Initiation à la phylogénie moléculaire. Jean-François Dufayard Équipe "Intégration des Données"
|
|
|
- Brigitte Pinard
- il y a 6 ans
- Total affichages :
Transcription
1 Initiation à la phylogénie moléculaire Jean-François Dufayard Équipe "Intégration des Données"
2 Famille de gènes? Ou "Il était une fois la phylogénie"...??
3 Il était une fois la phylogénie Histoire évolutive des espèces / classification des espèces Phylogénie d'espèces
4 Il était une fois la phylogénie Histoire évolutive des espèces / classification des espèces Phylogénie d'espèces Histoire évolutive des molécules Phylogénie moléculaire
5 Il était une fois la phylogénie Histoire évolutive des espèces / classification des espèces Phylogénie d'espèces Modèles: arbres, classifications Histoire évolutive des molécules Phylogénie moléculaire Modèles: arbres, séquences, mécanismes d'évolution
6 Famille de gènes? Le point de vue biologique... Famille de gènes = Famille de gènes homologues Une famille de gènes homologues sont un groupe de gènes dont on suppose l'existence d'un gène ancestral commun. Deux gènes sont homologues s'ils ont un ancêtre commun. Trivialement: on ne peut construire une phylogénie que pour une famille de gènes homologues. Molecular phylogeny
7 Famille de gènes? Le point de vue bioinformatique... Famille de gènes ~ Un groupe de séquences similaires Similarité: mesure mathématique de ressemblance entre deux séquences comparables. Couverture: pourcentage de la longueur d'une séquence le long de laquelle elle est comparable à une seconde. Un gène est modélisé par sa séquence. L'hypothèse d'homologie entre deux gènes repose sur la similarité et la couverture des deux séquences TCGCTC---GTGGTCTTGTTTGGGCGT TTCGTTTGCGTCCTCTGCGTGTCTTGGTTGGGGCCGT Molecular phylogeny
8 De la modélisation du vivant...
9 De la modélisation du vivant... --TCGTTT-----TCGCTC--TTCGTTTGCGTCCTCTGC
10 Comparaison de séquences, un problème trompeusement simple...
11 ligner deux séquences: l'opération élémentaire Sujet: GTGGTC GTC lgorithme: Needleman & Wunsch lignement global, programmation dynamique
12 ligner deux séquences: l'opération élémentaire Sujet: GTGGTC G--TC Similarité ( or -) Gap sur la séquence (-) Gap sur la séquence (-) G T G G T C G T C
13 ligner deux séquences: l'opération élémentaire Sujet: GTGGTC --GTC Similarité ( or -) Gap sur la séquence (-) Gap sur la séquence (-) G T G G T C G T C
14 ligner deux séquences: l'opération élémentaire Sujet: GTGGTC --GTC Similarité ( or -) Gap sur la séquence (-) Gap sur la séquence (-) G T G G T C G T C ssez rapide, même sur de longues séquences. 3 - Calcul l'alignement optimal, d'un point de vue informatique. -
15 ligner un ensemble de séquences (n>) - en pratique Étendre l'algorithme de NW à plus de séquences Méthode de l'alignement progressif Calcul d'une matrice de distances par paires Calcul d'un arbre approximatif lignement des séquences le long de cet arbre GTGGTC GGGTC GTGGTC GTGGTC GTGGC...
16 ligner un ensemble de séquences (n>) - en pratique Étendre l'algorithme de NW à plus de séquences Méthode de l'alignement progressif Calcul d'une matrice de distances par paires Calcul d'un arbre approximatif lignement des séquences le long de cet arbre GTGGTC G-GGTC GTGGTC GTGGTC GTGGC...
17 ligner un ensemble de séquences (n>) - en pratique Étendre l'algorithme de NW à plus de séquences Méthode de l'alignement progressif Calcul d'une matrice de distances par paires Calcul d'un arbre approximatif lignement des séquences le long de cet arbre GTGGT-C G-GGT-C GTGGTC GTGGTC GTGGC...
18 ligner un ensemble de séquences (n>) - en pratique Étendre l'algorithme de NW à plus de séquences Méthode de l'alignement progressif Calcul d'une matrice de distances par paires Calcul d'un arbre approximatif lignement des séquences le long de cet arbre GTGGT-C G-GGT-C GTGGTC GTGGT-C GTGGC...
