Les nouvelles technologies de séquençage au Genoscope. Jean-Marc Aury, France Denoeud
|
|
- Ernest Durand
- il y a 8 ans
- Total affichages :
Transcription
1 Les nouvelles technologies de séquençage au Genoscope Jean-Marc Aury, France Denoeud
2 Introduction Présentation du Genoscope et des activités liées aux NTS Séquençage et assemblage des génomes procaryotes Plateforme de détection de mutations par capture Annotation des génomes eucaryotes par RNA-Seq Annotation du génome de la vigne
3 Genoscope (Centre National de Séquençage) Parmi les plus grands centres de séquençage en Europe Fait partie du CEA depuis mai 2007 Activité centrée aussi bien autour de projets propres que de projets collaboratifs A participé à des projets génomiques de grande envergure : projet génome humain, Arabidopsis, Riz, Anophèle, Coordination de grands projets de séquençage : Tetraodon, Paramécie, Vigne, Oikopleura, Mais aussi des génomes de champignons (Botrytis, Truffe) et de nombreux procaryotes
4 Genoscope (Centre National de Séquençage) Activités liées aux NTS : Séquençage de génomes procaryote (2007) Transcriptomique / Annotation de génomes eucaryotes (2008) Détection de mutations (2008) Métagénomique procaryote (2008) Séquençage de génomes eucaryotes (2009) Génomique fonctionnelle (2009)
5 Genoscope (Centre National de Séquençage) Capacité de séquençage : 19 ABI /Roche Titanium 2 GA2 Illumina 1 Soli d v3
6 Genoscope (Centre National de Séquençage) Niveaux d accès aux capacités du Genoscope par Appel d Offres Projet Séquençage Assemblage, finition Annotation procaryote (MAGE) Annotation eucaryote (GAZE)
7 Séquençage de génomes procaryotes
8 Séquençage de génomes procaryotes Objectifs : diminuer le cout du séquençage des génomes procaryotes produire des séquences de qualité finie : taux d erreur < 10-4 (moins d une erreur tous les 10Kb) Principe : Incorporer des données issues de NTS utilisables pour assembler des génomes de novo Les données produites par le pyroséquençage sont différentes des données Sanger : évaluer la qualité des données brutes estimer la proportion de séquence nécessaire pour produire un assemblage de qualité
9 Séquençage de génomes procaryotes 454 / Roche Genome Sequence FLX 2006 Gs20 20Mb / run 100pb / lecture 2007 GsFLX 100Mb / run 250pb / lecture 2009 Titanium 500Mb / run 500pb / lecture Version actuelle (GS FLX) : Majorité des lectures à 250bp Environ lectures / run et 100Mbp / run Durée du run : 8h Taux d erreurs non négligeable dans les homopolymères Assemblage de qualité à environ 20X Pas de biais de clonage
10 Séquençage de génomes procaryotes 454 / Roche Genome Sequence FLX Un run sur Acinetobacter baylyi (3,5Mb) : lectures - taille cumulée de 96Mb, soit 26,7 équivalents génome (26,7X)
11 Séquençage de génomes procaryotes 454 / Roche Genome Sequence FLX Alignement des lectures au niveau nucléotidique : lectures mappées (soit 99,68%) nt alignés contenant erreurs (soit 8, erreurs, de l ordre de 10-3 à en sanger) 17% délétions, 62% insertions, 21% mismatches (12% de Ns). Erreurs concentrées autour des régions homopolymériques => le taux d erreur n est pas constant, il dépend du taux d homopolymères
12 Séquençage de génomes procaryotes 454 / Roche Genome Sequence FLX
13 Séquençage de génomes procaryotes 454 / Roche Genome Sequence FLX Quelle profondeur de séquençage nécessaire?
14 Séquençage de génomes procaryotes 454 / Roche Genome Sequence FLX Quelle profondeur de séquençage nécessaire?
15 Séquençage de génomes procaryotes 454 / Roche Genome Sequence FLX Quelle profondeur de séquençage nécessaire?
16 Séquençage de génomes procaryotes Sanger Unpaired 454 Unpaired + PE 454 Coverage 7.4X 20X 25X Assembler Arachne (Broad Institute) Newbler (454/Roche) Newbler (454/Roche) # of contigs Contigs N50 (Kb) # of scaffolds Scaffolds N50 (Kb) 2, ,000 Assembly size (% of reference) 3.417Mb (95%) Mb (98%) Mb (98%) Mis-assemblies # of errors 3, Substitutions 2, Insertions / Deletions
17 Séquençage de génomes procaryotes Structure de l assemblage satisfaisante (plus de scaffolds => banque de 3 et 10Kb pour le sanger contre 3Kb pour 454 PE) Meilleur représentation du génome (couverture homogène) Taux d erreurs trop élevé pour une qualité finie : ~ 1 erreur / 8,5Kb, et surtout composé de nombreux indels (problématique pour l annotation) Idée : ajouter des lectures présentant un type d erreur différent pour corriger les indels de l assemblage 454
18 Séquençage de génomes procaryotes Illumina / Solexa Genetic Analyzer 1G Test sur Acinetobacter baylyi (3,5Mb) : environ 10M de lectures de 36pb taille cumulée de 440Mb, soit 120 équivalents génome (120X) Lane6 Lane7 Lane8 Mapped reads 87,75% 89,74% 88,76% 100% (length) mapped reads 78,38% 81,05% 79,80% Perfect reads 68,17% 71,41% 69,27% # of aligned bases # of errors (0,377%) (0,347%) (0,386%) Insertions 0,17% 0,15% 0,14% Deletions 1,02% 1,03% 0,99% Mismatches 98,81% 98,81% 98,87%
19 Séquençage de génomes procaryotes Alignement des lectures illumina sur l assemblage 454 en utilisant Soap (alignements gappés) : 2 mismatches et 3 gaps maximum Elimination des lectures alignées de façon non-unique Chaque différence est conservée si elle satisfait les critères suivants : Elle n est pas située dans les 5 premières et dernières bases de la lecture La qualité de la base en question et des bases encadrantes est >= 20 Les séquences flanquantes ne sont pas des homopolymères Une différence est considérée comme une erreur de séquence si : Elle est vue au moins par 3 lectures différentes 70% des lectures alignées à cette position sont en accord Ces critères qualités entrainent une chute de la couverture
20 Séquençage de génomes procaryotes Quelle profondeur de séquençage nécessaire pour corriger le consensus 454? A 50X, reste 163 erreurs : 51 sont dues à des erreurs dans la séquence de référence ou à la présence de variations (cultures différentes). 112 sont localisées dans les régions répétées (pas de couverture solexa) ou en extrémité de contigs.
