Bioinformatique = biologie + informatique + …

• modèles probabilistes (séquences, réseaux, évolution, …)
• méthodes statistiques (échantillonnage, inférence, tests d’hypothèse, classification, prédiction, …)

Génomique = analyse de données massives

• \(\implies\) nécessité d’appliquer des méthodes statisiques pour extraire l’information pertinente à partir des données.

Toute analyse de données repose sur des statistiques. On peut faire de bonnes statistiques ou de mauvaises, les formuler explicitement ou pas, mais on n’y échappe pas.

• modèles probabilistes d’alignements, significativité des “hits”.

• modèles de séquence, découverte et recherche de motifs.

• modèles évolutifs sous-jacents, méthodes de clustering, méthodes basées sur la vraisemblance.

• normalisation des données, tests différentiels d’expression, clustering, classification supervisée.

• modèles génératifs de réseaux, motifs sur-représentés

• test de sur/sous-représentation

Formaliser en termes de proba/stat une problématique bioinformatique/génomique initialement décrite en termes biologiques.

Connaître les distributions de probabilités les plus utilisées en bioinformatique et génomique, comprendre leurs différences (conditions d’utilisation) et ressemblances (convergence, approximation).

• Discrètes (binomiale, hypergéométrique, Poisson).
• Continues (normale, Student, \(\chi^2\)).

Connaître les tests statistiques les plus courants (Student, Fisher, chi carré).

• Savoir quel test utiliser pour répondre à quelle question.
• Vérifier leurs conditions d’application (hypothèses de travail).
• Formuler les hypothèses à tester (\(H_0\), \(H_A\)).
• Mettre le test en application sur des données réelles.
• Interpréter les résultats.

Approche classique: énoncé de la théorie suivie d’exercices illustratifs.

Approche par résolution de problèmes:

• En partant d’exemples concrets, on découvre la théorie
• Approche progressive: on commence avec des cas intuitifs sur lesquels on bâtit ensuite les choses plus complexes.
• Récapitulation: chaque cycle thématique se termine par une synthèse et une mise en perspective.

Je peux faire les deux, à vous de choisir.

On peut changer de stratégie en cours de semestre.

Probabilités et statistiques pour la biologie (SBBAU16L - STAT1, 3 ECTS)

• Jacques van Helden; obligatoire en M1 BBSG, contenu décrit ci-dessus

• Annie Broglio
• Approfondissement des concepts statistiques + Apprentissage du langage R
• Prérequis pour certains cours du second semestre, et fortement recommandé pour tous.

Modélisation des séquences et des réseaux biomoléculaires (SBBBU4AL - MSR, 3 ECTS)

• Badih Gatthas

• Nil Venet (à confirmer)