(quelques) méthodes pour l'identification de modules cis-régulateurs (CRM) Carl Herrmann TAGC & Aix-Marseille Université amu.

Dimension: px
Commencer à balayer dès la page:

Download "(quelques) méthodes pour l'identification de modules cis-régulateurs (CRM) Carl Herrmann TAGC & Aix-Marseille Université carl.herrmann@univ amu."

Transcription

1 (quelques) méthodes pour l'identification de modules cis-régulateurs (CRM) Carl Herrmann TAGC & Aix-Marseille Université amu.fr -1Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

2 Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012 [ Sandelin & Wasserman (2004) ] -2-

3 Vocabulaire enhancer séquence d'adn qui a une activité régulatrice (vérifiée par une expérience de gène rapporteur) on ne connaît pas forcément la composition en TFBS! notion biologique module cis-régulateur (CRM) séquence d'adn ayant des propriétés in-silico compatibles avec les propriétés d'un enhancer notion bioinformatique CRM enhancers -3Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

4 Exemples d'enhancers drosophile ftz zebra element eve stripes 2 & 3+7 elements repression site cluster stripe 2 stripes rho lateral neurectoderm stripe element kni posterior element Ubx PBX element ps 6,8,10,12 stripes Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012 blastoderm + Mesoderm at GBE -4-

5 Validation expérimentale gène rapporteur eve stripes 2 expression endogène de eve -5Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

6 Propriétés des enhancers grande densité de TFBS pour des TF identiques homotypiques enhancer de zen pour des TF différents hétérotypiques enhancer de kni conservation évolutive vrai pour certains enhancers (ex : régions ultra- conservées chez les vertébrés [Bejerano, Science (2004)]) remis en question par des études genome-wide récentes (enhanceurs cardiaques [Visel, Nature (2010)]) -6Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

7 Recherche de clusters de sites Recherche de clusters homotypiques de sites Dorsal: recherche de deux sites ou plus (haute affinité) dans une fenêtre de 400 ou 1000 pb Markstein et al. "Genome-wide analysis of clustered Dorsal binding sites identifies putative target genes in the Drosophila embryo". Proc Natl Acad Sci USA (2002) 99: Recherche de clusters hétérotypiques impliquant les gènes de segmentation: recherche de groupes de sites pour 5 facteurs (Bcd, Hb, Cad, Kni, Kr) dans une fenêtre de 700 bp Berman BP et al. "Exploiting transcription factor binding site clustering to identify cisregulatory modules involved in pattern formation in the Drosophila genome." Proc. Natl. Acad. Sci.(2002) USA 99: Dans les deux cas, les enhancers identifiés ont été évalués par des constructions transgèniques (enhancer + gène rapporteur) et/ou des hybridation in situ. -7Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

8 Formation de l'axe dorso-ventrale dorso ventral le facteur de transcription dorsal (dl) forme un gradient de concentration selon l'axe dorso-ventrale les gènes cibles de dl réagissent à ce gradient au delà d'un certain seuil de concentration une centaine de gènes cible ont été identifiés par des approches génétiques et genome-wide [Biemar, PNAS (2006)] -8Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

9 Formation de l'axe dorso-ventrale zen sog Markstein et al. "Genome-wide analysis of clustered Dorsal binding sites identifies putative target genes in the Drosophila embryo". Proc Natl Acad Sci USA (2002) 99: exemple de 2 gènes cibles : zen et sog leurs enhancers contiennent plusieurs sites pour dl Stratégie : recherche de clusters homotypiques de sites Dorsal: recherche de sites dl de haute affinité dans une fenêtre de taille fixe Nombre de sites? Taille de la fenêtre? -9Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

10 Marksteinet al Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

11 Markstein et al. Ady Phm Patron d'expression compatible avec le patron typique des gènes cibles de Dl (expression ventrale) - 11 Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

12 Mise en place de l'axe antéro-postérieure Bcd, Nanos Kr, Kni, Gt, Hb,Tll Eve En LIFE: The Science of Biology, Purves et al, Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

13 Berman et al. Sites that occur in 700-bp windows containing at least 13 predicted binding sites Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

14 Berman et al. Results test utilisant un jeu de contrôle de 19 CRM actifs dans le dévelop. embryonnaire de la drosophile sensibilité = bonnes prédictions/total des positifs = VP / (VP+FN) spécificité = bonnes prédictions/ensemble des prédictions = VP/(VP+FP) - 14 Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

15 Berman et al. Results Fig. 3. Expression patterns of selected genes flanking novel binding site clusters. We examined the expression patterns of 49 genes adjacent to one of the 28 novel binding site clusters described in Table 2 in syncytial and cellular blastoderm embryos (whole mount RNA in situ images are available in Table 2 (which is published as supporting information on the PNAS web site) and on the Berkeley Drosophila Genome Project website (http://www.fruitfly.org/). Eleven of these genes representing 10 clusters had early embryonic expression patterns characteristic of genes regulated by maternal and gap transcription factors and are shown here., References for flanking genes are as follows: gt (25, 30, 37-40), otd (41-43), btd (44, 45), pdm1 (46), pdm2 (46), Dfd (47-49), Antp (49, 50), ftz (5153), odd (54), and psq (55) - 15 Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

16 Berman et al. - Results Fig. 4. Identification of a novel enhancer controlling posterior expression of giant. (A) Cluster of binding sites found between 2.9 Kb and 1.8 Kb upstream of giant. The DNA segment surrounding the cluster (labeled "posterior enhancer") was cloned into a lacz fusion construct and introduced into the genome via germline transformation as described in Materials and Methods. (B and C) Expression of giant in syncitial blastoderm stage embryos as determined by RNA in situ hybridization. B shows a wild-type embryo, and C shows a Kr1/Kr1 embryo lacking Krüppel (Kr) function. Without repression by Kr, the anterior border of the posterior expression domain shifts anteriorly. (D and E) Expression of lac Z in embryos containing construct from A. D shows a wild-type embryo, and E shows a Kr1/Kr1 embryo. Expression of the lacz construct in the mutant embryo shows similar expansion to that seen in gt Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

17 Berman et al. - épilogue Genome Biology (2004): test systématique de 37 enhancers prédits: 15 3? 19 est-ce qu'on peut distinguer les positifs des négatifs?? - 17 Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