21 Séquençage de génomes procaryotes Step Sequenced reads Uniquely mapped reads Filtered reads Number of reads Number of bases Genome coverage 50,0X 45,5X 16,9X Alignement des lectures illumina sur l assemblage 454 en utilisant Soap (alignements gappés) : 2 mismatches et 3 gaps maximum Elimination des lectures alignées de façon non-unique Chaque différence est conservée si elle satisfait les critères suivants : Elle n est pas situé dans les 5 premières et dernières bases La qualité de la base et des bases encadrantes est >= 20 Les séquences flanquantes ne sont pas des homopolymères
22 Séquençage de génomes procaryotes Sanger Unpaired + PE 454 unpaired + paired 454 with Illumina / Solexa GA1 Coverage 7.4X 25X 25X and 50X Assembler Arachne (Broad Institute) Newbler (454/Roche) Newbler (454 / Roche) # of contigs Contigs N50 (Kb) # of scaffolds Scaffolds N50 (Kb) 2,200 1,000 1,000 Assembly size (% of reference) 3.417Mb (95%) Mb (98%) Mb (98%) Mis-assemblies # of errors 3, (1 erreur / 8Kb) 163 (1 erreur / 22Kb) Substitutions 2, Insertions / Deletions
23 Séquençage de génomes procaryotes
24 Séquençage de génomes procaryotes Genomic DNA Roche/454 sequenced paired-end library to a ~7x fragment size coverage (for 3Kb fragments) Add 454 unpaired data to a final 25x coverage Newbler assembly Correct errors with ~50x Solexa/illumina short reads data High quality draft (< 10-4 error rate)
25 Séquençage de génomes procaryotes Until December 2006 : 12x with Sanger technology, 3 libraries (insert sizes 3 kb, 10 kb, 40 kb) Assembly with Phrap or Arachne From january 2007 : 4x Sanger, single library (10 or 40 kb) + 20x GS20 reads Assembly with Arachne (Broad Institute) using Sanger reads and Newbler contigs From June 2007, 4x Sanger, single library (10 or 40 kb) + 15x GSFLX reads Assembly with Newbler2 using Sanger reads and GSFLX reads From June 2008, 7x 454 PE (3kb) x GSFLX reads + ~50x Solexa Assembly with Newbler2 using Sanger reads and GSFLX reads and finishing with inhouse software
26 Plateforme détection de mutations par capture Laboratoire de Ressources Génomique : Gabòr Gyapay Laboratoire de Séquençage : Patrick Wincker Laboratoire d Analyse BIoinformatique des Séquences : François Artiguenave, Vincent Meyer, Marc Wessner, Benjamin Noel
27 Plateforme détection de mutations Objectifs : détection de mutations sur des grands génomes (typiquement l humain) sur plusieurs individus en parallèle pour un cout raisonnable Principe : définir des régions d intérêts sur ces grands génomes de plusieurs mégabases amplifier spécifiquement ces régions par capture séquençage haut-débit Utilisation de puces Nimblegen pour la capture et séquençage en 454 Quels types de projets? Maladies génétiques rares (dermatologie, nevrologie, etc ). Cancerologie. Autres thématiques venant d appels de proposition du Génoscope (analyse du génome humain et d autres mammifères, etc ).
28 Plateforme détection de mutations Digital Light Processing technology
29 Plateforme détection de mutations
30 Plateforme détection de mutations Projet pilote : sélection de gènes, exons, taille cumulée d environ 4 Mb 8 échantillons : 4 échantillons tumoraux et 4 échantillons normaux appariés avec 1 run GSFLX par échantillon (soit ~ 100Mb) régions ciblées : 3,97Mb (moyenne de 300pb) Après passage chez NimbleGen : régions ; 5,6Mb (moyenne de 400pb) Régions séléctionnées Régions capturées
31 Plateforme détection de mutations Alignement des lectures provenant des 8 échantillons sur le génome humain Calcul de la sensibilité et de la spécificité de la capture
32 Plateforme détection de mutations Alignement des lectures provenant des 8 échantillons sur le génome humain B C D E F G H I # lectures # lectures alignées (88%) (85%) (94%) (88%) (89%) (76%) (90%) (90%) # lectures chevauchant des régions cibles (69%) (64%) (63%) (66%) (44%) 977 (3%) (69%) (8%) # lectures incluses dans des régions cibles (49%) (49%) (50%) (46%) (45%)) 424 (43%) (44%) (39%) # régions cibles touchées (92%) (93%) (96%) (93%) (79%) 783 (6%) (92%) (20%) # régions cibles entièrement couvertes (82%) (86%) (83%) (82%) 8610 (65%) 142 (1%) (82%) 622 (5%)
33 Plateforme détection de mutations B C D E F H Couverture initiale 42,9 53,3 35,1 35,1 41,1 29,6 Couverture moyenne 13,9 15,8 12,7 11,5 10,5 10,1 Couverture minimale Couverture maximale 80,7 102,2 102,1 113,0 111,0 86,0 # régions couvertes à 10X (53%) (60%) (54%) (44%) (31%) (41%) Avec >30X initialement, on ne couvre qu environ 50% des régions avec une couverture supérieure à 10X
34 Plateforme détection de mutations Taille des fragments: bp Séquençage de ~225 bp région ciblée région couverte avec les séquences
35 Plateforme détection de mutations % lectures chevauchant des régions cibles % régions cibles touchées % régions cibles couvertes > 10X ,54 0,75 2,58 4,12 5,19 8,81 10,1 11,5 13,9 15,8
36 Plateforme détection de mutations Les régions faiblement couvertes sont souvent communes à différents échantillons => biais de capture
37 Plateforme détection de mutations Initialement environ variations de haute qualité Une 50aine de variations à valider par re-séquençage après classification et sélection Les critères de sélection importants : qualité de la variation (profondeur de séquence) localisation de la variation comparaison entre échantillon et avec les variations connues
38 Annotation de génomes eucaryotes avec des données de RNA-Seq
39 Annotation de génomes eucaryotes Objectif : annoter des génomes eucaryotes à partir de données de transcriptome issues de séquençage haut-débit (Solexa/Illumina ou Solid) Difficultés : Prédire une structure de gène avec des tags d une 40aine de bases Aligner les tags qui tombent sur une jonction exon/exon (alignements gappés avec au plus 5 gaps) Molecular biology: Power sequencing. Brenton R. Graveley. Nature 453, (26 June 2008)
40 Annotation de génomes eucaryotes Short-Read Sequencing Technologies for Transcriptional Analyses. Simon SA, Zhai J, Nandety RS, McCormick KP, Zeng J, Mejia D, Meyers BC. Annu Rev Plant Biol Jan 9.
