MABioVis. Bio-informatique et la

Dimension: px
Commencer à balayer dès la page:

Download "MABioVis. Bio-informatique et la"

Transcription

1 MABioVis Modèles et Algorithmes pour la Bio-informatique et la Visualisation Visite ENS Cachan 5 janvier 2011

2 MABioVis G GUY MELANÇON (PR UFR Maths Info / EPI GRAVITE) (là, maintenant) - MABioVis DAVID SHERMAN DR INRIA (EPI MAGNOME) Mercredi 17h Génomique DAVID AUBER (MCF UFR Maths Info / EPI GRAVITE) Jeudi 10h Visual Analytics BRUNO PINAUD (MCF UFR Maths Info / EPI GRAVITE) Jeudi 11h-13h 13h «Réseaux biochimiques i évolutifs et visualisations de graphes» (discussion)

3 MABioVis La bio-informatique comme domaine d application cible Objectifs complémentaires Travailler au plus près des données biologiques, concevoir et mettre en œuvre des modèles Apporter des objets/modèles combinatoires à des fins algorithmique, d analyse et de modélisation Développer des méthodes offrant ultimement à l expert un laboratoire d exploration et d analyse des données

4 Production de données Données biologiques Annotation primaire Exploration / Formulation d hypothèses / Analyse Analyse et algorithmes Objets/modèles (combinatoires) Elaboration de modèles Intégration et visualisation

5 MABioVis nos fondamentaux Apport des fondamentaux informatiques Méthodes formelles Théorie des graphes, mathématiques combinatoires Optimisation combinatoire Abstraire la méthodologie des objets modélisés Structures et algorithmes des mathématiques discrètes Permutations et motifs interdits Arborescences multi-échelle Graphes planaires, petit monde, invariant d échelle

6 La bio-informatique domaine fédérateur et catalyseur Comparaison de génomes / structure, évolution Deux à deux: combinatoire des structures Multiple: optimisation combinatoire (Re) construction de réseaux biologiques gq Modélisation multi- échelle Représentation des connaissances Intégration de données Approche exploratoire Confirmation d hypothèses

7 MABioVis méthodologie(s) Calcul de similarités (sur des objets ou sur des groupes d objets) Réduction de dimension, clustering Autosimilarité, compression, échantillonnage, passage à l échelle Analyse des séquences et du texte (structures linéaires), des structures arborescentes Objets/mesures combinatoires Formulation des algorithmes Analyse des algorithmes Complexité, convergence ou passage à l échelle des algorithmes

8 Bilan Scientifique Quelques résultats

9 aux modèles Cartes comparatives De la comparaison de génomes Loci et gènes Gènes annotés ADN génomique G 1 G 2 G 3 G 4 G 5 G 6 EMBL Gain et perte de gènes Conservation de réseaux Architectures génomiquesé ancestraux Groupes de homologues Familles de protéines Modèles

10 De la comparaison de génomes aux modèles Comprendre l évolution et la fonction des Cartes comparatives génomes Loci et Gènes gènes annotés ADN de génomiqueé relations développées EMBL au cours du temps La comparaison des génomes est révélatrice G Besoin 1 de comprendre la dynamique des G 2 gènes et des génomes G 3 Gain et perte de gènes Conservation de réseaux Architectures génomiques ancestraux G Besoin 4 G 5 de prédire le rôle et la fonction des gènes G 6 Etablir le lien entre génotype et phénotype Groupes de homologues Familles de protéines Modèles

11 Comparaison de génomes Clustering par consensus Eviter les écueils d un choix particulier Rechercher la «robustesse» de la partition Définir une heuristique qui se calcule en temps raisonnable Consensus clustering: étant données des partitions P 1,...,P k, trouver une partition consensus P minimisant Σ d(p, ( P k ) où d est une distance. Nikolski Sherman 2007

12 Comparaison de génomes Comparaison et réarrangements de plusieurs génomes modélisés é par des permutations ti signées Jean Nikolski Sherman 2009

13 Comparaison de génomes Comparaison et réarrangements de plusieurs génomes Génome médian : à distance minimal i de tous les génomes considérés () Adjacence préservées / perdues encodées par un graphe (breakpoint graph)

14 Analyse de structures biologiques combinatoires i Plantes entières 0 - Peuplement Graphes Caractérisation statistique DAGs Données génomiques Données fortement structurées Arborescences multi-échelles Arborescences Séquences Étiquetage Données moléculaires Comparaison Évaluation de l autosimilarité Modélisation

15 Comparaison de Structures Secondaires d ARN Bases de données de structures secondaires d'arn Important besoin de nouveaux outils de traitement automatique d'analyse et de comparaison Comparaison multi-échelles Prise en compte de la séquence de nucléotides, de son repliement en structure arborescente, de la décomposition en éléments structuraux (réseau de boucles multiples) Auber Delest Domenger Dulucq 2006

16 Visualisation d information La visualisation comme stratégie d exploration et de formulation d hypothèses Graphes petits mondes / invariant d échelle Approches (semi) supervisées Algorithmes de dessin Exploitation des indices structuraux Interactions spécifiques