18 Critère le plus discriminant densité de sites alignés et préservés % identité Seq A Seq B "Aligné" conservation de séquences Seq A Seq B Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012 "Préservé" les sites se trouvent dans un même pic de- 18 conservation

19 outil en ligne ecis-analyst (n'est plus maintenu!) - 19 Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

20 MSCAN [W. Alkema et al. NAR (2004)] input : jeu de séquences + set de PSSM Méthode recherche de TFBS dans une fenêtre de taille fixe et calcul des p-values individuelles des TFBS calcul de la p-value combinée des TFBS si p-value combinée < seuil, on garde la fenêtre fusion des fenêtres qui se superposent seuil : p<0.01 TFBS prédits 0.02 CRM prédit CRM prédit Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

21 ClusterBuster [ M. Frith et al. Bioinformatics (2003)] input : jeu de séquences + set de PSSM Méthodes : modélisation de CRM par modèle de Markov caché (HMM) TFBS séquences de background entre TFBS séquences de background flanquantes CRM Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/

22 Cluster Buster 92 kb de séquence résultats en ~ 3 sec. avec 12 matrices - 22 Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

23 principe du Modèle de Markov caché (HMM) départ Paramètres du jeu: /6 de 1, 2/6 de 2 4/6 de 2, 2/6 de Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

24 principe du Modèle de Markov caché (HMM) départ Paramètres du jeu: /6 de 1, 2/6 de 2 4/6 de 2, 2/6 de Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

25 principe du Modèle de Markov caché (HMM) J'ignore la succession des dés, mais j'observe la série de chiffres suivante : Est ce que je peux trouver la succession de dés rouge/bleus la plus vraissemblable (le meilleur chemin C)? Pr(S,C M)? En considérant tous les chemins possibles, quelle est la probabilité que cette suite soit issue de ce jeu? Pr(S M) - 25 Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

26 Modélisation de CRM par HMM background entre CRM motif 1 CRM Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012 motif 2 background entre 2 motifs à l'intérieur d'un CRM

27 Modélisation de CRM par HMM pm1(a,c,g,t) mo t if 1 probabilités d'émission pbck(a,c,g,t) tm>back back g DNA round tback>m de nombreux paramètres à estimer - 27 Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

28 Modélisation de CRM par HMM étant donnés les paramètres... étant donnés la séquence observée quelle la probabilité que la séquence soit issue de ce modèle? Pr(S M)? background en dehors du CRM background dans le CRM algorithme de Viterbi, quadratique motif 1 motif 2 CRM Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/

29 Modélisation de CRM par HMM paramètres "biologiques" d'un CRM nombre moyen de background en dehors du CRM sites dans un CRM espacement moyen entre sites espacement moyen entre CRM background dans le CRM comment sont-ils reliés aux paramètres α β γ? motif 1 motif 2 CRM Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/

30 Cluster Buster ClusterBuster utilise un HMM plus simple, et une heuristique motif background dans le CRM background intra- CRM quelle est la sousséquence (de la séquence totale) qui maximise la probabilité d'être décrite par ce modèle? motif 1 motif 2 CRM Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/

31 Cluster Buster on teste toutes les sous-séquences Si [1 i], et on calcule s(i) = Pr(Si M) on identifie un CRM comme la séquence [i,j] qui maximise s(j)-s(i) CRM prédit s(i) Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

32 Limite de ces trois approches MSCAN, matrix-scan et ClusterBuster nécessitent de connaître à priori les facteurs de transcription impliqués cette information n'est pas toujours disponible! autres approches ("motif blind") définition d'un CRM à partir d'un jeu de CRM connus (jeu d'entraînement) et d'un contrôle négatif apprentissage (régression logistique, SVM) recherche de CRM à partir de gènes co-exprimés (~ recherche de motifs) - 32 Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

33 Similarité avec des CRM connus score de similarité basé sur la composition en k-mers 1. jeu de CRM de référence (ex: CRM ayant une expression dans le CNS) jeu positif jeu négatif 4. validation sur un jeu de 16 CRM impliqués dans l'embryogénèse précoce 2. liste d'hexanucléotides sur-représentés Hd CACGTT 10.2 GTTGCA 9.7 TTCTAG 9.1 GCTTAA 8.4 TTGGAA f p h R h = f n h 3. score d'une séquence quelconque: utilisation d'une fenêtre glissante Si = Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012 hd Hd n hd R hd [ HexDiff, Chan & Kibbler (2005) ]

34 Similarité avec des CRM connus score de similarité composite validation sur différents jeux de CRM drosophile et souris (LOOCV) différentes propriétés influent sur l'efficacité de la méthode homotypiques: +, hétérotypique conservation évolutive: + taux de GC élevé: + [ Kantorovitz et al. "Dev. Cell. 17(4) (2009) ] drosophile Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

35 Difficultés majeures 1. localisation Enhancers (CRM) de drosophile (base de données RedFly) enhancer du gène Sonic Hedgehog chez la souris [Li et al., Genome Biology, 2007] - 35 Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

36 Difficultés majeures 2. conservation évolutive Stripe 2 enhancer of even skipped (eve) est ce que l'orthologue du S2E enhancer sauve un mutant S2EΔ de D.melanogaster? [Ludwig et al., PloS Biology (2005)] - 36 Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

37 Difficultés majeures 2. conservation évolutive [Hare et al. PloS Genetics, 2008] 100 Myears "Our results show that there is no necessary relationship between enhancer phylogenetic (or sequence) relatedness and functional similarity."- 37 Carl Herrmann - M2 "analyse de réseaux biologiques" 2011/2012

Approches bioinformatiques de la cis-régulation

Approches bioinformatiques de la cis-régulation 2 Plan Approches bioinformatiques de la cis-régulation Stratégies de découvertes de motifs nucléiques Carl Herrmann TAGC & Univ. Méditerranée - Marseille Rappels sur les mécanismes de régulation transcriptionnelle

Plus en détail

Les bases de données transcriptionnelles en ligne

Les bases de données transcriptionnelles en ligne Les bases de données transcriptionnelles en ligne Différents concepts en régulation transcriptionnelle sites de fixation - in vitro/vivo? - quelle technique? - degré de confiance? facteur de transcription

Plus en détail

PRÉSENTATION TRAVAIL EN COURS - APPRENTISSAGE INTERACTIF. Ianis Lallemand, 21 janvier 2013

PRÉSENTATION TRAVAIL EN COURS - APPRENTISSAGE INTERACTIF. Ianis Lallemand, 21 janvier 2013 PRÉSENTATION TRAVAIL EN COURS - APPRENTISSAGE INTERACTIF Ianis Lallemand, 21 janvier 2013 APPRENTISSAGE INTERACTIF definition Contours encore assez flous dans le champ de l apprentissage automatique. Néanmoins,

Plus en détail

Elodie Darbo. To cite this version: HAL Id: tel-00644865 https://tel.archives-ouvertes.fr/tel-00644865v1

Elodie Darbo. To cite this version: HAL Id: tel-00644865 https://tel.archives-ouvertes.fr/tel-00644865v1 Découverte d éléments cis-régulateurs impliqués dans l activation transcriptionnelle du génome zygotique dans l embryon précoce de Drosophila melanogaster Elodie Darbo To cite this version: Elodie Darbo.

