales théoriques et pratiques d'un langage impératif | ||
Savoir décomposer un problème en petits sous-problèmes et être capable d'implémenter une solution | Savoir décomposer un problème en petits sous-problèmes et être capable d'implémenter une solution | ||
− | Savoir comment évaluer la performance d'un programme | + | Savoir comment évaluer la performance d'un programme |
− | + | '''Mots clefs''' : | |
− | + | Algorithmique ; structures ; instructions conditionnelles ; programmation impérative ; Biopython ; séquences génomiques nucléiques et protéiques ; annotations structurées ; ontologies | |
− | + | </font> | |
− | + | ===Mathématiques pour la biologie=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3'''<br> | |
− | + | '''Objectifs'''<br> | |
− | + | Initiation théorique aux bases d'algèbre linéaire, d'analyse et de probabilités. Représentation matricielle. Modélisation de problèmes dynamiques : résolution d'équations différentielles. Présentation des algorithmes numériques pour résoudre ces problèmes. Probabilités. Mise en application dans le cadre d’un projet applicatif en biologie des notions théoriques et algorithmes vus en cours.<br> | |
− | + | '''Prérequis''' <br> | |
− | + | '''Contenu'''<br> | |
− | + | ''Algèbre Linéaire'' | |
− | + | ||
* Opérations élémentaires sur les matrices | * Opérations élémentaires sur les matrices | ||
* Déterminant | * Déterminant | ||
* Diagonalisation : recherche de vecteurs/valeurs propres. | * Diagonalisation : recherche de vecteurs/valeurs propres. | ||
* résolutions de systèmes linéaires, | * résolutions de systèmes linéaires, | ||
− | Analyse | + | ''Analyse'' |
* intégration, | * intégration, | ||
* équations différentielles, | * équations différentielles, | ||
* optimisation, | * optimisation, | ||
* Droite de régression : problème des moindres carrés ordinaires | * Droite de régression : problème des moindres carrés ordinaires | ||
− | Probabilités | + | ''Probabilités'' |
* Probabilités conditionnelles, règles de Bayes | * Probabilités conditionnelles, règles de Bayes | ||
* Variables aléatoires discrètes et continues : lois de probabilités, espérances, variances, covariance, corrélation | * Variables aléatoires discrètes et continues : lois de probabilités, espérances, variances, covariance, corrélation | ||
− | * modèle linéaire | + | * modèle linéaire<br> |
− | + | '''Références''' <br> | |
− | competences=Savoir utiliser des outils mathématiques d'algèbre linéaire, d'analyse et de probabilités pour représenter et analyser des données biologiques, modéliser des problèmes dynamiques. | + | Mathématiques pour les Sciences de la vie et de la Terre – C. David, S. Mustapha, F. Viens, N. Capron, edition Dunod<br> |
− | + | competences=Savoir utiliser des outils mathématiques d'algèbre linéaire, d'analyse et de probabilités pour représenter et analyser des données biologiques, modéliser des problèmes dynamiques. | |
− | + | '''Mots Clefs''' : systèmes linéaires ; vecteurs/valeurs propres ; équations différentielles ; probabilités | |
+ | </font> | ||
+ | ===Traitement des données biologiques=== | ||
+ | <font face = "Times New Roman" size = "3"> | ||
+ | '''ECTS : 3'''<br> | ||
+ | '''Objectifs'''<br> | ||
+ | Acquisition des notions fondamentales de l’analyse statistique appliquée aux données biologiques, et maîtrise de l’utilisation du logiciel R/Rstudio. Les étudiants doivent pouvoir (i) décrire des données biologiques associées à un plan expérimental, (ii) tester des hypothèses biologiques liées aux données par des méthodes statistiques adaptées, et (iii) interpréter biologiquement les résultats de ces traitements.<br> | ||
+ | '''Prérequis''' <br> | ||
+ | Connaissances de bases en mathématiques. Notion d'expression génique. <br> | ||
+ | '''Contenu''' <br> | ||
+ | * Statistiques descriptives (une ou plusieurs variables qualitatives et/ou quantitatives, représentations graphiques, introduction aux analyses multivariées). | ||
+ | * Statistiques inférentielles (loi de probabilité, distribution d’échantillonnage, estimation ponctuelle, estimation par intervalle de confiance, tests paramétriques et non paramétriques, tests multiples). | ||
+ | * Introduction au traitement des données post-génomiques par l’analyse de données multivariées telles que des données de transcriptome : différence d’expression des gènes, recherche de co-régulations géniques par analyses multivariées et clustering, caractérisation d’ensembles de gènes.<br> | ||
+ | '''Références''' <br> | ||
+ | The R Book (Mickael J Crawley)<br> | ||
+ | competences=Savoir décrire des données biologiques (incluant des données de transcriptome). Savoir tester des hypothèses liées aux données biologiques récoltées suite à l'experimentation/l'échantillonnage, et utiliser des approches statistiques courantes en sciences biologiques. Savoir interpréter biologiquement les résultats du traitement statistique. Maitriser un outil informatique appliqué à l’analyse statistique (logiciel R). | ||
+ | '''Mots clefs''' : statistiques descriptives ; probabilités ; échantillonnage ; test statistique ; analyse transcriptomique | ||
+ | </font> | ||
− | + | ===Introduction aux bases de données=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3'''<br> | |
− | + | '''Objectifs'''<br> | |
− | + | L'objectif de ce cours est d'apprendre aux étudiants à concevoir une base de données et de l’interroger en algèbre relationnelle ainsi qu'en langage déclaratif tel que le langage SQL.<br> | |
− | + | '''Prérequis''' <br> | |
− | + | '''Contenu''' <br> | |
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | < | + | |
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
# Définition, objectifs des bases de données et fonctions des SGBD | # Définition, objectifs des bases de données et fonctions des SGBD | ||
# Modèles de données | # Modèles de données | ||
Ligne 168 : | Ligne 157 : | ||
# Langages de définition et de manipulation des bases de données relationnelles | # Langages de définition et de manipulation des bases de données relationnelles | ||
#* LDD : Langage de Définition de Données | #* LDD : Langage de Définition de Données | ||
− | #* LMD: Langage de Manipulation de Données | + | #* LMD: Langage de Manipulation de Données <br> |
− | + | '''Références''' <br> | |
+ | Gardarin G., "Bases de données", Edition Eyrolles, 2003 (ISBN 2-212-11281-5).<br> | ||
competences=<br/> | competences=<br/> | ||
* Maîtriser les concepts fondamentaux des bases de données relationnelles | * Maîtriser les concepts fondamentaux des bases de données relationnelles | ||
* Savoir concevoir une base de données relationnelle | * Savoir concevoir une base de données relationnelle | ||
− | * Maîtriser le langage SQL | + | * Maîtriser le langage SQL |
− | + | '''Mots Clefs''' : bases de données relationnelles ; modélisation ; algèbre relationnelle ; LDD ; LMD ; language SQL | |
− | + | </font> | |
− | + | ===Bioinformatique des séquences=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3'''<br> | |
− | + | '''Objectifs'''<br> | |
− | + | Comprendre les concepts et algorithmes sous-jacents aux principaux outils de comparaison de séquences biologiques afin d’être capable de choisir la méthode la plus pertinente pour répondre à une problématique.| | |
− | + | '''Prérequis'''<br> | |
− | + | Connaissance de biologie moléculaire et de bases en bioanalyse (contenu des banques, interrogation, recherche d'homologues). | |
− | + | '''Contenu''' <br> | |
− | + | Les cours viseront à montrer la différence entre un alignement exact (Needleman et AW56 Smith et Waterman) ou approché via des heuristiques (type BLAST) ; l'intérêt de la méthode de programmation dynamique pour la comparaison de séquences ; comprendre les différentes approches en alignement multiple de séquences : méthodes locales et globales, progressives versus itératives ; connaître les méthodes de caractérisation (signature, profile) et la recherche de motifs communs entre plusieurs séquences. | |
