30MU02BI - Bioinformatique (9 ECTS)
Responsable : Flatters D.
30ME07BI - Bioinformatique génomique niveau I (3 ECTS)
Enseignants : Flatters D., Nuel G.
Responsable pédagogique : Flatters D.
Pré-requis : Avoir suivi l'UE facultative de base de méthodologie niveau I
Objectif :
L'enseignement dispensé dans le cadre de ce module a pour but de donner une formation de base aux étudiants dans le
domaine de l’analyse des séquences biologiques (nucléiques ou protéiques).
Les principales méthodes biomathématiques et bioinformatiques de recherche de motifs et statistique des mots,
d«alignement de séquences, de modèles d’évolution moléculaire et de construction
d’arbres phylogénétiques y sont abordés. Ces notions de base permettront aux étudiants
de mieux appréhender le domaine de la bioinformatique génomique.
Programme :
- Recherche de motifs et alignement de séquences
- Comptages de motifs, automates, arbres de suffixes
- Modélisation Markovienne, significativité de comptages
Alignements global ou local (Needleman et Wunsch; Smith et Waterman)
Modèles d’évolution moléculaire et distances génétiques
Modèle à un paramètre de Jukes et Cantor
Modèle à deux paramètres de Kimura
Construction d’arbres phylogénétiques
Méthodes basées sur les distances : UPGMA, «Neighbor Joining»
Méthodes de parcimonie (Fitch, Sandkoff) et du maximum de vraisemblance
30ME08BI - Analyses de données en biologie (3 ECTS)
Enseignantes : Badel A., Regad L.
Responsables pédagogiques : Badel A., Regad L.
Objectif :
L'enseignement dispensé dans le cadre de ce module a pour but de permettre aux étudiants d'analyser et de traiter de
grands ensembles de données multidimensionnelles. Les méthodes classiques (régression linéaire ou non ,
analyse factorielle) qui permettent de décrire, d'explorer et de traiter des tableaux de données volumineux sont
abordées. Diverses applications biologiques, puces, données médicales, sont réalisées
dans le cadre de cet enseignement lors des TP.
Programme :
- Méthodes descriptives ou exploratoires :
Méthodes factorielles (Analyse en Composantes Principales, Analyse Factorielle des Correspondances), qui produisent
essentiellement des visualisations graphiques planes ou tridimensionnelles pour décrire un ensemble des données.
Méthodes de classification (hiérarchique ou de partitionnement) qui proposent des groupements en classes d'objets
à la suite de calculs algorithmiques
- Méthodes explicatives et/ou prédictives :
Méthodes destinées à expliquer ou à prédire, suivant des règles de décision,
une variable d'intérêt à l'aide d'un ensemble de variables explicatives. Modèle linéaire :
régression simple et multiple. Régression logistique. Analyse discriminante. Modèles linéaires
généralisés.
30ME09BI - Optimisation et Apprentissage en Biologie (3 ECTS)
Enseignants : de Brevern A., Flatters D., Guyon F.
Responsable pédagogique : Guyon F.
Pré-requis : Avoir suivie l’UE facultative de base de méthodologie niveau I
Objectif :
L'enseignement dispensé dans le cadre de ce module a pour but de donner une formation de base
aux étudiants dans le domaine des techniques numériques d’optimisation et des méthodes
d’apprentissage . Les algorithmes seront présentés dans un but pratique, diverses applications biologiques
seront réalisées dans le cadre de cet enseignement.
Programme :
- Estimation par le maximum de vraisemblance
- Méthodes d'optimisation : méthode classiques
- Méthodes d'optimisation : méthode stochastiques (Monte-Carlo, recuit simulé)
- Le langage R
- Méthodes de régression (linéaires et non-linéaires)
- Méthodes de classification : k-means, plus proches voisins, perceptron
- Méthodes de classification : réseaux de neurones, Support Vector Machine
- Réalisation d'un projet applicatif