Introduction à la comparaison de séquences
|
|
- Marie-Jeanne Gilbert
- il y a 6 ans
- Total affichages :
Transcription
1 Introduction à la comparaison de séquences - Université de Lille 1-2 eme Semestre
2 Pourquoi comparer des séquences Recherche de similarités. Déterminer si des séquences sont homologues. Rechercher les exons/introns....
3 Le DotPlot Le principe : T T C T A C T A T C T G C T Le résultat :
4 Le DotPlot Le principe : T T C T A C T A T C T G C T Le résultat :
5 Le DotPlot Le principe : T T C T A C T A T C T G C T Avec des outils plus évolués (dotter) :
6 Alignement Mettre en concordance les résidues communs. Insertion, délétion, match et mismatch/substitution. Ajout de Gaps. séquence 1 : C A C C C T G G A T G G séquence 2 : C C C C A G A A C T G G sites :
7 Alignement de séquences nucléiques Choisir la meilleure concordance Utilisation d un score/similarité : match 2, indel -1, mismatch -1. Pourcentage d identité. Pourcentage de similarité. Exemple : ATCATG, TACCTA. A T C A T G T A C C T A Score = 2 A T C A T G T A C C T A Score = 1 A T C A T G T A C C T A Score = 2
8 Alignement de séquences nucléiques Construction de l alignement maximisant le score : algorithme de Needleman et Wunch. C est un alignement global. Utilisation de gaps affines. Pas de pénalité pour les gaps en ouverture et fermeture.
9 Alignement de séquences nucléiques Alignement local : utilisation de l algorithme de Smith et Watermann. Trouver la région de similarité maximale entre deux séquences. Alignement global : GGCTGACCACCTT et GATCACTTCCATG 1 G G C T G A C C A C C _ T T 13 1 G A _ T C A C T T C C A T G 13 Résultat souhaité : 5 G A C C A C C T T 13 1 G A T C A C _ T T 8
10 Alignement de séquences protéiques On travaille sur l alphabet suivant : A, C, D, E, F, G, H, I, K, L, M, N, P, Q, R, S, T, V, W, Y. Même méthode, mais tous les matches et mismatches ne sont pas équivalents (physico-chimiques). Matrice de substitution : permet d évaluer les scores des substitutions entres lettres Deux familles de matrices : les matrices PAM et BLOSUM.
11 Alignement de séquences protéiques Exemple de matrice :
12 Alignement de séquences protéiques Principe général Matrices : sont calculées selon le principe du log-odd-ratio. odd-ratio = Pr(observe) Pr(attendu) p odd-ratio(a,b) = a,b p a p b pour deux lettres a, b avec : p a,b : probabilité d observer a aligné à b sur deux séquences homogues. p a p b : probabilité attendu d aligner a à b sur deux séquences non-homogues. log-odd-ratio = log odd-ratio
13 Alignement de séquences protéiques Matrices PAM (Point Accepted Mutations) 1-PAM : en moyenne une mutation tous les 100 acides aminés. Mab = Pr(a b) = Pr(a b a changé) Pr(a changé) M ab = f ab fa f a f 1 100p a p a la probabilité d observer a. f ab nombre de fois ou a est muté en b. f nombre d acides aminés impliqués dans des mutations. f a nombre de fois ou a est muté. Le score de substitution est le ratio entre la probabilité d observer la mutation de a vers b et d observer b par chance. Scoreab = 10 log 10 M ab p b On prend le log que l on multiplie par 10 pour des raisons arithmétiques PAM : la matrice PAM à la puissance 250. X-PAM : la matrice PAM à la puissance X.
14 Alignement de séquences protéiques Matrices PAM (Point Accepted Mutations). On utilise X-PAM (ou PAM X) avec X choisi suivant l évolution séparant les séquences que l on veut comparer. En pratique on ne connait pas l évolution séparant les séquences, on essaye donc différentes valeurs de X. Un petit X est utile pour détecter des similarités fortes. Un grand X est utile pour détecter des similarités faibles. Les valeurs supérieures à 0 ont une mutabilité plus élevée que prévu. Les valeurs égales à 0 ont une mutabilité normale. Les valeurs inférieures à 0 ont une mutabilité moins élevée que prévu.