− | + | La mise en pratique de ces différentes méthodes sera faite lors de séances de travaux dirigés et pratiques, en insistant sur leurs avantages ou leurs limites.<br> | |
− | La mise en pratique de ces différentes méthodes sera faite lors de séances de travaux dirigés et pratiques, en insistant sur leurs avantages ou leurs limites. | + | '''Références''' <br> |
− | + | Bio-informatique. Principes d'utilisation des outils. 2010. D. Tagu, J.L. Risler, coord. Ed Quae <br> | |
− | Bioinformatique - Cours et applications. 2ème édition. 2015. G. Deléage et M. Gouy. Dunod | + | Bioinformatique - Cours et applications. 2ème édition. 2015. G. Deléage et M. Gouy. Dunod <br> |
− | competences=Etre capable d'élaborer une stratégie et de choisir et utiliser les méthodes ad hoc pour comparer des ensembles de séquences et en dégager des informations pertinentes. | + | competences=Etre capable d'élaborer une stratégie et de choisir et utiliser les méthodes ad hoc pour comparer des ensembles de séquences et en dégager des informations pertinentes. |
− | + | '''Mots clefs''' : Algorithmes pour la comparaison de séquences ; heuristique ; profils | |
− | + | </font> | |
− | + | ===Bioinformatique pour la Génomique=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3'''<br> | |
− | + | '''Objectifs'''<br> | |
− | + | Cet enseignement permettra aux étudiants d'acquérir les approches d'analyses des données de génomes, plus particulièrement l'annotation des séquences génomiques et la génomique comparative. Les concepts et les questions biologiques sous-jacents à ces approches seront abordés et seront suivis de leur mise en pratique sur des cas concrets.<br> | |
− | + | '''Prérequis''' <br> | |
− | + | '''Contenu'''<br> | |
− | + | Les cours aborderont : <br> | |
− | + | * La description de la conception d'un prédicteur de gène et des différentes méthodes qui doivent être mise en œuvre pour effectuer les mesures nécessaires sur la séquence génomique analysée (type contenu, signal, similarité) et comment ces différentes informations sont intégrées dans un modèle de structure de gène qui sera ensuite implémenté dans une solution logicielle permettant de réaliser la prédiction de la structure optimale. Parmi ces approches, les modèles de Markov cachés (HMM) permettant de réaliser des modèles probabilistes d’une suite de problèmes linéaires labellisés seront plus particulièrement développés. | |
− | + | * la description des concepts et des hypothèses fonctionnelles qui sous-tendent les approches de génomique comparative.<br> | |
− | + | Les séances de TP auront lieu sur ordinateur de manière à mettre en pratique les approches et démarches théoriques décrites en cours.<br> | |
− | + | '''Références''' <br> | |
− | + | Biological sequences analysis: Probabilistic Models of Proteins and Nucleic Acids (1998) R. Durbin, S. Eddy, A. Krogh, G. Mitchison. Cambridge University Press.| | |
− | + | competences <br> | |
− | + | '''Mots Clefs''' : Annotation de génomes ; Modèle de Markov caché ; génomique comparative ; alignement de génomes ; synténie | |
− | competences | + | </font> |
− | + | ===Traitement de graphes et réseaux biologiques=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3'''<br> | |
− | + | '''Objectifs'''<br> | |
− | + | Dans ce module, les étudiants aborderont les concepts et les algorithmes de base en théorie des graphes. Quelques problèmes classiques de biologie seront revisités à la lumière de ces concepts. Les réseaux d’interactions moléculaires (régulation transcriptionnelle, réseaux métaboliques, réseaux d’interactions protéiques) et les problèmes de graphes associés constitueront des applications privilégiées.<br> | |
− | + | '''Prérequis'''<br> | |
− | + | Algorithmique ; Programmation ; Métabolisme ; Génétique| | |
− | + | '''Contenu''' <br> | |
− | + | * Concepts et définitions | |
− | + | * Graphes et réseaux rencontrés en biologie et bioinformatique | |
− | + | * Représentations informatiques et manipulations | |
− | + | * Formats de stockage | |
− | Graphes et réseaux rencontrés en biologie et bioinformatique | + | * Logiciels de visualisations, d'éditions et d'analyse |
− | Représentations informatiques et manipulations | + | * Librairies et boites à outils |
− | Formats de stockage | + | * Algorithme de parcours et de dessin |
− | Logiciels de visualisations, d'éditions et d'analyse | + | * Arbres couvrants |
− | Librairies et boites à outils | + | * Détection de motifs |
− | Algorithme de parcours et de dessin | + | * Partitionnement et détection de communautés <br> |
− | Arbres couvrants | + | '''Références''' <br> |
− | Détection de motifs | + | Introduction to Algorithms, Corsen, Leiserson and Rivest, MIT Press and McGraw-Hill <br> |
− | Partitionnement et détection de communautés | + | |
− | + | ||
competences=Générer, éditer, manipuler et visualiser différents types de graphes. | competences=Générer, éditer, manipuler et visualiser différents types de graphes. | ||
Elaborer et mettre en œuvres des méthodes originales de parcours de réseaux biologiques. | Elaborer et mettre en œuvres des méthodes originales de parcours de réseaux biologiques. | ||
− | Comparer les résultats de différentes méthodes de partitionnement de graphes, sélectionner les résultats biologiquement pertinents et interpréter les communautés obtenues. | + | Comparer les résultats de différentes méthodes de partitionnement de graphes, sélectionner les résultats biologiquement pertinents et interpréter les communautés obtenues. |
− | + | '''Mots Clefs''' : parcours ; plus courts chemins ; marches aléatoires ; partitionnement de graphes ; détection de communautés ; modularité ; réseau d'interaction ; réseau de régulation ; réseau métabolique | |
− | + | </font> | |
− | + | ===Génétique évolutive et quantitative=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3'''<br> | |
− | + | '''Objectifs'''<br> | |
− | + | Acquisition des concepts fondamentaux de la génétique évolutive (génétique des populations) et de la génétique quantitative (architecture génétique des caractères quantitatifs, cartographie de QTL, association génotype/phénotype). Analyse de données génétiques et phénotypiques.<br> | |
− | + | '''Prérequis''' <br> | |
− | + | Notion de génétique Mendélienne (ségrégation des caractères) et de polymorphisme moléculaire.| | |
− | + | '''Contenu''' <br> | |
− | + | * Génétique des populations : mesures du polymorphisme génétique, modèle de Hardy-Weinberg, systèmes de reproduction (autogamie, consanguinité, ...), forces évolutives (mutation, sélection, dérive génétique, migration). | |
− | + | * Génétique quantitative : modèle polygénique des caractères quantitatifs, modèle qualitatif, notion d’héritabilité, notion de ressemblance / apparentement génétique, principes de la cartographie de Quantitative Trait Loci (QTL) et de la génétique d’association. | |
− | * Génétique des populations: mesures du polymorphisme génétique, modèle de Hardy-Weinberg, systèmes de reproduction (autogamie, consanguinité,..), forces évolutives (mutation, sélection, dérive génétique, migration). | + | *Ce contenu sera traité au travers d’exemples issus du monde végétal et de l’agronomie.<br> |
− | * Génétique quantitative: modèle polygénique des caractères quantitatifs, modèle qualitatif, notion d’héritabilité, notion de ressemblance / apparentement génétique, principes de la cartographie de Quantitative Trait Loci (QTL) et de la génétique d’association. | + | '''Références''' <br> |
− | + | Précis de génétique des populations (Jean-Pierre Henry, Pierre-Henry Gouyon, ed Dunond) <br> | |
− | + | Introduction to quantitative genetics (Falconer & Mackay) Handbook of statistical genetics (Balding, Bishop, Cannings)<br> | |
− | + | ||
− | + | ||
− | Introduction to quantitative genetics (Falconer & Mackay) | + | |
− | Handbook of statistical genetics (Balding, Bishop, Cannings) | + | |
