Transformée de Burrows-Wheeler et mapping de données RNA-seq
|
|
|
- Floriane Gobeil
- il y a 8 ans
- Total affichages :
Transcription
1 Transformée de Burrows-Wheeler et mapping de données RNA-seq MAPPI, journée indexation 6 juin 2011
2 Introduction Indexation But : Recherche rapide d'une information dans de grands volumes de données Indexation de k-mers Indexation de tout le texte 1
3 Introduction Indexation But : Recherche rapide d'une information dans de grands volumes de données Indexation de k-mers Indexation de tout le texte Transformée de Burrows-Wheeler Compression de données (1994) Indexation de textes (2000) 1
4 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 2
5 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C 2
6 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C 2
7 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C 2
8 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C 2
9 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C 2
10 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 2
11 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C Permutations triées $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 2
12 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C Permutations triées $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 2
13 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C Permutations triées $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 2
14 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C Permutations triées $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 2
15 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C Permutations triées $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 2
16 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C Permutations triées $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 2
17 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C Permutations triées $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 2
18 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C Permutations triées $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 2
19 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C Permutations triées $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 2
20 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C Permutations triées $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 2
21 Transformée de Burrows-Wheeler T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C Permutations triées $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 2
22 Transformée de Burrows-Wheeler Permutations circulaires C G A G A C G A A $ $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G G A A $ C G A G A C C G A A $ C G A G A A C G A A $ C G A G G A C G A A $ C G A A G A C G A A $ C G G A G A C G A A $ C T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 TBW(T ) = A 0 A 1 G 2 G 3 G 4 A 5 $ 6 C 7 A 8 C 9 Permutations triées $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 2
23 Fonction LF F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 3
24 Fonction LF F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 3
25 Fonction LF F L $ 1 C G A G A C G A A 4 A 4 $ C G A G A C G A 3 A 3 A $ C G A G A C G 3 A 2 C G A A $ C G A G 2 A 1 G A C G A A $ C G 1 C 2 G A A $ C G A G A 2 C 1 G A G A C G A A $ 1 G 3 A A $ C G A G A C 2 G 2 A C G A A $ C G A 1 G 1 A G A C G A A $ C T = C 1G1 A1G2 A2C2 G3A3 A4$1 3
26 F L $ 1 C G A G A C G A A 4 A 4 $ C G A G A C G A 3 A 3 A $ C G A G A C G 3 A 2 C G A A $ C G A G 2 A 1 G A C G A A $ C G 1 C 2 G A A $ C G A G A 2 C 1 G A G A C G A A $ 1 G 3 A A $ C G A G A C 2 G 2 A C G A A $ C G A 1 G 1 A G A C G A A $ C 1 Fonction LF T = C 1G1 A1G2 A2C2 G3A3 A4$1 Propriété Les lettres identiques sont dans le même ordre dans F et dans L. 3
27 F L $ 1 C G A G A C G A A 4 A 4 $ C G A G A C G A 3 A 3 A $ C G A G A C G 3 A 2 C G A A $ C G A G 2 A 1 G A C G A A $ C G 1 C 2 G A A $ C G A G A 2 C 1 G A G A C G A A $ 1 G 3 A A $ C G A G A C 2 G 2 A C G A A $ C G A 1 G 1 A G A C G A A $ C 1 Fonction LF T = C 1G1 A1G2 A2C2 G3A3 A4$1 Propriété Les lettres identiques sont dans le même ordre dans F et dans L. Fonction LF À partir de L et F, passage d'une lettre dans T à la précédente. Récupération du texte 3
28 F L $ 1 C G A G A C G A A 4 A 4 $ C G A G A C G A 3 A 3 A $ C G A G A C G 3 A 2 C G A A $ C G A G 2 A 1 G A C G A A $ C G 1 C 2 G A A $ C G A G A 2 C 1 G A G A C G A A $ 1 G 3 A A $ C G A G A C 2 G 2 A C G A A $ C G A 1 G 1 A G A C G A A $ C 1 Fonction LF T = C 1G1 A1G2 A2C2 G3A3 A4$1 Propriété Les lettres identiques sont dans le même ordre dans F et dans L. Fonction LF À partir de L et F, passage d'une lettre dans T à la précédente. Récupération du texte $ 3
29 F L $ 1 C G A G A C G A A 4 A 4 $ C G A G A C G A 3 A 3 A $ C G A G A C G 3 A 2 C G A A $ C G A G 2 A 1 G A C G A A $ C G 1 C 2 G A A $ C G A G A 2 C 1 G A G A C G A A $ 1 G 3 A A $ C G A G A C 2 G 2 A C G A A $ C G A 1 G 1 A G A C G A A $ C 1 Fonction LF T = C 1G1 A1G2 A2C2 G3A3 A4$1 Propriété Les lettres identiques sont dans le même ordre dans F et dans L. Fonction LF À partir de L et F, passage d'une lettre dans T à la précédente. Récupération du texte $A 3
30 F L $ 1 C G A G A C G A A 4 A 4 $ C G A G A C G A 3 A 3 A $ C G A G A C G 3 A 2 C G A A $ C G A G 2 A 1 G A C G A A $ C G 1 C 2 G A A $ C G A G A 2 C 1 G A G A C G A A $ 1 G 3 A A $ C G A G A C 2 G 2 A C G A A $ C G A 1 G 1 A G A C G A A $ C 1 Fonction LF T = C 1G1 A1G2 A2C2 G3A3 A4$1 Propriété Les lettres identiques sont dans le même ordre dans F et dans L. Fonction LF À partir de L et F, passage d'une lettre dans T à la précédente. Récupération du texte $A 3
31 F L $ 1 C G A G A C G A A 4 A 4 $ C G A G A C G A 3 A 3 A $ C G A G A C G 3 A 2 C G A A $ C G A G 2 A 1 G A C G A A $ C G 1 C 2 G A A $ C G A G A 2 C 1 G A G A C G A A $ 1 G 3 A A $ C G A G A C 2 G 2 A C G A A $ C G A 1 G 1 A G A C G A A $ C 1 Fonction LF T = C 1G1 A1G2 A2C2 G3A3 A4$1 Propriété Les lettres identiques sont dans le même ordre dans F et dans L. Fonction LF À partir de L et F, passage d'une lettre dans T à la précédente. Récupération du texte $AA 3