15 Alignement de séquences protéiques Exemple : PAM 120 K A L M R V A K N S Score = -9
16 Alignement de séquences protéiques Les matrices PAM sont de moins en moins utilisées L échantillon de données des matrices PAM récolté en 1978 est restreint. La plupart des séquences protéiques des matrices PAM sont biaisées ; en effet, elles représentent majoritairement des petites protéines globulaires. Hypothèse de parcimonie. Les erreurs commises dans l estimation de PAM-1 sont amplifiées dans PAM-X, X > 1. On utilise plutôt les matrices BLOSUM...
17 Alignement de séquences protéiques Matrices BLOSUM-X (BLOcks SUbstitution Matrices). Même principe que PAM mais on calcule les fréquences et les probabilités en se basant sur un alignement local avec au moins X% d identité. Construites à partir de 2000 BLOCKS provenant de plus de 500 familles de protéines. Les BLOCKS sont des régions conservées de familles de protéines ne contenant pas d insertions ou de délétions. Création des familles de matrices, dans lesquelles les séquences ont un degré de similarité supérieur ou égal à un certain pourcentage. Blosum-80 : Construite avec des séquences partageant au moins 80% de similarité. Blosum-62 : Construite avec des séquences partageant au moins 62% de similarité.
18 Alignement de séquences protéiques BLOSUM-X Les valeurs supérieures à 0 ont une mutabilité inférieure à ce qui est prévu par chance. Les valeurs inférieures à 0 ont une mutabilité supérieure à ce qui est prévu par chance. Les valeurs égales à 0 ont une mutabilité égale à ce qui est prévu par chance. Un petit X est utile pour détecter des similarités faibles. Un grand X est utile pour détecter des similarités fortes.
19 Probabilité d observer un alignement dû au hasard : PRSS alignement deux à deux sans gap : on construit un alignement au hasard a a a a t t t t... a t c g a t c g... proba d oberver un match : p = 4 16 proba d observer k matches dans un alignement de n nucléotides : p(m = k) = Cn k p k (1 p) n k. proba d observer plus de 25 matches pour un alignement de taille 100 : 0, 54 (1 chance sur 2) proba d observer plus de 33 matches pour un alignement de taille 100 : 0, 05 (1 chance sur 20) plus compliqué avec des gaps... PRSS : pour deux séquences il calcule leur score optimal et la probabilité d observer un alignement dû au hasard avec au moins le même score.
20 Alignement multiple principe : s2 c g a g c c a t t g t a g c t s3 c g a c c a t t g t a g c t s1 c g a t g a g t c a t t g t - g - - s4 c g a t g a g t c a c t g t - g - - On maximise quel score? Sum of Pairs Score = somme des scores des colonnes. SP(m i ) = s(m j i, mk i ) 1 j<k n m i = la i-ème colonne de l alignement m j i = j-ème élément dans la colonne i
21 Alignement multiple jeu de scores : s(x, x) = 1, s(x, y) = 1, s(x, ) = s(, x) = 2, s(, ) = 0 A A C G T A C G A T A A - C G T A - A A T G G T C G T A - - T T A (1-2) (1-3) (2-3) = = = = = = = = = = = = -2
22 Alignement multiple Mais on ne sait pas calculer efficacement l alignement de score maximal. On va utiliser des méthodes d approximation (des heuristiques). Les méthodes les plus employées : Clustal et Dialign. Il en existe beaucoup : DCA, MSA, PIMA, MULTALIGN, PILEUP, Coffee, HMMT, T-Coffee, POA, ProbCons, Multi-LAGAN, Muscle, MAFFT... Il faut connaître leurs principes pour pouvoir éviter leurs artefacts (et savoir lesquelles utiliser).