competences=Savoir mesurer le polymorphisme génétique des populations, et connaitre l'effet des systèmes de reproduction et des forces évolutives sur la diversité allélique et génotypique. | competences=Savoir mesurer le polymorphisme génétique des populations, et connaitre l'effet des systèmes de reproduction et des forces évolutives sur la diversité allélique et génotypique. | ||
− | |||
Savoir décrire un caractère quantitatif et évaluer l'importance des gènes et de l'apparentement dans la variabilité du caractère (héritabilité). | Savoir décrire un caractère quantitatif et évaluer l'importance des gènes et de l'apparentement dans la variabilité du caractère (héritabilité). | ||
+ | Connaitre le principe des approches de cartographie génétique des caractères quantitatifs (QTL, association). | ||
+ | '''Mots Clef'''s : génétique ; population ; évolution ; caractère quantitatif ; cartographie génétique | ||
+ | </font> | ||
− | + | = Master 1 - Semestre 8 = | |
− | + | ===Programmation avancée et génie logciel=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 6''' <br> | |
− | = Master 1 - Semestre 8 = | + | '''Objectifs''' |
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
* Maitriser la modélisation objets d’un programme informatique | * Maitriser la modélisation objets d’un programme informatique | ||
* Connaitre les différents concepts de la programmation orientée objet | * Connaitre les différents concepts de la programmation orientée objet | ||
* Savoir développer une application en utilisant une approche orientée objet | * Savoir développer une application en utilisant une approche orientée objet | ||
* Maitriser l’utilisation d’API dans le développement d’un programme informatique | * Maitriser l’utilisation d’API dans le développement d’un programme informatique | ||
− | * Connaitre les principaux éléments permettant de concevoir et développer une interface graphique | + | * Connaitre les principaux éléments permettant de concevoir et développer une interface graphique <br> |
− | + | '''Prérequis''' | |
* Bonne connaissance des base de l’algorithmique | * Bonne connaissance des base de l’algorithmique | ||
* Première expérience avec un langage de programmation| | * Première expérience avec un langage de programmation| | ||
− | + | '''Contenu''' <br> | |
− | Partie génie logiciel : Modélisation avec UML | + | ''Partie génie logiciel : Modélisation avec UML'' |
− | * Introduction sur l' | + | * Introduction sur l'intérêt de la modélisation |
* Présentation des cas d'utilisation et des principaux diagrammes (diagramme de classe, de séquence, d’état transition) | * Présentation des cas d'utilisation et des principaux diagrammes (diagramme de classe, de séquence, d’état transition) | ||
− | + | ''Partie programmation orientée objet - Langage JAVA'' | |
− | Partie programmation orientée objet - Langage JAVA | + | |
* Introduction du langage JAVA | * Introduction du langage JAVA | ||
* Présentation des différents outils de compilation, éxecution, documentation, etc. et des principaux environnements de programmation (Eclipse, NetBeans) | * Présentation des différents outils de compilation, éxecution, documentation, etc. et des principaux environnements de programmation (Eclipse, NetBeans) | ||
Ligne 295 : | Ligne 273 : | ||
** Différentes structures de données | ** Différentes structures de données | ||
** Gestion des flux de données : utilisation de fichiers, lecture et écriture dans des flux, sérialisation, parseur XML | ** Gestion des flux de données : utilisation de fichiers, lecture et écriture dans des flux, sérialisation, parseur XML | ||
− | ** Introduction aux interfaces graphiques et à la programmation événementielle | + | ** Introduction aux interfaces graphiques et à la programmation événementielle <br> |
− | + | '''Références''' <br> | |
− | competences=Être capable de modéliser et développer une application complète (avec, par exemple, la gestion de la lecture et écriture dans des fichiers, et la conception d'une interface graphique) en utilisant la programmation orientée objet. | + | competences=Être capable de modéliser et développer une application complète (avec, par exemple, la gestion de la lecture et écriture dans des fichiers, et la conception d'une interface graphique) en utilisant la programmation orientée objet. |
− | + | '''Mots Clefs''' : Modélisation objet ; UML ; Programmation orientée objet ; JAVA ; Classes ; Objets ; Héritage | |
− | + | </font> | |
− | + | ===Fouille de données=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3''' <br> | |
− | + | '''Objectifs''' <br> | |
− | + | Cette UE a pour but d’initier les étudiants aux techniques modernes de fouilles de données permettant de prédire, par exemple, si celui qui achète du pain et du beurre va acheter de la confiture, s’il est raisonnable pour une banque d'attribuer une carte de crédit, si la protéase PfSUB1 joue un rôle dans la division de ''Plasmodium falciparum'' (parasite responsable de la malaria), ou encore de diagnostiquer un sous-type de cancer du sein à partir de données de puces à ADN de la patiente. En général, plusieurs méthodes peuvent être utilisées, plus ou moins performantes : il s’agit donc de les comprendre, d’apprendre à les mettre en œuvre et d’estimer leur performances.<br> | |
− | + | '''Prérequis'''<br> | |
− | + | Statistiques, programmation <br> | |
− | prédire, par exemple, si celui qui achète du pain et du beurre va acheter de la confiture, s’il est raisonnable pour une banque d'attribuer une carte de crédit, si la protéase PfSUB1 joue un rôle dans la division de Plasmodium falciparum (parasite responsable de la malaria), ou encore de diagnostiquer un sous-type de cancer du sein à partir de données de puces à ADN de la patiente. En général, plusieurs méthodes peuvent être utilisées, plus ou moins performantes : il s’agit donc de les comprendre, d’apprendre à les mettre en œuvre et d’estimer leur performances. | + | '''Contenu''' |
− | + | *Mesures de distance, similarité, dissemblance | |
− | + | *Normalisation et transformation | |
− | Normalisation et transformation | + | *Classification |
− | Classification | + | **Arbre de décision et forêts aléatoires |
− | + | **Méthodes bayésiennes | |
− | + | **k plus proches voisins | |
− | + | **Analyse discriminante linéaire | |
− | + | *Clustering | |
− | Clustering | + | **k means, k medoids |
− | + | **Clustering hiérarchique | |
− | + | **Méthodes basées sur la densité | |
− | + | **Méthodes basées sur une grille | |
− | + | *Evaluation des performances | |
− | Evaluation des performances | + | *Extraction de règles d'association et d'itemsets fréquents |
− | Extraction de règles d'association et d'itemsets fréquents | + | *Logiciels, librairies et boites à outils disponibles <br> |
− | Logiciels, librairies et boites à outils disponibles | + | Références <br> |
− | + | Data Mining: Concepts and Techniques, J. Han and M. Kamber, 2006.<br> | |
competences=Constituer un jeu de données d'apprentissage pour l'inférence d'un modèle prédictif. | competences=Constituer un jeu de données d'apprentissage pour l'inférence d'un modèle prédictif. | ||
Evaluer les performances d'une méthode de classification, d'un classificateur, ou d'un jeu de paramètres. | Evaluer les performances d'une méthode de classification, d'un classificateur, ou d'un jeu de paramètres. | ||
− | Sélectionner et mettre en œuvre une méthode de clustering ainsi que évaluer et interpréter le résultat obtenu | + | Sélectionner et mettre en œuvre une méthode de clustering ainsi que évaluer et interpréter le résultat obtenu |
− | + | '''Mots Clefs''' : prétraitement des données ; classification et prédiction ; caractérisation et discrimination ; règles d’association | |
− | + | </font> | |
− | + | ===Traitement de données post-génomiques=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 6''' <br> | |
− | + | '''Objectifs''' <br> | |
