Au terme du cours, l'étudiant aura acquis une maîtrise des principaux concepts informatiques et méthodes informatiques sous-tendant la modélisation de systèmes biologiques.
Une partie du cours consiste en la réalisation d'un projet en groupe, ce qui permet à l'étudiant de développer des "soft skills".
Parmi les découvertes majeures de ces 50 dernières années figurent sans nul doute le fait que le patrimoine génétique de tout organisme est
contenu dans son ADN, que les gènes se réduisent à une séquence de nucléotides de l'ADN et que leur expression correspond à la réalisation d'un programme. Ces observations ont nourri des espoirs d'une meilleure compréhension des maladies et, par suite, de la naissance d'une médecine prédictive et personnalisée.
Les progrès technologiques ont renforcé ces espoirs. Il est en effet de moins en moins coûteux et de plus en plus rapide de séquencer un génome entier. En outre, de nombreuses bases de données sont à présent à la disposition des biologistes.
Sur le plan scientifique, il est particulièrement intéressant de relever que ces découvertes et progrès sont en réalité très familières de l’informaticien. Ainsi, trouver un gène dans une séquence d'ADN revient en fait à déterminer si une sous-suite de caractères apparaît dans une autre. Plus généralement, il apparaît de plus en plus clairement que la modélisation de systèmes biologiques ne peut se faire sans l'aide de concepts et méthodes informatiques.
Dans ce contexte, l'objectif du cours est d'étudier les concepts informatiques et techniques informatiques majeures sous-tendant la modélisation de systèmes biologiques.
Le cours montre comment des problèmes biologiques, comme la recherche de motifs et de ressemblance entre séquences, l'alignement de génomes et la compréhension de réseaux de régulation génétiques peuvent être réduits à des problèmes informatiques faisant appel, pour ne citer que quelques exemples, à des algèbres de processus, des arbres ultra-metriques, des chemins euleriens et hamiltoniens, des graphes de De Bruijn, de la programmation par contraintes, de la programmation dynamique, des réseaux de Petri ou encore des problèmes d'apprentissage automatique. Différents outils seront aussi exposés comme BioCham, BioPepa et Prism.
Le cours est conçu comme une suite d'exposés où se mêlent théorie et applications pratiques.
L'étudiant est évalué sur deux bases : des travaux à réaliser durant le semestre ainsi qu'un examen. Ce dernier comporte à la fois des questions portant sur l'ensemble de la matière vue au cours ainsi que sur les travaux réalisés.
Les travaux exigeant une implication certaine de l'étudiant durant tout le quadrimestre, en application de l'article 32, paragraphe 1 du Règlement des études et des examens, seuls les travaux de qualité suffisante (sanctionnés par une note supérieure à 5/20) pourront être représentés en 2e session.
Ph. Compeau et P. Pevzner, Bioinformatics Algorithms : An Active Learning Approach, Active Learning Publishers, 2e édition, 2015
| Formation | Programme d’études | Bloc | Crédits | Obligatoire |
|---|---|---|---|---|
| Master 60 en sciences informatiques (horaire décalé) | Standard | 0 | 4 | |
| Master 60 en sciences informatiques (horaire décalé) | Standard | 1 | 4 |