32 F L $ 1 C G A G A C G A A 4 A 4 $ C G A G A C G A 3 A 3 A $ C G A G A C G 3 A 2 C G A A $ C G A G 2 A 1 G A C G A A $ C G 1 C 2 G A A $ C G A G A 2 C 1 G A G A C G A A $ 1 G 3 A A $ C G A G A C 2 G 2 A C G A A $ C G A 1 G 1 A G A C G A A $ C 1 Fonction LF T = C 1G1 A1G2 A2C2 G3A3 A4$1 Propriété Les lettres identiques sont dans le même ordre dans F et dans L. Fonction LF À partir de L et F, passage d'une lettre dans T à la précédente. Récupération du texte $AA 3
33 F L $ 1 C G A G A C G A A 4 A 4 $ C G A G A C G A 3 A 3 A $ C G A G A C G 3 A 2 C G A A $ C G A G 2 A 1 G A C G A A $ C G 1 C 2 G A A $ C G A G A 2 C 1 G A G A C G A A $ 1 G 3 A A $ C G A G A C 2 G 2 A C G A A $ C G A 1 G 1 A G A C G A A $ C 1 Fonction LF T = C 1G1 A1G2 A2C2 G3A3 A4$1 Propriété Les lettres identiques sont dans le même ordre dans F et dans L. Fonction LF À partir de L et F, passage d'une lettre dans T à la précédente. Récupération du texte $AAG 3
34 F L $ 1 C G A G A C G A A 4 A 4 $ C G A G A C G A 3 A 3 A $ C G A G A C G 3 A 2 C G A A $ C G A G 2 A 1 G A C G A A $ C G 1 C 2 G A A $ C G A G A 2 C 1 G A G A C G A A $ 1 G 3 A A $ C G A G A C 2 G 2 A C G A A $ C G A 1 G 1 A G A C G A A $ C 1 Fonction LF T = C 1G1 A1G2 A2C2 G3A3 A4$1 Propriété Les lettres identiques sont dans le même ordre dans F et dans L. Fonction LF À partir de L et F, passage d'une lettre dans T à la précédente. Récupération du texte $AAG 3
35 F L $ 1 C G A G A C G A A 4 A 4 $ C G A G A C G A 3 A 3 A $ C G A G A C G 3 A 2 C G A A $ C G A G 2 A 1 G A C G A A $ C G 1 C 2 G A A $ C G A G A 2 C 1 G A G A C G A A $ 1 G 3 A A $ C G A G A C 2 G 2 A C G A A $ C G A 1 G 1 A G A C G A A $ C 1 Fonction LF T = C 1G1 A1G2 A2C2 G3A3 A4$1 Propriété Les lettres identiques sont dans le même ordre dans F et dans L. Fonction LF À partir de L et F, passage d'une lettre dans T à la précédente. Récupération du texte $AAGC 3
36 F L $ 1 C G A G A C G A A 4 A 4 $ C G A G A C G A 3 A 3 A $ C G A G A C G 3 A 2 C G A A $ C G A G 2 A 1 G A C G A A $ C G 1 C 2 G A A $ C G A G A 2 C 1 G A G A C G A A $ 1 G 3 A A $ C G A G A C 2 G 2 A C G A A $ C G A 1 G 1 A G A C G A A $ C 1 Fonction LF T = C 1G1 A1G2 A2C2 G3A3 A4$1 Propriété Les lettres identiques sont dans le même ordre dans F et dans L. Fonction LF À partir de L et F, passage d'une lettre dans T à la précédente. Récupération du texte $AAGC 3
37 F L $ 1 C G A G A C G A A 4 A 4 $ C G A G A C G A 3 A 3 A $ C G A G A C G 3 A 2 C G A A $ C G A G 2 A 1 G A C G A A $ C G 1 C 2 G A A $ C G A G A 2 C 1 G A G A C G A A $ 1 G 3 A A $ C G A G A C 2 G 2 A C G A A $ C G A 1 G 1 A G A C G A A $ C 1 Fonction LF T = C 1G1 A1G2 A2C2 G3A3 A4$1 Propriété Les lettres identiques sont dans le même ordre dans F et dans L. Fonction LF À partir de L et F, passage d'une lettre dans T à la précédente. Récupération du texte $AAGCA 3
38 F L $ 1 C G A G A C G A A 4 A 4 $ C G A G A C G A 3 A 3 A $ C G A G A C G 3 A 2 C G A A $ C G A G 2 A 1 G A C G A A $ C G 1 C 2 G A A $ C G A G A 2 C 1 G A G A C G A A $ 1 G 3 A A $ C G A G A C 2 G 2 A C G A A $ C G A 1 G 1 A G A C G A A $ C 1 Fonction LF T = C 1G1 A1G2 A2C2 G3A3 A4$1 Propriété Les lettres identiques sont dans le même ordre dans F et dans L. Fonction LF À partir de L et F, passage d'une lettre dans T à la précédente. Récupération du texte $AAGCA 3
39 F L $ 1 C G A G A C G A A 4 A 4 $ C G A G A C G A 3 A 3 A $ C G A G A C G 3 A 2 C G A A $ C G A G 2 A 1 G A C G A A $ C G 1 C 2 G A A $ C G A G A 2 C 1 G A G A C G A A $ 1 G 3 A A $ C G A G A C 2 G 2 A C G A A $ C G A 1 G 1 A G A C G A A $ C 1 Fonction LF T = C 1G1 A1G2 A2C2 G3A3 A4$1 Propriété Les lettres identiques sont dans le même ordre dans F et dans L. Fonction LF À partir de L et F, passage d'une lettre dans T à la précédente. Récupération du texte $AAGCA 3
40 FM-index Introduit par Ferragina et Manzini (2000) ; 4
41 FM-index Introduit par Ferragina et Manzini (2000) ; structure d'indexation compressée basée sur la transformée de Burrows-Wheeler ; 4
42 FM-index Introduit par Ferragina et Manzini (2000) ; structure d'indexation compressée basée sur la transformée de Burrows-Wheeler ; utilise : la transformée de Burrows-Wheeler (lettres) ; un échantillon de la table des suxes (positions). 4
43 Recherche de motifs Table des suxes Trop d'espace Échantillonnage Recherchons P = A 0 G 1 A 2 dans T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 5
44 Recherche de motifs Table des suxes Trop d'espace Échantillonnage Recherchons P = A 0 G 1 A 2 dans T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 5
45 Recherche de motifs Table des suxes Trop d'espace Échantillonnage Recherchons P = A 0 G 1 A 2 dans T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 5
46 Recherche de motifs Table des suxes Trop d'espace Échantillonnage Recherchons P = A 0 GA 1 2 dans T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 5
47 Recherche de motifs Table des suxes Trop d'espace Échantillonnage Recherchons P = A 0 GA 1 2 dans T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C Zéro G Trois G 5
48 Recherche de motifs Table des suxes Trop d'espace Échantillonnage Recherchons P = A 0 GA 1 2 dans T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L Zéro G Trois G $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 5
49 Recherche de motifs Table des suxes Trop d'espace Échantillonnage Recherchons P = AGA 0 1 A 2 dans T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 5
50 Recherche de motifs Table des suxes Trop d'espace Échantillonnage Recherchons P = AGA 0 1 A 2 dans T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C Trois A Un A 5