Plus en détail

FOUILLE DE TEXTES Méthodes et enjeux

FOUILLE DE TEXTES Méthodes et enjeux FOUILLE DE TEXTES Méthodes et enjeux 23 mars 2007 Adeline Nazarenko Laboratoire d Informatique de Paris-Nord UMR7030 Université Paris 13 & CNRS adeline.nazarenko@lipn.univ-paris13.fr Plan Applications

Plus en détail

Méthodes d apprentissage :

Méthodes d apprentissage : Méthodes d apprentissage : application au tri de complexes protéines-protéines Jérôme Azé Apprentissage: tâches Apprentissage non supervisé (Eisen, ) Apprentissage supervisé (arbres de décision, k-ppv,

Plus en détail

Plan. Comparaison de 2 séquences. Dotplot, alignement optimal Recherche de similarité. Alignement multiple. Phylogénie moléculaire

Plan. Comparaison de 2 séquences. Dotplot, alignement optimal Recherche de similarité. Alignement multiple. Phylogénie moléculaire Plan 1 Banques de données 2 Comparaison de 2 séquences Dotplot, alignement optimal Recherche de similarité 3 Alignement multiple l 4 Phylogénie moléculaire Recherche de similarité 1 séquence (Query) comparée

Plus en détail

Product Platform Development: A Functional Approach Considering Customer Preferences

Product Platform Development: A Functional Approach Considering Customer Preferences Product Platform Development: A Functional Approach Considering Customer Preferences THÈSE N O 4536 (2009) PRÉSENTÉE le 4 décembre 2009 À LA FACULTé SCIENCES ET TECHNIQUES DE L'INGÉNIEUR LABORATOIRE DES

Plus en détail

Utilisation des diagrammes de Voronoï et des algorithmes génétiques pour l'étude des complexes protéine-protéine.

Utilisation des diagrammes de Voronoï et des algorithmes génétiques pour l'étude des complexes protéine-protéine. Utilisation des diagrammes de Voronoï et des algorithmes génétiques pour l'étude des complexes protéine-protéine. Anne Poupon Biologie et Bioinformatique des Systèmes de Signalisation INRA - Nouzilly France

Plus en détail

Comparaison et alignement de séquences 2

Comparaison et alignement de séquences 2 Comparaison et alignement de séquences 2 LV348 -BI Sophie Pasek sophie.pasek@upmc.fr Comment comparer une séquence contre une banque? Comparaison séquence/banque Pourquoi? : Réunir un échantillon taxonomique

Plus en détail

Plan. Rappel : vision classique de la régulation. Nouvelles possibilités à l ère postgénomique

Plan. Rappel : vision classique de la régulation. Nouvelles possibilités à l ère postgénomique Régulation de l expression des gènes O. Lecompte Laboratoire de Bioinformatique et Génomique Intégratives - IGBMC odile.lecompte@igbmc. fr Plan Rappel : vision classique de la régulation Nouvelles possibilités

Plus en détail

Identification de nouveaux membres dans des familles d'interleukines

Identification de nouveaux membres dans des familles d'interleukines Identification de nouveaux membres dans des familles d'interleukines Nicolas Beaume Jérôme Mickolajczak Gérard Ramstein Yannick Jacques 1ère partie : Définition de la problématique Les familles de gènes

Plus en détail

Promotion of bio-methane and its market development through local and regional partnerships. A project under the Intelligent Energy Europe programme

Promotion of bio-methane and its market development through local and regional partnerships. A project under the Intelligent Energy Europe programme Promotion of bio-methane and its market development through local and regional partnerships A project under the Intelligent Energy Europe programme Contract Number: IEE/10/130 Deliverable Reference: W.P.2.1.3

Plus en détail

Transcriptome Analysis of Zebrafish Embryogenesis Using Microarrays

Transcriptome Analysis of Zebrafish Embryogenesis Using Microarrays Master 1 BFA (Parcours Biochimie) 7 février 2006 Hélène Dauchel (60 min) Transcriptome Analysis of Zebrafish Embryogenesis Using Microarrays D après Sinnakaruppan Mathavan et al. PLoS Genet. 2005 August;

Plus en détail

Modélisation de la structure 3D des protéines

Modélisation de la structure 3D des protéines Modélisation de la structure 3D des protéines We are drowning in data and starving for knowledge -R.D. Roger Unité Mathématique Informatique et Génome Séminaire AGENAE, Seignosse-le-Pénon, 20-21 mai 2003

Plus en détail

Exemple PLS avec SAS

Exemple PLS avec SAS Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that

Plus en détail

Master IAD Module PS. Reconnaissance de la parole (suite) Modèles de Markov et bases de données. Gaël RICHARD Février 2008

Master IAD Module PS. Reconnaissance de la parole (suite) Modèles de Markov et bases de données. Gaël RICHARD Février 2008 Master IAD Module PS Reconnaissance de la parole (suite) Modèles de Markov et bases de données Gaël RICHARD Février 2008 1 Reconnaissance de la parole Introduction Approches pour la reconnaissance vocale

Plus en détail

Conception assistée par ordinateur de molécules thérapeutiques

Conception assistée par ordinateur de molécules thérapeutiques Conception assistée par ordinateur de molécules thérapeutiques D. Gilis Bioinformatique génomique et structurale Faculté des sciences appliquées Université Libre de Bruxelles Objectif: illustrer en quoi