41 Annotation de génomes eucaryotes mapped reads coverage depth 1. covtigs construction genome ag 2. candidate exons covtig 100 nt gt threshold covtigs forward and reverse candidate exons Etape 1. construction des covtigs Etape 2. Extraction des exons candidats
42 Annotation de génomes eucaryotes Définition imprécise des bornes exoniques GGTGTTCACTACTTAGCCATGAAGATCTAGATTTCACACTTTTAGAAGCCTTAGAAAGCTG... covtig Tags mappés Tags non mappés TGAAGATCTAGATTTCACACTTTTAGAAGCCTT TGAAGATCTAGATTTCACACTTTTAGAAGCCTT TGAAGATCTAGATTTCACACTTTTAGAAGCCTT TGAAGATCTAGATTTCACACTTTTAGAAGCCTT TGAAGATCTAGATTTCACACTTTTAGAAGCCTT TGAAGATCTAGATTTCAAACTTTTAGAAGCCTT TGAAGATCTAGATTTCACACTTTTAGAAGCCTT TGAAGATCTAGATTTCACACTTTTAGAAGCCTT TGAAGATCTAGATTTCACACTTTTAGAAGCCTT TGAAGATCTAGATTTCACACTTTTAGAAGCCTT TGAAGATCTAGATTTCACACTTTTAGAAGCCTT TGAAGATCTAGATTTCACACTTTTAGAAGCCT TGAAGATCTAGATTTCACACTTTTAGAAGCCT TGAAGATCTAGATTTCACACTTTTAGAAGCCT TGAAGATCTAGATTTCACACTTTTAGAAGCCT TGAAGATCTAGATTTCACACTTTTAGAAGCCT CTAGATTTCACACTTTTAGAAGCCTTAGAAAGC TCTAGATTTCACACTTTTAGAAGCCTTAGAAAG CTAGATTTCACACTTTTAGAAGCCTTAGAAAGC CTAGATTTCACACTTTTAGAAGCCTTATAAAG ATCTAGATTTCACACTTTTAGAAGCCTTAGAA CTAGATTTCACACTTTTAGAAGCCTTAGAAAG CTAGATTTCACACTTTTAGAAGCCTTATAAAG ATCTAGATTTCACACTTTTAGAAGCCTTAGAA GACACCATGAAGATCTAGATTTCACACTTTTAG CACCAACACCATGAAGATCTAGATTTCACACTT CACCAACACCATGAAGATCTAGATTTCACACTT CGACACCATGAAGATCTAGATTTCACACTTTTA CCAGCACCCACCAACACCATGAAGATCTAGATT CACCAACACCATGAAGATCTAGATTTCACACTT GGTGCACCCACCAACACCATGAAGATCTAGATT CAACACCATGAAGATCTAGATTTCACACTTTTA CCAACACCATGAAGATCTAGATTTCACACTTTT CACCAACACCATGAAGATCTAGATTTCACACTT Amélioration : Extension des covtigs avec les tags non mappés
43 Annotation de génomes eucaryotes Variation de couverture au niveau exon et gène - données simulées - données réelles Variation au niveau exonique : - biais expérimentaux - épissage alternatif Biais Global entre 3 et 5 exons
44 Annotation de génomes eucaryotes unmapped reads word dictionary k-mer 1 X 1 Etape 3: Validation des jonctions exons/exons Validation of junctions between candidate exons using a word dictionary built from the unmapped reads.. k-mer 2 k-mer n X 2 X n verify words existence in the dictionary candidate exons gt ag validated junction covtig1...ggtgttcactacttacccatgt...agatctacacacttttagaagcctgaaag... covtig2 Mots dérivés TTACCCAT CTTACCCAT ACTTACCCAT TACTTACCCAT CTACTTACCCAT ACTACTTACCCAT CACTACTTACCCAT TCACTACTTACCCAT TTCACTACTTACCCAT GTTCACTACTTACCCAT ATCTACACACTTTTAGA ATCTACACACTTTTAG ATCTACACACTTTTA ATCTACACACTTTT ATCTACACACTTT ATCTACACACTT ATCTACACACT ATCTACACAC ATCTACACA ATCTACAC Validation de la jonction Tags non mappées Création du dictionnaire TGTTCACTACTTACCCATATCTACACACTTTTAGAA TGTTCACTACTTACCCATATCTACA TCACTACTTACCCATATCTACACACTTTTAGAAGCC GTTCACTACTTACCCATATCTACAC GTTCACTACTTACCCATATCTACACACTTTTAGAAG TTCACTACTTACCCATATCTACACA TTCACTACTTACCCATATCTACACACTTTTAGAAGC TCACTACTTACCCATATCTACACAC TGTTCACTACTTACCCATATCTACACACTTTTAGAA CACTACTTACCCATATCTACACACT GTTCACTACTTACCCATATCTACACACTTTTAGAAG... GTGTTCACTACTTACCCATATCTACACACTTTTAGA
45 Annotation de génomes eucaryotes 4. graph of candidate exons linked by validated junctions Etape 4: Création du graphe des exons candidats Open Reading Frame G-Mo.R-Se models 5. model construction and coding sequence detection M1 M 2 M3 M 4 M5 M 6 M 7 T 1 T 2 Real transcripts T 3 Etape 5: Construction des modèles de gènes et détection de séquences codantes Parcours du graphe, un chemin représente un transcrit Recherche d un cadre de lecture dans chaque transcrit Une séquence codante (CDS) est dite plausible si elle fait au moins 50 acides aminés et couvre au moins 2/3 du modèle Les modèles M1, M2, M5 et M7 modélisent correctement les transcrits T1, T2, T3 et T5 Certains chemins ne représentent pas des transcrits réels (modèles M3, M4 et M6) T 4 T 5
46 Annotation de génomes eucaryotes Méthode baptisée G-Mo.R-Se (Gene MOdeling using Rna-Seq), téléchargeable à cette adresse : Utilisable sur des données solexa, mais facilement adaptable à des données Solid (colorspace) Méthode utilisée pour annoter le génome de la vigne
47 Annotation du génome de la vigne avec des données de RNA-Seq
48 Utilisation de G-Mo.R-Se pour l'annotation du génome de la vigne mapped reads coverage depth threshold covtigs 1. covtigs construction genome Génome de Vitis vinifera: 500 Mb RNA-Seq : 173 millions de lectures Solexa/Illumina (4 tissus: feuille, racine, tige, callus) 138 millions de lectures mappées avec SOAP (position unique, max 2 mismatches) : 73.5 Mb Seuil de profondeur pour construire les covtigs: 4 (minimise les splits et les fusions dans les modèles finaux -par rapport à l'annotation de référence) ( Mb covtigs (38.5 Fusions % of exons from predicted models that fuse at least two reference exons Splits % of reference exons that are split by model exons threshold
49 Utilisation de G-Mo.R-Se pour l'annotation du génome de la vigne 2. candidate exons covtig 100 nt covtigs ag gt forward and reverse candidate exons 35 millions de lectures non mappées 3. junction validation unmapped reads. word dictionary k-mer 1 k-mer 2 k-mer n X 1 X 2 X n verify words existence in the dictionary Pour chaque covtig on teste 20 voisins candidate exons gt ag validated junction jonctions validées
50 Utilisation de G-Mo.R-Se pour l'annotation du génome de la vigne 4. graph of candidate exons linked by validated junctions Open Reading Frame modèles avant fusion M1 M 2 M3 M4 T 1 T 2 G-Mo.R-Se models Real transcripts 5. model construction and coding sequence detection M5 M 6 T 3 T 4 M 7 T 5 ( loci modèles (19486 ( loci avec CDS plausible (12341 Run G-Mo.R-Se : ~ secondes (1.7 jours) sur 1 CPU + mapping des lectures : ~ secondes (0.8 jours) sur 1 CPU