51 Recherche de motifs Table des suxes Trop d'espace Échantillonnage Recherchons P = AGA 0 1 A 2 dans T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L Trois A Un A $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C 5
52 Recherche de motifs Table des suxes Trop d'espace Échantillonnage Recherchons P = AGA 0 1 A 2 dans T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C Il y a une seule occurrence de AGA dans T. 5
53 Recherche de motifs Table des suxes Trop d'espace Échantillonnage Recherchons P = AGA 0 1 A 2 dans T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C Il y a une seule occurrence de AGA dans T. 5
54 Recherche de motifs Table des suxes Trop d'espace Échantillonnage Recherchons P = AGA 0 1 A 2 dans T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C Il y a une seule occurrence de AGA dans T. 5
55 Recherche de motifs Table des suxes Trop d'espace Échantillonnage Recherchons P = AGA 0 1 A 2 dans T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C Il y a une seule occurrence de AGA dans T. 5
56 Recherche de motifs Table des suxes Trop d'espace Échantillonnage Recherchons P = AGA 0 1 A 2 dans T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C Il y a une seule occurrence de AGA dans T. 5
57 Recherche de motifs Table des suxes Trop d'espace Échantillonnage Recherchons P = AGA 0 1 A 2 dans T = C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C Il y a une seule occurrence de AGA dans T. 5
58 En pratique... Génome humain Un FM-index sur le génome humain fait 2 Go Recherche d'un motif de longueur 20 : 0,03 ms 6
59 En pratique... Génome humain Un FM-index sur le génome humain fait 2 Go Recherche d'un motif de longueur 20 : 0,03 ms Chromosome 1 de la souris Table des suxes : 955 Mo 0,07 ms par motif de longueur 20 FM-index : 120 Mo 2 ms par motif de longueur 20 6
60 Modications dans la transformée de Burrows-Wheeler C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G 7
61 Modications dans la transformée de Burrows-Wheeler C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C 0 G 1 A 2 G 3 A G C GAA $ 7
62 Modications dans la transformée de Burrows-Wheeler C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G F C 0 G 1 A 2 G 3 A G C GAA $ L $ C G A G A G C G A A A $ C G A G A G C G A A A $ C G A G A G C G A G C G A A $ C G A G A G A G C G A A $ C G C G A A $ C G A G A G C G A G A G C G A A $ G A A $ C G A G A G C G A G C G A A $ C G A G A G A G C G A A $ C G C G A A $ C G A G A 7
63 Modications dans la transformée de Burrows-Wheeler C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G F C 0 G 1 A 2 G 3 A G C GAA $ L $ C G A G A G C G A A A $ C G A G A G C G A A A $ C G A G A G C G A G C G A A $ C G A G A G A G C G A A $ C G C G A A $ C G A G A G C G A G A G C G A A $ G A A $ C G A G A G C G A G C G A A $ C G A G A G A G C G A A $ C G C G A A $ C G A G A 7
64 Modications dans la transformée de Burrows-Wheeler C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G F C 0 G 1 A 2 G 3 A G C GAA $ L $ C G A G A G C G A A A $ C G A G A G C G A A A $ C G A G A G C G A G C G A A $ C G A G A G A G C G A A $ C G C G A A $ C G A G A G C G A G A G C G A A $ G A A $ C G A G A G C G A G C G A A $ C G A G A G A G C G A A $ C G C G A A $ C G A G A 7
65 Modications dans la transformée de Burrows-Wheeler C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G F C 0 G 1 A 2 G 3 A G C GAA $ L $ C G A G A G C G A A A $ C G A G A G C G A A A $ C G A G A G C G A G C G A A $ C G A G A G A G C G A A $ C G C G A A $ C G A G A G C G A G A G C G A A $ G A A $ C G A G A G C G A G C G A A $ C G A G A G A G C G A A $ C G C G A A $ C G A G A 7
66 Modications dans la transformée de Burrows-Wheeler C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G F C 0 G 1 A 2 G 3 A G C GAA $ L $ C G A G A G C G A A A $ C G A G A G C G A A A $ C G A G A G C G A G C G A A $ C G A G A G A G C G A A $ C G C G A A $ C G A G A G C G A G A G C G A A $ G A A $ C G A G A G C G A G C G A A $ C G A G A G A G C G A A $ C G C G A A $ C G A G A 7
67 Modications dans la transformée de Burrows-Wheeler C 0 G 1 A 2 G 3 A 4 C 5 G 6 A 7 A 8 $ 9 F L $ C G A G A C G A A A $ C G A G A C G A A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G C G A A $ C G A G A C G A G A C G A A $ G A A $ C G A G A C G A C G A A $ C G A G A G A C G A A $ C G F C 0 G 1 A 2 G 3 A G C GAA $ L $ C G A G A G C G A A A $ C G A G A G C G A A A $ C G A G A G C G A G C G A A $ C G A G A G A G C G A A $ C G C G A A $ C G A G A G C G A G A G C G A A $ G A A $ C G A G A G C G A G C G A A $ C G A G A G A G C G A A $ C G C G A A $ C G A G A 7
68 8 Mapping de reads RNA-seq
69 Diérence avec le génomique Les reads proviennent d'arn mature Les reads peuvent contenir des jonctions exon-exon plus dicile de localiser ces reads sur un génome 9
70 Solutions de mapping Tables de hachage GSNAP (Wu et Nacu, 2010) substitutions, gaps, jonctions GASSST (Rizk et Lavenier, 2010) subsitutions et gaps 10
71 Solutions de mapping Tables de hachage GSNAP (Wu et Nacu, 2010) substitutions, gaps, jonctions GASSST (Rizk et Lavenier, 2010) subsitutions et gaps Transformée de Burrows-Wheeler Bowtie (Langmead et al., 2009) Trois substitutions max. BWA (Li et Durbin, 2009) Substitutions et gaps courts SOAP2 (Li et al., 2009) Substitutions et gaps courts 10
72 Ce que font ces outils En entrée Ensemble de reads Génome indexé 11
73 Ce que font ces outils En entrée Ensemble de reads Génome indexé En sortie Information sur les reads Localisation Unique Multiple Pas de localisation 11
74 CRAC Collaboration Nicolas Philippe et Éric Rivals (LIRMM, Montpellier) Thérèse Commes (IGH, Montpellier) 12
75 CRAC Collaboration Nicolas Philippe et Éric Rivals (LIRMM, Montpellier) Thérèse Commes (IGH, Montpellier) But 12
76 CRAC Collaboration Nicolas Philippe et Éric Rivals (LIRMM, Montpellier) Thérèse Commes (IGH, Montpellier) But Détection de diérentes causes : indels SNP jonctions chimères erreurs 12
77 Méthodologie Idée Un facteur de longueur k donné ( 22 pour le génome humain) peut être localisé de manière exacte sans ambiguïté (Philippe et al, 2009). 13