Plus en détail

RiboAmp RNA Amplification Kit

RiboAmp RNA Amplification Kit RiboAmp RNA Amplification Kit Révèle des variations d expression entre types cellulaires Une analyse précise de l expression de gène nécessite de travailler sur un type spécifique de cellules sans interférence

Plus en détail

Modélisation, analyse et simulation de réseaux de régulation génique. Les développements récents en génomique ouvrent de. Dossier

Modélisation, analyse et simulation de réseaux de régulation génique. Les développements récents en génomique ouvrent de. Dossier 32-40wojcik-Thierry.qxd 23/01/05 16:23 Page 36 InteractionViewer (Voir figure 2) DomainViewer PIMViewer Figure 4 PIMRider, plate-forme d exploration des cartes d interactions protéine-protéine. Parmi les

Plus en détail

!! " #$%&! "#$ ' "! $ # &" $. / 01 / # $! "#$ %&$ # &" $. / 01 / # $! "#$ ( ) *) +, $ # &" $. / 01 / # $!! " #$%&' &!! " ( )* ( &! "#$ ' "! $ # &" $. / 01 / # $! "#$ %&$ # &" $. / 01 / # $! "#$ ( ) *)

Plus en détail

De la donnée à la décision. Sofian MAABOUT LaBRI. Université Bordeaux 1

De la donnée à la décision. Sofian MAABOUT LaBRI. Université Bordeaux 1 De la donnée à la décision Sofian MAABOUT LaBRI. Université Bordeaux 1 1 Décider c est choisir, parmi plusieurs actes possibles, celui qui apparaît comme le plus pertinent pour atteindre un résultat envisagé,

Plus en détail

AutoGRAPH Un serveur pour automatiser et visualiser la comparaison de génomes: Application à l identification de nouveaux gènes chez le chien.

AutoGRAPH Un serveur pour automatiser et visualiser la comparaison de génomes: Application à l identification de nouveaux gènes chez le chien. AutoGRAPH Un serveur pour automatiser et visualiser la comparaison de génomes: Application à l identification de nouveaux gènes chez le chien. Thomas DERRIEN CNRS-UMR6061 Génétique et Développement Université

Plus en détail

Analyse de données transcriptomiques : de leur visualisation à l intégration d information extérieure

Analyse de données transcriptomiques : de leur visualisation à l intégration d information extérieure Analyse de données transcriptomiques : de leur visualisation à l intégration d information extérieure Marie Verbanck Laboratoire de Mathématiques Appliquées, Agrocampus OUEST Soutenance de thèse - 4 septembre

Plus en détail

Lier un site de liaison d'un facteur de transcription et son gène cible

Lier un site de liaison d'un facteur de transcription et son gène cible Berder 2013 : Corrélation, causalité et régulation en biologie Lier un site de liaison d'un facteur de transcription et son gène cible Laurent M. SACHS (sachs@mnhn.fr) Laboratoire Evolution des Régulations

Plus en détail

Que nous apprennent les mécanismes de défense des plantes? Master BIP 26-10-2015 Alia Dellagi

Que nous apprennent les mécanismes de défense des plantes? Master BIP 26-10-2015 Alia Dellagi Que nous apprennent les mécanismes de défense des plantes? Master BIP 26-10-2015 Alia Dellagi Des épidémies, des choix à faire.. wikipedia apsnet.org Pour réduire les traitements phytosanitaires Trouver

Plus en détail

Date: 09/11/15 www.crmconsult.com Version: 2.0

Date: 09/11/15 www.crmconsult.com Version: 2.0 Date: 9/11/2015 contact@crmconsult.fr Page 1 / 10 Table des matières 1 SUGARPSHOP : SCHEMA... 3 2 PRESENTATION... 4 3 SHOPFORCE WITH SCREENSHOTS... 5 3.1 CLIENTS... 5 3.2 ORDERS... 6 4 INSTALLATION...

Plus en détail

The mammalian cell cycle

The mammalian cell cycle The mammalian cell cycle Mammalian cell cycle Cdk = Cyclin-dependent kinase Novak B. and Tyson J.J. (2004) A model for restriction point control of the mammalian cell cycle. J. theor. Biol. 230, 563-579.

Plus en détail

Algorithmes pour la comparaison de séquences II

Algorithmes pour la comparaison de séquences II Algorithmes pour la comparaison de séquences II Hélène TOUZET touzet@lifl.fr Equipe Bioinfo Master recherche informatique www.lifl.fr/~touzet/masterrecherche.html Pourquoi comparer des séquences? Puisque

Plus en détail

Étude de la biodiversité fongique à l aide de techniques de pyroséquençage

Étude de la biodiversité fongique à l aide de techniques de pyroséquençage Étude de la biodiversité fongique à l aide de techniques de pyroséquençage Biodiversité fongique Biodiversité: diversité spécifique d une communauté écologique, correspondant au nombre d espèces et à leur

Plus en détail

PROTOCOLE DE DESSIN DES OLIGONUCLEOTIDES LONGS POUR PUCES A ADN. Sommaire

PROTOCOLE DE DESSIN DES OLIGONUCLEOTIDES LONGS POUR PUCES A ADN. Sommaire Sommaire 1. PRINCIPE DE FONCTIONNEMENT:... 2 2. PRE-REQUIS AVANT LE DESSIN DES OLIGONUCLEOTIDES:... 3 2.1 Installation du logiciel OligoArray sur PC:... 3 2.2 Installation du logiciel OligoArray sur Mac:...