23 Clustal 1 Alignement deux à deux des séquences. 2 Construction d un arbre basé sur le score des alignements.! Attention ce n est pas un arbre phylogénétique! 3 Alignement progressif des séquences en suivant l ordre induit par l arbre.
24 CLUSTAL - exemple 4 séquences jeu de score s 1 s 2 s 3 s 4 cgatgagtcattgtgactg cgagccattgtagctactg cgaccattgtagctacctg cgatgagtcactgtgactg indel : -2, substitution : -1, identité : 1
25 Etape 1 calcul des scores de similarité de tous les alignements s1 cgatgagtcattgt-g--actg s2 cgagccattgtagcta-ctg s2 cga-g--ccattgtagctactg s3 cga-ccattgtagctacctg s1 cgatgagtcattg-tgactg s2 cga-g--ccattgtagctactg s3 cgacca-ttgtagctacctg s4 cgatgagtcactgt-g--actg s1 cgatgagtcattgtgactg s3 cgaccattgtagctacctg s4 cgatgagtcactgtgactg s4 cgatgagtcactgtgactg tableau des scores d alignement : s 1 s 2 s 3 s 4 s s s s n séquences n(n 1)/2 calculs
26 Etape 2 construction de l arbre guide arbre obtenu avec l algorithme de Neighbor-Joining S1 S2 S4 S3 S1 S4 S2 S3 regroupement des séquences suivant leur similarité à partir de la matrice des scores 2 à 2.
27 Etape 3 construction de l alignement multiple final s1 s4 s2 s3 cgatgagtcattgtgactg cgatgagtcactgtgactg cgagccattgtagctactg cgaccattgtagctacctg
28 Etape 3 construction de l alignement multiple final s1 cgatgagtcattgtgactg s4 cgatgagtcactgtgactg s2 cgagccattgtagcta-ctg s3 cga-ccattgtagctacctg s1 s4 s2 s3 cgatgagtcattgtgactg cgatgagtcactgtgactg cgagccattgtagctactg cgaccattgtagctacctg
29 Etape 3 Once a gap, always a gap. construction de l alignement multiple final s2 cga---gccattgtagctac-tg s3 cga----ccattgtagctacctg s1 cgatgagtcattgt-g--ac-tg s4 cgatgagtcactgt-g--ac-tg s1 cgatgagtcattgtgactg s4 cgatgagtcactgtgactg s2 cgagccattgtagcta-ctg s3 cga-ccattgtagctacctg s1 s4 s2 s3 cgatgagtcattgtgactg cgatgagtcactgtgactg cgagccattgtagctactg cgaccattgtagctacctg
30 Dialign 1 Alignement deux à deux des séquences. 2 Sélection de diagonales (sous séquences conservées). 3 Recherche d un ensemble de diagonales consistantes avec un alignement multiple. 4 Alignement multiple des séquences en se basant sur les diagonales consistantes.
31 DIALIGN Étape 2 : détection des diagonales dans les paires de séquences Y I A F L F A W D D S W E D F M F A E D L A C F I F G S Étape 3 : sélection d un ensemble cohérent de diagonales pour construire l alignement pas de croisements pas de chevauchements score maximal y I A - F L F A W D d - L A c F I F g s - - s w e d F M F A E D -
32 CLUSTAL vs. DIALIGN Exemple GARFIELD THE LAST FAT CAT GARFIELD THE FAT CAT GARFIELD THE VERY FAST CAT THE FAT CAT
33 CLUSTAL vs. DIALIGN Exemple Alignement fourni par Clustal GARFIELD THE LAST FAT CAT GARFIELD THE FAT CAT GARFIELD THE VERY FAST CAT THE FAT CAT seq1 seq2 seq3 seq4 GARFIELDTHELASTFA-TCAT ----GARFIELDTHEFA-TCAT GARFIELDTHEVERYFASTCAT THEFA-TCAT
34 CLUSTAL vs. DIALIGN Exemple Alignement fourni par Clustal GARFIELD THE LAST FAT CAT GARFIELD THE FAT CAT GARFIELD THE VERY FAST CAT THE FAT CAT seq1 seq2 seq3 seq4 GARFIELDTHELASTFA-TCAT ----GARFIELDTHEFA-TCAT GARFIELDTHEVERYFASTCAT THEFA-TCAT Alignement fourni par Dialign2 seq1 GARFIELD THE LAST FA-T CAT seq2 GARFIELD THE ---- FA-T CAT seq3 GARFIELD THE VERY FAST CAT seq THE ---- FA-T CAT
35 Quelle méthode utiliser? cela dépend du type de séquences à aligner... BaliBASE : base de données d alignements multiples et de benchmarks plus de 150 familles de protéines alignements basés sur la structure secondaire Référence 1 séquences équidistantes avec différents niveaux de conservation Référence 2 protéines homologues + 1 séquence orpheline Référence 3 sous-groupes avec moins de 25% d identité entre les groupes Référence 4 extensions N/C-terminales Référence 5 insertions internes Réf. 1, 2 et 3 : préférer Clustal à Dialign2 Réf. 4 et 5 : préférer Dialign2 à Clustal
La gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST.
La gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST. Gaël Le Mahec - p. 1/12 L algorithme BLAST. Basic Local Alignment Search Tool est un algorithme de recherche
Plus en détailBig data et sciences du Vivant L'exemple du séquençage haut débit
Big data et sciences du Vivant L'exemple du séquençage haut débit C. Gaspin, C. Hoede, C. Klopp, D. Laborie, J. Mariette, C. Noirot, MS. Trotard bioinfo@genopole.toulouse.inra.fr INRA - MIAT - Plate-forme
Plus en détailPerl Orienté Objet BioPerl There is more than one way to do it
Perl Orienté Objet BioPerl There is more than one way to do it Bérénice Batut, berenice.batut@udamail.fr DUT Génie Biologique Option Bioinformatique Année 2014-2015 Perl Orienté Objet - BioPerl Rappels
Plus en détailIMMUNOLOGIE. 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
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailIdentification de nouveaux membres dans des familles d'interleukines
Identification de nouveaux membres dans des familles d'interleukines Nicolas Beaume Jérôme Mickolajczak Gérard Ramstein Yannick Jacques 1ère partie : Définition de la problématique Les familles de gènes
Plus en détailFormavie 2010. 2 Différentes versions du format PDB...3. 3 Les champs dans les fichiers PDB...4. 4 Le champ «ATOM»...5. 6 Limites du format PDB...
Formavie 2010 Les fichiers PDB Les fichiers PDB contiennent les informations qui vont permettre à des logiciels de visualisation moléculaire (ex : RasTop ou Jmol) d afficher les molécules. Un fichier au
Plus en détailBases moléculaires des mutations Marc Jeanpierre
Bases moléculaires des mutations Marc Jeanpierre Chaque enfant qui naît hérite de 10 à 30 nouvelles mutations ponctuelles. L essentiel des ces mutations sont heureusement des variations neutres de séquence
Plus en détailIntroduction à la Programmation par Contraintes (PPC) Ruslan Sadykov LIX, École Polytechnique
Introduction à la Programmation par Contraintes (PPC) Ruslan Sadykov LIX, École Polytechnique Contenu Introduction Modélisation Problèmes de satisfaction des contraintes Exemples des modèles PPC simples
Plus en détailRaisonnement 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.
Plus en détailExercice 6 Associer chaque expression de gauche à sa forme réduite (à droite) :
Eercice a Développer les epressions suivantes : A-(-) - + B-0(3 ²+3-0) -0 3²+-0 3+00 B -30²-30+00 C-3(-) -3 + 3-3²+6 D-(-) + ² Eerciceb Parmi les epressions suivantes, lesquelles sont sous forme réduite?
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailMicrosoft Excel : tables de données
UNIVERSITE DE LA SORBONNE NOUVELLE - PARIS 3 Année universitaire 2000-2001 2ème SESSION SLMD2 Informatique Les explications sur la réalisation des exercices seront fournies sous forme de fichiers informatiques.
