Résumé

• les variables ;
• les structures de contrôle ;
• les listes, les chaînes de caractères, les dictionnaires ;
• les fichiers ;
• les expressions rationnelles.

Objectif(s)

Compétences et apprentissages visés

Programme: ce cours présente les approches et technologies de séquençage (NGS) et d'hybridation (Array) à très haut-débit qui permettent d'explorer les génomes, métagénomes, transcriptomes et régulomes. Quelque soit le domaine du vivant (microorganisme, végétal, animal, humain) ces technologies révolutionnent les connaissances fondamentales en biologie moléculaire (contenu des génomes, expression et régulation de l'expression des génomes) et trouvent des applications en agrosciences (agro-génomique), environnement (éco-génomique) pour les organismes et micro-organismes, en médecine génomique (génomique des cancers, des maladies complexes, médecine personnalisée, maladies infectieuses). Ce cours intègre la présentation des démarches et outils bioinformatiques et biostatistiques nécessaires au traitement des masses de données issues de ces grands projets d'exploration moléculaire des mécanismes du vivant.

Modalités : l'enseignement s'organise en CM, en TD (analyse de figures, lectures d'articles) et en TP en salle informatique (découverte des ressources internationales sur le web). Ce cours présente sa documentation essentiellement en langue anglaise. Il a lieu en présentiel 40h : 26h CM, 10h TD, 4h TP). L'UE est évaluée en contrôle continu intégral, par diverses travaux collectifs ou individuels; travaux dirigés, travaux pratiques et examen sur table. L'UE est obligatoire pour les deux parcours de la mention bionformatique (M1 BIMS, M2CCB4), pour le M1 mention Microbiologie et est optionnelle pour le M1 mention Agrosciences EcobioValo.

Pré-requis : programme de génétique moléculaire eucaryote et procaryote et génie génétique de niveau licence SV d'un parcours moléculaire. Cet UE ne comprend pas de programmation informatique, il n'y a aucun pré-requis dans cette discipline. Sur le plan des statistiques, ce cours fait appel aux connaissances en statistiques des tests.

A l'issue de ce cours les étudiants sont capables 1/ de se repérer dans le paysage général des approches haut débit et des applications en génomique, de comprendre leur évolution, potentiel et limitation 2/ de lire et comprendre dans des articles de diverses applications les objectifs, matériels et méthodes expérimentales et bioinformatiques/biostatistiques ainsi que les différentes figures de résultats des étapes (contrôle qualité, chaine de traitement, annotation, visualisation); 3/ d'identifier et d'utiliser les banques de données internationales du domaine et un Genome Browser. 4/ Les étudiants de la mention bioinformatique disposeront de l'ensemble des connaissances pré-requises pour aborder en pratique le traitement bioinformatique de données NGS (UE 3 analyse de données de séquençage et annotations).   

Programme et objectifs:

Ce module a pour objectif la maîtrise des outils d'analyse, calcul et visualisation de données en Python: NumPy, SciPy, Pandas et Matplotlib. Le module permettra aussi une première prise en main de la bibliothèque Scikit-learn pour une initiation pratique à l'utilisation des méthodes d'apprentissage automatique. Le cours intègre, pour chaque outil, un apprentissage des techniques de manipulation et de traitement de données, il est ensuite mis en application lors de travaux pratiques. Les cas d'études traduisent des problématiques du monde de la bio-informatique comme la manipulation des données du génome humain de référence ou de la classification d'espèces. L'objectif étant de concevoir des projets qui vont de l’importation et le prétraitement de données nécessaires jusqu'à la visualisation des résultats de l'analyse.

Modalités d'évaluation:

L'enseignement s'organise en CM et en TP en salle informatique. Le cours présente sa documentation essentiellement en langue anglaise. Il a lieu en présentiel (18h : 6h CM, 12h TP). L'UE est évaluée en contrôle continu intégral par travaux pratiques.

Pré-requis:

Programmation Python.

Compétences attestées :

• Maîtriser les bibliothèques Python d’exploration de données et de calcul scientifique.
• Manipulation avancée de séries, de tableaux de données hétérogènes et de tableaux de calcul.
• Collecter des données, les organiser, les traiter, et les transformer en informations exploitables.
• Identifier les caractéristiques structurantes des données, les transformer et les visualiser.
• Programmer et résoudre un problème d’optimisation numérique (linéaire, non linéaire). Interpréter les résultats.
• Choisir et mettre en œuvre les différents modèles d'apprentissage. Mesurer, comparer et analyser la qualité des prédictions.