Plus en détail

Delphine MENORET. Décodage des réseaux géniques impliqués dans le remodelage cellulaire chez l'embryon de Drosophila melanogaster

Delphine MENORET. Décodage des réseaux géniques impliqués dans le remodelage cellulaire chez l'embryon de Drosophila melanogaster Université Toulouse 3 Paul Sabatier (UT3 Paul Sabatier) Delphine MENORET le mardi 3 décembre 2013 Décodage des réseaux géniques impliqués dans le remodelage cellulaire chez l'embryon de Drosophila melanogaster

Plus en détail

Comparaison et alignement. de séquences 2 LV348 -BI. sophie.pasek@upmc.fr. Sophie Pasek

Comparaison et alignement. de séquences 2 LV348 -BI. sophie.pasek@upmc.fr. Sophie Pasek Comparaison et alignement de séquences 2 LV348 -BI Sophie Pasek sophie.pasek@upmc.fr Comment comparer une séquence contre une banque? Comparaison séquence/banque Pourquoi? : Réunir un échantillon taxonomique

Plus en détail

Objectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique

Objectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55

Plus en détail

Atelier 5/11/2013. Structure de la chromatine et marques épigénétiques

Atelier 5/11/2013. Structure de la chromatine et marques épigénétiques Atelier 5/11/2013 Structure de la chromatine et marques épigénétiques La chromatine ADN ADN + Histones = Nucleosome ADN + Protéines + ARNs = Chromatine Niveau extrême de condensation = Chromosome métaphasique

Plus en détail

Corded Window Covering Products Regulations. Règlement sur les couvrefenêtres. Current to February 3, 2016. À jour au 3 février 2016

Corded Window Covering Products Regulations. Règlement sur les couvrefenêtres. Current to February 3, 2016. À jour au 3 février 2016 CANADA CONSOLIDATION CODIFICATION Corded Window Covering Products Regulations Règlement sur les couvrefenêtres à cordon SOR/2009-112 DORS/2009-112 À jour au 3 février 2016 Published by the Minister of

Plus en détail

Reconnaissance des formes : Classement d ensembles d objets

Reconnaissance des formes : Classement d ensembles d objets Reconnaissance des formes : Classement d ensembles d objets Données Méthodes Extraction de connaissances Applications Expertise Apprentissage Bernard FERTIL Directeur de Recherche CNRS Équipe LXAO, UMR

Plus en détail

L'intelligence d'affaires: la statistique dans nos vies de consommateurs

L'intelligence d'affaires: la statistique dans nos vies de consommateurs L'intelligence d'affaires: la statistique dans nos vies de consommateurs Jean-François Plante, HEC Montréal Marc Fredette, HEC Montréal Congrès de l ACFAS, Université Laval, 6 mai 2013 Intelligence d affaires

Plus en détail

PROTEIN COMPLEXES INVOLVED IN PCG FUNCTION

PROTEIN COMPLEXES INVOLVED IN PCG FUNCTION DISS. ETH NO. 21505 PROTEIN COMPLEXES INVOLVED IN PCG FUNCTION A dissertation submitted to ETH ZURICH for the degree of Doctor of Sciences presented by MARIA DERKACHEVA Master of Biology (Honours), Saint-Petersburg

Plus en détail

Apprentissage d automates sur les protéines

Apprentissage d automates sur les protéines Apprentissage d automates sur les protéines Approche par fusion de fragments significativement similaires (Jobim 04) François Coste, Goulven Kerbellec, Boris Idmont, Daniel Fredouille Christian Delamarche

Plus en détail

Single Molecule Real Time (SMRT) Sequencing : PacBio RS II

Single Molecule Real Time (SMRT) Sequencing : PacBio RS II Single Molecule Real Time (SMRT) Sequencing : PacBio RS II Input sample Genome DNA, Amplicons, cdna Input sample amounts according to the protocols (10ng-10µg) High Input sample quality (integrity and

Plus en détail

TD Bioinformatique : Sequence Alignment. Pourquoi faire une recherche par similarité?

TD Bioinformatique : Sequence Alignment. Pourquoi faire une recherche par similarité? TD Bioinformatique : Sequence lignment Pourquoi faire une recherche par similarité? - Savoir si ma séquence ressemble à d'autres déjà connues. - Trouver toutes les séquences d'une même famille. - Rechercher

Plus en détail

Évaluation de la classification et segmentation d'images en environnement incertain

Évaluation de la classification et segmentation d'images en environnement incertain Évaluation de la classification et segmentation d'images en environnement incertain EXTRACTION ET EXPLOITATION DE L INFORMATION EN ENVIRONNEMENTS INCERTAINS / E3I2 EA3876 2, rue F. Verny 29806 Brest cedex

Plus en détail

Docteur Bertrand FAVIER

Docteur Bertrand FAVIER UE2 : Histologie Biologie du développement Chapitre 2 : La formation des axes embryonnaires Docteur Bertrand FAVIER Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.

Plus en détail

Nouvelles classes de problèmes pour la fouille de motifs intéressants dans les bases de données 2

Nouvelles classes de problèmes pour la fouille de motifs intéressants dans les bases de données 2 Nouvelles classes de problèmes pour la fouille de motifs intéressants dans les bases de données 2 Lhouari Nourine 1 1 Université Blaise Pascal, CNRS, LIMOS, France SeqBio 2012 Marne la vallée, France 2.

Plus en détail

Structure de l Opéron Tryptophane

Structure de l Opéron Tryptophane Régulation de la transcription (procaryote) Structure de l Opéron Tryptophane Opéron anabolique 5 gènes de structure nécessaires à la synthèse du tryptophane Trp Trp Trp Trp Trp 1 Régulation de la transcription

Plus en détail

La segmentation à l aide de EG-SAS. A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM

La segmentation à l aide de EG-SAS. A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM La segmentation à l aide de EG-SAS A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM Définition de la segmentation - Au lieu de considérer une population dans son ensemble,

Plus en détail

Le contrôle qualité sur les données fastq

Le contrôle qualité sur les données fastq Le contrôle qualité sur les données fastq TP detection exome Plan Théorie 1: le format FastQ et l'encodage des qualités Session pratique 1: conversion des qualités (fichier illumina.fastq) Théorie 2: le

Plus en détail

La gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST.

La gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST. La gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST. Gaël Le Mahec - p. 1/12 L algorithme BLAST. Basic Local Alignment Search Tool est un algorithme de recherche

Plus en détail

La définition des micro, petites et moyennes entreprises

La définition des micro, petites et moyennes entreprises La définition des micro, petites et moyennes entreprises Salle de Presse de la Commission 8 mai 2003 Présentation de Pierre Vigier Direction générale des entreprises 08/05/2003 1 19 330 millions d entreprises

Plus en détail

Master ISI 2010-2011. Data Mining Recherche des sous-ensembles fréquents

Master ISI 2010-2011. Data Mining Recherche des sous-ensembles fréquents Master ISI 2010-2011 Data Mining Recherche des sous-ensembles fréquents Yves Lechevallier INRIA-Rocquencourt E_mail : Yves.Lechevallier@inria.fr 1 Processus Data Mining Phase A : Entrepôt de données Entrepôt

Plus en détail

Photo Manipulations in the 2011 CES

Photo Manipulations in the 2011 CES Canadian Election Study Methodological Briefs Methodological Brief #2013-A Photo Manipulations in the 2011 CES Patrick Fournier, Université de Montréal Stuart Soroka, McGill University Fred Cutler, University

Plus en détail

Classification. Pr Roch Giorgi. roch.giorgi@univ-amu.fr

Classification. Pr Roch Giorgi. roch.giorgi@univ-amu.fr Classification Pr Roch Giorgi roch.giorgi@univ-amu.fr SESSTIM, Faculté de Médecine, Aix-Marseille Université, Marseille, France http://sesstim-orspaca.org http://optim-sesstim.univ-amu.fr Objectif Rechercher

Plus en détail

Quentin Rougemont, Guillaume Evanno, Sophie Launey INRA Rennes UMR ESE

Quentin Rougemont, Guillaume Evanno, Sophie Launey INRA Rennes UMR ESE Quentin Rougemont, Guillaume Evanno, Sophie Launey INRA Rennes UMR ESE Rennes Le 19/02/2013 Evolution de l anadromie chez les lamproies Contexte général Objectifs Méthodologie Etats des connaissances Résultats

Plus en détail

BIN 1002: INTÉGRATION BIOSCIENCES/INFORMATIQUE

BIN 1002: INTÉGRATION BIOSCIENCES/INFORMATIQUE BIN 1002: INTÉGRATION BIOSCIENCES/INFORMATIQUE Plan de Cours Automne 2015 Professeurs: Sylvie Hamel, Département d Informatique et de Recherche Opérationnelle Guillaume Lettre, Institut de Cardiologie

Plus en détail

Approche bayésienne des modèles à équations structurelles

Approche bayésienne des modèles à équations structurelles Manuscrit auteur, publié dans "42èmes Journées de Statistique (2010)" Approche bayésienne des modèles à équations structurelles Séverine Demeyer 1,2 & Nicolas Fischer 1 & Gilbert Saporta 2 1 LNE, Laboratoire

Plus en détail

I. TOUITOU (Mise ligne 15/10/08 LIPCOM-RM) Faculté de Médecine Montpellier-Nîmes

I. TOUITOU (Mise ligne 15/10/08 LIPCOM-RM) Faculté de Médecine Montpellier-Nîmes er cycle PCEM MI5 Génétique moléculaire et clinique Année Universitaire 008-009 Comment apprécier la composante héréditaire des maladies?. Excès de cas familiaux - Les études familiales - - La plupart

Plus en détail

Recherche d information textuelle

Recherche d information textuelle Recherche d information textuelle Pré-traitements & indexation B. Piwowarski CNRS / LIP6 Université Paris 6 benjamin@bpiwowar.net http://www.bpiwowar.net Master IP - 2014-15 Cours et travaux pratiques

Plus en détail

Introduction à l analyse statistique et bioinformatique des puces à ADN

Introduction à l analyse statistique et bioinformatique des puces à ADN Formation INSERM 10 février 2004 Introduction à l analyse statistique et bioinformatique des puces à ADN Gaëlle Lelandais lelandais@biologie.ens.fr 1 Première Partie Analyse d une puce à ADN : Le recherche

Plus en détail

SY09 Rapport TP4 : Analyse discriminante, régression logistique

SY09 Rapport TP4 : Analyse discriminante, régression logistique UNIVERSITÉ DE TECHNOLOGIE DE COMPIÈGNE SY09 Rapport TP4 : Analyse discriminante, régression logistique CUNI Frédéric 15 juin 2015 Objectifs du TP : Le but de ce TP est l application de l analyse discriminante

Plus en détail

Lancer FASTA et BLAST en ligne de commande

Lancer FASTA et BLAST en ligne de commande Lancer FASTA et BLAST en ligne de commande V.2006.1 http://www.esil.univ-mrs.fr/~dgaut/cours Daniel Gautheret ESIL, Université de la Méditerranée Fasta Article original: Lipman and Pearson (1985) Science

Plus en détail

Introduction à la bioinformatique

Introduction à la bioinformatique Faculté des Sciences - Rabat Laboratoire de Microbiologie et Biologie Moléculaire -------------------------------------- Université Mohamed V - Agdal Faculté des Sciences B.P. 1014 - Rabat - MAROC TD Biologie

Plus en détail

2 players Ages 8+ Note: Please keep these instructions for future reference. WARNING. CHOKING HAZARD. Small parts. Not for children under 3 years.

2 players Ages 8+ Note: Please keep these instructions for future reference. WARNING. CHOKING HAZARD. Small parts. Not for children under 3 years. Linja Game Rules 2 players Ages 8+ Published under license from FoxMind Games NV, by: FoxMind Games BV Stadhouderskade 125hs Amsterdam, The Netherlands Distribution in North America: FoxMind USA 2710 Thomes

Plus en détail

Classication d'images

Classication d'images Classication d'images Cas de la télédétection - Classication multirésolution Pierre Gançarski ICube CNRS - Université de Strasbourg 2013 Pierre Gançarski Analyse urbaine et télédétection 1/28 1 Contexte

Plus en détail

SPLEX Statistiques pour la classification et fouille de données en

SPLEX Statistiques pour la classification et fouille de données en SPLEX Statistiques pour la classification et fouille de données en génomique Classification Linéaire Binaire CLB Pierre-Henri WUILLEMIN DEcision, Système Intelligent et Recherche opérationnelle LIP6 pierre-henri.wuillemin@lip6.fr

Plus en détail

Gènes Diffusion - EPIC 2010

Gènes Diffusion - EPIC 2010 Gènes Diffusion - EPIC 2010 1. Contexte. 2. Notion de génétique animale. 3. Profil de l équipe plateforme. 4. Type et gestion des données biologiques. 5. Environnement Matériel et Logiciel. 6. Analyses

Plus en détail

Apprentissage Automatique

Apprentissage Automatique Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs

Plus en détail

La drosophile, un système génétique modèle proche de l homme.