19 ligner un ensemble de séquences (n>) - en pratique Étendre l'algorithme de NW à plus de séquences Méthode de l'alignement progressif Calcul d'une matrice de distances par paires Calcul d'un arbre approximatif lignement des séquences le long de cet arbre GTGGT-C G-GGT-C GTGGTC --GTGGT-C --GTGGC...
20 ligner un ensemble de séquences (n>) - en pratique Étendre l'algorithme de NW à plus de séquences Méthode de l'alignement progressif Calcul d'une matrice de distances par paires Calcul d'un arbre approximatif lignement des séquences le long de cet arbre GTGGT-C G-GGT-C GTGGTC --GTGGT-C --GTGGC lgorithme glouton: une erreur est assumée jusqu'au bout La qualité de l'arbre guide influe celle de l'alignement Un bon arbre nécessite un alignement multiple... Versions améliorées: ClustalW << Muscle < MFFT (Thompson & al., )
21 C est bien mais pas suffisant Il reste forcément des parties artefactuelles Il faut donc NETTOYER! GBlocks Triml...
22 Des séquences à la phylogénie
23 Reconstruction phylogénétique: 3 catégories de méthodes 3 types de méthodes, pour 3 qualités de résultats et 3 vitesses d'exécution Méthodes de distance Méthodes par parcimonie Méthodes par vraisemblance Temps calculs *** ** * Qualité de l'arbre obtenu * ** ***
24 Reconstruction phylogénétiques: méthodes de distance Méthodes de distance Méthodes par parcimonie Méthodes par vraisemblance Hypothèse: l'histoire la plus courte est la meilleure lignement multiple Matrice de distance rbre phylogénétique
25 Reconstruction phylogénétiques: méthodes de distance Méthodes de distance Méthodes par parcimonie Méthodes par vraisemblance Hypothèse: l'histoire la plus courte est la meilleure lignement multiple Matrice de distance rbre phylogénétique
26 Reconstruction phylogénétiques: méthodes par parcimonie Méthodes de distance Méthodes par parcimonie Méthodes par vraisemblance Hypothèse: l'arbre inférant le moins de mutation est le meilleur. T G G G GTGT-C 3 G T G G-GT-C GTTGTC --GTGGT-C --GTGGC
27 Reconstruction phylogénétiques: méthodes par maximum de vraisemblance Méthodes de distance Méthodes par parcimonie Méthodes par vraisemblance Hypothèse: l'arbre le plus vraisemblable selon les données et un modèle d'évolution. Modèle d'évolution rbre le plus vraisemblable Données GTGT-C G-GT-C GTTGTC --GTGGT-C --GTGGC
28 Reconstruction phylogénétique: trouver le meilleur arbre Pour n séquences: il y a x 3 x 5 x 7 x... x (n - 5) phylogénies résolues possibles... 3 arbres pour 4 séquences, 5 arbres pour 5 séquences, millions d'arbres pour séquences...
29 Reconstruction phylogénétique: trouver le meilleur arbre Pour n séquences: il y a x 3 x 5 x 7 x... x (n - 5) phylogénies résolues possibles... 3 arbres pour 4 séquences, 5 arbres pour 5 séquences, millions d'arbres pour séquences... u dessus de séquences, évaluer tous des arbres est difficile Quel que soit ce que l'on veut optimiser: Longueur de l'arbre Parcimonie Vraisemblance Les logiciels doivent explorer les topologies possibles selon une euristique.
30 Reconstruction phylogénétique: trouver le meilleur arbre Pour n séquences: il y a x 3 x 5 x 7 x... x (n - 5) phylogénies résolues possibles... 3 arbres pour 4 séquences, 5 arbres pour 5 séquences, millions d'arbres pour séquences... u dessus de séquences, évaluer tous des arbres est difficile Quel que soit ce que l'on veut optimiser: Longueur de l'arbre Parcimonie Vraisemblance Les logiciels doivent explorer les topologies possibles selon des euristiques.
31 Reconstruction phylogénétique: trouver le meilleur arbre Pour n séquences: il y a x 3 x 5 x 7 x... x (n - 5) phylogénies résolues possibles... 3 arbres pour 4 séquences, 5 arbres pour 5 séquences, millions d'arbres pour séquences... u dessus de séquences, évaluer tous des arbres est difficile Quel que soit ce que l'on veut optimiser: Longueur de l'arbre Parcimonie Vraisemblance Les logiciels doivent explorer les topologies possibles selon une euristique. Logiciels de distances: Phylip, BioNJ, FastME... Logiciels de parcimonie: Phylip, PUP, TNT... Logiciels de maximum de vraisemblance : PhyML, RaxML...