Cette seconde UE d'environnement professionnel comprend deux matières directement liées à la préparation du stage :

- Ingénierie logicielle - 1: bonnes pratiques de développement (10h) : premiers éléments des principes FAIR (Facile à trouver, Accessible, Interopérable, Réutilisable) pour l'analyse de données et le développement logiciel : usage de Git, tests unitaires, suivi de version et développement collaboratif.

- Veille et Communication Scientifique (12h) : outils de recherche et veille avancée (MeSH PubMed), gestion bibliographique (format bibTeX, gestionnaire de références), rédaction de documents scientifiques (maitrise des styles et LaTeX, Beamer), canevas du rapport pré-stage.

--

Série de quatre UE à chaque semestre du master. Elles sont dédiées à la préparation des démarches professionnelles. (L'anglais des S1 S3 et S4 (60h)  est présenté dans un autre espace Moodle).

• S1 - Environnement professionnel 1 - Métiers de la Bioinformatique du M1S1 (10h TD + travail personnel; 1 CE)  présente les domaines et les carrières en bioinformatique, accompagne la recherche du stage de S2 des M1BIMS/M2CCB4 et prépare dans le même temps à l'alternance en M2 BIMS : recherche d'un stage conventionné en alternance (formation initiale) ou d'un contrat d'apprentissage (apprenti).
  
• S2-Environnement professionnel 2 du M1S2 introduit 1/ la veille et communication scientifique écrite (12h TD + travail personnel; 1 CE) 2/ l'ingénierie logicielle avec les bonnes pratiques de développement (10h TD + travail personnel; 1 CE)
  
• S3-Environnement professionnel 3 (20h TD, 1 CE) du M2S3 comprend à 1/  un travail de communication  2/ l'ingénierie logicielle : pratique managériale et renforcement de l'enseignement vu en M1 (10h TD + travail personnel; 1 CE)
  
• S4-Environnement professionnel 4 du M2S4 (20h TD présentiel et personnel; 2 CE) prépare à l'insertion professionnelle post-master (ingénieur ou entrée en doctorat) et accompagne la recherche du stage conventionné post-alternance à l'international.

Cet enseignement se structure en deux thèmes abordés sous forme de cours, TD et TP en salle informatique :

• Phylogénie moléculaire : Origine de la phylogénie et concepts de bases en phylogénie moléculaire ; Caractéristiques des arbres (topologie, enracinement) ; Premières phylogénies moléculaires (horloge moléculaire, choix de l'ARNr, arbre du vivant). Règles de reconstruction des arbres : choix des séquences, alignement multiple de séquences et méthodes de reconstruction d'arbres phylogénétiques ; Estimation de la robustesse d'un arbre ; Applications et limites de la phylogénie.
• Évolution des génomes : mécanismes moléculaires impliqués dans l'évolution de la structure et du contenu des génomes (duplications de génomes et de segments, duplication de gènes et fonction au sein des familles de protéines, implication des éléments mobiles, origine des introns); méthodes d’études (cartographie comparée, analyse de synténie, analyse comparative de séquences de génomes complets, outils et bases de données internationales de référence pour l'orthologie).

L'UE est évaluée en contrôle continu intégral par plusieurs devoirs écrits à la maison dans le cadre des TD ou TP (30%) et par deux devoirs sur table (70%),  à part égale entre les deux parties . L'UE est obligatoire pour les parcours M1 BIMS  et M1 MIC et est optionnelle pour le parcours M2CCB4. Pour le parcours BIMS ce cours est un pré-requis et sera réinvesti et approfondi sur les aspects algorithmiques et statistiques en M2 dans l'UE bioinformatique en génomique comparative.

Objectifs :

L'étudiant devra apprendre à maitriser la statistique bivariée tout d'abord en comprenant la notion de corrélation puis en s'appropriant les différentes étapes de la modélisation statistique, du choix du modèle à son utilisation en passant par la validation et la qualité de ce modèle.

Contenu :

_ Corrélation entre deux variables (Pearson, Spearman): notion et tests de corrélation.

_ Régression linéaire simple : les différentes étapes de la modélisation sur des exemples.

_ ANOVA : tests de comparaisons de plusieurs moyennes

_ Régression non-linéaire simple et problème de choix de modèles.