La drosophile, un système génétique modèle proche de l homme. La drosophile, un système génétique modèle proche de l homme. François karch Département de Zoologie et biologie animale Université de Genève. 15 septembre 13 octobre La drosophile, un système génétique

Plus en détail

Dysphagia Risk Assessment for the Community-dwelling Elderly

Dysphagia Risk Assessment for the Community-dwelling Elderly DYSPHAGIA RISK ASSESSMENT FOR THE COMMUNITY-DWELLING ELDERLY (DRACE) Miura, H., Kariyasu, M., Yamasaki, K., & Arai, Y. (2007). Evaluation of chewing and swallowing disorders among frail community-dwelling

Plus en détail

WP9 REPORT ON PROJECT S PROMOTIONAL

WP9 REPORT ON PROJECT S PROMOTIONAL TRANSMIT TRANSFER SELLING AND MARKETING INNOVATION TRAINING WP9 REPORT ON PROJECT S PROMOTIONAL WEBSITE AND FLYERS COLLECT OF PROMOTIONAL TOOLS DEVELOPED IN EACH COUNTRY (D9-1) TRANSMIT GEM Site Web EUBBSI

Plus en détail

Annotation in silico de séquences biologiques

Annotation in silico de séquences biologiques Annotation in silico de séquences biologiques Carl Herrmann TAGC Inserm U928 Université de la Méditerranée carl.herrmann@univmed.fr Pourquoi Diana est-elle ce qu'elle est...? génotype = l'information génétique

Plus en détail

DIAGNOSTIC PRÉNATAL NON INVASIF : LE SANG MATERNEL

DIAGNOSTIC PRÉNATAL NON INVASIF : LE SANG MATERNEL 6 LE TEST DIAGNOSTIC PRÉNATAL NON INVASIF : LE SANG MATERNEL Source : les cellules trophoblastiques Fetal cell Cell isolation Détection 5-6SA Disparition rapide après accouchement Pas de persistance après

Plus en détail

Biodiversité, Taxonomie et Barcode moléculaire. Nicolas Puillandre puillandre@mnhn.fr

Biodiversité, Taxonomie et Barcode moléculaire. Nicolas Puillandre puillandre@mnhn.fr Biodiversité, Taxonomie et Barcode moléculaire Nicolas Puillandre puillandre@mnhn.fr Biodiversité : - les écosystèmes - les espèces - les gènes Taxonomie : Description des unités taxonomiques Classification

Plus en détail

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Gilbert Saporta Chaire de Statistique Appliquée, CNAM ActuariaCnam, 31 mai 2012 1 L approche statistique

Plus en détail

Développement des membres de vertébrés

Développement des membres de vertébrés Développement des membres de vertébrés INTRODUCTION Se développent à partir des bourgeons de membres 3 axes: proximo-distal, antéro-posterieur, et dorso-ventral Prox. Dors. Ant. Post. Vent. Dist. SPECIFICATION

Plus en détail

CHAPTER2. Le Problème Economique

CHAPTER2. Le Problème Economique CHAPTER2 Le Problème Economique Les Possibilités de Production et Coût d Opportunité La courbe des possibilités de production représente (CPP) représente la limite entre les différentes combinaisons en

Plus en détail

Pondération d automates modélisant des familles de protéines et significativité des scores

Pondération d automates modélisant des familles de protéines et significativité des scores Pondération d automates modélisant des familles de protéines et significativité des scores Vincent Picard École Normale Supérieure de Cachan Antenne de Bretagne, Rennes, France vincent.picard@eleves.bretagne.ens-cachan.fr

Plus en détail

Utilisation de la fouille de textes et de l extraction d informations en Génomique et Bioinformatique

Utilisation de la fouille de textes et de l extraction d informations en Génomique et Bioinformatique Mastère BBSG-M2 Marseille 2006-2007 Utilisation de la fouille de textes et de l extraction d informations en Génomique et Bioinformatique Bernard Jacq, IBDML CNRS-U2 Marseille Plan Définitions : data mining,

Plus en détail

Identification de microarns régulateurs de l expression du Glypican-3 dans le carcinome hépatocellulaire

Identification de microarns régulateurs de l expression du Glypican-3 dans le carcinome hépatocellulaire 69 ème Journées Scientifiques de l AFEF Mercredi 28 Septembre 2011 Identification de microarns régulateurs de l expression du Glypican-3 dans le carcinome hépatocellulaire Marion Maurel INSERM U1053 Bordeaux

Plus en détail

Module Mixmod pour OpenTURNS

Module Mixmod pour OpenTURNS Module Mixmod pour OpenTURNS Régis LEBRUN EADS Innovation Works 23 septembre 2013 EADS IW 2013 (EADS Innovation Work) 23 septembre 2013 1 / 21 Outline Plan 1 OpenTURNS et propagation d incertitudes 2 Mixmod

Plus en détail

CEISAR Survey on IT education

CEISAR Survey on IT education CEISAR Survey on IT education Objectives In June 2007, the CEISAR conducted a survey to understand what company needs are in terms of training on Computer Science and Management of IS. Our objective was

Plus en détail

Introduction : La bioinformatique

Introduction : La bioinformatique BI Cours 1 et 2 Introduction à la Bio-informatique et la Génomique Biais de composition des séquences Introduction : La bioinformatique Qu'est-ce que c'est? C'est répondre à des problématiques biologiques

Plus en détail

La régression logistique. Par Sonia NEJI et Anne-Hélène JIGOREL

La régression logistique. Par Sonia NEJI et Anne-Hélène JIGOREL La régression logistique Par Sonia NEJI et Anne-Hélène JIGOREL Introduction La régression logistique s applique au cas où: Y est qualitative à 2 modalités Xk qualitatives ou quantitatives Le plus souvent

Plus en détail

1 Modélisation d être mauvais payeur

1 Modélisation d être mauvais payeur 1 Modélisation d être mauvais payeur 1.1 Description Cet exercice est très largement inspiré d un document que M. Grégoire de Lassence de la société SAS m a transmis. Il est intitulé Guide de démarrage

Plus en détail

Stuxnet et Duqu : une histoire de codes malveillants mutants

Stuxnet et Duqu : une histoire de codes malveillants mutants Stuxnet et Duqu : une histoire de codes malveillants mutants Jean-Yves Marion LORIA Université de Lorraine Jean-Yves.Marion@loria.fr Laboratoire de Haute Sécurité (LHS) 1 Stuxnet Ingénierie Sociale Communication