17 Visualisation multi-niveaux Approche topologique pour l exploration de grands graphes Algorithmes existants peu efficace sur les très grands graphes Besoin de rechercher h automatiquement des sous-structures structures topologiques dans les données Décomposition Multi-échelles Archambault, Auber (2007, 2008, 2009)

18 Visualisation multi-niveaux Représentation de réseaux métaboliques Algorithmes existant travaille sur un sous- ensemble du réseau Nouvel algorithme permettant d éviter la duplication de sommets en conservant au mieux la représentation des chemins métaboliques Analyse topologique Dessin planaire Bourqui, Auber (2006, 2007)

Master de Bioinformatique et Biologie des Systèmes Toulouse http://m2pbioinfo.biotoul.fr Responsable : Pr. Gwennaele Fichant

Master de Bioinformatique et Biologie des Systèmes Toulouse http://m2pbioinfo.biotoul.fr Responsable : Pr. Gwennaele Fichant Master de Bioinformatique et Biologie des Systèmes Toulouse http://m2pbioinfo.biotoul.fr Responsable : Pr. Gwennaele Fichant Parcours: Master 1 : Bioinformatique et biologie des Systèmes dans le Master

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

Présentation du Master Ingénierie Informatique et du Master Science Informatique 2007-2008, Année 2 Université Paris-Est Marne-la-Vallée

Présentation du Master Ingénierie Informatique et du Master Science Informatique 2007-2008, Année 2 Université Paris-Est Marne-la-Vallée Présentation du Master Ingénierie Informatique et du Master Science Informatique 2007-2008, Année 2 Université Paris-Est Marne-la-Vallée Responsable du Master Informatique : Marc Zipstein Responsable de

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

CERTIFICAT DE COMPÉTENCES EN BIO-INFORMATIQUE

CERTIFICAT DE COMPÉTENCES EN BIO-INFORMATIQUE CERTIFICAT DE COMPÉTENCES EN BIO-INFORMATIQUE Organisé par l équipe pédagogique : Statistique bioinformatique du département IMATH Responsable de la formation : Pr. Jean-François Zagury Coordinateur des

Plus en détail

UNIVERSITE D'EVRY VAL D'ESSONNE Référence GALAXIE : 4072

UNIVERSITE D'EVRY VAL D'ESSONNE Référence GALAXIE : 4072 UNIVERSITE D'EVRY VAL D'ESSONNE Référence GALAXIE : 4072 Numéro dans le SI local : Référence GESUP : Corps : Professeur des universités Article : 46-1 Chaire : Non Section 1 : 27-Informatique Section 2

Plus en détail

Semestre 2 Spécialité «Analyse in silico des complexes macromolécules biologiques-médicaments»

Semestre 2 Spécialité «Analyse in silico des complexes macromolécules biologiques-médicaments» Master In silico Drug Design Semestre 2 Spécialité «Analyse in silico des complexes macromolécules biologiques-médicaments» 30NU01IS INITIATION A LA PROGRAMMATION (6 ECTS) Responsables : D. MESTIVIER,

Plus en détail

Big Data et Graphes : Quelques pistes de recherche

Big Data et Graphes : Quelques pistes de recherche Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université

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

Big Data et Graphes : Quelques pistes de recherche

Big Data et Graphes : Quelques pistes de recherche Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de

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

Mise en place de serveurs Galaxy dans le cadre du réseau CATI BBRIC

Mise en place de serveurs Galaxy dans le cadre du réseau CATI BBRIC Mise en place de serveurs Galaxy dans le cadre du réseau CATI BBRIC {Sebastien.Carrere, Ludovic.Legrand,Jerome.Gouzy}@toulouse.inra.fr {Fabrice.Legeai,Anthony.Bretaudeau}@rennes.inra.fr CATI BBRIC 35 bioinformaticiens

Plus en détail

AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES

AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES 1 AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES 2 Axes de recherche L activité du DIM LSC concerne la méthodologie de la conception et le développement de systèmes à forte

Plus en détail

ARN et bioinformatique: PDF processed with CutePDF evaluation edition www.cutepdf.com

ARN et bioinformatique: PDF processed with CutePDF evaluation edition www.cutepdf.com ARN et bioinformatique: Partie 1 PDF processed with CutePDF evaluation edition www.cutepdf.com Sommaire Principes biologiques : Transcription/traduction, types d ARN, formes primaires/secondaires. Zuker

Plus en détail

Recherche de parenté entre les vertébrés

Recherche de parenté entre les vertébrés 1 CHAPITRE A Recherche de parenté entre les vertébrés 2 Chapitre A : Recherche de parentés entre les êtres vivants Tous les êtres vivants présentent des structures cellulaires et un fonctionnement commun

Plus en détail

MASTER (LMD) MODELISATION, OPTIMISATION, COMBINATOIRE ET ALGORITHME

MASTER (LMD) MODELISATION, OPTIMISATION, COMBINATOIRE ET ALGORITHME MASTER (LMD) MODELISATION, OPTIMISATION, COMBINATOIRE ET ALGORITHME RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine ministériel : Sciences, Technologies, Santé Mention : INFORMATIQUE Spécialité

