PARCOURS - Biologie, Informatique et Mathématiques (BIM)

UE 01 Données biologiques en pratique 1

Responsable : Karine Robbe

1- Atelier omique - ECUE 1 - 3ECTS

Objectifs : Acquérir une autonomie dans l’analyse et la compréhension des données omiques en se familiarisant par la pratique avec les suites d’outils d’analyse et de visualisation de ce type de données.

Prérequis : Connaissance des outils technologiques et des types d’analyses associées. Cette UE nécessite d’avoir suivi l'UE “Technologies Omiques” (l’année précédente ou au même semestre). Pas de prérequis en programmation.

Organisation : Demi-journées sur les différents sites des plateformes de Génomique / Bioinformatique/Imagerie de la région (INRA à Sophia-Antipolis, IRCAN à Nice, IPMC à Sophia-Antipolis, LBDV à Villefranche). Cours et Travaux pratiques sur machine. Présentation et visite des plateformes.

Contenu : Dans ce module de données en pratique I, afin de se focaliser sur la compréhension des suites d’outils (pipeline) et l’interprétation des données, des outils avec interface graphique seront utilisés en priorité (Galaxy, QIIME, Omero, Ingenuity Pathway Analysis). Un enseignement basique des commandes Linux sera tout de même dispensé afin de bien comprendre l’équivalent en ligne des commandes des outils utilisés. Les thématiques abordées pourront être larges (Analyse différentielle d’expression, ChIP-Seq, Variants génétiques, Métagénomique, Analyse de données en Imagerie, Analyse en cellule unique sc-RNA-seq).

Intervenants : Corinne Rancurel (I, INRA), Martine Da-Rocha (I, INRA), Karine Robbe-Sermesant (MCU, IPMC), Olivier Croce (I, IRCAN), Silvia Bottini (Responsable Opérationnelle du Medical Data Laboratory), Agnès Paquet (Syneos), Bernard Mari (DR, IPMC), Laure-Emmanuelle Zaragosi (CR, IPMC).

Nombre d’heures : 6h CM, 16h TP

Modalités du contrôle des connaissances : 50% CC + 50% CT

2 - Evolution moléculaire et phylogénie en pratique (EMPP) – ECUE2 - 3ECTS

Objectifs et contenu : faire acquérir par les étudiants des connaissances théoriques et pratiques qui leur permettent de devenir autonome dans la conduite et l’exploitation d’une analyse de phylogénie et d’évolution moléculaire. L’enseignement sera dispensé sous la forme de (i) cours/TD/TP intégrés qui aborderont les notions d’évolution moléculaire et de phylogénie, la recherche de séquences dans les bases de données, l’alignement multiple de séquences, les modèles d’évolution de séquences, les détails des méthodes de reconstruction phylogénétique (des méthodes à base de distance aux méthodes bayesiennes) et la mise en évidence de la sélection naturelle au niveau moléculaire, notamment au travers de plusieurs études de cas pratiques à l’aide de différents logiciels, et (ii) la réalisation d’un projet encadré de phylogénie et d’évolution moléculaire pour apporter aux étudiants la maîtrise du choix et du paramétrage des outils ainsi que l’analyse et l’évaluation de la pertinence des résultats obtenus

Prérequis : Connaissance des concepts fondamentaux en évolution moléculaire, génétique évolutive, biologie moléculaire et biochimie. Être familiarisé avec les bases de données de séquence et les outils permettant de les explorer (Blast...). Il est conseillé d’avoir suivi les enseignements de L3 suivants : ECUE « Evolution moléculaire et phylogénie » et UE « Biologie des génomes ». 

Nombre d’heures : 24 h (cours/TD/TP intégrés en salle informatique MIPS)

Intervenants : D. Forcioli (MCU, IRCAN), D. Colinet (MCU, ISA)

Modalités du contrôle des connaissances : Examen écrit : 50% Rapport écrit du projet : 50%

UE 07 Statistiques appliquées à la biologie

Responsable : Marc Bailly Bechet

Objectif : L'objectif de cette UE est d'apprendre aux étudiants à prévoir leurs expérimentations et analyser leurs résultats en optimisant le traitement statistique de leurs données. Elle s'adresse aux étudiants des différents parcours, quel que soit le type de données obtenues. Seront traités par exemple les aspects plan d'échantillonnage et d'expérience, les analyses multivariées, GLM, etc ... L'UE se déroulera sous la forme d'étude de cas permettant d'utiliser et d'interpréter les outils statistiques les plus adaptés.