Plus en détailTableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1
UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés
Plus en détailThéorie des sondages : cours 5
Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur
Plus en détailBureau N301 (Nautile) benjamin@leroy-beaulieu.ch
Pre-MBA Statistics Seances #1 à #5 : Benjamin Leroy-Beaulieu Bureau N301 (Nautile) benjamin@leroy-beaulieu.ch Mise à niveau statistique Seance #1 : 11 octobre Dénombrement et calculs de sommes 2 QUESTIONS
Plus en détailDétection des duplications en tandem au niveau nucléique à l'aide de la théorie des flots
Université Toulouse 3 Paul Sabatier(UT3 Paul Sabatier) Informatique Spécialité Bioinformatique Eric AUDEMARD lundi 28 novembre 2011 Détection des duplications en tandem au niveau nucléique à l'aide de
Plus en détailMABioVis. Bio-informatique et la
MABioVis Modèles et Algorithmes pour la Bio-informatique et la Visualisation Visite ENS Cachan 5 janvier 2011 MABioVis G GUY MELANÇON (PR UFR Maths Info / EPI GRAVITE) (là, maintenant) - MABioVis DAVID
Plus en détailRoCaWeb. Reconstruction de spécifications pour la détection d intrusion Web. Yacine Tamoudi(1), Djibrilla Amadou Kountché(2), Alain Ribault(1),
RoCaWeb Reconstruction de spécifications pour la détection d intrusion Web Yacine Tamoudi(1), Djibrilla Amadou Kountché(2), Alain Ribault(1), Sylvain Gombault(2) (1)Kereval ; 4 Rue Hélène Boucher, Z.A.
Plus en détailLe théorème de Thalès et sa réciproque
Le théorème de Thalès et sa réciproque I) Agrandissement et Réduction d une figure 1) Définition : Lorsque toutes les longueurs d une figure F sont multipliées par un même nombre k on obtient une autre
Plus en détailIntroduction 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?
Plus en détailAssociations Dossiers pratiques
Associations Dossiers pratiques Le tableau de bord, outil de pilotage de l association (Dossier réalisé par Laurent Simo, In Extenso Rhône-Alpes) Difficile d imaginer la conduite d un bateau sans boussole
Plus en détailTD de Biochimie 4 : Coloration.
TD de Biochimie 4 : Coloration. Synthèse de l expérience 2 Les questions posées durant l expérience 2 Exposé sur les méthodes de coloration des molécules : Générique Spécifique Autres Questions Pourquoi
Plus en détailTests 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
Plus en détailExtraction d information des bases de séquences biologiques avec R
Extraction d information des bases de séquences biologiques avec R 21 novembre 2006 Résumé Le module seqinr fournit des fonctions pour extraire et manipuler des séquences d intérêt (nucléotidiques et protéiques)
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailAC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailLa reconnaissance moléculaire: la base du design rationnel Modélisation moléculaire: Introduction Hiver 2006
La reconnaissance moléculaire: la base du design rationnel En 1890 Emil Fisher a proposé le modèle "serrure et clé" pour expliquer la façon de fonctionner des systèmes biologiques. Un substrat rentre et
Plus en détailLe Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
Plus en détailChap 4: Analyse syntaxique. Prof. M.D. RAHMANI Compilation SMI- S5 2013/14 1
Chap 4: Analyse syntaxique 1 III- L'analyse syntaxique: 1- Le rôle d'un analyseur syntaxique 2- Grammaires non contextuelles 3- Ecriture d'une grammaire 4- Les méthodes d'analyse 5- L'analyse LL(1) 6-
Plus en détail) ) ) ) Structure et optimisation des coûts de la conformité Analyse comparée de PCI DSS et ISO 27001 CNIS EVENT. 27 avril 2011.