− | + | Cette unité d'enseignement a pour objectif de fournir une large palette de connaissances et de compétences en bioinformatiques et biostatistiques appliquées à un domaine en constante évolution en biologie moderne: la post-génomique. Cette dernière cherche à étudier la fonction et l'expression des gènes séquencés en génomique par la caractérisation systématique du rôle des mutations, de l'expression des ARN messagers, des ARN non-codants, ainsi que des protéines. Les données générées par la post-génomique sont extrêmement volumineuses et de très grandes dimensions (Big Data). C'est pourquoi elles nécessitent le développement et l'utilisation d'outils adaptés provenant à la fois de l'informatique et des statistiques. Les applications sont nombreuses: génétique humaine, cancérologie, métagénomique, mais aussi, amélioration des espèces d'intérêt agronomique et étude de l'évolution des espèces.<br> | |
− | + | '''Prérequis''' <br> | |
− | + | Connaissances en biologie moléculaire, génomique, biochimie des protéines, ainsi qu'en algorithmique, théorie des graphes et traitement statistique de données.<br> | |
− | + | '''Contenu''' <br> | |
− | + | Cette unité d'enseignement comporte 4 ateliers différents: assemblage de génome et détection de SNP, analyse de données RNA-seq , analyse de données small RNA-seq et analyse de données protéomiques . Le premier atelier consiste à appréhender et savoir utiliser les concepts et méthodes pour la manipulation de gros fichiers de séquences, l'alignement des séquences sur le génome, l'assemblage de novo de génomes, la détection de SNP ainsi que leur annotation fonctionnelle. Le second atelier traite de la mesure du niveau d'expression des ARN messagers, de l'analyse différentielle, des méthodes d'enrichissement d'ensemble de gènes et de la détection de variants d'épissage alternatif. Le troisième atelier permet de caractériser les différentes familles d'ARN non codants produites par les protocoles de séquençage, d'employer les banques de données pour annoter ses ARN non codants et de maîtriser les méthodes bioinformatiques pour parser les séquences, générer la matrice de comptage qui servira d'entrée à la normalisation et à l'analyse différentielle. Le quatrième atelier consiste à identifier et quantifier les protéines d'un mélange complexe de protéines à partir de données issues de spectrométrie de masse avec, par exemple, des cartes peptidiques massiques ou par spectrométrie de masse en tandem. Pour cela, des algorithmes bioinformatiques sont utilisés pour l’identification de peptides et de protéines à l'aide des base de données usuelles.<br> | |
− | + | '''Références''' <br> | |
− | Datta and Nettelton. Statistical Analysis of Next Generation Sequencing Data, 2014. | + | Pevsner. Bioinformatics and Functional Genomics, 2015. <br> |
− | Wu and Choudry, Next Generation Sequencing in Cancer Research, 2013. | + | Datta and Nettelton. Statistical Analysis of Next Generation Sequencing Data, 2014. <br> |
− | competences=L'étudiant acquiera des compétences variées en analyse de données haut-débit de types séquençage nouvelle génération et spectrométrie de masse. L'étudiant sera ainsi capable d'utiliser les outils les plus populaires pour l'analyse de données haut-débit tels que le logiciel R, mais sera aussi en mesure d'interpréter et d'intégrer les données dans leur contexte biologique. | + | Wu and Choudry, Next Generation Sequencing in Cancer Research, 2013.<br> |
− | + | competences=L'étudiant acquiera des compétences variées en analyse de données haut-débit de types séquençage nouvelle génération et spectrométrie de masse. L'étudiant sera ainsi capable d'utiliser les outils les plus populaires pour l'analyse de données haut-débit tels que le logiciel R, mais sera aussi en mesure d'interpréter et d'intégrer les données dans leur contexte biologique. | |
− | + | '''Mots Clefs''' : Haut-débit ; Assemblage de génome ; SNP ; RNA-seq ; small RNA-seq ; Protéomique | |
+ | </font> | ||
+ | ===Génomique Environnementale=== | ||
+ | <font face = "Times New Roman" size = "3"> | ||
+ | '''ECTS : 6''' <br> | ||
+ | '''Objectifs''' <br> | ||
+ | * Mobiliser les concepts fondamentaux relatifs à la génomique environnementale, les objets qu’elle permet d’étudier (communauté complexe, génome d’organismes non modèles, niveau de variabilité, ADN ancien, détection d’espèces rares), les conditions de mise en oeuvre (échantillonnage, choix des marqueurs et des techniques de séquençage), les outils bioinformatiques nécéssaires (différents pipelines), les limitations et précautions (variabilité intra et interspécifique, contaminations, seuils…) | ||
+ | * Identifier, choisir une combinaison de méthodes et d’outils analytiques relatifs aux NGS pour répondre à des questions d’écologie et d’évolution. | ||
+ | * Interpréter des résultats issus de l’analyse de données de génomique environnementale - qu’ils soient originaires d’un article ou des analyses menées par les étudiants. | ||
+ | * Exploiter des logiciels d’acquisition et d’analyse de données NGS avec un esprit critique.<br> | ||
+ | '''Prérequis''' <br> | ||
+ | '''Contenu''' <br> | ||
+ | Les ''cours magistraux'' permettront d’introduire la génomique environnementale, ses questions, ses objets, ses technologies, puis d’explorer trois grands thèmes autour des usages de la génomique environnementale pour étudier (1) l’ADN ancien ou dégradé, (2) l’écologie microbienne et les interactions, et enfin (3) la comparaison des génomes, tant d’eucaryotes que de procaryotes.<br> | ||
+ | Les ''TD'' seront dédiés à la présentation de cas d’étude sous forme d’article, pour pouvoir décrypter l’ensemble des étapes d’un projet de génomique environnementale, avec un oeil critique. Un des TD sera aussi dédié à une visite virtuelle ou non d’une plateforme de séquençage. L’application de ces techniques dans le domaine de l’écologie de la conservation sera aussi abordée dans le cadre des TD.<br> | ||
+ | Enfin les ''TP'' aborderont deux des trois grands thèmes présentés, et permettront d’appliquer des outils bioinformatiques, et décrypter les lignes de commandes, et d’aboutir à des résultats que les étudiants devront interpréter.<br> | ||
+ | '''Références''' <br> | ||
+ | '''Mots Clefs''' <br> | ||
+ | </font> | ||
+ | ===Analyse de données et modélisation en écologie=== | ||
+ | <font face = "Times New Roman" size = "3"> | ||
+ | '''ECTS : 6''' <br> | ||
+ | '''Objectifs''' <br> | ||
+ | Maîtriser les méthodes d'analyse de données (outils statistiques et de modélisation) les plus communément utilisées pour l'analyse et la compréhension des phénomènes biologiques et écologiques. Faire le lien entre le questionnement biologique et les méthodes d'analyse à mettre en œuvre afin de maîtriser l'ensemble de la démarche expérimentale, depuis la formulation des hypothèses biologiques jusqu'à l'interprétation des résultats, en passant bien évidemment par l'analyse des données. Acquérir une bonne autonomie dans les analyses de données permettant de répondre à des problématiques écologiques simples mais variées.<br> | ||
+ | '''Prérequis''' <br> | ||
+ | Avoir déjà suivi un enseignement sur les probabilités, les statistiques descriptives et les tests d'hypothèses. Avoir des connaissances de base du logiciel R.<br> | ||
+ | '''Contenu''' <br> | ||
+ | Les concepts et méthodes d'analyse abordés concerneront les lois de probabilité, les tests d'hypothèses (paramétriques et non paramétriques), le modèle linéaire (plans expérimentaux, analyse de variance, régression simple et multiple), le modèle linéaire généralisé, la classification et l'analyse en composantes principales. Les aspects théoriques indispensables à la compréhension et à la bonne utilisation de ces méthodes seront traités au cours des CM. Les TP, qui auront lieu en salle informatique, permettront aux étudiants de mettre en pratique ces méthodes afin de répondre à des problématiques biologiques concrètes. Pour cela, ils seront familiarisés à un outil de traitement de données gratuit (le logiciel R). Une place importante sera donnée à l'interprétation écologique des résultats statistiques. Enfin, un projet réalisé en fin d'UE par binôme permettra aux étudiants d'être confrontés à un problème biologique concret. Ils devront ainsi identifier les méthodes d'analyse adaptées à la question biologique posée et acquérir les bons « réflexes » face aux difficultés de l'analyse de données en situation réelle.<br> | ||