Plus en détail

Théorie des graphes pour l analyse de réseaux d intéractions

Théorie des graphes pour l analyse de réseaux d intéractions Théorie des graphes pour l analyse de réseaux d intéractions Bertrand Jouve Laboratoire ERIC - IXXI - Université Lyon 2 SMAI 2013 Plan 1 Introduction 2 Décomposition en Clans Exemple d étude : modélisation

Plus en détail

Efficacité énergétique des réseaux de cœur et d accès

Efficacité énergétique des réseaux de cœur et d accès Efficacité énergétique des réseaux de cœur et d accès David Coudert Joanna Mouliérac, Frédéric Giroire MASCOTTE I3S (CNRS/Université Nice Sophia-Antipolis) INRIA Sophia-Antipolis Méditerranée 1 Contexte

Plus en détail

VI. Domaines protéiques

VI. Domaines protéiques Chapitre 1 Structure des protéines I. Rappels Définitions II. La Protein Data Bank (PDB) III. Angles dièdres et diagramme de ramachandran IV. Structures secondaires V. Structures supersecondaires VI. Domaines

Plus en détail

Le Master Mathématiques et Applications

Le Master Mathématiques et Applications Le Master Mathématiques et Applications Franck BOYER franck.boyer@univ-amu.fr Institut de Mathématiques de Marseille Aix-Marseille Université Marseille, 20 Mai 2014 1/ 16 Structure générale Vue d ensemble

Plus en détail

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite

Plus en détail

Institut Français de Bioinformatique (IFB) : mettre en place une infrastructure informatique dédiée aux sciences de la vie

Institut Français de Bioinformatique (IFB) : mettre en place une infrastructure informatique dédiée aux sciences de la vie 1 / 1 Institut Français de Bioinformatique (IFB) : mettre en place une infrastructure informatique dédiée aux sciences de la vie J-F. Gibrat Unité Mathématique, Informatique et Génome, INRA, Jouy-en-Josas

Plus en détail

Les besoins de la communauté des sciences de la vie en termes d infrastructure informatique

Les besoins de la communauté des sciences de la vie en termes d infrastructure informatique 1 / 31 Les besoins de la communauté des sciences de la vie en termes d infrastructure informatique J-F. Gibrat Unité Mathématique, Informatique et Génome, INRA, Jouy-en-Josas Séminaire IDRIS, Orsay, 14

Plus en détail

Master Recherche Science Technologie Santé Mention : Informatique Spécialité : Informatique Fondamentale

Master Recherche Science Technologie Santé Mention : Informatique Spécialité : Informatique Fondamentale Master Recherche Science Technologie Santé Mention : Informatique Spécialité : Informatique Fondamentale E. Fleury Eric.Fleury@inria.fr http://perso.ens-lyon.fr/eric.fleury/ Présentation générale 3 parcours

Plus en détail

Le Futur de la Visualisation d Information. Jean-Daniel Fekete Projet in situ INRIA Futurs

Le Futur de la Visualisation d Information. Jean-Daniel Fekete Projet in situ INRIA Futurs Le Futur de la Visualisation d Information Jean-Daniel Fekete Projet in situ INRIA Futurs La visualisation d information 1.Présentation 2.Bilan 3.Perspectives Visualisation : 3 domaines Visualisation scientifique

Plus en détail

Identification de motifs au sein des structures biologiques arborescentes

Identification de motifs au sein des structures biologiques arborescentes Identification de motifs au sein des structures biologiques arborescentes Anne-Laure Gaillard To cite this version: Anne-Laure Gaillard. Identification de motifs au sein des structures biologiques arborescentes.

Plus en détail

DOSSIER DE CANDIDATURE SCIENCES TECHNOLOGIES SANTÉ Master 2 ème année Mention Biologie, Santé

DOSSIER DE CANDIDATURE SCIENCES TECHNOLOGIES SANTÉ Master 2 ème année Mention Biologie, Santé Année universitaire 2007-2008 UNIVERSITÉ de BORDEAUX DOSSIER DE CANDIDATURE SCIENCES TECHNOLOGIES SANTÉ Master 2 ème année Mention Biologie, Santé Etudiants issus du Master 1 ère année Biologie Santé des

Plus en détail

WP2T23 «APPLICATION de de REFERENCE» Prototypage rapide d une application de traitement d images avec SynDEx EADS

WP2T23 «APPLICATION de de REFERENCE» Prototypage rapide d une application de traitement d images avec SynDEx EADS WP2T23 «APPLICATION de de REFERENCE» Prototypage rapide d une application de traitement d images avec SynDEx EADS Avec l appui de l INRIA www-rocq.inria.fr/syndex 1 PLAN I. Présentation du sujet II. Présentation