78 Méthodologie Idée Un facteur de longueur k donné ( 22 pour le génome humain) peut être localisé de manière exacte sans ambiguïté (Philippe et al, 2009). Ces facteurs sont utiles pour : étudier la variation du nombre d'occurrences des k-mers au sein du reads étudier la localisation de ces k-mers par rapport au génome 13
79 Distinguer erreur et mutation SNP erreur Read k-mer localisé? k Analyse de la variation du nombre d'occurrences de chaque k-mer SNP Erreur 14
80 Distinguer erreur et mutation SNP erreur Read k-mer localisé? k Analyse de la variation du nombre d'occurrences de chaque k-mer SNP Erreur 14
81 Distinguer erreur et mutation SNP erreur Read k-mer localisé? k Analyse de la variation du nombre d'occurrences de chaque k-mer SNP Erreur 14
82 Distinguer erreur et mutation SNP erreur Read k-mer localisé? k Analyse de la variation du nombre d'occurrences de chaque k-mer SNP Erreur 14
83 Distinguer erreur et mutation SNP erreur Read k-mer localisé? k Analyse de la variation du nombre d'occurrences de chaque k-mer SNP Erreur 14
84 Distinguer erreur et mutation SNP erreur Read k-mer localisé? k Analyse de la variation du nombre d'occurrences de chaque k-mer SNP Erreur 14
85 Distinguer erreur et mutation SNP erreur Read k-mer localisé? k Analyse de la variation du nombre d'occurrences de chaque k-mer SNP Erreur 14
86 Distinguer erreur et mutation SNP erreur Read k-mer localisé? k Analyse de la variation du nombre d'occurrences de chaque k-mer SNP Erreur 14
87 Distinguer erreur et mutation SNP erreur Read k-mer localisé? k Analyse de la variation du nombre d'occurrences de chaque k-mer SNP Erreur 14
88 Distinguer erreur et mutation SNP erreur Read k-mer localisé? k Analyse de la variation du nombre d'occurrences de chaque k-mer SNP Erreur 14
89 Distinguer erreur et mutation SNP erreur Read k-mer localisé? k Analyse de la variation du nombre d'occurrences de chaque k-mer SNP Erreur 14
90 Distinguer erreur et mutation SNP erreur Read k-mer localisé? k Analyse de la variation du nombre d'occurrences de chaque k-mer SNP Erreur 14
91 Distinguer erreur et mutation SNP erreur Read k-mer localisé? k Analyse de la variation du nombre d'occurrences de chaque k-mer SNP Erreur 14
92 Distinguer erreur et mutation SNP erreur Read k k-mer localisé? Analyse de la variation du nombre d'occurrences de chaque k-mer 28 reads partagent le k-mer commençant ici SNP Erreur # de k-mers
93 Distinguer erreur et mutation SNP erreur Read k k-mer localisé? Analyse de la variation du nombre d'occurrences de chaque k-mer 28 reads partagent le k-mer commençant ici SNP Erreur # de k-mers
94 Distinguer erreur et mutation SNP erreur Read k k-mer localisé? Analyse de la variation du nombre d'occurrences de chaque k-mer 28 reads partagent le k-mer commençant ici SNP Erreur 14 # de k-mers Il n'y a qu'un seul read avec ce k-mer erronné
95 Distinguer erreur et mutation SNP erreur Read k k-mer localisé? Analyse de la variation du nombre d'occurrences de chaque k-mer 28 reads partagent le k-mer commençant ici SNP Erreur 14 # de k-mers Il n'y a qu'un seul read avec ce k-mer erronné
96 Substitution, indel ou épissage? Substitution l = L Read Génome 15
97 Substitution, indel ou épissage? Substitution l = L Read Génome 15
98 Substitution, indel ou épissage? Substitution l = L l Read Génome 15
99 Substitution, indel ou épissage? Substitution l = L l Read Génome 15
100 Substitution, indel ou épissage? Substitution l = L l Read Génome 15
101 Substitution, indel ou épissage? Substitution l = L l Read L Génome 15
102 Substitution, indel ou épissage? Substitution l = L l Read L Génome 15
103 Substitution, indel ou épissage? Délétion l < L l L Read Genome 15
104 Substitution, indel ou épissage? Insertion l > L l Read L Genome 15
105 Substitution, indel ou épissage? Substitution Délétion Insertion l Read l Read l Read L Genome L Genome L Genome Épissage 15
106 Substitution, indel ou épissage? Substitution Délétion Insertion l Read l Read l Read L Genome L Genome L Genome Épissage 15
107 Substitution, indel ou épissage? Substitution Délétion Insertion l Read l Read l Read L Genome L Genome L Genome Épissage Chimère 15
108 Quelques complications de la vie réelle... k Read Genome 16
109 Quelques complications de la vie réelle... k Read Genome 16
110 Quelques complications de la vie réelle... k Read Genome 16
111 Quelques complications de la vie réelle... k Read Genome 16
112 Quelques complications de la vie réelle... k Read Genome 16
113 Quelques complications de la vie réelle... k Read Genome 16
114 Quelques complications de la vie réelle... k Read Genome 16
115 Quelques complications de la vie réelle... k Read Genome Exemple chr 1,, Read chr 1,, chr 1,,
116 Quelques complications de la vie réelle... k Read Genome Exemple chr 1,, Read chr 1,, chr 1,,
117 Quelques complications de la vie réelle... k Read Genome Exemple chr 1,, Read chr 1,, chr 1,,
118 Quelques complications de la vie réelle... k Read Genome Exemple chr 1,, Read chr 1,, chr 1,,
119 Quelques complications de la vie réelle... k Read Genome Exemple chr 1,, Read chr 1,, chr 1,,
120 CRAC, en résumé Méthode Distinction erreur/ mutation : analyse du nombre de k-mers communs Détection de substitutions, insertions, délétions, jonctions : analyse de la distance dans le read et le génome. 17
121 CRAC, en résumé Méthode Distinction erreur/ mutation : analyse du nombre de k-mers communs Détection de substitutions, insertions, délétions, jonctions : analyse de la distance dans le read et le génome. Structures sous-jacentes Reads indexés par les Gk arrays (Philippe et al., 2011) Génome indexé par un FM-index (Ferragina et Manzini, 2000) 17