Plus en détail

Modélisation du comportement habituel de la personne en smarthome

Modélisation du comportement habituel de la personne en smarthome Modélisation du comportement habituel de la personne en smarthome Arnaud Paris, Selma Arbaoui, Nathalie Cislo, Adnen El-Amraoui, Nacim Ramdani Université d Orléans, INSA-CVL, Laboratoire PRISME 26 mai

Plus en détail

Résultats : Partie III

Résultats : Partie III Résultats : Partie III Analyse des rôles respectifs de RhoA et RhoC dans le phénotype des cellules d adénocarcinome prostatique Introduction Parmi les protéines du sous-groupe Rho, RhoC a été décrit comme

Plus en détail

Règlement sur l indemnisation des employés de l État. Government Employees Compensation Regulations

Règlement sur l indemnisation des employés de l État. Government Employees Compensation Regulations CANADA CONSOLIDATION CODIFICATION Government Employees Compensation Regulations Règlement sur l indemnisation des employés de l État C.R.C., c. 880 C.R.C., ch. 880 Current to February 3, 2016 À jour au

Plus en détail

Extraction des séquences inter-langues pour la Traduction Automatique

Extraction des séquences inter-langues pour la Traduction Automatique Extraction des séquences inter-langues pour la Traduction Automatique Cyrine Nasri LORIA MOSIC Dirigée par : Pr. Kamel Smaili, Pr. Yahya Slimani et Dr Chiraz Latiri 1/26 Cyrine Nasri Extraction des séquences

Plus en détail

Annotation de protéines

Annotation de protéines JS Varré Université Lille 1 jean-stephane.varre@lifl.fr http://www.lifl.fr/~varre jean-stephane.varre@lifl.fr 1 / Pourquoi faire de l annotation automatique de protéines? Il est difficile de trouver expérimentalement

Plus en détail

Etude transcriptomique de la dégradation des parois lignocellulosiques de son et paille de blé durant la croissance de Thermobacillus xylanilyticus

Etude transcriptomique de la dégradation des parois lignocellulosiques de son et paille de blé durant la croissance de Thermobacillus xylanilyticus Journées SFR condorcet Compiègne 8-9 juillet 2015 Projet Hydroseq : UMR FARE-CRRBM Etude transcriptomique de la dégradation des parois lignocellulosiques de son et paille de blé durant la croissance de

Plus en détail

Projet ANR SAMOGWAS. Specific Advanced MOdels for Genome-wide Association Studies. Journée de lancement officielle. Nantes - vendredi 11 octobre 2013

Projet ANR SAMOGWAS. Specific Advanced MOdels for Genome-wide Association Studies. Journée de lancement officielle. Nantes - vendredi 11 octobre 2013 Projet ANR SAMOGWAS Specific Advanced MOdels for Genome-wide Association Studies Journée de lancement officielle Nantes - vendredi 11 octobre 2013 1 Les partenaires LINA Nantes GIGA-R Liège INSERM Nantes

Plus en détail

Titre: Domaine scientifique : Mots clés : Directeurs de thèse : Institution des directeurs de thèse : Adresse email des directeurs de thèse :

Titre: Domaine scientifique : Mots clés : Directeurs de thèse : Institution des directeurs de thèse : Adresse email des directeurs de thèse : Titre: Détermination de l ensemble des ARNs non codants chez Ostreococcus, un modèle d algue unicellulaire marine infectée par des virus à ADN double brin Domaine scientifique : Génomique Mots clés : ARN

Plus en détail

Modélisation coalescente pour la détection précoce d un cancer

Modélisation coalescente pour la détection précoce d un cancer Modélisation coalescente pour la détection précoce d un cancer Mathieu Emily 27 Novembre 2007 Bioinformatics Research Center - Université d Aarhus Danemark Mathieu Emily Coalescence et cancer 1 Introduction

Plus en détail

Big data et sciences du Vivant L'exemple du séquençage haut débit

Big data et sciences du Vivant L'exemple du séquençage haut débit Big data et sciences du Vivant L'exemple du séquençage haut débit C. Gaspin, C. Hoede, C. Klopp, D. Laborie, J. Mariette, C. Noirot, MS. Trotard bioinfo@genopole.toulouse.inra.fr INRA - MIAT - Plate-forme

Plus en détail

Comment mesurer la couverture d une ressource terminologique pour un corpus?

Comment mesurer la couverture d une ressource terminologique pour un corpus? Comment mesurer la couverture d une ressource terminologique pour un corpus? Goritsa Ninova, Adeline Nazarenko, Thierry Hamon, Sylvie Szulman LIPN UMR 7030 CNRS Université Paris-Nord 99 av. J.-B. Clément,

Plus en détail

La régression logistique

La régression logistique La régression logistique Présentation pour le cours SOL6210, Analyse quantitative avancée Claire Durand, 2015 1 Utilisation PQuand la variable dépendante est nominale ou ordinale < Deux types selon la

Plus en détail

IPv6. Internet Control Message Protocol ICMPv6. Objectif: Comparer ICMPv4 avec ICMPv6

IPv6. Internet Control Message Protocol ICMPv6. Objectif: Comparer ICMPv4 avec ICMPv6 IPv6 Internet Control Message Protocol ICMPv6 Objectif: Comparer ICMPv4 avec ICMPv6 v.1b IPv6 Théorie et Pratique & Microsoft Introduction to IPv6 1 ICMPv6 (RFC 2463) Trois fonctions déjà présentes en

Plus en détail

La bio-quoi??? Introduction à la Bioinformatique. Propriétés et modèles? Propriétés et modèles? cycle cellulaire

La bio-quoi??? Introduction à la Bioinformatique. Propriétés et modèles? Propriétés et modèles? cycle cellulaire Introduction à la Bioinformatique 1. Motivation et objectifs Définition simple: La bio-quoi??? La bioinformatique est l analyse des données biologiques pour : 1.l identification des propriétés intéressantes

Plus en détail

Outils Statistiques du Data Mining

Outils Statistiques du Data Mining Outils Statistiques du Data Mining Pr Roch Giorgi roch.giorgi@univ-amu.fr SESSTIM, Faculté de Médecine, Aix-Marseille Université, Marseille, France http://sesstim-orspaca.org http://optim-sesstim.univ-amu.fr

Plus en détail