Plus en détail

Théorie des graphes pour l analyse de réseaux réels

Théorie des graphes pour l analyse de réseaux réels Théorie des graphes pour l analyse de réseaux réels Bertrand Jouve Laboratoire ERIC - IXXI - Université Lyon 2 Plan 1 Entre théorie des graphes et réseaux réels 2 Partitionnement métrique Exemple d étude

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

Master Sciences et Technologies. Mention Informatique. Spécialité MOCAD. En Alternance

Master Sciences et Technologies. Mention Informatique. Spécialité MOCAD. En Alternance Master Sciences et Technologies Mention Informatique Spécialité MOCAD En Alternance 2 Le Master Informatique MOCAD de l'université Lille 1 s'adresse à tout étudiant(e) titulaire d'une première année de

Plus en détail

Laboratoire de mathématiques financières ACT 3282

Laboratoire de mathématiques financières ACT 3282 Automne 2015 Département des mathématiques et statistiques Université de Montréal Laboratoire de mathématiques financières ACT 3282 1. Renseignements généraux: Horaire: Mardi 18h30-19h30 et Vendredi 11h30-13h30

Plus en détail

Fouille de données orientée motifs, méthodes et usages.

Fouille de données orientée motifs, méthodes et usages. Fouille de données orientée motifs, méthodes et usages. François RIOULT GREYC - Équipe Données-Documents-Langues CNRS UMR 6072 Université de Caen Basse-Normandie France Résumé La fouille de données orientée

Plus en détail

Les microarrays: technologie pour interroger le génome

Les microarrays: technologie pour interroger le génome Les microarrays: technologie pour interroger le génome Patrick DESCOMBES patrick.descombes@frontiers-in-genetics.org Plate forme génomique NCCR Frontiers in Genetics Université de Genève http://genomics.frontiers-in-genetics.org

Plus en détail

Soutenance de mi-stage

Soutenance de mi-stage Supervisée par : Mireille RÉGNIER & Yann PONTY 30 juin 2015 1/29 1 Structure 3D de l ARN et objectifs Notions sur la structure 3D de l ARN Intérêts de la comparaison de structures 3D Qu est ce que la comparaison

Plus en détail

COURS SYRRES RÉSEAUX SOCIAUX. Jean-Loup Guillaume

COURS SYRRES RÉSEAUX SOCIAUX. Jean-Loup Guillaume COURS SYRRES RÉSEAUX SOCIAUX Jean-Loup Guillaume Le cours http://jlguillaume.free.fr/www/teaching/syrres/ Exemple 1 : Expérience de Milgram Objectif faire transiter une lettre depuis les Nebraska à un

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

L'analyse protéomique et les sciences -omiques: des données massives à interpréter et sauvegarder

L'analyse protéomique et les sciences -omiques: des données massives à interpréter et sauvegarder L'analyse protéomique et les sciences -omiques: des données massives à interpréter et sauvegarder Christine CARAPITO, Alexandre BUREL, Patrick GUTERL, Alexandre WALTER, Jérôme PANSANEL, Fabrice VARRIER,

Plus en détail

Segmentation interactive d images médicales à 4 dimensions par Lignes de Partage des Eaux

Segmentation interactive d images médicales à 4 dimensions par Lignes de Partage des Eaux 1 Segmentation interactive d images médicales à 4 dimensions par Lignes de Partage des Eaux F. Bidault (1), J. Stawiaski (2), E. Decencière (2), I. Ferreira (3), C. Le Péchoux (3), F. Meyer (2), J. Bourhis

Plus en détail

Groupe de travail : Bioinformatique, plateformes, séquençage et génotypage

Groupe de travail : Bioinformatique, plateformes, séquençage et génotypage Groupe de travail : Bioinformatique, plateformes, séquençage et génotypage Les questions biologiques auxquelles s intéresse l ITMO ont traditionnellement fait appel à la génétique, à la génétique des populations,

Plus en détail

Techniques de DM pour la GRC dans les banques Page 11

Techniques de DM pour la GRC dans les banques Page 11 Techniques de DM pour la GRC dans les banques Page 11 II.1 Introduction Les techniques de data mining sont utilisé de façon augmentaté dans le domaine économique. Tels que la prédiction de certains indicateurs

Plus en détail

Laboratoire d informatique Gaspard-Monge UMR 8049. Journée Labex Bézout- ANSES

Laboratoire d informatique Gaspard-Monge UMR 8049. Journée Labex Bézout- ANSES Laboratoire d informatique Gaspard-Monge UMR 8049 Journée Labex Bézout- ANSES Présentation du laboratoire 150 membres, 71 chercheurs et enseignants-chercheurs, 60 doctorants 4 tutelles : CNRS, École des

Plus en détail

Information aux parents. Les séquences en mathématique

Information aux parents. Les séquences en mathématique Information aux parents Les séquences en mathématique Un changement important La possibilité de choisir une séquence pour 4 e et 5 e secondaire n est plus un classement mais un véritable choix. Extrait