51 Evaluation de G-Mo.R-Se contre les gènes de référence de Vitis vinifera Chevauchement nucléotidique entre lectures/covtigs/modèles et les différents compartiments relatifs à l'annotation de référence 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Exons de l'annotation de référence Reads Covtigs Models SP SN 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Introns + régions intergéniques Reads Covtigs Models Seuil de couverture pour construire les covtigs Validation des jonctions Seuil de couverture pour construire les covtigs Validation des jonctions SP= % of nucleotides in reads/covtigs/models falling in the compartment SN= % of nucleotides in the genomic compartment overlapped by reads/covtigs/models
52 Comparaison de G-Mo.R-Se avec l'assemblage direct des lectures par Velvet Chevauchement entre gènes de référence et contigs Velvet / modèles G-Mo.R-Se % reference exonic nucleotides covered reference genes overlapped on >=1 nt reference genes overlapped on >=75% nt Velvet assemby+mapping 24.8% 12,270 (40.3%) 3595 (11.8%) G-Mo.R-Se models 42.9% 15,323 (50.3%) 9306 (30.6%) Profondeur pour les gènes de référence chevauchés par Velvet / G-Mo.R-Se G-Mo.R-Se Velvet
53 Comparaison de G-Mo.R-Se avec l'assemblage direct des lectures par Velvet Exemple d'un gène annoté par G-Mo.R-Se et fragmenté par Velvet Comparaison entre Velvet et G-Mo.R-Se pour la prédiction de la structure exacte des transcrits (cdnas): Transcripts and loci derived from cdnas G-Mo.R-Se Velvet Transcripts with exact structure predicted (total : 9829) Genes having at least one transcript with exact structure predicted (total: 7895) 4600 (47%) 2529 (26%) 4407 (56%) 2509 (32%)
54 Epissage alternatif détecté dans les modèles G-Mo.R-Se Nombre de transcrits par locus Nombre de modèles/transcrits G-Mo.R-Se (all) G-Mo.R-Se (plausible CDS) cdnas * Nombre de loci Nbr de modèles/locus * ~ ESTs multiexoniques assemblées en structures non redondantes ( G-Mo.R-Se (95% de ces clusters sont détectés par Evénements d'épissage alternatif Events common to cdnas and models Models (all) Models (CDS) (% of cdna cdnas 7,895 loci 19,486 loci 12,341 loci events) alternative acceptor/donor % % % 156 (22.6%) skipped % % % 18 (7.2%) mutually exclusive 4 0.4% % % 1 (25.0%) intron retention (IR) (944 without Total IR) 11, (18.5%) Total number of loci with alternative splicing (% of all ident ified loci) 783 (9.9%) (598 without IR) 1602 (8.2%) 1029 (8.3%) - G-Mo.R-Se n'est pas optimisé pour détecter les événements d'épissage alternatif de façon exhaustive, mais détecte davantage d'événements que le séquençage de cdnas
55 Epissage alternatif détecté dans les modèles G-Mo.R-Se
56 Amélioration de l'annotation de la vigne: Identification de nouveaux gènes Caractéristiques des modèles G-Mo.R-Se «nouveaux» vs «connus» Number of loci Number of models Avg number of models per locus Avg number of exons per model Number of models with more than 2 exons Known model loci Models with a All models plausible CDS ( 65% ) 18,811 12,236 45, ( 83% ) 37,644 28, ( 90% ) 25,428 Novel model loci Models with All models a plausible ( 17% ) CDS ( 17% ) 128 Exemple d'un gène nouveau identifié par G-Mo.R-Se ( 53% ) 56
57 Amélioration de l'annotation de la vigne : exemple de fusion de gènes 10% des gènes de référence correspondent à des splits qui ont pu être corrigés grâce aux modèles G-Mo.Rse. 40 % des gènes de référence sont étendus en 5' ou 3' par des modèles G-Mo.R-Se.
58 Conclusion Nous avons montré la faisabilité de l'approche G-Mo.R-Se pour prédire des gènes de novo à partir de données RNA-Seq sur un génome complexe. Cette approche a permis d'annoter davantage de gènes ( à partir de 175 million de lectures RNA-Seq) que le séquençage d'ests ( sequences Sanger), en particulier des gènes faiblement exprimés. Même si G-Mo.R-Se n'est pas dédié à la détection d'épissage alternatif, il permet de détecter un grand nombre de variants d'épissage (souvent peu exprimés), et d'enrichir l'annotation de la vigne. Il sera utilisé pour l'annotation de l'assemblage 12X du génome de la vigne. Cette approche sera particulièrement utile pour l'annotation de génomes dans des phylums avec peu de ressources (ESTs, protéines proches).
GénoToul 2010, Hôtel de Région Midi Pyrénées, Toulouse, 10 décembre 2010
GénoToul 2010, Hôtel de Région Midi Pyrénées, Toulouse, 10 décembre 2010 Analyse de la diversité moléculaire des régions génomiques de 30 gènes du développement méristématique dans une core collection
Plus en détailBig 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 détailCHAPITRE 3 LA SYNTHESE DES PROTEINES
CHAITRE 3 LA SYNTHESE DES ROTEINES On sait qu un gène détient dans sa séquence nucléotidique, l information permettant la synthèse d un polypeptide. Ce dernier caractérisé par sa séquence d acides aminés
Plus en détailIntroduction, présentation de la plateforme South Green. h"p://southgreen.cirad.fr/
Introduction, présentation de la plateforme South Green. h"p://southgreen.cirad.fr/ SupAgro, Montpellier, 10 février 2014 Le déluge de données NGS Next-generation sequencing Rappel: synthèse de l ADN 5
Plus en détailDÉFIS DU SÉQUENÇAGE NOUVELLE GÉNÉRATION
DÉFIS DU SÉQUENÇAGE NOUVELLE GÉNÉRATION PRINCIPES DE BASE SUR LES DONNEES ET LE CALCUL HAUTE PERFORMANCE Lois de Gray sur l ingénierie des données 1 : Les calculs scientifiques traitent des volumes considérables
Plus en détailContrôle de l'expression génétique :
Contrôle de l'expression génétique : Les régulations post-transcriptionnelles L'ARNm, simple intermédiaire entre le génome et les protéines? gène protéine L'ARNm, simple intermédiaire entre le génome et
Plus en détailCATALOGUE DES PRESTATIONS DE LA
1/23 La plate-forme Biopuces et Séquençage de Strasbourg est équipée des technologies Affymetrix et Agilent pour l étude du transcriptome et du génome sur puces à ADN. SOMMAIRE ANALYSE TRANSCRIPTIONNELLE...
