Durée
5h Th, 15h APP
Nombre de crédits
| Master en sciences biomédicales, à finalité approfondie | 2 crédits |
Enseignant
Langue(s) de l'unité d'enseignement
Langue anglaise
Organisation et évaluation
Enseignement au deuxième quadrimestre
Horaire
Unités d'enseignement prérequises et corequises
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement
La partie théorique de ce cours abordera:
- L'évolution du séquençage de type "NGS" et les applications associées
- Le traitement des données de séquençage
- La technologie Single-Cell
- L'approche "Multi-omics", la technologie "Spatial" et l'imagerie
- L'effet "Batch" et l'intégration de datasets
- L'alignement de données de séquençage
- L'extraction de l'information quantifiable
- La normalisation, le clustering et la réduction de dimension
- La correction d'effet batch et les méta-données
- L'analyse de données "multi-omics"
- Le traitement des données d'imagerie
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement
A l'issue de ce cours, l'étudiant sera capable:
- de prendre en main les bases du traitement des données de séquençage
- de préparer les données pour extraire les résultats
- de maîtriser les grandes étapes de l'analyse des données
- de comprendre l'impact de l'effet batch et l'importance des méta-données
- de réaliser l'intégration de plusieurs jeux de données et de données "multi-omics"
Savoirs et compétences prérequis
INFO9024-1
Cette formation s'appuie sur l'apprentissage au préalable par les étudiants du langage de programmation R.
L'utilisation du terminal de commande fera partie des cours pratiques.
Activités d'apprentissage prévues et méthodes d'enseignement
Après avoir appris les notions importantes lors des cours théoriques, l'étudiant devra réaliser des analyses de données de différentes applications venant des données NGS. Il comprendra comment réaliser une analyse particulière, et comment l'adapter à des modèles expérimentaux différents. Pour les travaux pratiques, l'interface RStudio sera utilisée pour exploiter l'environnement de programmation R.
Mode d'enseignement (présentiel, à distance, hybride)
Cours donné exclusivement en présentiel
Informations complémentaires:
Cours magistraux et travaux pratiques en présentiel.
Supports de cours, lectures obligatoires ou recommandées
Plate-forme(s) utilisée(s) pour les supports de cours :
- Microsoft Teams
Informations complémentaires:
Différents fichiers seront mis à dispositions des étudiants:
- Les dias des cours théoriques et pratiques
- Des documents ressources importants
- Des jeux de données
- Des exemples de scripts
Modalités d'évaluation et critères
Examen(s) en session
Toutes sessions confondues
- En présentiel
évaluation orale
Informations complémentaires:
L'évaluation comprendra une analyse à réaliser par l'étudiant. Il pourra avoir différentes ressources (définies pendant les cours) à sa disposition lors de l'examen.
Les critères d'évaluation comprennent:
- La réalisation de l'analyse dans son entiereté (30%)
- La maîtrise et la compréhension des étapes clés de l'analyse réalisée (50%)
- Les connaissances générales sur l'analyse de données (20%)
Stage(s)
Remarques organisationnelles et modifications principales apportées au cours
Contacts
Arnaud LAVERGNE, PhD
GIGA-BIOINFORMATICS
B34 - 1st Floor
+32 4 3663453
arnaud.lavergne@uliege.be