Structure et optimisation des coûts de la conformité Analyse comparée de PCI DSS et ISO 27001 CNIS EVENT 27 avril 2011 Paris ) ) ) ) Ce document est la propriété de Provadys SAS et ne peut être reproduit
Plus en détailSciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION
Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Classe de terminale de la série Sciences et Technologie du Management et de la Gestion Préambule Présentation Les technologies de l information
Plus en détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailLa diffusion des résultats statistiques du recensement de la population
La diffusion des résultats statistiques du recensement de la population Le cadre juridique La diffusion des résultats statistiques est encadrée par l arrêté du 19 juillet 2007 mis au point en liaison avec
Plus en détailLes suites numériques
Chapitre 3 Term. STMG Les suites numériques Ce que dit le programme : Suites arithmétiques et géométriques CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Suites arithmétiques et géométriques Expression du terme
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailIII- 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,
Plus en détailInsulinothérapie et diabète de type 1
Insulinothérapie et diabète de type 1 Introduction: la molécule d insuline L instauration de l insulinothérapie Dispositif d administration de l insuline Les propriétés de l insuline Insuline et schémas
Plus en détailOPTIMISEZ VOS INVESTISSEMENTS POUR MAXIMISER VOS RÉSULTATS Pablo Stevenson Ressac Media 13 mai 2008
OPTIMISEZ VOS INVESTISSEMENTS POUR MAXIMISER VOS RÉSULTATS Pablo Stevenson Ressac Media 13 mai 2008 Évolution des investissements en marketing de recherche *Source: AdAge Search Marketing Fact Pack 2008
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailINF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies
INF 232: Langages et Automates Travaux Dirigés Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies Année Académique 2013-2014 Année Académique 2013-2014 UNIVERSITÉ JOSEPH
Plus en détailLes probabilités. Chapitre 18. Tester ses connaissances
Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce
Plus en détailApprentissage 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
Plus en détail6 - Le système de gestion de fichiers F. Boyer, UJF-Laboratoire Lig, Fabienne.Boyer@imag.fr
6 - Le système de gestion de fichiers F. Boyer, UJF-Laboratoire Lig, Fabienne.Boyer@imag.fr Interface d un SGF Implémentation d un SGF Gestion de la correspondance entre la structure logique et la structure
Plus en détailLeslie REGAD ; Gaëlle LELANDAIS. leslie.regad@univ- paris- diderot.fr ; gaelle.lelandais@univ- paris- diderot.fr
Programmation avec R Polycopié d exercices Leslie REGAD ; Gaëlle LELANDAIS leslie.regad@univ- paris- diderot.fr ; gaelle.lelandais@univ- paris- diderot.fr Ce polycopié rassemble différents exercices vous
Plus en détailDécision Markovienne appliquée à un jeu de stop ou encore : Pickomino (Heckmeck Am Bratwurmeck)
Décision Markovienne appliquée à un jeu de stop ou encore : Pickomino (Heckmeck Am Bratwurmeck) Stéphane Cardon Nathalie Chetcuti-Sperandio Fabien Delorme Sylvain agrue CRI - Université d Artois {cardon,chetcuti,delorme,lagrue}@cril.univ-artois.fr
Plus en détailItem 169 : Évaluation thérapeutique et niveau de preuve
Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes
Plus en détailAnalyse Combinatoire
Analyse Combinatoire 1) Équipes On dispose d un groupe de cinq personnes. a) Combien d équipes de trois personnes peut-on former? b) Combien d équipes avec un chef, un sous-chef et un adjoint? c) Combien
Plus en détailLimitations of the Playstation 3 for High Performance Cluster Computing
Introduction Plan Limitations of the Playstation 3 for High Performance Cluster Computing July 2007 Introduction Plan Introduction Intérêts de la PS3 : rapide et puissante bon marché L utiliser pour faire
Plus en détailArbres binaires de décision
1 Arbres binaires de décision Résumé Arbres binaires de décision Méthodes de construction d arbres binaires de décision, modélisant une discrimination (classification trees) ou une régression (regression
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailObservatoire National de la santé des jeunes. Accès aux droits et aux soins
Observatoire National de la santé des jeunes Accès aux droits et aux soins Données septembre 2012 «Observatoire santé UNHAJ - accès aux droits et aux soins» La santé des jeunes sous observationerreur!