Plus en détailMaster 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 détailAnalyse des données de séquençage massif par des méthodes phylogénétiques
Analyse des données de séquençage massif par des méthodes phylogénétiques Roux S., Taib N., Mangot J.F., Hugoni M., Mary I., Ravet V., Bronner G., Enault F., Debroas D. Équipe Microbiologie de l'environnement
Plus en détailGénétique et génomique Pierre Martin
Génétique et génomique Pierre Martin Principe de la sélections Repérage des animaux intéressants X Accouplements Programmés Sélection des meilleurs mâles pour la diffusion Index diffusés Indexation simultanée
Plus en détailGènes 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 détailMise 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 détailIntroduction 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 détailGalaxy Training days. Liste des sessions disponibles : http://bioinfo.genotoul.fr. Les formateurs :
-- 1 -- Galaxy Training days Durée / Programme : 3 journées. Galaxy : First step. Galaxy : Reads alignment and SNP calling. Galaxy : RNAseq alignment and transcripts assemblies. Public : Personnes souhaitant
Plus en détailBiomarqueurs en Cancérologie
Biomarqueurs en Cancérologie Définition, détermination, usage Biomarqueurs et Cancer: définition Anomalie(s) quantitative(s) ou qualitative(s) Indicative(s) ou caractéristique(s) d un cancer ou de certaines
Plus en détailBases 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 détailIntroduction à la Génomique Fonctionnelle
Introduction à la Génomique Fonctionnelle Cours aux étudiants de BSc Biologie 3ème année Philippe Reymond, MER PLAN DU COURS - Séquençage des génomes - Fabrication de DNA microarrays - Autres méthodes
Plus en détailContrôle de l'expression génétique : Les régulations post-transcriptionnelles
Contrôle de l'expression génétique : Les régulations post-transcriptionnelles http://perso.univ-rennes1.fr/serge.hardy/ utilisateur : biochimie mot de passe : 2007 L'ARNm, simple intermédiaire entre le
Plus en détailExercices sur SQL server 2000
Exercices sur SQL server 2000 La diagramme de classe : Exercices sur SQL server 2000 Le modèle relationnel correspondant : 1 Créer les tables Clic-droit on Tables et choisir «New Table» Créer la table
Plus en détailInstructions pour mettre à jour un HFFv2 v1.x.yy v2.0.00
Instructions pour mettre à jour un HFFv2 v1.x.yy v2.0.00 HFFv2 1. OBJET L accroissement de la taille de code sur la version 2.0.00 a nécessité une évolution du mapping de la flash. La conséquence de ce
Plus en détailMise en place d une solution automatique de stockage et de visualisation de données de capture des interactions chromatiniennes à l échelle génomique
Rapport de stage de deuxième année de DUT Génie Biologique option Bioinformatique Mise en place d une solution automatique de stockage et de visualisation de données de capture des interactions chromatiniennes
Plus en détailSéquençage et Assemblage. de Génomes. François Denizot Emmanuel Talla LCB-IBSM CNRS denizot@ibsm.cnrs-mrs.fr talla@ibsm.cnrs-mrs.
Séquençage et Assemblage de Génomes François Denizot Emmanuel Talla LCB-IBSM CNRS denizot@ibsm.cnrs-mrs.fr talla@ibsm.cnrs-mrs.fr Projet de séquençage d un génome Séquençage aléatoire Assemblage Annotation
Plus en détailBases de données et outils bioinformatiques utiles en génétique
Bases de données et outils bioinformatiques utiles en génétique Collège National des Enseignants et Praticiens de Génétique Médicale C. Beroud Date de création du document 2010-2011 Table des matières
Plus en détailPackage Contents. System Requirements. Before You Begin
Package Contents DWA-125 Wireless 150 USB Adapter CD-ROM (contains software, drivers, and manual) Cradle If any of the above items are missing, please contact your reseller. System Requirements A computer
Plus en détailPerl Orienté Objet BioPerl There is more than one way to do it
Perl Orienté Objet BioPerl There is more than one way to do it Bérénice Batut, berenice.batut@udamail.fr DUT Génie Biologique Option Bioinformatique Année 2014-2015 Perl Orienté Objet - BioPerl Rappels
Plus en détailModule Analyse de Génomes 2011-2012 Master 2 module FMBS 326 Immunoinformatique
Module Analyse de Génomes 2011-2012 Master 2 module FMBS 326 Immunoinformatique Planning du Module : Date Heure Salle 12/12 9h-12h TD info TA1Z bat 25 13h-17h TD info TA1Z bat 25 13/12 9h-12h TD info TA1Z
Plus en détailExemple 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 détailSÉQUENÇAGE DE TYPE RAD-SEQ, PRÉSENTATION ET TRAITEMENT ANALYTIQUE
SÉQUENÇAGE DE TYPE RAD-SEQ, PRÉSENTATION ET TRAITEMENT ANALYTIQUE Yvan Le Bras 1, Anthony Bretaudeau 1,2, Cyril Monjeaud 1 1 Plateforme GenOuest & CNRS UMR 6074 IRISA-INRIA, Rennes 2 INRA, UMR IGEPP &
Plus en détailIntroduc)on à Ensembl/ Biomart : Par)e pra)que
Introduc)on à Ensembl/ Biomart : Par)e pra)que Stéphanie Le Gras Jean Muller NAVIGUER DANS ENSEMBL : PARTIE PRATIQUE 2 Naviga)on dans Ensembl : Pra)que Exercice 1 1.a. Quelle est la version de l assemblage
Plus en détailMABioVis. Bio-informatique et la
MABioVis Modèles et Algorithmes pour la Bio-informatique et la Visualisation Visite ENS Cachan 5 janvier 2011 MABioVis G GUY MELANÇON (PR UFR Maths Info / EPI GRAVITE) (là, maintenant) - MABioVis DAVID
Plus en détailDétection des duplications en tandem au niveau nucléique à l'aide de la théorie des flots
Université Toulouse 3 Paul Sabatier(UT3 Paul Sabatier) Informatique Spécialité Bioinformatique Eric AUDEMARD lundi 28 novembre 2011 Détection des duplications en tandem au niveau nucléique à l'aide de
Plus en détailDétection et prise en charge de la résistance aux antirétroviraux
