d'enseignement
- implémenter et tester une solution sous la forme d'un prototype logiciel et/ou d'un modèle numérique,
- démontrer une bonne compréhension des concepts et de la méthodologie de la programmation,
- faire un choix justifié entre plusieurs représentations des informations et plusieurs algorithmes pour les traiter,
- analyser un problème, proposer une solution informatique pour le résoudre et la mettre en oeuvre dans un langage de haut niveau,
- comprendre et savoir appliquer dans des situations variées les concepts de base de probabiités et de l'inférence statistique,
- tirer des conclusions fiables à partir de données d'échantillons statistiques,
Les compétences suivantes sont également utiles. Elles sont brièvement revues en début du cours LGBIO2010 :
- comprendre le fonctionnement des organismes vivants à l'échelle de la cellule,
- décrire les concepts de la base de la génétique moléculaire
- définir les différentes classes de biomolécules ainsi que les processus et structures cellulaires où elles interviennent,
- Introduction à la biologie moléculaire
- Recherche dans des bases de données biologiques
- Comparaison et alignements de séquences
- Recherche de motifs
- Modèles de Markov cachés
- Technologies et méthodes d'analyse du transcriptome
- Méthodes d'inférence de réseaux d'interaction
- Algorithmes de construction d'arbres phylogénétiques
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
| 1 | Eu égard au référentiel AA du programme « Master ingénieur civil en génie biomédical », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :
Plus précisément, au terme du cours, l'étudiant sera capable de : - maîtriser des concepts de base en biologique moléculaire pour une utilisation pertinente d'outils bio-informatiques, - concevoir, développer et utiliser des outils et méthodes informatiques spécifiques à la gestion, l'exploitation et la recherche d'informations dans des collections de données biologiques, - faire un choix argumenté entre différentes techniques informatiques pour résoudre des problèmes biologiques. Acquis d'apprentissage transversaux : - Mener à bien un projet en équipe, éventuellement entre étudiants avec des compétences initiales complémentaires en informatique ou en biologie, et fournir en commun une solution argumentée à un problème bioinformatique donné - S'appuyer à bonne escient sur des informations disponibles dans des bases de données externes (telles que GenBank ou UniProt) régulièrement mise à jour - Maîtriser un environnement logiciel tel que R (Bioconductor). |
La contribution de cette UE au développement et à la maîtrise des compétences et acquis du (des) programme(s) est accessible à la fin de cette fiche, dans la partie « Programmes/formations proposant cette unité d’enseignement (UE) ».
- Introduction à la biologie moléculaire
- Recherche dans des bases de données biologiques
- Comparaison et alignements, simple et multiple, de séquences
- Extraction de motifs
- Modèles de Markov cachés
- Technologies et méthodes d'analyse de l'expression génique (transcriptome)
- Méthodes d'inférence de réseaux d'interaction
- Algorithmes de construction d'arbres phylogénétiques
Des projets sont réalisés par groupes de 2 étudiants pour mettre en oeuvre, et adapter au besoin, des algorithmes vus au cours.
Les étudiants ont le choix de l'environnement logiciel (R, Python, ...) pour réaliser ces projets mais le langage R est recommandé.
Un tutoriel sur R est présenté aux étudiants au début du premier projet.
des acquis des étudiants
- 25% pour les projets effectués en groupe pendant le quadrimestre,
- 75% pour l'examen final
en ligne
- Required teaching material include all documents (lecture slides, project assignments, complements, ...) available on the Moodle website for this course.
- Les supports obligatoires sont constitués de l'ensemble des documents (transparents des cours magistraux, énoncés des travaux pratiques, compléments, ...) disponibles sur le site Moodle du cours.
- Introduction to Computational Genomics : a case-study approach, N. Cristianini M. Hand, Cambridge University Press, 2007.
- Biological Sequence Analysis : Probabilistic Models of Proteins and Nucleic Acids, R. Durbin et al., Cambridge University Press, 1998.
- Inferring Phylogenies, J. Felsenstein, Sinauer Associates; 2nd ed., 2003.
- Required teaching material include all documents (lecture slides, project assignments, complements, ...) available on the Moodle website for this course.
- Les supports obligatoires sont constitués de l'ensemble des documents (transparents des cours magistraux, énoncés des travaux pratiques, compléments, ...) disponibles sur le site Moodle du cours.
en charge
Programmes / formations proposant cette unité d'enseignement (UE)
d'apprentissage