+ | '''Références''' <br> | ||
+ | Bertrand F. & Maumy-Bertrand M. 2014. Initiation à la statistique avec R. Cours et exercices corrigés. Dunod.<br> | ||
+ | Scherrer B. 2008. Biostatistique volume 1. Editeur Gaëtan Morin.<br> | ||
+ | Crawley M.J. 2012. The R Book. Wiley.<br> | ||
+ | '''Mots Clefs''' : Analyses univariées et bivariées, modélisation, tests d'hypothèses, programmation, simulation. | ||
+ | </font> | ||
+ | ===Ecologie évolutive=== | ||
+ | <font face = "Times New Roman" size = "3"> | ||
+ | '''ECTS : 6''' <br> | ||
+ | '''Objectifs''' <br> | ||
+ | * Caractériser les variations (d'effectifs, de génotypes, de phénotypes et d'histoires de vie) dans les populations naturelles, | ||
+ | * Comprendre les mécanismes qui génèrent, maintiennent et modifient ces variations, | ||
+ | * Maîtriser les outils de description et d'analyse de ces variations<br> | ||
+ | '''Prérequis''' <br> | ||
+ | Maîtrise des concepts basiques en écologie, biologie évolutive, génétique, dynamique des populations, statistique inférentielle, mathématiques bac S.<br> | ||
+ | '''Contenu''' <br> | ||
+ | * Sélection naturelle (concepts et exemples) | ||
+ | * Dynamique des populations | ||
+ | * Génétique des populations (forces évolutives, structuration, régimes de reproduction, déséquilibre de liaison, coalescence) | ||
+ | * Dynamique adaptative (introduction) | ||
+ | * Génétique quantitative (héritabilité, équation du sélectionneur) | ||
+ | * Evolution des histoires de vie (mortalité, fécondité, itéroparité/semelparité, sénescence, âge à maturité, longévité…) | ||
+ | * Allocation au sexe de la descendance | ||
+ | * Dynamique et évolution des interactions (co-évolution, co-adaptation) | ||
+ | * Evolution expérimentale (expériences de terrain et en laboratoire, sélection artificielle)<br> | ||
+ | '''Références''' <br> | ||
+ | Thomas, F. et al. 2010. Biologie évolutive. Ed De Boeck<br> | ||
+ | Mayhew, P. J. 2006. Discovering Evolutionary Ecology: Bringing Together Ecology and Evolution. Oxford Univ. Press.<br> | ||
+ | Ricklefs, R. E., et Miller, G. L. 2005. Écologie. Ed De Boeck. <br> | ||
+ | '''Mots Clefs''' : Sélection, dynamique et génétique des pop., génétique quantit., dynamique adaptative, interactions, évolution expérimentale, histoire de vie, allocation au sexe. | ||
+ | </font> | ||
+ | ===Ecologie des communautés et fonctionnement des écosystèmes=== | ||
+ | <font face = "Times New Roman" size = "3"> | ||
+ | '''ECTS : 6''' <br> | ||
+ | '''Objectifs''' <br> | ||
+ | Les cours magistraux et les travaux dirigés apportent les bases conceptuelles et empiriques indispensables à la compréhension des règles d'assemblages des communautés et des forces régissant le fonctionnement des écosystèmes. L'écologie est présentée comme une discipline intégrative profondément enracinée dans les sciences naturelles, mais dont les bases théoriques dérivent de principes généraux issus de la biologie, de la physique et de la chimie. Les enseignements apportent aussi un éclairage sur l'écologie en tant que science appliquée au service de l'humanité.<br> | ||
+ | '''Prérequis''' <br> | ||
+ | Connaissances académiques en biologie des organismes et des populations. Compréhension de la démarche scientifique et des méthodes d'analyse de données.<br> | ||
+ | '''Contenu''' <br> | ||
+ | ''Cours'' : <br> | ||
+ | * Les multiples facettes de la biodiversité et leurs relations | ||
+ | * Le concept de niche écologique : émergence, évolution, et applications | ||
+ | * Règles d'assemblage et de dé-sassemblage des communautés | ||
+ | * Dynamique des réseaux d'interactions | ||
+ | * Evolution et stabilité des écosystèmes | ||
+ | * Cycle de la matière organique; cycles des éléments et stoechiomètrie écologique | ||
+ | * Rôle de la biodiversité dans le fonctionnement des écosystèmes et les services écologiques | ||
+ | * Influence de la structure de l'habitat, des facteurs physico-chimiques et des communautés dans le fonctionnement des sols et des systèmes aquatiques | ||
+ | * Ecologie appliquée : restauration et ingénierie écologique | ||
+ | * L'écologie à l'échelle du paysage et des méta-écosystèmes | ||
+ | ''Travaux dirigés'' : | ||
+ | * Outils numériques pour l'étude de la biodiversité et la modélisation des écosystèmes | ||
+ | * Utilisation des biomarqueurs et des bioindicateurs en écologie<br> | ||
+ | '''Références''' <br> | ||
+ | Weathers K.C. et al. (2013) Fundamentals of Ecosystem Science. Academic Press <br> | ||
+ | Morin P.J. (2011) Community Ecology, Wiley-Blackwell <br> | ||
+ | Naeem S. et al. (2009) Biodiversity, Ecosystem Functioning, & Human Wellbeing: Oxford University Press <br> | ||
+ | '''Mots Clefs''' : biodiversité, écosystème, autoécologie, synécologie, traits fonctionnels, cycle de la matière organique et des nutriments, ingénierie écologique. | ||
+ | </font> | ||
− | + | ===Evolution moléculaire=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3''' <br> | |
− | + | '''Objectifs''' <br> | |
− | + | Cet enseignement a pour but d'initier les étudiants aux analyses d'évolution moléculaire. Les concepts et méthodes développées dans cette discipline seront détaillés et seront accompagnés par leur mise en pratique sur des cas concrets de reconstruction phylogénétique. L'accent sera mis sur l'interprétation évolutive des arbres obtenus. <br> | |
− | + | '''Prérequis''' <br> | |
− | + | '''Contenu''' <br> | |
− | + | Cette UE introduira les concepts de l’évolution puis présentera les différents modèles d'évolution des séquences génomiques (ADN et protéines) et les différentes approches de reconstruction d’arbres (parcimonie, méthode de distances, méthode du maximum de vraisemblance). Les méthodes permettant le choix du modèle évolutif le plus adapté aux données traitées, celles utilisées pour analyser la stabilité de la topologie et celles permettant l'analyse de la congruence de plusieurs arbres seront également développées. L'étude de l'impact des forces évolutives (sélection naturelle, dérive,…) sur le polymorphisme des séquences sera aussi abordé. Les concepts et approches vus en cours seront illustrés par des cas concrets (évolution des séquences d'une famille de protéines, pression de sélection sur certains gènes et régions du génome, reconstruction de la phylogénie d'un ensemble d'espèces, etc) lors de séances de TP sur ordinateurs. Au cours des TD, l'accent sera mis sur l'interprétation évolutive des topologies d'arbres (détection des évènements de duplication et/ou perte de gène, de transferts horizontaux etc.)<br> | |
− | + | '''Références''' <br> | |
− | + | Concepts et Méthodes en Phylogénie Moléculaire (2010). Guy Perrière et Céline Brochier-Armanet. Collection IRIS, Springer <br> | |
− | Computational Molecular Evolution. Ziheng Yang. Oxford University Press. | + | Computational Molecular Evolution. Ziheng Yang. Oxford University Press.<br> |
competences=Mettre en œuvre une analyse évolutive des séquences d'une famille de gènes/protéines en utilisant les bonnes pratiques du choix du modèle évolutif le plus adapté aux données et des méthodes de reconstruction d'arbres. | competences=Mettre en œuvre une analyse évolutive des séquences d'une famille de gènes/protéines en utilisant les bonnes pratiques du choix du modèle évolutif le plus adapté aux données et des méthodes de reconstruction d'arbres. | ||
Evaluer les différents types de sélection et leur impact sur le polymorphisme des séquences, et mettre en oeuvre une méthode de recherche de traces de sélection (tests de neutralité). | Evaluer les différents types de sélection et leur impact sur le polymorphisme des séquences, et mettre en oeuvre une méthode de recherche de traces de sélection (tests de neutralité). | ||
