L’UE de personnalisation "Analyse de Données Biologiques en Biologie Santé" se concentre sur deux types de données. Pour les images cellulaires l’objectif est de comprendre les différentes techniques de marquage et d’imagerie cellulaires ainsi que les principales solutions d’analyse d’images (voir l'autre espace UniversiTICE dédié). Pour les séquences biologiques, l’objectif est d’être initié à l’utilisation d’outils logiciels (web) et banques de données internationales pour l’analyse bioinformatique courante de séquences biologiques (nucléiques et protéines) au laboratoire.  Ce cours sur l'analyse bioinformatique de séquences biologiques fait appel aux acquis de biologie moléculaire du gène, de biochimie des protéines et de biologie cellulaire. L'ensemble des méthodes s'applique à tous les domaines du vivant : biologie-santé, agrosciences, microbiologie. Ce cours ne comprend ni programmation informatique, ni programmation statistique. Cependant, afin de comprendre (un peu) comment les programmes bioinformatiques fonctionnent pour en faire une utilisation avertie, nous expliquerons à chaque type de prédiction, les algorithmes et modèles mathématiques/statistiques sous-jacents. Cet enseignement est bâti sur une alternance de CM et TP en salle informatique pour chaque thème exploré. L'évaluation repose sur des contrôles continus.

CM 14h  : Banques de données biologiques internationales de référence : panorama et organisation des principaux portails web et banques de données internationales qui répertorient les séquences nucléiques et protéiques ainsi que leurs structures et fonctions. Analyse de séquences d’ADN, d’ARN et de protéines : méthodes et outils bioinformatiques courants pour prédire (i) la localisation d’un gène dans une séquence d’ADN et sa structure, (ii) la séquence protéique traduite, (iii) ses caractéristiques biochimiques et ses fonctions dans la cellule, et plus généralement sa place dans un processus biologique et métabolique. Comparaison de séquences : méthodes et outils bioinformatiques courants pour la comparaison entre deux séquences ou plus et pour la recherche de séquences homologues dans les banques de données. Application à la mise en évidence de variations génétiques en santé ou au cours de l’évolution. Méthodes et outils pour la construction d’arbres phylogénétiques. 
TP  20h : Exclusivement en salle informatique, entièrement reproductible chez soi sur un navigateur web, aucun usage de programmation informatique. Ils reprennent tous les thèmes du cours (des banques, de l’analyse d’une séquence du gène au métabolisme et de la comparaison de séquences) et permettent de mettre en pratique l’ensemble des outils et ressources web présenté. Les compétences acquises sont directement transférables au laboratoire et constituent un réel premier niveau de connaissances et compétences dans ce domaine de l’analyse bioinformatique. 

---------------------------------------------------------------------------------------------------
A noter : au semestre suivant, L3 S6, ceux qui sont intéressés par une poursuite d'option méthodologique dans le domaine pour notemment pousuivre en master bioinformatique parcours BIMS ou en Master Imagerie cellulaire, pourront choisir l'UE  "Traitement  et Analyse de données en biologie et santé : images et séquences" . Celle - ci est orientée progammation.  Son objectif : maîtriser l’automatisation du traitement informatique de données sous linux. Apprendre à écrire des chaines de traitements statistiques pour l’exploration et l’analyse de données.  Programme :  Découvrir l’environnement LINUX,  Apprendre le langage scripts et la programmation bash, Découvrir un système de gestion de bases de données : MySQL,  Analyser des données avec le logiciel R,  Développer une macro pour analyser un ensemble d’images avec ImageJ.
------------------------------------------------------------------------------------------------------------

Objectifs de l’UE :

_ Echantillonnage d'une population et estimation de paramètres à l'aide de la construction d'intervalles de confiance.

_ Appréhension générale de la démarche d'un test statistique : hypothèses nulle/ hypothèse alternative, statistique de test et loi sous l'hypothèse nulle, construction de la région critique et décision. Compréhension de la notion de probabilité critique (p-value).

_ Aperçu détaillé des différents tests du Chi-deux (conformité, homogénéité, indépendance), des tests de conformité pour une moyenne et des différents tests de comparaison de moyennes (échantillons gaussiens ou non, échantillons grands ou petits, variances connues ou inconnues).

_ Appréhension du logiciel de statistiques R comme simple outil pour effectuer les différents tests étudiés.

Description des enseignements :

• Description des CM :

cours 1 : Echantillonnage et intervalles de confiance

cours 2 : Tests du Chi-deux de conformité, d'homogénéité et d'indépendance

cours 3 :Tests de conformité pour une moyenne

cours 4 :Tests de comparaison de moyennes

• Description des TP :

Les travaux dirigés sont constitués d'exercices en rapport direct avec le cours et très souvent avec des exemples biologiques. Ils sont effectués sur machines à l'aide d'un logiciel statistique. Les corrections sont d'abord construites sur le plan théorique puis les résultats sont calculés à l'aide du logiciel.

Compétences visées : Apprendre à manipuler le logiciel R, et ainsi profiter de la puissance de cet outil et de ses fonctions graphiques pour l'exploration et l'analyse de données.

Plan :
- Initiation au logiciel R
- Manipulation et exploration de tableaux de données
- Représentation graphique des données avec R
- Statistiques descriptives, Analyse univariée/multivariée

Volume horaire : 18h TP
MCC : 100% CC sur ordi

Compétences visées : Apprendre à utiliser l'environnement Linux de façon à pouvoir automatiser le traitement des flux de données
Nous aborderons deux types de données : 

• les données brutes pour lesquelles nous comprendrons comment travailler facilement avec un fichier de plusieurs millions de lignes ou comment travailler avec un grand nombre de petits fichiers
• les données structurées, organisées en bases de données, pour lesquelles nous devrons comprendre ce qu'est une requête et comment récupérer des données dans les bases de données.

Nous verrons la différence entre banques de données (données brutes faiblement organisées) et bases de données (données structurées en tables interdépendantes).
Nous verrons également les notions de Machine Virtuelle, de Cloud Computing et de workflow/pipeline, dont la maîtrise est à présent rendue nécessaire par l'explosion des volumes de données produites automatiquement.