La totalité de l'enseignement se fera en salle machine en utilisant le logiciel R. L'enseignement se fera par des études de cas : présentation du problème biologique, du protocole expérimental et des données obtenues puis un traitement statistique.

Volume horaire : 42h (12h CM, 6h TD, 24h TP)
Évaluation : Devoir Maison + CC écrit

Programme :
• Statistique exploratoire multidimensionnelle : ACP, AFC.
• Classification supervisée : arbres de décision, k-plus proches voisins.
• Classification non supervisée : Kmeans, CAH, Modèles de mélange.
• Mise en œuvre sous R. Manipulation du logiciel R, fonctions graphiques pour l'exploration et l'analyse de données.

Pré-requis :
• savoir : bases d'algèbre linéaire, diagonalisation de matrices, changement de bases.
• savoir-faire : logiciel R.
• équivalent UE existante : M1S1 Algèbre linéaire.

Série de quatre UE à chaque semestre du master. Elles sont dédiées à la préparation des démarches professionnelles. (L'anglais des S1 S3 et S4 (60h)  est présenté dans un autre espace Moodle).

• S1 - Environnement professionnel 1 - Métiers de la Bioinformatique du M1S1 (10h TD + travail personnel; 1 CE)  présente les domaines et les carrières en bioinformatique, accompagne la recherche du stage de S2 des M1BIMS/M2CCB4 et prépare dans le même temps à l'alternance en M2 BIMS : recherche d'un stage conventionné en alternance (formation initiale) ou d'un contrat d'apprentissage (apprenti).
  
• S2-Environnement professionnel 2 du M1S2 introduit 1/ la veille et communication scientifique écrite (12h TD + travail personnel; 1 CE) 2/ l'ingénierie logicielle avec les bonnes pratiques de développement (10h TD + travail personnel; 1 CE)
  
• S3-Environnement professionnel 3 (20h TD, 1 CE) du M2S3 prépare à 1/ la communication scientifique orale 2/ l'ingénierie logicielle : pratique managériale (10h TD + travail personnel; 1 CE)
  
• S4-Environnement professionnel 4 du M2S4 (20h TD présentiel et personnel; 2 CE) prépare à l'insertion professionnelle post-master (ingénieur ou entrée en doctorat) et accompagne la recherche du stage conventionné post-alternance à l'international.

Stage de bioinformatique de 4 mois minimum en France ou à l'étranger - M1 BIMS et M2 CCB4

Volume d'enseignement

Cours : 10h
TP : 10h

Nombre de Crédits Européens

2

Modalités de Contrôle des Connaissances et de Compétences

Épreuve écrite CM : 20%
Épreuve écrite TP : 80%

Contenu de l'Unité d'Enseignement

• le langage de structuration de pages Hyper Text Markup Language HTML5
• le langage de description de style Cascading Style Sheet CSS3
• les extensions de type Canvas, SVG, MathML, Highcharts/Googlecharts etc
• les formulaires utilisateurs et les actions serveur (essentiellement en PHP)
  
• le langage à balisage markdown (utilisation du façonneur pandoc, de codimd, du markdown de github etc)
• une introduction au langage côté client JavaScript

Compétences et connaissances acquises à l'issue de cette Unité d'Enseignement

À l'issue de cet enseignement, l'étudiant pourra :

• comprendre les mécanismes à mettre en œuvre pour la conception d'un site www simple
• modifier et étendre un site www existant

Volume d'enseignement

Cours : 8h
TP : 16h

Nombre de Crédits Européens

2

Modalités de Contrôle des Connaissances et de Compétences

Épreuve écrite TP : 100%

Contenu de l'Unité d'Enseignement

• environnement Linux et connexion à des serveurs distants avec ou sans VPN
• langage bash et son interface graphique yad
• aperçu des langages AWK et sed
• traitement de flux de données : présentation de certains pipelines (Nextflow, snakemake etc)
• machines virtuelles et containeurs : docker, singularity

Compétences et connaissances acquises à l'issue de cette Unité d'Enseignement

À l'issue de cet enseignement, l'étudiant pourra :

• créer ses propres scripts bash et modifier des scripts existants
• mettre en place une chaîne de traitement en utilisant un système de pipeline de type Nextflow ou snakemake ou autre
• utiliser docker de façon à travailler sur un container ou à créer un container