Plus en détail

MASTER (LMD) MANAGEMENT DE PROJET ET INNOVATION EN BIOTECHNOLOGIE

MASTER (LMD) MANAGEMENT DE PROJET ET INNOVATION EN BIOTECHNOLOGIE MASTER (LMD) MANAGEMENT DE PROJET ET INNOVATION EN BIOTECHNOLOGIE RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine ministériel : Sciences, Technologies, Santé Mention : BIOLOGIE SANTE Spécialité

Plus en détail

Visualisation et Extraction de Connaissances

Visualisation et Extraction de Connaissances 8èmes Journées Francophones Extraction et Gestion des Connaissances Sophia Antipolis 29 janvier 2008 Atelier Visualisation et Extraction de Connaissances Organisateurs : François Poulet (IRISA, Univ. Rennes

Plus en détail

Gestion d énergie dans smart ZAE un smart grid à l échelle d une Zone d Activité Economique

Gestion d énergie dans smart ZAE un smart grid à l échelle d une Zone d Activité Economique Gestion d énergie dans smart ZAE un smart grid à l échelle d une Zone d Activité Economique Auteur: Rémy Rigo-Mariani Equipe LAPLACE: X. Roboam, Groupe GENESYS S. Astier, Groupe GENESYS B. Sareni, Groupe

Plus en détail

Cahier de texte de la classe 1 ère 4 - SVT

Cahier de texte de la classe 1 ère 4 - SVT Cahier de texte de la classe 1 ère 4 - SVT DATE SEQUENCE lundi 12 : revoir la fiche méthodologique «utiliser le microscope optique» (disponible sur le site du lycée) Lundi 12 1 er contact avec les élèves.

Plus en détail

Introduction aux bases de données: application en biologie

Introduction aux bases de données: application en biologie Introduction aux bases de données: application en biologie D. Puthier 1 1 ERM206/Technologies Avancées pour le Génome et la Clinique, http://tagc.univ-mrs.fr/staff/puthier, puthier@tagc.univ-mrs.fr ESIL,

Plus en détail

Table des matières. PREMIÈRE PARTIE Étapes initiales des études marketing 7

Table des matières. PREMIÈRE PARTIE Étapes initiales des études marketing 7 Table des matières Préface Public 1 Structure de l ouvrage 1 Caractéristiques de l ouvrage 3 Contenu 3 Pédagogie 4 Remarques sur l adaptation française 4 Ressources numériques 5 Biographie 6 PREMIÈRE PARTIE

Plus en détail

FORUM NTIC BIG DATA, OPEN DATA Big Data: les challenges, les défis

FORUM NTIC BIG DATA, OPEN DATA Big Data: les challenges, les défis FORUM NTIC BIG DATA, OPEN DATA Big Data: les challenges, les défis Joseph Salmon Télécom ParisTech Jeudi 6 Février Joseph Salmon (Télécom ParisTech) Big Data Jeudi 6 Février 1 / 18 Agenda Contexte et opportunités

Plus en détail

David Auber, Yves Chiricota Maylis Delest Jean-Philippe Domenger Patrick Mary Guy Melançon

David Auber, Yves Chiricota Maylis Delest Jean-Philippe Domenger Patrick Mary Guy Melançon Visualisation de graphes avec Tulip : exploration interactive de grandes masses de données en appui à la fouille de données et à l extraction de connaissances. David Auber, Yves Chiricota Maylis Delest

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

LICENCE DE MATHÉMATIQUES

LICENCE DE MATHÉMATIQUES COLLEGIUM SCIENCES ET TECHNOLOGIES LICENCE DE MATHÉMATIQUES Parcours Mathématiques (Metz et Nancy) Parcours Mathématiques-Économie (Metz) OBJECTIFS DE LA FORMATION La licence de Mathématiques vise à donner

Plus en détail

Cahier de texte de la classe 1 ère 3 - SVT

Cahier de texte de la classe 1 ère 3 - SVT Cahier de texte de la classe 1 ère 3 - SVT DATE SEQUENCE jeudi 8 : revoir la fiche méthodologique «utiliser le microscope optique» (disponible sur le site du lycée) Jeudi 8 1 er contact avec les élèves.

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

Organisation du parcours M2 IR Les unités d enseignements (UE) affichées dans la partie tronc commun sont toutes obligatoires, ainsi que le stage et

Organisation du parcours M2 IR Les unités d enseignements (UE) affichées dans la partie tronc commun sont toutes obligatoires, ainsi que le stage et Organisation du parcours M2 IR Les unités d enseignements (UE) affichées dans la partie tronc commun sont toutes obligatoires, ainsi que le stage et l'anglais. L'étudiant a le choix entre deux filières

Plus en détail

connaissances «intéressantes» ou des motifs (patterns) à partir d une grande quantité de données.

connaissances «intéressantes» ou des motifs (patterns) à partir d une grande quantité de données. Data Mining = Knowledge Discovery in Databases (KDD) = Fouille de données 1 Définition : Processus ou méthode qui extrait des connaissances «intéressantes» ou des motifs (patterns) à partir d une grande