Plus en détailEbauche 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
Plus en détailFiche de version N 12.28a Nov. 2010 SOMMAIRE
Fiche de version N 12.28a Nov. 2010 Lisez entièrement ce document Effectuez une sauvegarde de vos bases avant toute autre action Auteur : Bertrand Dereau Fonction : Chef de produit Réf. du document : EXP_FDV_PERCEVAL
Plus en détailCHAPITRE 3 LA SYNTHESE DES PROTEINES
CHAITRE 3 LA SYNTHESE DES ROTEINES On sait qu un gène détient dans sa séquence nucléotidique, l information permettant la synthèse d un polypeptide. Ce dernier caractérisé par sa séquence d acides aminés
Plus en détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
Plus en détailCodage d information. Codage d information : -Définition-
Introduction Plan Systèmes de numération et Représentation des nombres Systèmes de numération Système de numération décimale Représentation dans une base b Représentation binaire, Octale et Hexadécimale
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailPLAN STATISTIQUE AUTOMOBILE DU QUÉBEC Définitions
PLAN STATISTIQUE AUTOMOBILE DU QUÉBEC Définitions Juillet 2014 N/Réf. : 930.01 Le Groupement des assureurs automobiles agit à titre d agence autorisée par l Autorité des marchés financiers. Ce document
Plus en détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailMesure agnostique de la qualité des images.
Mesure agnostique de la qualité des images. Application en biométrie Christophe Charrier Université de Caen Basse-Normandie GREYC, UMR CNRS 6072 Caen, France 8 avril, 2013 C. Charrier NR-IQA 1 / 34 Sommaire
Plus en détailSemestre 2 Spécialité «Analyse in silico des complexes macromolécules biologiques-médicaments»
Master In silico Drug Design Semestre 2 Spécialité «Analyse in silico des complexes macromolécules biologiques-médicaments» 30NU01IS INITIATION A LA PROGRAMMATION (6 ECTS) Responsables : D. MESTIVIER,
Plus en détailCours de Probabilités et de Statistique
Cours de Probabilités et de Statistique Licence 1ère année 2007/2008 Nicolas Prioux Université Paris-Est Cours de Proba-Stat 2 L1.2 Science-Éco Chapitre Notions de théorie des ensembles 1 1.1 Ensembles
Plus en détailEXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG
Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette
Plus en détailModule Analyse de Génomes 2011-2012 Master 2 module FMBS 326 Immunoinformatique
Module Analyse de Génomes 2011-2012 Master 2 module FMBS 326 Immunoinformatique Planning du Module : Date Heure Salle 12/12 9h-12h TD info TA1Z bat 25 13h-17h TD info TA1Z bat 25 13/12 9h-12h TD info TA1Z
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailPourquoi 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
Plus en détailComptes rendus d Activités Techniques et Financières du Service de l Eau Potable Année 2004
Service de l Eau Potable Année 2004 1 Ville de VENELLES Comptes rendus d activités Techniques et financières du Service de l Eau Potable Destinataire : Monsieur le Maire de la commune de VENELLES (13770)
Plus en détailACCRÉDITATION DES CENTRES PRIVÉS ET DES PROGRAMMES DE FORMATION PROFESSIONNELLE EN HAÏTI. Formulaire de demande d une autorisation de fonctionnement
ACCRÉDITATION DES CENTRES PRIVÉS ET DES PROGRAMMES DE FORMATION PROFESSIONNELLE EN HAÏTI Formulaire de demande d une autorisation de fonctionnement Juin 2011 Projet d accompagnement de l INFP dans la révision,
Plus en détailComment 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,
Plus en détailReprésentation des Nombres
Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...