− | Interpréter un arbre phylogénétique pour proposer un scénario évolutif des séquences analysées. | + | Interpréter un arbre phylogénétique pour proposer un scénario évolutif des séquences analysées. |
− | + | '''Mots Clefs''' : évolution ; méthodes de reconstruction d’arbre phylogénétique ; congruence ; bootstrap ; sélection naturelle ; dérive | |
− | + | </font> | |
− | + | ===Projet tutoré=== | |
− | + | '''ECTS : 3''' <br> | |
− | + | '''Objectifs''' <br> | |
− | + | Mettre en œuvre des techniques de méthodologie de travail et d'organisation de projet informatiques<br> | |
− | + | '''Prérequis'''<br> | |
− | + | '''Contenu'''<br> | |
− | + | ''Partie I''<br> | |
− | + | Méthodologie de travail en groupe et de suivi de projet. Techniques de publication Web.<br> | |
− | + | ''Partie II'' <br> | |
− | Méthodologie de travail en groupe et de suivi de projet. Techniques de publication Web. | + | Projets en groupes de 3 à 4 personnes. Travail sur des thématiques de Bioinformatique mettant en œuvre de la programmation, des bases de données et de la création de sites Web. Utilisation de techniques de travail en groupe et de suivi de projets. Évaluation par des rapports de suivi de projet et une soutenance orale.<br> |
+ | '''Références''' <br> | ||
+ | PMI, management de projet : un référentiel de connaissances, AFNOR, 2004 <br> | ||
+ | Management d'un projet système d'information : principes, techniques, mise en œuvre et outils, Chantal Morley, Dunod, 2006<br> | ||
+ | competences=maîtrise des techniques de management des projets informatiques dans le domaine de la bioinformatique | ||
+ | '''Mots Clefs''' : méthodologie de travail ; travail en groupe ; suivi de projet ; techniques web | ||
+ | </font> | ||
− | < | + | ===Introduction Modélisation Moléculaire=== |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3''' <br> | |
− | + | '''Objectifs''' <br> | |
− | + | Ce module a pour but d'initier les étudiants aux concepts de base de la modélisation moléculaire. A l'issu de cet enseignement l'étudiant sera capable de créer une molécule et de déterminer sa structure optimale, tant in vacuo que dans un complexe récepteur-ligand.<br> | |
− | + | '''Prérequis''' <br> | |
− | + | '''Contenu''' <br> | |
− | + | Présentation de concepts de base de la modélisation de structures biomoléculaires. Seront abordés les aspects théoriques et computationnels de la détermination de structures tridimensionnelles de molécules d'intérêt biologique par l'approche empirique, basée sur le champ de force et l'optimisation de géométrie. La partie pratique du module sera consacrée à la création, visualisation, modification et optimisation de structures moléculaires. <br> | |
− | + | '''Références''' <br> | |
− | < | + | Molecular Modelling: Principles and Applications", Andrew Leach, Prentice Hall, 2001.<br> |
− | + | "Molecular Modelling for Beginners", Alan Hinchliffe, John Wiley & Sons Ltd, 2003.<br> | |
− | + | "Molecular Modeling and Simulation", Tamar Schlick, Springer-Verlag New York Inc., 2010.<br> | |
− | + | competences=Savoir créer une molécule et savoir déterminer sa structure optimale, tant in vacuo que dans un complexe récepteur-ligand. | |
− | + | '''Mots Clefs''' : Visualisation et manipulation de molécules ; structure et dynamique moléculaire ; champs de force ; minimisation d'énergie ; complexe récepteur-ligand | |
− | + | </font> | |
− | + | ===Analyse de données multivariées=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3''' <br> | |
− | + | '''Objectifs''' <br> | |
− | "Molecular Modelling for Beginners", Alan Hinchliffe, John Wiley & Sons Ltd, 2003. | + | A l'issue de cet enseignement, les étudiants devront être à même : |
− | "Molecular Modeling and Simulation", Tamar Schlick, Springer-Verlag New York Inc., 2010. | + | |
− | competences=Savoir créer une molécule et savoir déterminer sa structure optimale, tant in vacuo que dans un complexe récepteur-ligand. | + | |
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
* d'organiser des données et de formuler une problématique pertinente | * d'organiser des données et de formuler une problématique pertinente | ||
* de choisir la (ou les) méthode(s) d'analyse en fonction de la nature des données et de la problématique formulée | * de choisir la (ou les) méthode(s) d'analyse en fonction de la nature des données et de la problématique formulée | ||
Ligne 413 : | Ligne 470 : | ||
* de représenter graphiquement et d'interpréter les résultats | * de représenter graphiquement et d'interpréter les résultats | ||
* de rédiger les conclusions dans un rapport de synthèse| | * de rédiger les conclusions dans un rapport de synthèse| | ||
− | + | '''Prérequis''' <br> | |
− | + | Une UE de biostatistiques élémentaires est exigée, ainsi que des connaissances de base du logiciel R.<br> | |
+ | '''Contenu''' <br> | ||
+ | Cet enseignement propose une présentation des principales méthodes d'analyse adaptées aux données multidimensionnelles. Les méthodes abordées seront illustrées à partir d'exemples réels provenant d'études écologiques. L'enseignement cherchera à montrer plus particulièrement en quoi (1) la nature complexe des systèmes biologiques conduit souvent à la nécessité de prendre en compte un grand nombre de descripteurs, et (2) l'écologie est un champ d'application privilégié des diverses méthodes abordées. <br> | ||
+ | Les aspects théoriques indispensables à la compréhension et à la bonne utilisation de ces méthodes seront traités au cours des CM. Les TP, en salle informatique, permettront aux étudiants de mettre en pratique ces méthodes et donner une place importante à l'interprétation écologique des résultats statistiques. Enfin, un projet réalisé en fin d'UE par binôme permettra aux étudiants d'être confrontés à un problème biologique concret. Ce projet portera sur l'analyse d'un jeu de données collecté dans le cadre d'une étude écologique et aboutira à la rédaction d'un rapport et une présentation orale du travail effectué.<br> | ||
+ | '''Références''' <br> | ||
+ | Escoffier & Pagès. Analyses factorielles simples et multiples – Objectifs, méthodes et interprétation. Dunod <br> | ||
+ | Lebart, Piron, & Morineau. Statistiques exploratoire multidimensionnelle. Dunod<br> | ||
+ | '''Mots Clefs :''' Analyses multivariées ; structure des tableaux de données en écologie ; liaisons entre descripteurs (biologiques, environnementaux, ...). | ||
+ | </font> | ||
− | + | ===Biostatistiques : Utilisation avancée du modèle linéaire=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3''' <br> | |
− | + | '''Objectifs''' <br> | |
− | + | A l'issue de cet enseignement, les étudiants devront être à même d'analyser un jeu de données complexe en utilisant des modèles linéaires (lm) ou le des modèles linéaires généralisés (glm). Ils devront maîtriser suffisamment les bases théoriques de ces outils pour pouvoir montrer la pertinence de leur choix d'analyse, et interpréter en détail les résultats obtenus.<br> | |
− | + | '''Prérequis''' <br> | |
+ | Statistiques descriptives, lois de probabilités usuelles, test d'hypothèse, régression linéaire, ANOVA, ANCOVA, utilisation basique du logiciel R.<br> | ||
+ | '''Contenu''' <br> | ||
+ | Cet enseignement propose une présentation détaillée des applications du modèle linéaire et du modèle linéaire généralisé à l'analyse des données biologiques. Les éléments théoriques permettant de comprendre les conditions d'application de ces méthodes d'analyse seront expliqués. L'accent sera mis sur les outils permettant de vérifier que ces conditions d'application sont bien remplies, et sur la démarche à adopter lorsqu'elles ne le sont pas.<br> | ||
+ | L'enseignement sera illustré en travaux pratiques par l'analyse détaillée de jeux de données tirés de travaux en écologie, biologie comportementale et biologie évolutive.<br> | ||
+ | '''Références''' <br> | ||
+ | The R Book, 2nd Edition. M.J. Crawley 2012. Wiley<br> | ||
+ | '''Mots Clefs''' : Statistique ; Modèle linéaire ; Modèle linéaire généralisé | ||
+ | </font> | ||