122 CRAC, en résumé Méthode Distinction erreur/ mutation : analyse du nombre de k-mers communs Détection de substitutions, insertions, délétions, jonctions : analyse de la distance dans le read et le génome. Structures sous-jacentes Reads indexés par les Gk arrays (Philippe et al., 2011) Génome indexé par un FM-index (Ferragina et Manzini, 2000) Limites Nécessite des données susamment couvertes Pas de détection si les substitutions ou indels sont au début ou à la n du read 17
123 CRAC, en résumé Méthode Distinction erreur/ mutation : analyse du nombre de k-mers communs Détection de substitutions, insertions, délétions, jonctions : analyse de la distance dans le read et le génome. Structures sous-jacentes Reads indexés par les Gk arrays (Philippe et al., 2011) Génome indexé par un FM-index (Ferragina et Manzini, 2000) Limites Nécessite des données susamment couvertes Pas de détection si les substitutions ou indels sont au début ou à la n du read particulièrement adapté aux données futures 17
124 Évaluation des performances Simulation d'une expérience RNA-seq Simulation d'un génome d'individu Simulation de RNA-Seq : Flux Simulator ( 18
125 Évaluation des performances Simulation d'une expérience RNA-seq Simulation d'un génome d'individu Simulation de RNA-Seq : Flux Simulator ( Données simulées 45 millions de reads de longueur 75 et 200 issus de D. melanogaster H. sapiens 18
126 Évaluation des performances Simulation d'une expérience RNA-seq Simulation d'un génome d'individu Simulation de RNA-Seq : Flux Simulator ( Données simulées 45 millions de reads de longueur 75 et 200 issus de D. melanogaster H. sapiens Comparaison Localisation Bowtie, BWA, GASSST, GSNAP, SOAP2 Jonctions GSNAP, MapSplice, TopHat 18
127 Résultats 100 Pourcentage de reads localisés sans ambiguïté (42M de reads de longueur 75) 80 % Faux positif Vrai positif 20 0 Bowtie BWA CRAC GASSSTGSNAP SOAP2 19
128 Résultats 100 Pourcentage de reads localisés sans ambiguïté (48M de reads de longueur 200) 80 % Faux positif Vrai positif 20 0 Bowtie BWASW CRAC GASSSTGSNAP 19
129 Résultats Reads simulés sur l'humain (75 bp) Pourcentage de séquences localisées de manière unique, par catégorie 100 Pourcentage localisé SNP Insertions Délétions Épissage Chimères Erreurs Catégorie Bowtie BWA CRAC GASSST GSNAP SOAP2 19
130 Résultats Reads simulés sur l'humain (200 bp) Pourcentage de séquences localisées de manière unique, par catégorie 100 Pourcentage localisé SNP Insertions Délétions Épissage Chimères Erreurs Catégorie BWASW CRAC GASSST GSNAP 19
131 Résultats Prédictions : pourcentage des causes retrouvées 100 Humain, 48 millions de reads de 200 bp Total Pourcentage trouvé Faux positif Vrai positif SNP Insertions Délétions Épissage Chimères Erreurs Catégorie 19
132 Résultats Prédictions : pourcentage des causes retrouvées 100 Humain, 48 millions de reads de 200 bp Total Pourcentage trouvé Faux positif Vrai positif SNP Insertions Délétions Épissage Chimères Erreurs MapSplice Catégorie GSNAP MapSplice 19
133 Conclusion Mapping RNA-seq Localisation Plus de reads localisés par rapport aux outils existants Classement Faible taux de faux positifs 60 à 70 % des causes sont retrouvées mutations non trouvées en raison d'une faible couverture jonctions : sensibilité comparable à MapSplice, meilleure spécicité encore meilleur prochainement! 20
134 Gk arrays Query 1 Query Time (in µs) Time (in µs) Number of reads (in millions) Query Number of reads (in millions) Query Time (in µs) 10 1 Time (in µs) Number of reads (in millions) Number of reads (in millions) 21
135 Gk arrays Maximal memory consumption Memory (GB) Number of reads (in millions) 21
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
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
Le Langage SQL version Oracle
Université de Manouba École Supérieure d Économie Numérique Département des Technologies des Systèmes d Information Le Langage SQL version Oracle Document version 1.1 Mohamed Anis BACH TOBJI anis.bach@isg.rnu.tn
Optimisations des SGBDR. Étude de cas : MySQL
Optimisations des SGBDR Étude de cas : MySQL Introduction Pourquoi optimiser son application? Introduction Pourquoi optimiser son application? 1. Gestion de gros volumes de données 2. Application critique
DÉFIS 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
Bases de données documentaires et distribuées Cours NFE04
Bases de données documentaires et distribuées Cours NFE04 Introduction a la recherche d information Auteurs : Raphaël Fournier-S niehotta, Philippe Rigaux, Nicolas Travers prénom.nom@cnam.fr Département
Cours Base de données relationnelles. M. Boughanem, IUP STRI
Cours Base de données relationnelles 1 Plan 1. Notions de base 2. Modèle relationnel 3. SQL 2 Notions de base (1) Définition intuitive : une base de données est un ensemble d informations, (fichiers),
COMMANDES SQL... 2 COMMANDES DE DEFINITION DE DONNEES... 2
SQL Sommaire : COMMANDES SQL... 2 COMMANDES DE DEFINITION DE DONNEES... 2 COMMANDES DE MANIPULATION DE DONNEES... 2 COMMANDES DE CONTROLE TRANSACTIONNEL... 2 COMMANDES DE REQUETE DE DONNEES... 2 COMMANDES
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
MABioVis. 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
FONDS DE L AVENIR DE LA SANB INC. RÈGLEMENT ADMINISTRATIF RÉGISSANT LES POLITIQUES DE
FONDS DE L AVENIR DE LA SANB INC. RÈGLEMENT ADMINISTRATIF RÉGISSANT LES POLITIQUES DE PLACEMENT ET DE GESTION Adopté le 26 septembre 2009 1 RÈGLEMENT ADMINISTRATIF RÉGISSANT LES POLITIQUES DE PLACEMENT
Module 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
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)
Modèle de calcul des paramètres économiques
Modèle de calcul des paramètres économiques selon norme SIA 480 Calcul de rentabilité pour les investissements dans le bâtiment Version 3.2 1. Introduction 1.1 Version Excel Le modèle de calcul a été développé
Cylindre interrupteur
Cylindres mis en œuvre pour actionner des éléments de verrouillage. Si nécessaire, votre partenaire professionnel ou nous-mêmes se fera/nous ferons un plaisir de vous assister dans le choix du bon produit.
