Genomics, Transcriptomics and Epigenomics

Le cours se composera cette année de douze sessions de quatre heure chacune. La langue d'enseignement sera l'anglais.
Les séances auront lieu le mercredi de 14h00 à 18h00.
Sessions 1 à 6 : introduction aux approches omiques et analyses de données de séquençage de nouvelle génération
Sessions 7 à 12 : l'assemblage de données génomiques, théorie et pratique
 

A l'issue de ce cours les étudiants seront capables de:
- expliquer les différentes méthodes de séquençage de l'ADN et de l'ARN et assurer le traitement bioinformatique des résultats obtenus (manipulation en ligne de commande des différents formats de fichier, conversions d'un format en un autre, vérification de la qualité des séquences);
- expliquer les différentes méthodes d'assemblage de novo, de mappage et d'annotation de données génomiques; réaliser des assemblages et estimer la qualité du résultat obtenu;
- expliquer les différentes approches d'épigénomique et mettre en oeuvre les techniques d'analyse correspondantes.

Connaissances et compétences pré-requises ou co-requises

Pour profiter au mieux du cours il est recommandé que les étudiants se plongent par eux-même dans l'utilisation de la ligne de commande et de R.

Concernant la ligne de commande des systèmes *nix (unix, linux, osx and the like):
https://datacarpentry.org/shell-genomics/
http://linuxcommand.org/lc3_learning_the_shell.php
http://webext.pasteur.fr/tekaia/BCGA2012/TALKS/FT_Unix.pdf
https://www.cs.usfca.edu/~parrt/course/601/lectures/unix.util.html

Concernant R:
https://www.guru99.com/r-tutorial.html
https://www.statmethods.net/r-tutorial/index.html
https://www.tutorialspoint.com/r/index.htm

Il est également souhaitable que les étudiants s'assurent d'avoir accès à une ligne de commande *nix sur leur machine avant le début du cours. Les utilisateurs de Linux et d'OSX auront cet accès sans effort additionnel, mais les utilisateurs de Windows doivent installer soit le Windows Subsystem for Linux ( https://docs.microsoft.com/en-us/windows/wsl/install) ou Cygwin (https://www.cygwin.com/) si leur version de Windows est plus ancienne.

Les séances combineront présentations théoriques et applications.

Contribution au profil d'enseignement

S'approprier les concepts et les connaissances fondamentales d'informatique et de biologie nécessaires à l'élaboration de projets bioinformatiques ou de modélisation.
Analyser de manière critique des articles originaux de recherche en bioinformatique et modélisation.
Appréhender l’évolution des connaissances sur un sujet donné et collecter et gérer les articles scientifiques s’y référant.
Maîtriser les approches mathématiques, statistiques et informatiques sur lesquelles se fondent les études bioinformatiques et de modélisation.
Pouvoir utiliser les ressources bioinformatiques existantes et développer de nouveaux logiciels (algorithmes, bases de données, outils d'analyses, etc.).
Rédiger un rapport de recherche avec clarté et rigueur.
Présenter oralement de manière claire et concise les résultats d’un travail et les confronter aux questions et critiques de l’audience.

Références, bibliographie et lectures recommandées

Haddock & Dunn, 2010. Practical Computing for Biologists. Sinauer Associates. 538 pp. ISBN 9780878933914
Wang, 2016. Next-Generation Sequencing Data Analysis. CRC Press. 246 pp. ISBN 9781482217889

Contacts

jean-francois.flot@ulb.be

matthieu.defrance@ulb.be

Campus

Solbosch

Méthode(s) d'évaluation

• Projet

Projet

Construction de la note (en ce compris, la pondération des notes partielles)

50% projet 1
50% projet 2

Langue(s) d'évaluation

• anglais