32 Comparaison d'arbres (sujet découpé en fin de diaporama)
33 Phylogénie des espèces, et phylogénie moléculaire Histoire évolutive des espèces Phylogénie des espèces Histoire évolutive des molécules Phylogénie moléculaire
34 Réconciliation d'arbres Phylogénie moléculaire Seq- lfalfa Seq - Soybean Question ouverte Seq3 - rabido. Inférer l'histoire des gènes =? Inférer l'histoire des espèces Seq4 - Grape Phylogénie des espèces lfalfa Soybean rabido. Grape
35 Réconciliation d'arbres Phylogénie moléculaire Seq- lfalfa Seq - Soybean Seq3 - rabido. Seq4 - Grape Phylogénie des espèces lfalfa Soybean rabido. Grape
36 Réconciliation d'arbres Phylogénie moléculaire Seq- lfalfa Seq - Soybean Seq3 - rabido. Seq4 - Grape Phylogénie des espèces lfalfa Soybean rabido. Grape
37 Réconciliation d'arbres Phylogénie moléculaire Seq- lfalfa Seq - Soybean Seq3 - rabido. Seq4 - Grape Spéciation Phylogénie des espèces lfalfa Soybean rabido. Seq4 - grape Grape
38 Réconciliation d'arbres Phylogénie moléculaire Seq- lfalfa Seq - Soybean Seq3 - rabido. Seq4 - Grape Spéciation Phylogénie des espèces lfalfa Soybean rabido. Grape
39 Réconciliation d'arbres Phylogénie moléculaire Seq- lfalfa Seq - Soybean Seq3 - rabido. Seq4 - Grape Spéciation Phylogénie des espèces lfalfa Soybean rabido. Grape
40 Réconciliation d'arbres Phylogénie moléculaire Seq- lfalfa Seq - Soybean Seq3 - rabido. Seq4 - Grape Spéciation Phylogénie des espèces lfalfa Soybean rabido. Grape
41 Réconciliation d'arbres Phylogénie moléculaire Seq- lfalfa Seq - Soybean Seq3 - rabido. Seq4 - Grape Orthologie, paralogie, réconciliation d'arbres Plasticité des génomes Spéciation Phylogénie des espèces lfalfa Soybean rabido. Grape
42 Réconciliation d'arbres Phylogénie moléculaire Question ouverte Seq- lfalfa Seq - Soybean Inférer l'histoire des gènes =? Inférer l'histoire des espèces Seq3 - rabido. Seq4 - Grape Speciation Comparer l'histoire des gènesspecies et desphylogeny espèces = Inférer des évènements comme des duplications ou des pertes lfalfa Soybean rabido. Grape
43 De l'usage des concepts d'orthologie et paralogie G Groupes d'orthologues G G3 HOGENOM G4 Penel et al. G5 Duplications G6 G7 G8 Rouard et al. Conte et al. 8 G9 Hypothèse implicite: "Deux gènes orthologues ont des fonctions plus proches entre eux que deux gènes paralogues."
44 En conclusion... La phylogénie n'est qu'une information approximative, et parcellaire
45 Des projets d'intégration de données, en France PhyloSpace: projet NR de phylogéographie, appliqué aux insectes et aux plantes Genomicus: genome browser intégrant phylogénie et contexte génomique ncestrome: projet intégratif d'inférence d'entités ancestrales (génomes, interactomes...)
46 De la phylogénétique à la phylogénomique Question ouverte Inférer l'histoire des gènes =? Inférer l'histoire des espèces
47 De la phylogénétique à la phylogénomique Question ouverte Inférer l'histoire des gènes =? Inférer l'histoire des espèces nalyse phylogénétique: un gène, aligné avec soin Impact des évènements évolutifs
48 De la phylogénétique à la phylogénomique Question ouverte Inférer l'histoire des gènes =? Inférer l'histoire des espèces nalyse phylogénétique: un gène, aligné avec soin Impact des évènements évolutifs nalyse phylogénomique: nombreux gènes, analyse automatique Trouver le signal majoritaire
49 De la phylogénétique à la phylogénomique Données (super-matrice) : Taxons???? Gènes???
50 De la phylogénétique à la phylogénomique
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
La gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST.
La gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST. Gaël Le Mahec - p. 1/12 L algorithme BLAST. Basic Local Alignment Search Tool est un algorithme de recherche
Master de Bioinformatique et Biologie des Systèmes Toulouse http://m2pbioinfo.biotoul.fr Responsable : Pr. Gwennaele Fichant
Master de Bioinformatique et Biologie des Systèmes Toulouse http://m2pbioinfo.biotoul.fr Responsable : Pr. Gwennaele Fichant Parcours: Master 1 : Bioinformatique et biologie des Systèmes dans le Master
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
E-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.
SysFera. 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
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
Mise en place de serveurs Galaxy dans le cadre du réseau CATI BBRIC
Mise en place de serveurs Galaxy dans le cadre du réseau CATI BBRIC {Sebastien.Carrere, Ludovic.Legrand,Jerome.Gouzy}@toulouse.inra.fr {Fabrice.Legeai,Anthony.Bretaudeau}@rennes.inra.fr CATI BBRIC 35 bioinformaticiens
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
Présentation du Master Ingénierie Informatique et du Master Science Informatique 2007-2008, Année 2 Université Paris-Est Marne-la-Vallée
Présentation du Master Ingénierie Informatique et du Master Science Informatique 2007-2008, Année 2 Université Paris-Est Marne-la-Vallée Responsable du Master Informatique : Marc Zipstein Responsable de
Raisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Examen Médian - 1 heure 30
NF01 - Automne 2014 Examen Médian - 1 heure 30 Polycopié papier autorisé, autres documents interdits Calculatrices, téléphones, traducteurs et ordinateurs interdits! Utilisez trois copies séparées, une
Algorithmes de recherche
Algorithmes de recherche 1 Résolution de problèmes par recherche On représente un problème par un espace d'états (arbre/graphe). Chaque état est une conguration possible du problème. Résoudre le problème
Détection 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
Pourquoi l apprentissage?
Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage
UTILISATION DE LA PLATEFORME WEB D ANALYSE DE DONNÉES GALAXY
UTILISATION DE LA PLATEFORME WEB D ANALYSE DE DONNÉES GALAXY Yvan Le Bras yvan.le_bras@irisa.fr Cyril Monjeaud, Mathieu Bahin, Claudia Hériveau, Olivier Quenez, Olivier Sallou, Aurélien Roult, Olivier
Séquence 6. Mais ces espèces pour autant ne sont pas identiques et parfois d ailleurs ne se ressemblent pas vraiment.
Sommaire Séquence 6 Nous avons vu dans les séances précédentes qu au cours des temps géologiques des espèces différentes se sont succédé, leur apparition et leur disparition étant le résultat de modifications
Master 2. Mention : «Ecosciences, Microbiologie» Domaine : Sciences Technologies Santé Responsable : F. Menu
Master 2 Mention : «Ecosciences, Microbiologie» Domaine : Sciences Technologies Santé Responsable : F. Menu Université Claude Bernard Lyon I Établissements cohabilités (spécialités 1,2,4) : INSA VetAgro
Ebauche Rapport finale
Ebauche Rapport finale Sommaire : 1 - Introduction au C.D.N. 2 - Définition de la problématique 3 - Etat de l'art : Présentatio de 3 Topologies streaming p2p 1) INTRODUCTION au C.D.N. La croissance rapide
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
TESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Classer le vivant. Module de formation pour les professeurs des écoles
Classer le vivant Module de formation pour les professeurs des écoles L'objectif de cette formation est de permettre aux stagiaires de construire les connaissances et les méthodes permettant de classer
Semestre 2 Spécialité «Analyse in silico des complexes macromolécules biologiques-médicaments»
Master In silico Drug Design Semestre 2 Spécialité «Analyse in silico des complexes macromolécules biologiques-médicaments» 30NU01IS INITIATION A LA PROGRAMMATION (6 ECTS) Responsables : D. MESTIVIER,
Domaines Mention Spécialité Notation
L université d Orléans Domaines Mention Spécialité Notation dministration des entreprises : compétences complémentaires dministration des entreprises dministration des entreprises : compétences complémentaires
L informatique comme discipline au gymnase. Renato Renner Institut für Theoretische Physik ETH Zürich
L informatique comme discipline au gymnase Renato Renner Institut für Theoretische Physik ETH Zürich Comment puis-je transférer des fichiers de musique sur mon nouvel iphone? Comment puis-je archiver mes
Proposition de création d'un nouveau GdR d'animation et d action. BioChiMar - Biodiversité et Chimiodiversité Marines. Durée 4 ans : période 2009-2012
Proposition de création d'un nouveau GdR d'animation et d action BioChiMar - Biodiversité et Chimiodiversité Marines Durée 4 ans : période 2009-2012 Juillet 2008 Département Scientifique de rattachement
Les débats sur l évolution des
D o c u m e n t d e t r a v a i l d e l a B r a n c h e R e t r a i t e s d e l a C a i s s e d e s d é p ô t s e t c o n s i g n a t i o n s n 9 8-0 7 C o n t a c t : La u re nt V e r n i è r e 0 1 4
Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Sommaire. Couverture de zone de surveillance dans les réseaux de capteurs. De quoi parle-t-on ici (1/2)? Objectif. De quoi parle-t-on ici (2/2)?