Introduc)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
1 Introduction au codage
CélestineOscarDésiréAnatoleGastonEugène 1 Introduction au codage 1.1 Les ensembles L ensemble de tout les ensembles est Dieu lui-même. Kantor Ensemble des parties d un ensemble désigne l ensemble des sous-ensembles
chargement d amplitude variable à partir de mesures Application à l approche fiabiliste de la tolérance aux dommages Modélisation stochastique d un d
Laboratoire de Mécanique et Ingénieriesnieries EA 3867 - FR TIMS / CNRS 2856 ER MPS Modélisation stochastique d un d chargement d amplitude variable à partir de mesures Application à l approche fiabiliste
Webinar EBG Nouvelles perspectives d'exploitation des données clients avec le big data
Webinar EBG Nouvelles perspectives d'exploitation des données clients avec le big data Approches & opportunités face aux enjeux de volume, variété et vélocité France, 2012-2014 28 mars 2013 Ce document
Les archives de l entreprise à l ère du numérique. Présentée par: HAMMA Mustapha
Les archives de l entreprise à l ère du numérique Présentée par: HAMMA Mustapha Définition des archives Toute information enregistrée, produite ou reçue dans la conduite d'une activité institutionnelle
Techniques de stockage. Techniques de stockage, P. Rigaux p.1/43
Techniques de stockage Techniques de stockage, P. Rigaux p.1/43 Techniques de stockage Contenu de ce cours : 1. Stockage de données. Supports, fonctionnement d un disque, technologie RAID 2. Organisation
1. Cliquez sur dans le coin supérieur gauche de l'écran 2. Sélectionnez la Langue de l'interface désirée 3. Cliquez sur
NOTIFICATIONS GUIDE Le module Notifications permet de retrouver des notifications en utilisant les champs spécifiques de la base de données du Registre central des notifications (RCN). Il comporte une
Chap17 - CORRECTİON DES EXERCİCES
Chap17 - CORRECTİON DES EXERCİCES n 3 p528 Le signal a est numérique : il n y a que deux valeurs possibles pour la tension. Le signal b n est pas numérique : il y a alternance entre des signaux divers
Réplication adaptative sur les réseaux P2P
Réplication adaptative sur les réseaux pair à pair 10 mars 2006 1 Introduction 2 Réseaux pair à pair et tables de hachage distribuées 3 Le protocole app-cache 4 Le protocole LAR 5 Tests de performance
Corrigé du baccalauréat S Pondichéry 12 avril 2007
Corrigé du baccalauréat S Pondichéry 1 avril 7 EXERCICE 1 Commun à tous les candidats 4 points 1 a Les vecteurs AB et AC ont pour coordonnées AB ; ; ) et AC 1 ; 4 ; 1) Ils ne sont manifestement pas colinéaires
i7 0 Guide de référence rapide Français Document number: 86141-1 Date: 11-2010
i7 0 Guide de référence rapide Français Document number: 86141-1 Date: 11-2010 FRANÇAIS Document number: 86141-1 Date: 02-2011 Commandes d instrument Disposition des commandes et fonctions. Mise en marche
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
6. Hachage. Accès aux données d'une table avec un temps constant Utilisation d'une fonction pour le calcul d'adresses
6. Hachage Accès aux données d'une table avec un temps constant Utilisation d'une fonction pour le calcul d'adresses PLAN Définition Fonctions de Hachage Méthodes de résolution de collisions Estimation
A GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters
A GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters Présenté par : Equipe de travail : Laboratoire : Maxime CHASSAING Philippe LACOMME, Nikolay
Comment reproduire les résultats de l article : POP-Java : Parallélisme et distribution orienté objet
Comment reproduire les résultats de l article : POP-Java : Parallélisme et distribution orienté objet Beat Wolf 1, Pierre Kuonen 1, Thomas Dandekar 2 1 icosys, Haute École Spécialisée de Suisse occidentale,
Galaxy 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
Access et Org.Base : mêmes objectifs? Description du thème : Création de grilles d écran pour une école de conduite.
Access et Org.Base : mêmes objectifs? Description du thème : Création de grilles d écran pour une école de conduite. Mots-clés : Niveau : Bases de données relationnelles, Open Office, champs, relations,
Département de l ARIEGE
LES RAPPORTS BUREAU VERITAS Bureau Veritas 12 rue Michel Labrousse Bât 15 BP 64797 31047 TOULOUSE CEDEX 1 Dardilly, le 12 juillet 2012 Département de l ARIEGE Elaboration des cartes de bruit stratégiques
Dan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
Recherche dans un tableau
Chapitre 3 Recherche dans un tableau 3.1 Introduction 3.1.1 Tranche On appelle tranche de tableau, la donnée d'un tableau t et de deux indices a et b. On note cette tranche t.(a..b). Exemple 3.1 : 3 6
FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Régler les paramètres de mesure en choisissant un intervalle de mesure 10µs et 200 mesures.
TP Conversion analogique numérique Les machines numériques qui nous entourent ne peuvent, du fait de leur structure, que gérer des objets s composés de 0 et de. Une des étapes fondamentale de l'interaction
Introduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
NOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Enquête sur les investissements dans l industrie
Note Méthodologique Dernière mise à jour : 30-08-2010 Enquête sur les investissements dans l industrie Avertissement : depuis mai 2010, les résultats de l enquête trimestrielle sur les investissements
Notion de base de données
Notion de base de données Collection de données opérationnelles enregistrées sur un support adressable et utilisées par les systèmes et les applications Les données doivent être structurées indépendamment
TURBOS WARRANTS CERTIFICATS. Les Turbos Produits à effet de levier avec barrière désactivante. Produits non garantis en capital.
TURBOS WARRANTS CERTIFICATS Les Turbos Produits à effet de levier avec barrière désactivante. Produits non garantis en capital. 2 LES TURBOS 1. Introduction Que sont les Turbos? Les Turbos sont des produits
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
CREDITS BANCAIRES TPE DE MOINS DE 25 000 EUROS
SPÉCIAL TPE SPÉCIAL TPE SPÉCIAL TPE SPÉCIAL TPE SPÉCIAL TPE SPÉCIAL TPE Les engagements : CREDITS BANCAIRES TPE DE MOINS DE 25 000 EUROS Une réponse du banquier dans un délai de 15 jours Une motivation
IFT3245. Simulation et modèles
IFT 3245 Simulation et modèles DIRO Université de Montréal Automne 2012 Tests statistiques L étude des propriétés théoriques d un générateur ne suffit; il estindispensable de recourir à des tests statistiques
Formation des enseignants. Le tensiomètre. Objet technique modélisable issu de l environnement des élèves
Le tensiomètre Objet technique modélisable issu de l environnement des élèves Un peu d'histoire C'est en 1628 que W. Harvey découvrit la circulation du sang. C'est pourtant seulement en 1730 que la pression
Le langage SQL pour Oracle - partie 1 : SQL comme LDD
Le langage SQL pour Oracle - partie 1 : SQL comme LDD 1 SQL : Introduction SQL : Structured Query Langage langage de gestion de bases de donn ees relationnelles pour Définir les données (LDD) interroger
Page 2 Routes départementales - département de LA CREUSE - Elaboration des cartes de bruit stratégiques
Rapport Sommaire 1. TEXTES DE REFERENCES... 3 2. OBJET DE L ETUDE... 3 3. CONTENU DES CARTES DE BRUIT STRATEGIQUES... 4 1.1. Documents graphiques... 4 4. METHODE DE CALCUL ET PARAMETRES RETENUS... 4 1.2.