Plus en détail

IMO - Informatique, modélisation et optimisation - 2014-2015

IMO - Informatique, modélisation et optimisation - 2014-2015 Licence Sciences, technologies, santé mention informatique générale Couvrir tous les champs de l'informatique: du développement de logiciels aux systèmes d'information Prérequis Les conditions d'accès

Plus en détail

Automatisation de la certification formelle de systèmes critiques par instrumentation d interpréteurs abstraits

Automatisation de la certification formelle de systèmes critiques par instrumentation d interpréteurs abstraits 1 d Automatisation de la certification formelle de systèmes critiques par instrumentation d sous la direction de Michaël Périn Soutenance de Thèse de Doctorat Université de Grenoble - Laboratoire Verimag

Plus en détail

LICENCE : INFORMATIQUE GENERALE

LICENCE : INFORMATIQUE GENERALE LICENCE : INFORMATIQUE GENERALE RÉSUMÉ DE LA FORMATION Type de diplôme : Licence (LMD) Domaine : Sciences, Ingénierie et Technologies Mention : Informatique générale Objectifs Le diplôme offre une formation

Plus en détail

Institut Français de Bioinformatique (IFB) : une infrastructure nationale de service en bioinformatique pour les sciences de la vie

Institut Français de Bioinformatique (IFB) : une infrastructure nationale de service en bioinformatique pour les sciences de la vie 1 / 44 Institut Français de Bioinformatique (IFB) : une infrastructure nationale de service en bioinformatique pour les sciences de la vie J-F. Gibrat Unité Mathématique, Informatique et Génome, INRA,

Plus en détail

UTILISATION DE LA PLATEFORME WEB D ANALYSE DE DONNÉES GALAXY

UTILISATION DE LA PLATEFORME WEB D ANALYSE DE DONNÉES GALAXY UTILISATION DE LA PLATEFORME WEB D ANALYSE DE DONNÉES GALAXY Yvan Le Bras yvan.le_bras@irisa.fr Cyril Monjeaud, Mathieu Bahin, Claudia Hériveau, Olivier Quenez, Olivier Sallou, Aurélien Roult, Olivier

Plus en détail

Data Mining. Rapport de Projet

Data Mining. Rapport de Projet Université Bordeaux I 2011 Nicolas FONTAINE Florence MAURIER Jonathan MERCIER Data Mining Rapport de Projet M2 Bioinformatique Responsable : P. Desbarat Table des matières Introduction 1 1 Choix des données

Plus en détail

Introduction au Data-Mining

Introduction au Data-Mining Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme

Plus en détail

Panorama des études à travers les filières. FEEL du 23 octobre 2014

Panorama des études à travers les filières. FEEL du 23 octobre 2014 Panorama des études à travers les filières FEEL du 23 octobre 2014 Plan Structure générale des études à l'ensimag 1A : le tronc commun 2A/3A : entrée dans les filières et spécialisation Modalités du choix

Plus en détail

Structure secondaire d une molécule d ARNt. Groupe de travail : BATUT Bérénice, BLEIN Sophie, CHEVALIER Manuel, PARISOT Nicolas et VERNISSE Léa

Structure secondaire d une molécule d ARNt. Groupe de travail : BATUT Bérénice, BLEIN Sophie, CHEVALIER Manuel, PARISOT Nicolas et VERNISSE Léa Structure secondaire d une molécule d ARNt Groupe de travail : BATUT Bérénice, BLEIN Sophie, CHEVALIER Manuel, PARISOT Nicolas et VERNISSE Léa Plan Généralités sur l ARN Moyens de prédiction des structures

Plus en détail

Droit fondamental et appliqué et droit de l'entreprise (DEG)

Droit fondamental et appliqué et droit de l'entreprise (DEG) Annexe n 1 : Offre de formation de l Université Paris-Sud 11 Diplômes de Masters demandés en habilitation ou cohabilitation pour le contrat quadriennal 2010-2013. Deux domaines (DEG = Droit Economie Gestion,

Plus en détail

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1 Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation

Plus en détail

Dr E. CHEVRET UE2.1 2013-2014. Aperçu général sur l architecture et les fonctions cellulaires

Dr E. CHEVRET UE2.1 2013-2014. Aperçu général sur l architecture et les fonctions cellulaires Aperçu général sur l architecture et les fonctions cellulaires I. Introduction II. Les microscopes 1. Le microscope optique 2. Le microscope à fluorescence 3. Le microscope confocal 4. Le microscope électronique

Plus en détail

MASTER (LMD) PARCOURS ARCHITECTURE & INGÉNIERIE DU LOGICIEL & DU WEB

MASTER (LMD) PARCOURS ARCHITECTURE & INGÉNIERIE DU LOGICIEL & DU WEB MASTER (LMD) PARCOURS ARCHITECTURE & INGÉNIERIE DU LOGICIEL & DU WEB RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine ministériel : Sciences, Technologies, Santé Mention : INFORMATIQUE Spécialité