Laboratoire(s) associé(s) : UMR CNRS – INRA – UNS Interactions biotiques et Santé Végétale

Equipe pédagogique : P. Coquillard (MCU UNS), M. BAILLY-BECHET (MCU UNS), M. Poirié (PR UNS), N. Ris (IR INRA), autres intervenants

UE 11 Données massives et Imagerie

ECUE 1 : Analyse de données massives Marc Bailly-Bechet

Responsable : Marc Bailly-Bechet

Objectifs : Introduction aux outils pour l’analyse de données massives (big data) et aux approches d’apprentissage (machine learning).

Prérequis : UE Statistiques pour la biologie et connaissance du langage R.

Contenu : 1-Outils pour l’analyse de données massives : analyses statistiques multivariées et réduction dimensionnelle, emploi de librairies spécialisées (dpylr), visualisation de données massives. 2- Classification et introduction au Machine learning : Apprentissage de modèles pour la prédiction et la classification, dans un contexte de données biologiques en grande dimension.

Nombre d’heures : 10h CM, 12h TP

Intervenants : Marc Bailly-Bechet, cours mutualisés avec le DE Data Sciences

Modalités du contrôle des connaissances : 25% CC + 75% CT

ECUE 2 : Initiation au Traitement d’Images Biologiques (ITIB)

Responsable : Fabienne De Graeve

Niveau souhaité : M1 - M2

Pré-requis : /

Objectifs : Former les étudiants à la manipulation de base d’images scientifiques au travers du logiciel en accès libre (ImageJ) pour qu’ils soient autonomes en arrivant en laboratoire d’accueil au moment de leur stage. Répondre aux attentes des laboratoires en matière de traitement d’images.

Thèmes abordés :

• Définition et propriétés d'une image numérique
  • Bonnes pratiques du traitement d'images
  • Définition de l'histogramme
  • Modifications linéaires et non linéaires de l'histogramme
  • Table de couleurs, overlay
• Amélioration de la qualité d'une image
  • Réduction du bruit
  • Filtres linéaires, non linéaires
  • Egalisation d'un histogramme
  • Rehaussement de contraste
• Extraction de caractéristiques/information dans une image (pour la classification)
  • Détection de contours
  • Détecteur SIFT
  • Caractérisation de la texture
• Morphologie mathématiques
  • Dilatation, érosion, ouverture, fermeture
  • Filtre séquentiel alterné
  • Chapeau haut de forme
  • Passage aux niveaux de gris
  • Squelette
• Détection d'objets
  • Seuillage, maxima locaux
  • Sélection d'objets sur la base de leur taille et/ou forme
  • Template matching
• Segmentation 1
  • Superpixels
  • Croissance de région
  • Fusion/Division
  • Watershed

Modalités du contrôle des connaissances :
Après chaque séance de TD, les étudiants doivent rédiger un rapport dans la semaine qui suit dans lequel ils mettent les résultats et leur interprétation. Cela leur servira de mémoire. Chaque rapport fait l’objet d’une note. L’ensemble des rapports compte pour 50% de la note finale. L’autre moitié de la note finale consistera en un contrôle réel sous la forme d’un partiel écrit (sur papier, non pas sur ordinateur) afin que chaque candidat soit évalué sur ses seules compétences.

UE 15 Technologies Omiques

Responsable : Christophe Becavin (Christophe.BECAVIN@univ-cotedazur.fr)

Niveau souhaité : M1/M2

Pré-requis : Notions de Biologie moléculaire, Notions sur la régulation transcriptionelle, Notions sur le génome (organisation des gènes, polymorphisme) et la génétique (transmission des caractères, liaison génétique entre deux gènes, association entre un caractère et un gène), biochimie des protéines et des biomolécules. Bases de données en biologie (ENA, Genbank, Uniprot, InterPro, Gene Ontology…). Utilisation des navigateurs de génome. Des documents de remise à niveau seront fournis.

Objectifs :
L'étudiant devra être capable de :

comprendre des analyses expérimentales omiques présentées dans les articles scientifiques proposer une analyse omique pour répondre à une question biologique interpréter les données obtenues après analyses bioinformatiques des données omiques et les différents modes de représentation des résultats connaître les enjeux de recherche actuels liés aux approches omiques

Modalités du contrôle des connaissances :

Examens écrits portant sur l’analyse d’articles présentant des résultats issus des technologies omiques. Examen TP machine sur la recherche et l’analyse de données omiques.