Détection et prise en charge de la résistance aux antirétroviraux Jean Ruelle, PhD AIDS Reference Laboratory, UCLouvain, Bruxelles Corata 2011, Namur, 10 juin 2011 Laboratoires de référence SIDA (Belgique)
Plus en détailLa 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 détailSysFera. Benjamin Depardon
SysFera Passage d applications en SaaS Benjamin Depardon CTO@SysFera SysFera Technologie 2001 Création 2010 Spin Off INRIA Direction par un consortium d investisseurs 12 personnes 75% en R&D Implantation
Plus en détailPRACTICE DIRECTION ON THE LENGTH OF BRIEFS AND MOTIONS ON APPEAL
Tribunal pénal international pour le Rwanda International Criminal Tribunal for Rwanda PRACTICE DIRECTION ON THE LENGTH OF BRIEFS AND MOTIONS ON APPEAL INTRODUCTION In accordance with Rule 107bis of the
Plus en détailBusiness Process Management
Alain Darmon Responsable Avant-Vente BPM, IBM 1 er mars 2011 Business Process Management Améliorez l agilité de l entreprise avec la gestion des processus métier Les processus sont partout! Ouverture de
Plus en détailTP11 - Administration/Tuning
TP11 - Administration/Tuning MIAGE #3-2006/2007 January 9, 2007 1 Architecture physique d une base Oracle 1.1 La structure physique Une base de données Oracle est composé de fichiers (au sens du système
Plus en détailFolio Case User s Guide
Fujitsu America, Inc. Folio Case User s Guide I N S T R U C T I O N S This Folio Case is a stylish, lightweight case for protecting your Tablet PC. Elastic Strap Pen Holder Card Holders/ Easel Stops Figure
Plus en détailDr 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 détailE-Biothon : Une plate-forme pour accélérer les recherches en biologie, santé et environnement.
E-Biothon : Une plate-forme pour accélérer les recherches en biologie, santé et environnement. N.Bard, S.Boin, F.Bothorel, P.Collinet, M.Daydé, B. Depardon, F. Desprez, M.Flé, A.Franc, J.-F. Gibrat, D.
Plus en détaile-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 détailGet Instant Access to ebook Cest Maintenant PDF at Our Huge Library CEST MAINTENANT PDF. ==> Download: CEST MAINTENANT PDF
CEST MAINTENANT PDF ==> Download: CEST MAINTENANT PDF CEST MAINTENANT PDF - Are you searching for Cest Maintenant Books? Now, you will be happy that at this time Cest Maintenant PDF is available at our
Plus en détailChristophe SANNIER christophe.sannier@sirs-fr.com
Systèmes d Information à Référence Spatiale Utilisation d un Estimateur de Régression avec des Données Landsat pour l Estimation de l Etendu et des Changements du Couvert Forestier du Gabon de 1990 à 2010
Plus en détailBases moléculaires des mutations Marc Jeanpierre
Bases moléculaires des mutations Marc Jeanpierre Chaque enfant qui naît hérite de 10 à 30 nouvelles mutations ponctuelles. L essentiel des ces mutations sont heureusement des variations neutres de séquence
Plus en détailModélisation 3D par le modèle de turbulence k-ε standard de la position de la tête sur la force de résistance rencontrée par les nageurs.
Modélisation 3D par le modèle de turbulence k-ε standard de la position de la tête sur la force de résistance rencontrée par les nageurs. H. ZAÏDI a, S. FOHANNO a, R. TAÏAR b, G. POLIDORI a a Laboratoire
Plus en détailMapReduce. Malo Jaffré, Pablo Rauzy. 16 avril 2010 ENS. Malo Jaffré, Pablo Rauzy (ENS) MapReduce 16 avril 2010 1 / 15
MapReduce Malo Jaffré, Pablo Rauzy ENS 16 avril 2010 Malo Jaffré, Pablo Rauzy (ENS) MapReduce 16 avril 2010 1 / 15 Qu est ce que c est? Conceptuellement Données MapReduce est un framework de calcul distribué
Plus en détailImproving the breakdown of the Central Credit Register data by category of enterprises
Improving the breakdown of the Central Credit Register data by category of enterprises Workshop on Integrated management of micro-databases Deepening business intelligence within central banks statistical
Plus en détailAPPENDIX 6 BONUS RING FORMAT
#4 EN FRANÇAIS CI-DESSOUS Preamble and Justification This motion is being presented to the membership as an alternative format for clubs to use to encourage increased entries, both in areas where the exhibitor
Plus en détailFrançois Louesse Comment rédiger un bon projet de R&D européen? Bien choisir son programme
François Louesse Comment rédiger un bon projet de R&D européen? Bien choisir son programme Bien choisir son programme européen de R,D&I Principes généraux des programmes européens Les différentes opportunités
Plus en détailCompte-rendu de fin de projet
Compte-rendu de fin de projet Projet ANR-07-GPLA-004 GNPAnnot / Community system for structural, functional and comparative annotation dedicated to green genomes Programme GPLA 2008 A IDENTIFICATION...2
Plus en détailBASE. Vous avez alors accès à un ensemble de fonctionnalités explicitées ci-dessous :
BASE BioArray Software Environment (BASE) est une base de données permettant de gérer l importante quantité de données générées par des analyses de bio-puces. BASE gère les informations biologiques, les
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détailINSTRUMENTS DE MESURE SOFTWARE. Management software for remote and/or local monitoring networks
INSTRUMENTS DE MESURE SOFTWARE SOFTWARE Logiciel de supervision des réseaux locaux et/ou distants Management software for remote and/or local monitoring networks MIDAs EVO 4 niveaux de fonctionnalités
Plus en détailN 334 - SIMON Anne-Catherine
N 334 - SIMON Anne-Catherine RÉALISATION D UN CDROM/DVD CONTENANT DES DONNÉES DU LANGAGE ORAL ORGANISÉES EN PARCOURS DIDACTIQUES D INITIATION LINGUISTIQUE A PARTIR DES BASES DE DONNÉES VALIBEL Introduction