Plus en détail

Bases de données des mutations

Bases de données des mutations Bases de données des mutations CFMDB CFTR2 CFTR-France / Registre Corinne THEZE, Corinne BAREIL Laboratoire de génétique moléculaire Montpellier Atelier Muco, Lille, 25-27 septembre 2014 Accès libre http://www.genet.sickkids.on.ca/app

Plus en détail

IFT6251 : Sujets spéciaux en génie logiciel

IFT6251 : Sujets spéciaux en génie logiciel IFT6251 : Sujets spéciaux en génie logiciel Yann-Gaël Guéhéneuc Professeur adjoint guehene@iro.umontreal.ca, local 2345 Département d informatique et de recherche opérationnelle Université de Montréal

Plus en détail

e-biogenouest CNRS UMR 6074 IRISA-INRIA / Plateforme de Bioinformatique GenOuest yvan.le_bras@irisa.fr Programme fédérateur Biogenouest co-financé

e-biogenouest CNRS UMR 6074 IRISA-INRIA / Plateforme de Bioinformatique GenOuest yvan.le_bras@irisa.fr Programme fédérateur Biogenouest co-financé e-biogenouest Coordinateur : Olivier Collin Animateur : Yvan Le Bras CNRS UMR 6074 IRISA-INRIA / Plateforme de Bioinformatique GenOuest yvan.le_bras@irisa.fr Programme fédérateur Biogenouest co-financé

Plus en détail

Analyse des déplacements des objets mobiles : définition de comportements types

Analyse des déplacements des objets mobiles : définition de comportements types Analyse des déplacements des objets mobiles : définition de comportements types Thomas Devogele Université François Rabelais (Tours) thomas.devogele@univ-tours.fr Les déplacements L analyse des déplacements

Plus en détail

Enjeux mathématiques et Statistiques du Big Data

Enjeux mathématiques et Statistiques du Big Data Enjeux mathématiques et Statistiques du Big Data Mathilde Mougeot LPMA/Université Paris Diderot, mathilde.mougeot@univ-paris-diderot.fr Mathématique en Mouvements, Paris, IHP, 6 Juin 2015 M. Mougeot (Paris

Plus en détail

UP-CNV 2.0 2.0. Projet financé par le GIRCI Grand-Ouest à hauteur de 98 000 (AO 2011)

UP-CNV 2.0 2.0. Projet financé par le GIRCI Grand-Ouest à hauteur de 98 000 (AO 2011) UP-CNV 2.0 Banque de données en ligne répertoriant les CNVs (Copy Number Variations) identifiés par CGH-array chez les patients atteints de retard mental, anomalie du développement 2.0 Projet financé par

Plus en détail

Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP)

Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP) Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP) Loris Marchal, Guillaume Melquion, Frédéric Tronel 21 juin 2011 Remarques générales à propos de l épreuve Organisation

Plus en détail

Automatisation de la plateforme MicroScope avec l API JBPM. Engelen. CEA/DSV/IG/Genoscope Métabolique Laboratoire (Atelier) de Génomique.

Automatisation de la plateforme MicroScope avec l API JBPM. Engelen. CEA/DSV/IG/Genoscope Métabolique Laboratoire (Atelier) de Génomique. Atelier «BioWorkFlow» - 25/09/08 Automatisation de la plateforme MicroScope avec l API JBPM David Vallenet & Stéfan Engelen CEA/DSV/IG/Genoscope CNRS-UMR Génomique Métabolique Laboratoire (Atelier) de

Plus en détail

COURS COLLÉGIAUX PRÉALABLES À L ADMISSION

COURS COLLÉGIAUX PRÉALABLES À L ADMISSION Le candidat est tenu d avoir complété tous les cours préalables à la date limite prévue, soit le 15 septembre pour le trimestre d automne et le 1 er février pour le trimestre d hiver. L Université peut

Plus en détail

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population.

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population. Première STMG1 2014-2015 progression. - 1 Table des matières Fil rouge. 3 Axes du programme. 3 Séquence : Proportion d une sous population dans une population. 3 Information chiffrée : connaître et exploiter

Plus en détail

I 3 -CRB: infrastructure informatique interopérable pour les CRB

I 3 -CRB: infrastructure informatique interopérable pour les CRB I 3 -CRB: infrastructure informatique interopérable pour les CRB Dr Christophe COMBET Institut de Biologie et Chimie des Protéines Département BioStructures Moléculaires Equipe Bioinformatique et RMN Structurales

Plus en détail

Masses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA

Masses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Masses de données 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Rédacteurs : Mjo Huguet / N. Jozefowiez 1. Introduction : Besoins Informations et Aide

Plus en détail

Master Informatique Aix-Marseille Université

Master Informatique Aix-Marseille Université Aix-Marseille Université http://masterinfo.univ-mrs.fr/ Département Informatique et Interactions UFR Sciences Laboratoire d Informatique Fondamentale Laboratoire des Sciences de l Information et des Systèmes

Plus en détail

Génie logiciel. Concepts fondamentaux. Bruno MERMET, Université du Havre 1

Génie logiciel. Concepts fondamentaux. Bruno MERMET, Université du Havre 1 Génie logiciel Concepts fondamentaux Bruno MERMET, Université du Havre 1 Nécessité du Génie Logiciel Bruno MERMET, Université du Havre 2 Développement d un logiciel Caractéristiques souhaitées : Adéquation