ouverture de zone de surveillance dans les réseaux de capteurs Jean arle, Master Recherche Informatique Option Informatique Mobile 008-009 s Jean arle - Master Recherche Informatique 008-009 Objectif e
Partie 1 - Séquence 3 Original d une fonction
Partie - Séquence 3 Original d une fonction Lycée Victor Hugo - Besançon - STS 2 I. Généralités I. Généralités Définition Si F(p) = L [f(t)u (t)](p), alors on dit que f est l original de F. On note f(t)
Peut-on imiter le hasard?
168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard
Algorithmes d'apprentissage
Algorithmes d'apprentissage 1 Agents qui apprennent à partir d'exemples La problématique : prise de décision automatisée à partir d'un ensemble d'exemples Diagnostic médical Réponse à une demande de prêt
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
Evaluation des performances de programmes parallèles haut niveau à base de squelettes algorithmiques
Evaluation des performances de programmes parallèles haut niveau à base de squelettes algorithmiques (bourse EPSRC numéro GR/S21717/01) Enhancing the Perf. Predictability of Grid Appli. with Patterns and
Trucs et astuces N o 2.1 COMMENT AJUSTER VOTRE TABLETTE PORTE-CLAVIER
Trucs et astuces N o 2.1 COMMENT AJUSTER VOTRE TABLETTE PORTE-CLAVIER Vous reconnaissez-vous? Vous avez une tablette porte-clavier et vous savez qu elle est ajustable mais ne savez pas comment faire. Peut-être
Lois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Structure quantique cohérente et incohérente de l eau liquide
Structure quantique cohérente et incohérente de l eau liquide Prof. Marc HENRY Chimie Moléculaire du Solide Institut Le Bel, 4, Rue Blaise Pascal 67070 Strasbourg Cedex, France Tél: 03.68.85.15.00 e-mail:
Incertitude et variabilité : la nécessité de les intégrer dans les modèles
Incertitude et variabilité : la nécessité de les intégrer dans les modèles M. L. Delignette-Muller Laboratoire de Biométrie et Biologie Evolutive VetAgro Sup - Université de Lyon - CNRS UMR 5558 24 novembre
Combinaison de modèles phylogénétiques et longitudinaux pour l analyse des séquences biologiques : reconstruction de HMM profils ancestraux
Combinaison de modèles phylogénétiques et longitudinaux pour l analyse des séquences biologiques : reconstruction de HMM profils ancestraux Jean-Baka Domelevo Entfellner To cite this version: Jean-Baka
LE PROBLEME DU PLUS COURT CHEMIN
LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs
Promotion de la Bio-informatique
Promotion de la Bio-informatique Notre sujet consistait à choisir un objet publicitaire pour promouvoir l'option bio-informatique de l'iut d'aurillac en vue de le distribuer à des élèves de Terminal. Nous
Faculté des Sciences d ORSAY
Université Paris-Sud 11 Faculté des Sciences d ORSAY Personnes ressources des disciplines représentées : Département de Biologie Vice-Président : Hervé DANIEL Secrétaire : Malika DERRAS Université Paris-Sud
Possibilités offertes après la L2?
Possibilités offertes après la L2? Licence Pro Licence Générale Formation professionnel Diplôme Bac +3 Diplôme Bac +3 Master Vie Active : Technicien Assistant Ingénieur Laboratoire Public et Privé Master
IMMUNOLOGIE. La spécificité des immunoglobulines et des récepteurs T. Informations scientifiques
IMMUNOLOGIE La spécificité des immunoglobulines et des récepteurs T Informations scientifiques L infection par le VIH entraîne des réactions immunitaires de l organisme qui se traduisent par la production
Analyse hiérarchique de tâches (AHT)
(AHT) Définition Cette méthode consiste à décomposer la tâche principale (ou le but) de l'opérateur en sous-tâches (ou sous-buts), puis chacune de ces sous-tâches en plusieurs sous-sous-tâches, et ainsi
J'Ai TELLEMENT FAiM QUE JE POURRAiS MANGER UN ARBRE!