Le test s'est déroulé en trois étapes successives
TEST SUR LES BASES BIBLIOGRAPHIQUES Rapport* du bureau Marcel van Dijk L'étude qui suit présente les résultats du test quantitatif et qualitatif de 5 bases bibliographiques disponibles en France : BNOPALE
Excel 2007 Utilisation Avancée
Microsoft Excel 2007 Utilisation Avancée FAC SIMILE Ce fac similé présente la table des matières, l'index et quelques pages de l'ouvrage. MANUEL DE RÉFÉRENCE AVERTISSEMENT Microsoft Excel 2007 est une
Les techniques de multiplexage
Les techniques de multiplexage 1 Le multiplexage et démultiplexage En effet, à partir du moment où plusieurs utilisateurs se partagent un seul support de transmission, il est nécessaire de définir le principe
Déploiement d une architecture Hadoop pour analyse de flux. françois-xavier.andreu@renater.fr
Déploiement d une architecture Hadoop pour analyse de flux françois-xavier.andreu@renater.fr 1 plan Introduction Hadoop Présentation Architecture d un cluster HDFS & MapReduce L architecture déployée Les
INTRODUCTION. Cadre d évaluation de la qualité des données (CEQD) (juillet 2003)
INTRODUCTION Cadre d évaluation de la qualité des données (CEQD) (juillet 2003) Le cadre d évaluation des données (CEQD) propose une structure qui permet d évaluer la qualité des données en comparant les
1. LA GESTION DES BASES DE DONNEES RELATIONNELLES
Dossier G11 - Interroger une base de données La base de données Facturation contient tout un ensemble d'informations concernant la facturation de la SAFPB (société anonyme de fabrication de produits de
ÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.
L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.
Errata et mises à jour
Errata et mises à jour Modifications du chapitre 9. Le tableau page 74 est remplacé par le suivant. Technologie Débit descendant / montant en Kbit/s Distance maximale sans répéteur de paires Codage HDSL
CHAPITRE 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
JEU BOURSIER 2015. Séance d introduction à la plateforme de trading SaxoWebTrader. - Pour débutants -
JEU BOURSIER 2015 Séance d introduction à la plateforme de trading SaxoWebTrader - Pour débutants - A partir d un ordinateur: a) Rends-toi sur le site suisse de SaxoBank: https://webtrader.saxobank.ch/sim/login/
Etude comparative de différents motifs utilisés pour le lancé de rayon
Etude comparative de différents motifs utilisés pour le lancé de rayon Alexandre Bonhomme Université de Montréal 1 Introduction Au cours des dernières années les processeurs ont vu leurs capacités de calcul
Sommaire. 3. Les grands principes de GFS L architecture L accès de fichier en lecture L accès de fichier en écriture Bilan
1 Sommaire 1. Google en chiffres 2. Les raisons d être de GFS 3. Les grands principes de GFS L architecture L accès de fichier en lecture L accès de fichier en écriture Bilan 4. Les Evolutions et Alternatives
SQL Parser XML Xquery : Approche de détection des injections SQL
SQL Parser XML Xquery : Approche de détection des injections SQL Ramahefy T.R. 1, Rakotomiraho S. 2, Rabeherimanana L. 3 Laboratoire de Recherche Systèmes Embarqués, Instrumentation et Modélisation des
L AFIM Aquitaine et A2C vous invitent à participer à la conférence et visite : LA MAINTENANCE, LA PERFORMANCE ET L'INNOVATION AU COURRIER
association française des ingénieurs et responsables de maintenance Bordeaux, le 6 août 2012 AQUITAINE (Maison de l Industrie) 40 avenue Maryse Bastié BP 75 33523 BRUGES CEDEX Tél. 05 56 57 48 20 - Fax
Analyse 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
Cours Bases de données 2ème année IUT
Cours Bases de données 2ème année IUT Cours 13 : Organisation d une base de données, ou comment soulever (un peu) le voile Anne Vilnat http://www.limsi.fr/individu/anne/cours Plan 1 Les clusters de table
Contribution à la conception par la simulation en électronique de puissance : application à l onduleur basse tension
Contribution à la conception par la simulation en électronique de puissance : application à l onduleur basse tension Cyril BUTTAY CEGELY VALEO 30 novembre 2004 Cyril BUTTAY Contribution à la conception
SSIS Implémenter un flux
SSIS Implémenter un flux Version 1.0 Z Thibault Denizet 2 SSIS Implémenter un flux Sommaire 1 Introduction 4 2 Contraintes de précédence 5 3 Implémenter un flux de contrôle 8 3.1 Conteneurs du flux de
4. Résultats et discussion
17 4. Résultats et discussion La signification statistique des gains et des pertes bruts annualisés pondérés de superficie forestière et du changement net de superficie forestière a été testée pour les
Comme chaque ligne de cache a 1024 bits. Le nombre de lignes de cache contenu dans chaque ensemble est:
Travaux Pratiques 3. IFT 1002/IFT 1005. Structure Interne des Ordinateurs. Département d'informatique et de génie logiciel. Université Laval. Hiver 2012. Prof : Bui Minh Duc. Tous les exercices sont indépendants.