Plus en détail

DROIT, ÉCONOMIE & GESTION DUT INFORMATIQUE. Possibilité de faire la 2 ème année en apprentissage. www.univ-littoral.fr

DROIT, ÉCONOMIE & GESTION DUT INFORMATIQUE. Possibilité de faire la 2 ème année en apprentissage. www.univ-littoral.fr DROIT, ÉCONOMIE & GESTION DUT INFORMATIQUE Possibilité de faire la ème année en apprentissage www.univ-littoral.fr OBJECTIFS DE LA FORMATION Former des professionnels qui participent à la conception, la

Plus en détail

Analyse des réseaux sociaux et apprentissage

Analyse des réseaux sociaux et apprentissage Analyse des réseaux sociaux et apprentissage Emmanuel Viennet Laboratoire de Traitement et Transport de l Information Université Paris 13 - Sorbonne Paris Cité Réseaux sociaux? Réseaux sociaux? Analyse

Plus en détail

Tout au long de votre cursus Quel métier futur? Dans quel secteur d activité? En fonction de vos goûts et aptitudes et du «niveau d emploi» dans ce

Tout au long de votre cursus Quel métier futur? Dans quel secteur d activité? En fonction de vos goûts et aptitudes et du «niveau d emploi» dans ce Tout au long de votre cursus Quel métier futur? Dans quel secteur d activité? En fonction de vos goûts et aptitudes et du «niveau d emploi» dans ce «profil» S orienter (éventuellement se réorienter) dans

Plus en détail

Chapitre 5 : Flot maximal dans un graphe

Chapitre 5 : Flot maximal dans un graphe Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d

Plus en détail

Stages 2014-2015 ISOFT : UNE SOCIETE INNOVANTE. Contact : Mme Lapedra, stage@isoft.fr

Stages 2014-2015 ISOFT : UNE SOCIETE INNOVANTE. Contact : Mme Lapedra, stage@isoft.fr Stages 2014-2015 ISOFT : UNE SOCIETE INNOVANTE Contact : Mme Lapedra, stage@isoft.fr ISoft, éditeur de logiciels, est spécialisé dans l informatique décisionnelle et l analyse de données. Son expertise

Plus en détail

Plus courts chemins, programmation dynamique

Plus courts chemins, programmation dynamique 1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique

Plus en détail

Comparer l intérêt simple et l intérêt composé

Comparer l intérêt simple et l intérêt composé Comparer l intérêt simple et l intérêt composé Niveau 11 Dans la présente leçon, les élèves compareront divers instruments d épargne et de placement en calculant l intérêt simple et l intérêt composé.

Plus en détail

Influence du nombre de réplicats dans une analyse différentielle de données RNAseq

Influence du nombre de réplicats dans une analyse différentielle de données RNAseq Influence du nombre de réplicats dans une analyse différentielle de données RNAseq Statisticiens: Sophie Lamarre Steve Van Ginkel Sébastien Déjean - Magali San Cristobal Matthieu Vignes Biologistes: Stéphane

Plus en détail

Cursus de Linguistique Informatique

Cursus de Linguistique Informatique Cursus de Linguistique Informatique Réunion d information 13 septembre 2013 1 / 17 Examen d entrée Sur décision de la commission pédagogique La convocation vaut admission au niveau inférieur Examen d orientation

Plus en détail

Propositions de Projets

Propositions de Projets Master1 IS 2012_2013 Spécialité Imagerie Numérique Propositions de Projets Voici les intitulés et responsables des projets proposés : Simulation réaliste du comportement d'organes à tissus mous. Sujet

Plus en détail

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème... TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................

Plus en détail

Les apports de l informatique. Aux autres disciplines

Les apports de l informatique. Aux autres disciplines Les apports de l informatique Aux autres disciplines Le statut de technologie ou de sous-discipline est celui de l importation l et de la vulgarisation Le statut de science à part entière est lorsqu il

Plus en détail

Dell Software International Limited City Gate Park Mahon Cork Ireland

Dell Software International Limited City Gate Park Mahon Cork Ireland Formation Big Data Analytics Séminaire de Méthodologie en Data Science Transformez Vos Données en Actions 2 jours : Mardi 8 et Mercredi 9 Décembre 2015 + 1 jour en option : «Mains sur le Clavier» Lieu

Plus en détail

Franck Fontanili Centre de Génie Industriel EMAC/IFIE_GIPSI_M2

Franck Fontanili Centre de Génie Industriel EMAC/IFIE_GIPSI_M2 Implantation d atelier 1 ère partie Franck Fontanili Centre de Génie Industriel EMAC/IFIE_GIPSI_M2 Plan de la présentation Processus général d implantation Estimation des surfaces nécessaires Pareto des

Plus en détail

données en connaissance et en actions?

données en connaissance et en actions? 1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)

Plus en détail