• End of Registration
  • may 13 2020
  • Classes Start
  • may 13 2019
  • Classes End
  • may 13 2020
  • Estimated Effort
  • 2-3 h/week
  • Language
  • French

A propos du cours

Nouveauté : cours ouvert pour une durée d'un an

For english speakers or those who want to learn about bioinformatics in english: an english version of this course is available here.

Dans ce cours, nous verrons comment l’informatique permet d’interpréter le texte des génomes. Doté d’algorithmes adaptés, mis en œuvre sous forme de programmes efficaces, l’ordinateur produit des prédictions quant à la localisation des milliers de gènes d’un organisme vivant et les fonctions que remplissent les protéines qu’ils codent.

Vous n’êtes pas biologiste ? Ce cours vous apportera les connaissances nécessaires à la compréhension des entités et phénomènes biologiques impliqués : cellule, chromosome, ADN, génome, gènes, transcription, traduction, code génétique, protéines, tous ces termes et d’autres encore vous seront expliqués dans ce contexte de l’interprétation des génomes par des moyens informatiques.

Vous n’êtes pas informaticien ? Ce cours se veut simultanément une introduction à l’algorithmique sur des séquences de caractères. Recherche de motifs, similarité de séquences, chaînes de Markov, reconstruction d’arbres phylogénétiques. Les algorithmes de base impliqués dans ces démarches seront présentés.

Vous n’êtes ni biologiste, ni informaticien ? Ce cours est une opportunité pour aborder conjointement la génomique et l’algorithmique, ou si vous préférez, l’algorithmique et la génomique…

Grâce à un outil dédié (notebooks iPython), vous aurez la possibilité de faire exécuter les algorithmes présentés et d’apprécier ainsi leur pertinence sur des données réelles. Et si vous souhaitez aller encore plus loin, cet outil vous permettra de modifier les programmes écrits en Python qui mettent en œuvre les algorithmes, voire d’en écrire de nouveaux et de les tester.

Pré-requis

Une culture scientifique de niveau bac scientifique facilitera la compréhension des notions abordées.

Plan du cours

  • Semaine 1 : ADN et séquences génomiques
  • Semaine 2 : Gènes et protéines
  • Semaine 3 : Prédiction des gènes
  • Semaine 4 : Comparaison de séquences
  • Semaine 5 : Arbres phylogénétiques

Enseignant

Course Staff Image #1

François RECHENMANN

François Rechenmann bénéficie d’une expérience de plus de 30 ans de recherche en bioinformatique chez Inria, plus particulièrement au sein des équipes Helix, puis Ibis dont les activités sont axées sur la biologie numérique. Les logiciels d’analyse de génomes issus de ces travaux de recherche ont fait l’objet de transferts industriels à l’origine de l’entreprise Genostar.

Thierry Parmentelat

Thierry Parmentelat a mené une carrière hybride entre les mondes académique et industriel. Ses centres d'intérêt couvrent les langages de programmation, les réseaux, et l'algèbre. Actuellement ingénieur de recherche chez Inria, Thierry Parmentelat utilise Python depuis plus de 10 ans pour ses travaux de recherche, ainsi que pour le développement des plateformes expérimentales dont il a la charge.

Organisation du cours

Cours composé de 5 modules ou semaines : chaque semaine est composée de 10 séquences contenant chacune une vidéo, soit une dizaine de vidéos d'environ 6 minutes.

Dans cette session du cours, ouverte pour une durée d'un an, tous les contenus sont disponibles dès l'ouverture du MOOC. Cette ouverture 'longue durée' vous permettra de suivre ce MOOC à votre rythme.

Des quiz sont associés aux séquences, ainsi que des supports de cours et des activités ou informations complémentaires.

Les algorithmes présentés dans le cours seront implémentés en Python et pourront être exécutés via un outil dédié (des notebooks iPython). Grâce à cet outil, vous aurez la possibilité de modifier les algorithmes voire d'en écrire de nouveau.

Evaluation

Tous les deux mois, une attestation de suivi du cours sera délivrée sous réserve d'obtention d'un score minimal de 60% aux quiz proposés.

 

Conditions d'utilisation

Conditions d’utilisation du contenu du cours

Les ressources de cours sont, sauf mention contraire, diffusés sous Licence Creative Commons BY-NC-ND : l’utilisateur doit mentionner le nom de l’auteur, il peut exploiter l’œuvre sauf dans un contexte commercial et il ne peut apporter de modifications à l’œuvre originale.

Conditions d’utilisation des contenus produits par les participants

Les contenus produits par les utilisateurs sont, sauf mention contraire, diffusés sous Licence Creative Commons BY-NC-ND : l’utilisateur doit mentionner le nom de l’auteur, il peut exploiter l’œuvre sauf dans un contexte commercial et il ne peut apporter de modifications à l’œuvre originale.

 

logo inria recherche logo investissement d'avenir

Ce cours a été réalisé par Inria dans le cadre du projet IDEFI uTOP - Université de Technologie Ouverte Pluri-partenaires - contrat PIA ANR-11-IDEFI-0037.

Crédits photos :
Vignette vidéo : © rolffimages - Fotolia.com
Photo F. Rechenmann : © Inria - Vanessa Peregrin