Côté cours. Enseigner avec un PGI - Specibike pour OpenERP V7 CRM Compta GRH Workflow
Côté cours Enseigner avec un PGI - Specibike pour OpenERP V7 CRM Compta GRH Workflow Propriétés Intitulé long Description Enseigner avec un PGI Le contexte Specibike pour OpenERP V7 Formation concernée
Travaux pratiques. Compression en codage de Huffman. 1.3. Organisation d un projet de programmation
Université de Savoie Module ETRS711 Travaux pratiques Compression en codage de Huffman 1. Organisation du projet 1.1. Objectifs Le but de ce projet est d'écrire un programme permettant de compresser des
Journal officiel de l'union européenne
20.5.2014 L 148/29 RÈGLEMENT DÉLÉGUÉ (UE) N o 528/2014 DE LA COMMISSION du 12 mars 2014 complétant le règlement (UE) n o 575/2013 du Parlement européen et du Conseil en ce qui concerne les normes techniques
ÉCOLE DE TECHNOLOGIE SUPÉRIEURE UNIVERSITÉ DU QUÉBEC RAPPORT DE PROJET PRÉSENTÉ À L ÉCOLE DE TECHNOLOGIE SUPÉRIEURE
ÉCOLE DE TECHNOLOGIE SUPÉRIEURE UNIVERSITÉ DU QUÉBEC RAPPORT DE PROJET PRÉSENTÉ À L ÉCOLE DE TECHNOLOGIE SUPÉRIEURE COMME EXIGENCE PARTIELLE À L OBTENTION DE LA MAÎTRISE EN GÉNIE PAR Sébastien SERVOLES
Table des matières. 10 Gimp et le Web. Option de traitement d'images Mémento pour la séance N o 8. 10.1 Création d'animation
Université de NiceSophia Antipolis Semaine du 26 novembre 2007 Licence de Sciences de la vie, semestre 1 Option de traitement d'images Mémento pour la séance N o 8 Table des matières 10 Gimp et le Web
Excel 2007 Niveau 3 Page 1 www.admexcel.com
Excel 2007 Niveau 3 Page 1 TABLE DES MATIERES UTILISATION DE LISTES DE DONNEES... 4 REMARQUES PREALABLES SUR LES LISTES DE DONNEES... 4 METTRE EN FORME LE TABLEAU... 6 METTRE LA LISTE A JOUR... 7 a/ Directement
L ORDINATEUR. Les composants. La carte mère. Le processeur. Fréquence
L ORDINATEUR Les composants La carte mère Elle se trouve au centre de l'ordinateur et connecte tous les composants PC. La carte mère contient les connexions pour le processeur, la mémoire et les unités
LES SYSTÈMES DE FICHIERS
SECTION M.R.I.M. - L.P. CHATEAU-BLANC 45120 CHALETTE SUR LOING LES SYSTÈMES DE FICHIERS Table des matières : Supports physiques (média) Les fs supportés par MS-Windows Principe de la table d'allocation
Christophe 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
Evaluation de la Dissémination du Niger. d amélioration des soins obstétricaux et
URC/HCI : PROTOCOLE DE RECHERCHE ET D EVALUATION Evaluation de la Dissémination du Niger au Mali des meilleures pratiques de la mise en œuvre du collaboratif d amélioration des soins obstétricaux et néonataux
5 ème Chapitre 4 Triangles
5 ème Chapitre 4 Triangles 1) Médiatrices Définition : la médiatrice d'un segment est l'ensemble des points équidistants des extrémités du segment (cours de 6 ème ). Si M appartient à la médiatrice du
Gestion obligataire passive
Finance 1 Université d Evry Séance 7 Gestion obligataire passive Philippe Priaulet L efficience des marchés Stratégies passives Qu est-ce qu un bon benchmark? Réplication simple Réplication par échantillonnage
Tester Windows 8 sans l'installer avec Virtualbox
Tester Windows 8 sans l'installer avec Virtualbox Vous avez déjà probablement déjà lu et vu beaucoup choses sur Windows 8. On trouve de nombreuses infos dans les actualités qui lui sont consacrés depuis
Plan 1/9/2013. Génération et exploitation de données. CEP et applications. Flux de données et notifications. Traitement des flux Implémentation
Complex Event Processing Traitement de flux de données en temps réel Romain Colle R&D Project Manager Quartet FS Plan Génération et exploitation de données CEP et applications Flux de données et notifications
Contrôle 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
Introduction à ElasticSearch
Introduction à ElasticSearch Présentée par : Romain Pignolet Lundi 7 Juillet 2014 Sommaire 1 Présentation de Elasticsearch 2 Installation et exemples simples 3 API Rest 4 Comment fonctionne Elasticsearch?
Ordonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1
CHAPTER 1 Ordonnancement 1.1. Étude de cas Ordonnancement de tâches avec contraintes de précédences 1.1.1. Exemple : construction d'une maison. Exercice. On veut construire une maison, ce qui consiste
Les aides moyennes publiques en faveur du logement social pour l acquisition amélioration (AA) 1
Les aides moyennes publiques en faveur du logement social pour l acquisition amélioration (AA) 1 Ce document est un outil qui permet de déterminer les aides en faveur du logement social, qu il s agisse
Définitions. Numéro à préciser. (Durée : )
Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.
TRACER LE GRAPHE D'UNE FONCTION
TRACER LE GRAPHE D'UNE FONCTION Sommaire 1. Méthodologie : comment tracer le graphe d'une fonction... 1 En combinant les concepts de dérivée première et seconde, il est maintenant possible de tracer le
INFO 2 : Traitement des images
INFO 2 : Traitement des images Objectifs : Comprendre la différence entre image vectorielle et bipmap. Comprendre les caractéristiques d'une image : résolution, définition, nombre de couleurs, poids Etre
Sécuristation du Cloud
Schémas de recherche sur données chiffrées avancés Laboratoire de Cryptologie Thales Communications & Security 9 Avril 215 9/4/215 1 / 75 Contexte Introduction Contexte Objectif Applications Aujourd hui
q u estions + 50 725 + 49 997 * Nombre de personnes visées par le dispositif
Bulletin d information en économie de la santée q u estions d économie de la santé analyse Repères Selon l article L. 863-5 du code de la Sécurité sociale, le Fonds CMU «rend compte annuellement au Gouvernement
PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Perl 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
TP SIN Traitement d image
TP SIN Traitement d image Pré requis (l élève doit savoir): - Utiliser un ordinateur Objectif terminale : L élève doit être capable de reconnaître un format d image et d expliquer les différents types
NoSQL. Introduction 1/23. I NoSQL : Not Only SQL, ce n est pas du relationnel, et le contexte. I table d associations - Map - de couples (clef,valeur)
1/23 2/23 Anne-Cécile Caron Master MIAGE - BDA 1er trimestre 2013-2014 I : Not Only SQL, ce n est pas du relationnel, et le contexte d utilisation n est donc pas celui des SGBDR. I Origine : recherche
S informer sur. Les obligations
S informer sur Les obligations Octobre 2012 Autorité des marchés financiers Les obligations Sommaire Qu est-ce qu une obligation? 03 Quel est le rendement? 04 Quels sont les risques? 05 Quels sont les
Format de l avis d efficience
AVIS D EFFICIENCE Format de l avis d efficience Juillet 2013 Commission évaluation économique et de santé publique Ce document est téléchargeable sur www.has-sante.fr Haute Autorité de santé Service documentation