J'Ai TELLEMENT FAiM QUE JE POURRAiS MANGER UN ARBRE! Les liens hypertextes vers d'autres sites de l'internet ne signifient nullement que l'organisation approuve officiellement les opinions, idées, données
Apprentissage incrémental par sélection de données dans un flux pour une application de sécurité routière
Apprentissage incrémental par sélection de données dans un flux pour une application de sécurité routière Nicolas Saunier INRETS Télécom Paris Sophie Midenet INRETS Alain Grumbach Télécom Paris Conférence
Comité de pilotage 2014. Site natura 2000 des carrières de Cénac
Comité de pilotage 2014 Site natura 2000 des carrières de Cénac Ordre du jour Bilan de la première tranche d animation (2011 2014) Perspectives pour la future tranche (2015-2017) SE2 Acquisition, pose
LE CONSEIL DES COMMUNAUTÉS EUROPÉENNES,
DIRECTIVE DU CONSEIL du 22 février 1990 modifiant la directive 87/102/CEE relative au rapprochement des dispositions législatives, réglementaires et administratives des États membres en matière de crédit
Socles de compétences de. mathématiques. Enseignement secondaire 1 er degré
Enseignant Choisir un compte d épargne I Socles de compétences de mathématiques Enseignement secondaire 1 er degré COMPTE D'ÉPARGNE + INTÉRÊT ALEX 230 Porte d entrée Banque Compétences Opérer et fractionner
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
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
Techniques de Lyapunov en contrôle quantique pour le couplage dipolaire et polarisabilité
Techniques de Lyapunov en contrôle quantique pour le couplage dipolaire et polarisabilité Andreea Grigoriu avec Jean-Michel Coron, Cătălin Lefter and Gabriel Turinici CEREMADE-Université Paris Dauphine
Rescrit 06 avril 2010 n 2010/22
Rescrit 06 avril 2010 n 2010/22 Impôt sur le revenu et impôt de solidarité sur la fortune (ISF) - Réductions d'impôt au titre de la souscription de parts de fonds d'investissement au capital de petites
Les métiers des entreprises du médicament. «Etude sur les métiers émergents»
Les métiers des entreprises du médicament «Etude sur les métiers émergents» Juin 2011 Leem - Tout droit réservé 1 Les entreprises du médicament : un secteur en mutation L industrie du médicament est actuellement
Les algorithmes de fouille de données
Février 2005 Les algorithmes de fouille de données DATAMINING Techniques appliquées à la vente, aux services client, interdictions. Cycle C Informatique Remerciements Je remercie les personnes, les universités
Apprentissage par renforcement (1a/3)
Apprentissage par renforcement (1a/3) Bruno Bouzy 23 septembre 2014 Ce document est le chapitre «Apprentissage par renforcement» du cours d apprentissage automatique donné aux étudiants de Master MI, parcours
Sophie Guézo Alexandra Junay
Sophie Guézo Alexandra Junay sophie.guezo@univ-rennes1.fr alexandra.junay@univ-rennes1.fr Unité Mixte de Recherche (UMR) Université Rennes I et CNRS Physique moléculaire Matière molle Matériaux Nanosciences
ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE
ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE P. Baudet, C. Azzaro-Pantel, S. Domenech et L. Pibouleau Laboratoire de Génie Chimique - URA 192 du
Conservatisme phylogénétique des traits fonctionnels végétaux
Chalmandrier Loïc Rapport de stage Conservatisme phylogénétique des traits fonctionnels végétaux Un test utilisant un échantillon de la Flore Alpine Encadrant : Sébastien Lavergne Laboratoire d'acceuil
Processus de validation des coûts à l appui de l attestation par l DPF
ASSISTANT DEPUTY MINISTER (FINANCE AND CORPORATE SERVICES) SOUS-MINISTRE ADJOINT (FINANCES ET SERVICES DU MINISTÈRE) Processus de validation des coûts à l appui de l attestation par l DPF Allan Weldon!
