Formation continue
-A +A

Ouverture du diplôme universitaire Bioinformatique intégrative

L'université Paris Diderot en partenariat avec l'Institut Français de Bioinformatique va proposer un diplôme universitaire en bioinformatique intégrative qui s'adresse à des biologistes en demande d'évolution ou de reconversion professionnelle.

La bioinformatique est devenue une compétence incontournable pour l'analyse et l'intégration de données de natures diverse : génomes, transcriptomes, protéomes, métabolomes, structures macromoléculaires, réseaux d'interactions. L'appropriation par des biologistes des méthodes et outils de biostatistique et bioinformatique intégrative est un enjeu majeur pour la montée en compétence des équipes de recherche et des plateformes de service.
 
Ce nouveau DU fournira une formation théorique et pratique, complétée par une période d'immersion sur l'une des plateformes régionales de l'IFB. Elle consistera à mobiliser, dans le cadre d'un projet tutoré, l'ensemble des méthodes et outils appris durant les cours pour réaliser un projet personnel de bioinformatique intégrative.
Ce projet combinera des données propres à chaque participant produites et/ou collectées à partir de bases de données publiques (principe BYOD : “Bring Your Own Data”), en bénéficiant d'un double encadrement par les enseignants de la formation et un correspondant de la plateforme d'accueil.
 
Cette formation se déroulera pendant 8 semaines réparties entre :

 
Candidatures à déposer avant le 15 octobre 2018.

Renseignements et candidatures : fcsdv@univ-paris-diderot.fr

Téléchargez la plaquette de présentation : Plaquette DU Bioinformatique intégrative ( - 235.8 Ko)

Téléchargez le dossier de candidature du DU : Dossier de candidature DU Bii ( - 85.91 Ko)

Responsables :

Bertrand Cosson | Université Paris Diderot

Hélène Chiapello | IFB

Jacques van Helden | IFB

Modules d'enseignement du DU

Maîtrise de l'environnement Unix, des ressources de calcul de type cluster, gestion d'un projet (organisation des fichiers, scripts shell, gestion des versions et partage de code). 
Notions de virtualisation (machines virtuelles, docker, conda). 
Introduction aux gestionnaires de workflows. 
Utilisation des ressources de l'IFB (calcul, stockage, environnement logiciel).

Bases de programmations avec le langage Python et utilisation de librairies scientifiques et graphiques. 
Les travaux pratiques seront basés sur l'extraction d'information à partir de fichiers en différents formats et sur l'intégration de données de natures diverses (gènes, protéines, réactions) extraites de bases de données publiques. 
Le cours inclura également une présentation des principes généraux de science reproductible avec FAIR (Findable, Accessible, Interoperable and Reproducible).

Initiation au langage R dans l'environnement RStudio, la collecte et la manipulation de données multidimensionnelles (tables) et de réseaux biologiques. 
Les travaux pratiques seront basés sur l'analyse et la représentation de données réelles issues d'approches à haut débit (génomique, protéomique, métabolomique, ...).

Panorama des technologies à haut débit mobilisées pour produire les données en biologie intégrative, et de ressources bioinformatiques permettant d'accéder aux données publiques. 
Les exemples seront choisis pour couvrir une diversité de types de données (génomes, transcriptomes, interactomes, voies métaboliques, ...), d'applications (santé, environnement, agriculture, biologie fondamentale) et de groupes taxonomiques. 
Les CM seront prodigués par des conférenciers spécialisées dans ces technologies respectives. 
Les travaux pratiques consisteront à interroger les différentes bases de données pour en extraire les données brutes et métadonnées qui feront l'objets d'analyses intégratives.

Panorama des ressources (bases de données, outils) bioinformatiques pour l'analyse des données à haut débit. Dans ce module, différents intervenants présenteront séparément les méthodes spécifiques à chaque type de données (génomes, transcriptomes, protéomes, états chromatiniens, métabolome, ...). 
Les travaux pratiques consisteront à appliquer ces méthodes à des jeux de données qui auront été présentés dans le cours de technologies à haut débit, afin d'extraire l'information pertinente à partir des données brutes, de les synthétiser, de produire des représentations graphiques, et d'interpréter les résultats de chaque technologie.

Ce cours vise à démontrer les bénéfices de l'intégration de données pour la compréhension des sytèmes biologiques, sur la base de quelques exemples illustratifs extraits des publications marquantes. 
Les CM incluront une introduction aux méthodes statistiques pour l'intégration, l'extraction d'information et la visualisation des données. 
Les travaux pratiques incluront un apprentissage de principaux outils intégratifs (notamment CytoScape, librairies R spécialisées, ...) et viseront à combiner les méthodes et outils vus au cours afin de concevoir et mettre en oeuvre des workflows d'analyse intégrative sur la base de cas d'études reflétant la diversité des données, des groupes taxonomiques et de champs d'application.

Le projet tutoré consistera à mobiliser l'ensemble des méthodes et outils appris durant les cours pour réaliser un projet personnel de bioinformatique intégrative combinant des données propres à chaque participant (produites et/ou collectées à partir de bases de données publiques). 
Ce projet débutera en amont de la période d'enseignement (identification des données pertinentes par les participants, validation par les tuteurs), se poursuivra pendant les semaines de cours (ateliers d'élaboration conceptuellle des workflows), et s'achèvera par un mois d'immersion sur une plateforme de l'Institut Français de Bioinformatique (IFB), avec un double encadrement par les formateurs et par des tuteurs de la plateforme d'accueil. 
Résultats attendus: 
- préparation des données propres aux participants; 
- identification des sources de données complémentaires disponibles dans les bases de données publiques; 
- téléchargement et formatage des différents jeux de données; 
- application des méthodes et outils abordés durant les cours sur les données produites et collectées par les participants; 
- conception et implémentation de workflows d'analyse intégrative; 
- extraction, représentation et interprétation des informations pertinentes.