− | + | ===Stage (facultatif)=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 0''' <br> | |
− | + | '''Objectifs''' <br> | |
− | + | Ce stage optionnel permet aux étudiants d'avoir un premier contact avec le monde professionnel et donc une première immersion dans une équipe de recherche et développement appartenant soit à un laboratoire du milieu académique ou d'une entreprise. <br> | |
− | + | '''Prérequis''' <br> | |
− | + | '''Contenu''' <br> | |
− | + | Un stage optionnel d'un à deux mois est proposé en fin d'année universitaire car le besoin d'acquérir et/ou de renforcer des compétences dans différents champs disciplinaires (informatique, mathématiques et bioinformatique) ne permet pas d'introduire un stage obligatoire dans le cursus. Il est cependant fortement conseillé d'effectuer ce stage car il permettra d'apprendre à travailler en équipe, d'organiser son travail de manière à répondre aux échéances exigées par l'encadrant, de trouver des solutions pour résoudre des problèmes qui n'avaient pas été envisagés au départ. C'est également l'opportunité de confronter sa formation académique à des problématiques concrètes et de de mettre en oeuvre les compétences acquises. Il constitue une bonne préparation au stage obligatoire de 6 mois de la seconde année de master.<br> | |
− | + | '''Mots Clefs''' : Immersion professionnelle | |
− | + | </font> | |
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | < | + | |
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
= Master 2 - Semestre 9 = | = Master 2 - Semestre 9 = | ||
− | + | ===Bases de données avancées=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3''' <br> | |
− | + | '''Objectifs''' <br> | |
− | + | L'objectif de ce cours est de présenter les différentes étapes pour l'évaluation d'une requête relationnelle dans un environnement centralisé. Puis, une introduction à un langage procédural est faite afin d'interroger une base de données.<br> | |
− | + | '''Prérequis''' <br> | |
− | + | Les concepts fondamentaux des bases de données<br> | |
− | + | '''Contenu''' <br> | |
− | + | Traitement d'une requête relationnelle dans un environnement centralisé, langage procédural/SQL, vues relationnelles<br> | |
− | + | '''Références''' <br> | |
− | + | Georges Gardarin - Bases de Données - EYROLLES <br> | |
− | + | '''Mots Clefs''' : =Bases de données ; Système de gestion de bases de données ; PL/SQL | |
− | + | </font> | |
− | + | ===Introduction Apprentissage automatique=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3''' <br> | |
− | + | '''Objectifs''' <br> | |
− | + | L'apprentissage automatique ou apprentissage artificiel est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes. Les progrès récents de ce champ de l'IA font qu'il s'introduit dans tous les champs scientifiques, et en particulier la biologie et la génétique. | |
− | + | Le but du module est donc de donner aux étudiants un aperçu global de l'apprentissage, à la fois l'apprentissage par renforcement et l'apprentissage à partir d'exemples. Pour ces 2 sous domaines, les principes théoriques sont introduits, des algorithmes sont présentés. La partie pratique consiste en l'implémentation en python de ces algorithmes ainsi que la manipulation des librairies essentielles au domaine (Keras, tensorflow, scikit-learn). | |
− | + | A la fin du module, les étudiants sont capables d'analyser un jeu de données, de le préparer, de choisir un algorithme d'apprentissage adapté et de l'implémenter.<br> | |
− | + | '''Prérequis''' <br> | |
− | + | Calcul différentiel; Probabilités (les fondamentaux seulement) <br> | |
− | + | '''Contenu''' <br> | |
− | * | + | ''Apprentissage par renforcement'' |
− | * | + | * Définition |
− | * | + | * Equation de Bellman |
− | + | * Q-table – implémentation en python | |
− | + | ''Apprentissage à partir d’exemples'' | |
− | * | + | * Principes génériques et fonction de perte |
− | * Réseau de neurones | + | * Minimisation et descente en gradient |
− | * | + | * Réseau de neurones |
− | * | + | * Re-implémentation de la Q-table via réseau de neurones |
− | + | * Convolution pour traitement d’images | |
− | + | * Problèmes et solutions : vanishing gradient, overfitting, etc. | |
− | + | * SVM | |
− | + | '''Références''' <br> | |
− | + | Machine learning (1997) Tom M. Mitchel, Publisher: McGraw-Hill <br> | |
− | + | '''Mots Clefs''' : Apprentissage automatique ; Règles d’association ; Réseau de neurones multi-couches | |
− | + | </font> | |
− | + | ===Gestion de données non structurées et applications post-génomiques=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3''' <br> | |
− | + | '''Objectifs''' <br> | |
− | + | '''Prérequis''' <br> | |
− | + | '''Contenu''' <br> | |
− | + | '''Références''' <br> | |
− | + | '''Mots Clefs :''' <br> | |
− | + | </font> | |
− | + | ===Phylogénomique=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3''' <br> | |
− | + | '''Objectifs''' <br> | |
− | + | '''Prérequis''' <br> | |
− | + | '''Contenu''' <br> | |
− | + | '''Références''' <br> | |
− | + | '''Mots Clefs :''' <br> | |
− | + | </font> | |
− | + | ===Métagénomique écologique et évolutive=== | |
− | + | <font face = "Times New Roman" size = "3"> | |
− | + | '''ECTS : 3''' <br> | |
− | + | '''Objectifs''' <br> | |
− | + | '''Prérequis''' <br> | |
− | + | '''Contenu''' <br> | |
− | < | + | '''Références''' <br> |
− | + | '''Mots Clefs :''' <br> | |
− | + | </font> | |
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
+ | ===Biologie des systèmes 1=== | ||
+ | '''ECTS : 6''' <br> | ||
+ | '''Objectifs''' <br> | ||
+ | Cet enseignement a pour but d'initier les étudiants à la biologie des systèmes,discipline émergente, dont l'objectif est de caractériser les composants élémentaires d'un système biologique (par exemple, une voie de régulation, une cellule, un écosystème etc.) pour mettre à jour les propriétés qui résultent de leurs interactions, ceci afin de mieux comprendre le comportement dynamique du système dans sa globalité. Les concepts et méthodes développées dans cette discipline seront détaillés et seront accompagnés par leur mise en pratique sur des cas concrets de modélisation de processus biologiques.<br> | ||
+ | '''Prérequis''' <br> | ||
+ | Notions de calcul matriciel; équations différentielles; méthodes de traitement des graphes; méthodes d'analyse des données d'expression obtenues par les techniques à haut débit (NGS); intégration de données.<br> | ||
+ | '''Contenu''' <br> | ||
+ | Les enseignements aborderont : La construction d'un réseau d'interactions en extrayant et intégrant les données expérimentales disponibles (données d'expression, données d'interaction etc.). Pour cela, les différentes approches vues au cours de la première année de master, notamment dans les UE de traitement des données génomiques et post-génomiques et de traitement des graphes et réseaux biologiques seront utilisées et intégrées pour détecter les interactions entre composants du système biologique analysé et pour construire la topologie du réseau d'interactions résultant.<br> | ||
La description des méthodes d'analyse dynamique des réseaux biologiques et de prédiction de leur comportement. Les approches qualitative ainsi que les approches quantitatives seront abordées. Dans le cas des approches qualitatives, la modélisation par équations différentielles linéaires par morceaux et les modèles logiques seront plus particulièrement développés ainsi que les modèles déterministes basés sur les équations différentielles ordinaires, pour les approches quantitatives. Les réseaux de Pétri, outils graphiques et mathématiques permettant de modéliser le comportement dynamique d'un système par une approche qualitative ou quantitative seront également décrits. | La description des méthodes d'analyse dynamique des réseaux biologiques et de prédiction de leur comportement. Les approches qualitative ainsi que les approches quantitatives seront abordées. Dans le cas des approches qualitatives, la modélisation par équations différentielles linéaires par morceaux et les modèles logiques seront plus particulièrement développés ainsi que les modèles déterministes basés sur les équations différentielles ordinaires, pour les approches quantitatives. Les réseaux de Pétri, outils graphiques et mathématiques permettant de modéliser le comportement dynamique d'un système par une approche qualitative ou quantitative seront également décrits. | ||