Plus en détailSécurité des systèmes d'informations et communicants dans le médical
Sécurité des systèmes d'informations et communicants dans le médical Dr Alain MERLE Responsable Programme Sécurité et Défense CEA-LETI Alain.merle@cea.fr Le Leti en quelques chiffres Institut du CEA, fondé
Plus en détailEnjeux et défis en assurance habitation Marc-Olivier Faulkner 18 novembre 2011
Enjeux et défis en assurance habitation Marc-Olivier Faulkner 18 novembre 2011 Aviva plc AGENDA Assurance habitation des particuliers: quelques constats. Problèmes en assurance habitation. Solutions à
Plus en détailMonitor LRD. Table des matières
Folio :1/6 Table des matières 1.Installation du logiciel... 3 2.Utilisation du logiciel... 3 2.1.Description de la fenêtre de commande... 3 2.1.1.Réglage des paramètres de communication... 4 2.1.2.Boutons
Plus en détailOptimisation SQL. Quelques règles de bases
Optimisation SQL Quelques règles de bases Optimisation des ordres SQL Page 2 1. QUELQUES RÈGLES DE BASE POUR DES ORDRES SQL OPTIMISÉS...3 1.1 INTRODUCTION...3 1.2 L OPTIMISEUR ORACLE...3 1.3 OPTIMISEUR
Plus en détailIFT3902 : (Gestion de projet pour le) développement, (et la) maintenance des logiciels
IFT3902 : (Gestion de projet pour le) développement, (et la) maintenance des logiciels Yann-Gaël Guéhéneuc Professeur adjoint guehene@iro.umontreal.ca, local 2345 Département d informatique et de recherche
Plus en détailUML : Unified Modeling Language
UML : Unified Modeling Language Recommended: UML distilled A brief guide to the standard Object Modeling Language Addison Wesley based on Frank Maurer lecture, Univ. of Calgary in french : uml.free.fr/index.html
Plus en détailProtéomique Séance 1 Introduction aux données de protéomique et aux outils de recherche
Protéomique Séance 1 Introduction aux données de protéomique et aux outils de recherche Mathieu Courcelles BCM2003 26 Mars 2009 BCM2003-H09 Protéomique Démonstrateur: Mathieu Courcelles Questions? Via
Plus en détailSommaire. Introduction. Nouveautés d Adobe InDesign CS3. Visite guidée d Adobe InDesign
Sommaire Introduction À propos de ce manuel................................ 1 Contexte d utilisation.................................. 2 Installation d Adobe InDesign.......................... 2 Installation
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détailAGROBASE : un système de gestion de données expérimentales
AGROBASE : un système de gestion de données expérimentales Daniel Wallach, Jean-Pierre RELLIER To cite this version: Daniel Wallach, Jean-Pierre RELLIER. AGROBASE : un système de gestion de données expérimentales.
Plus en détailBig 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 détailApproche par groupe de gènes pour les données longitudinales d expression génique avec une application dans un essai vaccinal contre le VIH
Approche par groupe de gènes pour les données longitudinales d expression génique avec une application dans un essai vaccinal contre le VIH Boris Hejblum 1,2,3 & Rodolphe Thiébaut 1,2,3 1 Inserm, U897
Plus en détailUTILISATION 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 détailBig Data et la santé
Big Data, c'est quoi? Big Data et la santé Collecte, stockage et exploitation de masses de données Capter de façon automatique et anonyme une très grande quantité d'informations, les traiter avec des algorithmes
Plus en détailStratégie DataCenters Société Générale Enjeux, objectifs et rôle d un partenaire comme Data4
Stratégie DataCenters Société Générale Enjeux, objectifs et rôle d un partenaire comme Data4 Stéphane MARCHINI Responsable Global des services DataCenters Espace Grande Arche Paris La Défense SG figures
Plus en détailUtiliser une WebCam. Micro-ordinateurs, informations, idées, trucs et astuces
Micro-ordinateurs, informations, idées, trucs et astuces Utiliser une WebCam Auteur : François CHAUSSON Date : 8 février 2008 Référence : utiliser une WebCam.doc Préambule Voici quelques informations utiles
Plus en détailASSEMBLY INSTRUCTIONS DIRECTIVES POUR L'ASSEMBLAGE ombre pendant lamp lampe suspendue à tons dégradés, chocolat
ASSEMBLY INSTRUCTIONS DIRECTIVES POUR L'ASSEMBLAGE ombre pendant lamp lampe suspendue à tons dégradés, chocolat SKU 2728089 INSTRUCTIONAL MANUAL MANUEL D'INSTRUCTIONS 270/2707 COMPONENT LIST LISTE DES
Plus en détailIntroduction à MapReduce/Hadoop et Spark
1 / 36 Introduction à MapReduce/Hadoop et Spark Certificat Big Data Ludovic Denoyer et Sylvain Lamprier UPMC Plan 2 / 36 Contexte 3 / 36 Contexte 4 / 36 Data driven science: le 4e paradigme (Jim Gray -
Plus en détailASSEMBLY INSTRUCTIONS DIRECTIVES POUR L'ASSEMBLAGE luster chandelier lamp chandelier à trois branches en verre lustré
ASSEMBLY INSTRUCTIONS DIRECTIVES POUR L'ASSEMBLAGE luster chandelier lamp chandelier à trois branches en verre lustré SKU 2711592 INSTRUCTIONAL MANUAL MANUEL D'INSTRUCTIONS 270/2707 COMPONENT LIST LISTE
Plus en détailInstructions Mozilla Thunderbird Page 1
Instructions Mozilla Thunderbird Page 1 Instructions Mozilla Thunderbird Ce manuel est écrit pour les utilisateurs qui font déjà configurer un compte de courrier électronique dans Mozilla Thunderbird et
Plus en détailTHÈSE. présentée à TÉLÉCOM PARISTECH. pour obtenir le grade de. DOCTEUR de TÉLÉCOM PARISTECH. Mention Informatique et Réseaux. par.
École Doctorale d Informatique, Télécommunications et Électronique de Paris THÈSE présentée à TÉLÉCOM PARISTECH pour obtenir le grade de DOCTEUR de TÉLÉCOM PARISTECH Mention Informatique et Réseaux par
Plus en détailStéphane Lefebvre. CAE s Chief Financial Officer. CAE announces Government of Canada participation in Project Innovate.