MIS 102 Initiation à l Informatique
MIS 102 Initiation à l Informatique Responsables et cours : Cyril Gavoille Catherine Pannier Matthias Robine Marc Zeitoun Planning : 6 séances de cours 5 séances de TD (2h40) 4 séances de TP (2h40) + environ
Table des matières. Avant-propos. Chapitre 2 L actualisation... 21. Chapitre 1 L intérêt... 1. Chapitre 3 Les annuités... 33 III. Entraînement...
III Table des matières Avant-propos Remerciements................................. Les auteurs..................................... Chapitre 1 L intérêt............................. 1 1. Mise en situation...........................
ANALYSE DES DETERMINANTS DE L EPARGNE DU RWANDA
ANALYSE DES DETERMINANTS DE L EPARGNE DU RWANDA Deuxième Congrès des Economistes Africains Abidjan, Côte d Ivoire Novembre 24-26, 2011 Présentateur: Charles RURANGA Institution: Université Nationale du
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
4. Verdissement, une PAC plus verte
4. Verdissement, une PAC plus verte Aides Couplées JA Verdissement Paiement redistributif DPB Trois obligations à respecter : 1. Diversification des assolements 2. Maintien des prairies permanentes 3.
AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES
1 AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES 2 Axes de recherche L activité du DIM LSC concerne la méthodologie de la conception et le développement de systèmes à forte
Bulletin Officiel de la Concurrence, de la Consommation et de la Répression des Fraudes
Bulletin Officiel de la Concurrence, de la Consommation et de la Répression des Fraudes N 2 bis du 2 avril 2009 C2008-113 / Lettre du ministre de l économie, de l industrie et de l emploi du 28 octobre
Objectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Epidémiologie appliquée aux sciences vétérinaires DES DAOA DES - DEA
Epidémiologie appliquée aux sciences vétérinaires DES DAOA DES - DEA Claude SAEGERMAN Département des maladies infectieuses et parasitaires, Service d épidémiologie et analyse de risques appliquées aux
Application 1- VBA : Test de comportements d'investissements
Application 1- VBA : Test de comportements d'investissements Notions mobilisées Chapitres 1 à 5 du cours - Exemple de récupération de cours en ligne 1ère approche des objets (feuilles et classeurs). Corps
Chapitre 1: Facteurs d'échelle
Chapitre 1: Facteurs d'échelle Des considérations générales sur la taille des objets ou des êtres vivants et leur influence sur différents paramètres, permettent d'établir simplement quelques lois ou tendances,
Evaluation des performances de programmes parallèles haut niveau à base de squelettes
Evaluation des performances de programmes parallèles haut niveau à base de squelettes Enhancing the Performance Predictability of Grid Applications with Patterns and Process Algebras A. Benoit, M. Cole,
Présentation Générale
Mars 2009 Présentation Générale 1- Le Master Recherche en Sciences de la Vie et de la Santé à Nice Objectifs, environnement scientifique, organisation Enseignements, les spécialités, les cours et les stages
REFERENTIEL PROFESSIONNEL - BAPAAT
REFERENTIEL PROFESSIONNEL - BAPAAT 1. PARTICIPATION (au Fonctionnement de l'entreprise) DOMAINES de COMPETENCE OBJECTIFS GENERAUX OBJECTIFS OPERATIONNELS Appréciation d'un sportif et socioculturel Droit
Modèles de tâche. Introduction : tâche, activité.
Modèles de tâche Introduction : tâche, activité. Analyse de tâches, modèle de tâche, activité sont des termes issus de l ergonomie qui se sont propagés dans de nombreux domaines, du génie logiciel, de
- Les êtres vivants dans leur environnement, rôle et place des êtres vivants - Lecture de textes documentaires
Titre de l atelier : Les vers de terre Domaines d activité Les êtres vivants dans leur environnement, rôle et place des êtres vivants Lecture de textes documentaires Motsclés Vers de terre Vie du sol Compétences
Algorithmique répartie
Université Joseph Fourier 23/04/2014 Outline 1 2 Types de communication message envoyé à un groupe de processus Broadcast (diffusion) message envoyé à tous les processus du systèmes Unicast message envoyé
BACCALAURÉAT PROFESSIONNEL SUJET
SESSION 203 Métropole - Réunion - Mayotte BACCALAURÉAT PROFESSIONNEL ÉPREUVE E4 CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE : MATHÉMATIQUES Toutes options Durée : 2 heures Matériel(s) et document(s) autorisé(s)
Denis Gobeille, M.Sc. R.I., CRHA Conseiller en régime d assurance collective
Le budget santé d une entreprise Denis Gobeille, M.Sc. R.I., CRHA Conseiller en régime d assurance collective Notre mission Faire de l assurance collective un outil de gestion de la santé Objectif: Outiller
Plus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Isolement et Diversité Génétique des Dugongs de Nouvelle Calédonie
Isolement et Diversité Génétique des Dugongs de Nouvelle Calédonie Rapport final Marc OREMUS, Claire GARRIGUE & Christophe CLEGUER Opération Cétacés B.P. 12 827, 98802 Nouméa, Nouvelle-Calédonie Tél. /
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
Descriptif des UE, unités d enseignement, d informatique
Descriptif des UE, unités d enseignement, d informatique LMD de l Université de Lille 1 version du 2 décembre 2005 La dernière version de ce document est accessible à partir de http://www.lifl.fr/ marquet/lmd/ue/.
Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants)
CIVILITE-SES.doc - 1 - Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants) 1 PRÉSENTATION DU DOSSIER CIVILITE On s intéresse
La Gestion de fichiers Supports réalisés avec OpenOffice.org 2.3 Writer. La Gestion de fichiers. Niveau : Débutant Auteur : Antonio da Silva
La Gestion de fichiers Niveau : Débutant Auteur : Antonio da Silva Table des matières I.Introduction....3 II.La création d'un fichier......4 III.L'arborescence......7 IV.La gestion des dossiers......11
Compte-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
Problèmes d ordonnancement dans les systèmes de production. Journée Automatique et Optimisation Université de Paris 12 20 Mars 2003
Problèmes d ordonnancement dans les systèmes de production Michel Gourgand Université Blaise Pascal Clermont Ferrand LIMOS CNRS UMR 6158 1 Le LIMOS Laboratoire d Informatique, de Modélisation et d Optimisation
grande simple microscope microscope inventé années 1825. biologie = cellule) et (logos de plus en Anglais. Utilise un La microscopie, 1665,
Cours de Biologie Cellulaire Présentés par Mr CHELLI A. FSNV 2012/ /2013 CHAPITRE I : INTRODUCTION A LA BIOLOGIE CELLULAIRE A- Introduction et définitionn de la biologie cellulaire : Il était difficile
SOCLE COMMUN: LA CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE. alain salvadori IA IPR Sciences de la vie et de la Terre 2009-2010 ALAIN SALVADORI IA-IPR SVT
SOCLE COMMUN: LA CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE alain salvadori IA IPR Sciences de la vie et de la Terre 2009-2010 ALAIN SALVADORI IA-IPR SVT SOCLE COMMUN ET PROGRAMMES La référence pour la rédaction
JOURNÉE THÉMATIQUE SUR LES RISQUES
Survol de Risk IT UN NOUVEAU RÉFÉRENTIEL DE GESTION DES RISQUES TI GP - Québec 2010 JOURNÉE THÉMATIQUE SUR LES RISQUES 3 mars 2010 - Version 4.0 Mario Lapointe ing. MBA CISA CGEIT mario.lapointe@metastrategie.com
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
Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring
Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems
L ORSA : quelles conséquences sur le pilotage stratégique de l entreprise?
Conseil en Organisation et Management secteur assurance L ORSA : quelles conséquences sur le pilotage stratégique de l entreprise? 24 novembre 2010 Sommaire Ce qui se dit sur l ORSA L ORSA et le modèle
TITRE DE L ACTIVITÉ : Vivre en groupe chez les animaux. DISCIPLINES ET DOMAINES D ACTIVITÉ de la discipline
TITRE DE L ACTIVITÉ : Vivre en groupe chez les animaux DISCIPLINES ET DOMAINES D ACTIVITÉ de la discipline - Lecture de textes documentaires. - Les êtres vivants dans leur environnement. SÉANCE OU SÉQUENCE
III- Raisonnement par récurrence
III- Raisonnement par récurrence Les raisonnements en mathématiques se font en général par une suite de déductions, du style : si alors, ou mieux encore si c est possible, par une suite d équivalences,
La programmation d un système de flux (workflow) pour pallier à l explosion des données scientifiques - problèmes, défis et solutions -
La programmation d un système de flux (workflow) pour pallier à l explosion des données scientifiques - problèmes, défis et solutions - Etienne Lord Université du Québec à Montréal Séminaire avancé en