− | + | <br> | |
− | Les TP aborderont des cas pratiques issus de divers domaines de la biologie comme : les réactions enzymatiques, la croissance de biomasse, l'analyse de processus périodiques et la modélisation de réseaux de régulation. | + | Les TP aborderont des cas pratiques issus de divers domaines de la biologie comme : les réactions enzymatiques, la croissance de biomasse, l'analyse de processus périodiques et la modélisation de réseaux de régulation.<br> |
− | + | '''Références''' | |
− | competences=Intégrer différentes sources de données en dégageant et interprétant en terme biologique les associations entre les différents types de données de manière à inférer des réseaux de relations pour analyser et comprendre des processus biologiques | + | An introduction to Systems Biology: Design principles of Biological Circuits (2007). Uri Alon. Chapman & Hall/CRC <br> |
− | + | competences=Intégrer différentes sources de données en dégageant et interprétant en terme biologique les associations entre les différents types de données de manière à inférer des réseaux de relations pour analyser et comprendre des processus biologiques | |
− | + | '''Mots Clefs''' : Biologie des systèmes ; intégration des données ; systèmes biologiques dynamiques ; réseaux d'interactions ; modélisation | |
− | + | </font> | |
− | + | ===Biologie des systèmes 2=== | |
− | + | '''ECTS : 6''' <br> | |
− | + | '''Objectifs''' <br> | |
− | + | Cet enseignement a pour objectif de former les étudiants à la démarche de la recherche et à l’autoformation en abordant des problématiques scientifiques d’actualité liée au domaine de la biologie des systèmes sous diverses formes d’enseignement (ateliers, conférences). Il a donc également pour but de renforcer les compétences des étudiants en biologie des systèmes. Les approches abordées dans l'UE Biologie des Systèmes 1 seront renforcées et la nature des réseaux étudiés sera diversifiée. De ce fait, de nouvelles méthodes de modélisation seront abordées.<br> | |
− | + | '''Prérequis''' <br> | |
− | + | UE Biologie des Systèmes 1<br> | |
− | + | '''Contenu''' <br> | |
− | + | Différentes problématiques scientifiques en relation avec la biologie des systèmes seront abordées sous forme d'ateliers ce qui requerra une participation active des étudiants comme par exemple la préparation de l'atelier par la lecture et la présentation orale de publications scientifiques sur le sujet, réalisation de projets personnels ou en groupe, etc.<br> | |
− | + | Parmi les problématiques qui seront abordées, nous pouvons citer : l'analyse topologique et la visualisation des réseaux métaboliques, ainsi que l'analyse du flux des métabolites dans ces réseaux, l'analyse des données de métagénomiques pour l'identification et la caractérisation de communautés microbienne, la génétique statistique, incluant la génétique des populations, la génétique quantitative et les modèles qui y sont attachés, la cartographie génétique. Cette liste n’est pas exhaustive et pourra évoluer d’année en année en fonction de l’évolution de la discipline. | |
− | + | De plus, dans la mesure du possible, des conférences-débats seront organisées avec des professionnels de manière à mettre en contact les étudiants avec le monde de la recherche et de l'innovation. | |
− | Parmi les problématiques qui seront abordées, nous pouvons citer : l'analyse topologique et la visualisation des réseaux métaboliques, ainsi que l'analyse du flux des métabolites dans ces réseaux, l'analyse des données de métagénomiques pour l'identification et la caractérisation de communautés microbienne, | + | '''Références''' <br> |
− | + | competences=Comprendre le comportement dynamique d'un système ou processus biologique et prédire son comportement dans de nouvelles conditions en représentant les connaissances scientifiques disponibles dans un modèle mathématique et en confrontant les résultats des simulations numériques aux résultats expérimentaux afin d'aider aux développements d'expérimentations plus ciblées. | |
− | De plus, dans la mesure du possible, des conférences-débats seront organisées avec des professionnels de manière à mettre en contact les étudiants avec le monde de la recherche et de l'innovation. | + | '''Mots Clefs''' : Biologie des Systèmes ; systèmes biologiques dynamiques ; métabolomique ; modélisation ; simulation |
− | + | </font> | |
− | competences=Comprendre le comportement dynamique d'un système ou processus biologique et prédire son comportement dans de nouvelles conditions en représentant les connaissances scientifiques disponibles dans un modèle mathématique et en confrontant les résultats des simulations numériques aux résultats expérimentaux afin d'aider aux développements d'expérimentations plus ciblées. | + | ===Ouverture : international, bioéthique, insertion professionnelle=== |
− | + | '''ECTS : 3''' <br> | |
− | + | '''Objectifs''' <br> | |
− | + | Prérequis <br> | |
− | + | '''Contenu'''<br> | |
− | + | Références <br> | |
− | + | '''Mots Clefs''' : <br> | |
− | + | </font> | |
− | + | ===Communication scientifique=== | |
− | + | '''ECTS : 3''' <br> | |
− | + | '''Objectifs''' <br> | |
− | + | L’objectif est d'apprendre et de mettre en œuvre la synthèse et la présentation de travaux scientifiques via différents supports de communication.<br> | |
− | + | '''Prérequis'''<br> | |
− | + | '''Contenu''' <br> | |
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | < | + | |
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
Elaboration de support de communication : diapositives, présentations interactives, poster. | Elaboration de support de communication : diapositives, présentations interactives, poster. | ||
Rédaction d'une synthèse de l'état de l'art sous forme d'une revue en anglais respectant un format de journal international. | Rédaction d'une synthèse de l'état de l'art sous forme d'une revue en anglais respectant un format de journal international. | ||
− | En pratique, chaque étudiant se verra proposer une publication scientifique en relation avec les thématiques abordées dans les UE de biologie des systèmes 1 et 2. L'étudiant devra présenter cette publication à l'oral avec un support écrit en anglais. Le thème de cette publication servira de point de départ pour la synthèse et la rédaction de la mini-revue dont le format suivra celui demandé pour l'écriture d'une revue dans | + | En pratique, chaque étudiant se verra proposer une publication scientifique en relation avec les thématiques abordées dans les UE de biologie des systèmes 1 et 2. L'étudiant devra présenter cette publication à l'oral avec un support écrit en anglais. Le thème de cette publication servira de point de départ pour la synthèse et la rédaction de la mini-revue dont le format suivra celui demandé pour l'écriture d'une revue dans un journal international. <br> |
− | + | '''Références''' <br> | |
− | + | competences=Produire une synthèse critique de la bibliographie relative au sujet étudié en ayant évalué la pertinence des informations collectées pour proposer de nouveaux développements et/ou aborder de nouvelles questions de recherche appliquée ou fondamentale. | |
− | competences=Produire une synthèse critique de la bibliographie relative au sujet étudié en ayant évalué la pertinence des informations collectées pour proposer de nouveaux développements et/ou aborder de nouvelles questions de recherche appliquée ou fondamentale. | + | '''Mots Clefs''' : analyse critique de publication ; rédaction scientifique ; recherche bibliographique ; présentation orale |
− | + | </font> | |
− | + | --> |
Version actuelle en date du 8 février 2022 à 16:47