Stéphane Lefebvre CAE s Chief Financial Officer CAE announces Government of Canada participation in Project Innovate Montreal, Canada, February 27, 2014 Monsieur le ministre Lebel, Mesdames et messieurs,
Plus en détailBill 69 Projet de loi 69
1ST SESSION, 41ST LEGISLATURE, ONTARIO 64 ELIZABETH II, 2015 1 re SESSION, 41 e LÉGISLATURE, ONTARIO 64 ELIZABETH II, 2015 Bill 69 Projet de loi 69 An Act to amend the Business Corporations Act and the
Plus en détailEssais précoces non comparatifs : principes et calcul du nombre de sujets nécessaire
Essais précoces non comparatifs : principes et calcul du nombre de sujets nécessaire Sylvie CHABAUD Direction de la Recherche Clinique et de l Innovation : Centre Léon Bérard - Lyon Unité de Biostatistique
Plus en détailLes 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 détailCALCUL DE LA CONTRIBUTION - FONDS VERT Budget 2008/2009
Société en commandite Gaz Métro CALCUL DE LA CONTRIBUTION - FONDS VERT Budget 2008/2009 Taux de la contribution au Fonds vert au 1 er janvier 2009 Description Volume Coûts Taux 10³m³ 000 $ /m³ (1) (2)
Plus en détailVI- Expression du génome
VI- Expression du génome VI-1.- EXPRESSION DU GÉNOME- PRINCIPES GÉNÉRAUX DOGME CENTRAL Les gènes et l information génétique sont conservés sous forme d acides nucléiques La perpétuation à l identique de
Plus en détailStratégie de réduc-on des déchets Waste Reduc-on Strategy: Contrat 2016 Contract
Stratégie de réduc-on des déchets Waste Reduc-on Strategy: Contrat 2016 Contract Andrew Duffield Directeur des Travaux publics Director of Public Works 2015-05- 25 Résultats des ini-a-ves de la Stratégie
Plus en détailCOURS D ANALYSE DES GENOMES
COURS D ANALYSE DES GENOMES ANNEE UNIVERSITAIRE 2013-2014 * * * * * * Codirecteurs du Cours : Bernard DUJON et Stéphane LE CROM Chef de Travaux : Lionel FRANGEUL * * * * * * LE COURS SE DEROULE DU 4 NOVEMBRE
Plus en détailQuick Start Guide This guide is intended to get you started with Rational ClearCase or Rational ClearCase MultiSite.
Rational ClearCase or ClearCase MultiSite Version 7.0.1 Quick Start Guide This guide is intended to get you started with Rational ClearCase or Rational ClearCase MultiSite. Product Overview IBM Rational
Plus en détailActualités sur la sélection des pondeuses Prospections futures. Dr. Matthias Schmutz, Lohmann Tierzucht
Actualités sur la sélection des pondeuses Prospections futures Dr. Matthias Schmutz, Lohmann Tierzucht Alimentation et démographie mondiale Augmentation annuelle de 80 millions Croissance surtout dans
Plus en détailFÉDÉRATION INTERNATIONALE DE NATATION Diving
QUALIFICATION SYSTEM - 2 ND SUMMER YOUTH OLYMPIC GAMES - NANJING 2014 FÉDÉRATION INTERNATIONALE DE NATATION Diving A. Events (5) MEN S EVENTS (2) WOMEN S EVENTS (2) MIXED EVENTS (2) 3m individual springboard
Plus en détailInterest Rate for Customs Purposes Regulations. Règlement sur le taux d intérêt aux fins des douanes CONSOLIDATION CODIFICATION
CANADA CONSOLIDATION CODIFICATION Interest Rate for Customs Purposes Regulations Règlement sur le taux d intérêt aux fins des douanes SOR/86-1121 DORS/86-1121 Current to August 4, 2015 À jour au 4 août
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailAudiParc Recommandations IMPORTANTES. AudiParc Principe de fonctionnement. AudiParc Installation Déployement
Aide : Page 2 à 3 : AudiParc Recommandations IMPORTANTES Page 4 : AudiParc Objectifs Page 5 : AudiParc Principe de fonctionnement Page 6 à 8 : AudiParc Installation Déployement Page 9 à 13 : AudiParc Utilisation
Plus en détailFace Recognition Performance: Man vs. Machine
1 Face Recognition Performance: Man vs. Machine Andy Adler Systems and Computer Engineering Carleton University, Ottawa, Canada Are these the same person? 2 3 Same person? Yes I have just demonstrated
Plus en détailIBM Software Group. Migration vers Tivoli Workload Scheduler. Philippe TESSIER ptessier@setd.fr. 2009 IBM Corporation
IBM Software Group Migration vers Tivoli Workload Scheduler Philippe TESSIER ptessier@setd.fr Sociétés Prodline ( 180 personnes ) Distributeur et intégrateur EGEN Expert Production Régie, Forfait, Infogérance,
Plus en détailAlgorithmes de recommandation, Cours Master 2, février 2011
, Cours Master 2, février 2011 Michel Habib habib@liafa.jussieu.fr http://www.liafa.jussieu.fr/~habib février 2011 Plan 1. Recommander un nouvel ami (ex : Facebook) 2. Recommander une nouvelle relation
Plus en détailÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE
ÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE ANALYSIS OF THE EFFICIENCY OF GEOGRIDS TO PREVENT A LOCAL COLLAPSE OF A ROAD Céline BOURDEAU et Daniel BILLAUX Itasca
Plus en détailLa Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS
Rev. Energ. Ren. : Chemss 2000 39-44 La Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS D.K. Mohamed, A. Midoun et F. Safia Département
Plus en détailINTERVENANTS ROLAND FITOUSSI DIDIER FAUQUE NICOLAS REBOURS. + Président du Conseil d administration. + Directeur Général. + Directeur Général Délégué
INTERVENANTS ROLAND FITOUSSI + Président du Conseil d administration DIDIER FAUQUE + Directeur Général NICOLAS REBOURS + Directeur Général Délégué ORDRE DU JOUR FAITS MARQUANTS ET RÉSULTATS DU 1 ER SEMESTRE
Plus en détailObjectifs. 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 détailVILLE DE MONTRÉAL CITY OF MONTREAL. Arrondissement Kirkland Borough
VILLE DE MONTRÉAL CITY OF MONTREAL Arrondissement Kirkland Borough ASSEMBLÉE RÉGULIÈRE DU CONSEIL D=ARRONDISSEMENT DE KIRKLAND, LE LUNDI 5 JUILLET 2004, À 20H00. REGULAR MEETING OF THE KIRKLAND BOROUGH
Plus en détailObjectif et contexte business : piliers du traitement efficace des données -l exemple de RANK- Khalid MEHL Jean-François WASSONG 10 mars 2015
Objectif et contexte business : piliers du traitement efficace des données -l exemple de RANK- Khalid MEHL Jean-François WASSONG 10 mars 2015 1. fifty-five : présentation 2. Objectifs de Rank 3. Une approche
Plus en détailOnce the installation is complete, you can delete the temporary Zip files..
Sommaire Installation... 2 After the download... 2 From a CD... 2 Access codes... 2 DirectX Compatibility... 2 Using the program... 2 Structure... 4 Lier une structure à une autre... 4 Personnaliser une
Plus en détailMonitoring elderly People by Means of Cameras
Nuadu project Technologies for Personal Hearth Seminar, June 4th, 2009 Monitoring elderly People by Means of Cameras Laurent LUCAT Laboratory of Embedded Vision Systems CEA LIST, Saclay, France 1 Summary
Plus en détail