/
Français
English
- Supervised learning
- Linear regression
- Logistic regression
- Decision trees
- Random forest
- Unsupervised learning
- Clustering
- PCA
ECUE Biologie computationnelle des données omiques
Code de l'ECUE : SMESVI03
EUR LIFE
Biologie cellulaire
Campus Valrose
Master 2
Semestre impair
Français
PRESENTATION
Cette ECUE est à l'intersection entre les cours de omiques, programmation de statistiques. Elle a pour objectifs:
- De plonger l'étudiant dans le développement d'outils bioinformatiques avancées.
- De permettre l'échange avec les ingénieurs des plate-forme de bioinformatique et analyse des données de la région niçoise.
- Parcourir les différents outils devenus indispensables à tout projet de bioanalyse : gestionnaire de workflow bioinformatique, multi-omique, intelligence artificielle.
Responsable(s) du cours
Marc Bailly-Bechet
Présentiel
- 8h de cours magistral
- 14h de travaux pratiques
PREREQUIS
Avant le début du cours, je dois ...
-
Connaitre des outils d'analyse des données omiques
-
Maitriser les technologies omiques
OBJECTIFS
A la fin de ce cours, je devrais être capable de...
- Avoir des notions en intelligence artificielle
- Maitriser un système de gestion de workflow bioinformatique (nextflow, galaxy)
- Créer un pipeline d'analyse bioinformatique reproductible
- Connaitre les méthodes d'analyse multi-omique
- Connaitre les outils pour installer et utiliser des logiciels bioinformatiques (Anaconda, Docker, Singularity)
- Analyser des données omiques
CONTENU
-
Introduction à l'intelligence artificielle (Machine learning)
-
Développement de pipeline bioinformatique avec Nextflow
- Organiser un projet d’analyse bioinformatique
- Gestion des fichiers input et output – organisation des dossiers
- Le développement de projet et la gestion des versions
- Gestion des différents logiciels et scripts
- Gérer les erreurs avec les logs
- Optimiser la vitesse d’exécution
- Nextflow
- Introduction à Nextflow
- Utiliser Docker dans Nextflow
- Développer un pipeline d'analyse RNA-Seq
- Organiser un projet d’analyse bioinformatique
-
Outils d'analyse multi-omique
- Transcriptomique, Protéomique et Single-cell
- Mesurer plusieurs échelles omiques
- Méthode d’intégration de données multi-omiques
- Intégration visuelle
- Intégration par recherche de corrélation
- Intégration par recherche de facteurs latents
- Intégration par superposition
-
Assemblage de transcriptome RNA-Seq
NGS assembly with Velvet
-
Analyse de données RNA-Seq avec R
Aucune description
Accéder au Syllabus complet (Authentification requise)
Important
Ce syllabus n’a aucune valeur contractuelle. Son contenu est susceptible d’évoluer en cours d’année : soyez attentifs aux dernières modifications.