Plus en détailAlarme domestique- Présentation
STI2D PROJET SIN Alarme domestique- Présentation Document réponses Séquence découverte Le fonctionnement du système d alarme domestique: (Démarche d investigation) Après avoir fait une présentation de
Plus en détailProgrammation Par Contraintes
Programmation Par Contraintes Cours 2 - Arc-Consistance et autres amusettes David Savourey CNRS, École Polytechnique Séance 2 inspiré des cours de Philippe Baptiste, Ruslan Sadykov et de la thèse d Hadrien
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailEVALUATION DU RISQUE CHIMIQUE
EVALUATION DU RISQUE CHIMIQUE Cette évaluation doit être systématique, quelle que soit l activité de l entreprise, même s il n y a pas d exposition a priori du fait des activités de travail. L'objectif
Plus en détailEteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :
MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailAnalyse statistique de données qualitatives et quantitatives en sciences sociales : TP RÉGRESSION LOGISTIQUE (MODÈLES CHAPITRE 1)
Analyse statistique de données qualitatives et quantitatives en sciences sociales : TP RÉGRESSION LOGISTIQUE (MODÈLES CHAPITRE 1) Modèles de régression logistique à réaliser Une explicative catégorielle
Plus en détailwebanalyste Boostez les performances de votre site Web grâce aux conseils du webanalyste
QUOI QUANTI QUALI POURQUOI webanalyste Boostez les performances de votre site grâce aux conseils du webanalyste webanalyste Qui c est? Mon nom est Franck Scandolera, je suis consultant et optimisation
Plus en détailChapitre 7. Récurrences
Chapitre 7 Récurrences 333 Plan 1. Introduction 2. Applications 3. Classification des récurrences 4. Résolution de récurrences 5. Résumé et comparaisons Lectures conseillées : I MCS, chapitre 20. I Rosen,
Plus en détailTESTS 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
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
Plus en détail1. Pourquoi? Les avantages d un bon référencement
Table des matières 1. Pourquoi? Les avantages d un bon référencement... 2 2. Pour qui?... 2 3. Quand?... 3 4. Comment?... 3 5. À partir de combien de temps?... 4 6. Pour combien de temps?... 4 7. Mise
Plus en détailJean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux
Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis
Plus en détailSecure Advantage Revenus Garantis
GUIDE QUESTIONS / REPONSES DOCUMENT NON CONTRACTUEL RÉSERVÉ À L USAGE EXCLUSIF DES CONSEILLERS FINANCIERS Avril 2015 Secure Advantage Revenus Garantis Pour envisager l avenir en toute sérénité, assurez-vous
Plus en détailL évolution des modes de communication, comment adapter les enquêtes en population générale? L expérience de l enquête KABP VIH/sida 2010
L évolution des modes de communication, comment adapter les enquêtes en population générale? L expérience de l enquête KABP VIH/sida 2010 Session 2 : Méthodes Nathalie Beltzer, ORS Île-de-France Et le
Plus en détailInformatique Générale
Informatique Générale Guillaume Hutzler Laboratoire IBISC (Informatique Biologie Intégrative et Systèmes Complexes) guillaume.hutzler@ibisc.univ-evry.fr Cours Dokeos 625 http://www.ens.univ-evry.fr/modx/dokeos.html
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailTrucs 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
Plus en détailESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring
ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring Les méthodes d évaluation du risque de crédit pour les PME et les ménages Caractéristiques Comme les montants des crédits et des
Plus en détailIFT1215 Introduction aux systèmes informatiques
Introduction aux circuits logiques de base IFT25 Architecture en couches Niveau 5 Niveau 4 Niveau 3 Niveau 2 Niveau Niveau Couche des langages d application Traduction (compilateur) Couche du langage d
Plus en détailPrédiction de la structure d une
Prédiction de la structure d une protéine Soluscience Guillaume Chakroun guillaume chakroun@hotmail.com Copyright c 2004 Guillaume Chakroun TABLE DES MATIÈRES Table des matières 1 Les structures protéiques
Plus en détailSOMMAIRE. Travailler avec les requêtes... 3
Access Les requêtes SOMMAIRE Travailler avec les requêtes... 3 A) Créer une requête sélection en mode QBE... 3 B) Exécuter une requête à partir du mode Modifier (QBE)... 3 C) Passer du mode Feuille de
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détail