Transcriptomique (K. Robbe-Sermesant) TP Analyse de données (sur machine) (K. Robbe-Sermesant, L.E. Zaragosi, C. Sabourault) Génomique (K. Robbe-Sermesant) Protéomique (C. Sabourault, M. Mehiri) Métabolomique (C. Sabourault, M. Mehiri) Séances de révisions (C. Sabourault, K. Robbe-Sermesant)

Contenu : Présentation des différentes technologies pour la génomique et la transcriptomique et leur évolution (microarray et séquençage nouvelle génération). Description des analyses transcriptomiques et des étapes d’analyse différentielle d’expression génique. Approches pour l’étude de la régulation transcriptionnelle et nouveaux développements technologiques actuels. Stratégies et analyses en génomique incluant les approches GWAS (Genome Wide Association Studies). Approche omique sur cellules uniques. Présentation des stratégies et instrumentation pour les analyses de protéomique et de métabolomique. Description des étapes d’analyse en protéomique et métabolomique (identification, quantification, localisation, interaction). TD : analyses d’articles et études de cas. TP : analyses de données publiques et personnelles omiques (GEO, Array Express, navigateurs de génomes, analyses MS, ACP).

Thèmes abordés :

• Transcriptomique (K. Robbe-Sermesant)
• TP Analyse de données (sur machine) (K. Robbe-Sermesant, L.E. Zaragosi, C. Sabourault)
• Génomique (K. Robbe-Sermesant)
• Protéomique (C. Sabourault, M. Mehiri)
• Métabolomique (C. Sabourault, M. Mehiri)
• Séances de révisions (C. Sabourault, K. Robbe-Sermesant)

Modalités du contrôle des connaissances :
Examens écrits portant sur l’analyse d’articles présentant des résultats issus des technologies omiques. Examen TP machine sur la recherche et l’analyse de données omiques.

Une UE à choisir parmi :

UE 09 Bases de données

Responsable : Elisabetta DE MARIA (edemaria@i3s.univ-cotedazur.fr)

Niveau souhaité : M1 ou M2

Prérequis : Aucun

Objectifs :

-Comprendre l’apport des bases de données dans la vie quotidienne

-Savoir concevoir, implémenter, mettre à jour et interroger une base de données

Contenu (18h de cours et 18h de TD):10

-Introduction aux bases de données et aux systèmes de gestion de base de données-Le modèle relationnelle-L'algèbre relationnelle-Le langage SQL (définition et manipulation de données)-Conception de base de données (modèle entité-association)-Transformation d'un modèle entité-association en une base de données relationnelle-Normalisation d'une relation-Gestion de transactions : contrôle de concurrence

Modalités du contrôle des connaissances : 1 écrit terminal (50%) + 1 projet (50%).

Le projet concerne la conception et la mise en oeuvre d'une base de données avec un domaine applicatif lié à la biologie.

UE 18 Signalisation cellulaire

Responsable : Julie MILANINI (Julie.MILANINI@univ-cotedazur.fr)

Niveau souhaité : M1

Pré-requis : UE de Biochimie et de Biologie cellulaire en Licence. Notions d’enzymologie

Objectifs : connaître les principales grandes voies de signalisation de la cellule eurcaryote en conditions normale et pathologiques

Thèmes abordés :

• Cycle cellulaire (J. Milanini)
• Récepteurs à activité et Tyrosine Kinase (J. Milanini)
• Trafic intracellulaire (P. Barbero)
• Adhérence et matrice extracellulaire (E. Van Obberghen-Schilling, )
• Récepteurs à 7 domaines transmembranaires (E. Macia)
• Petites protéines G (M. Franco)
• Dynamique membranaire (G.Drin)
• Apoptose (F. De Graeve)
• Révisions et/ou nouveau cours (J. Milanini et/ou un nouvel intervenant

UE 31 Neurobiologie cellulaire et moléculaire

Responsable : Jacques NOËL (Jacques.NOEL@univ-cotedazur.fr)

Niveau souhaité : M1 et /ou M2

Pré-requis : Niveau licence Sciences du vivant ou équivalent. M1 en sciences de la santé. Biologie cellulaire et moléculaire, bases de neuroanatomie.

Objectifs : Présentation des avancées les plus récentes des connaissances fondamentales sur les bases cellulaires et moléculaires de la biologie cellulaire et la physiologie des neurones et des cellules associées qui sous-tendent l’activité des réseaux de neurones, les fonctions nerveuses intégrées et le comportement. Cette approche sera présentée de manière intégrée à partir d’exemples choisis (différentiation des neurites, fonction de la synapse glutamatergique, LTP-4

LTD-STDP-homeostasie synaptique, hétéromérisation des RCPG, signalisation, cytokines-lymphokines…) en les appliquant à l’étude de réseaux de neurones, les interactions périphérie/cerveau et des fonctions nerveuses spécifiques (circuits impliqués dans la prise alimentaire en modèle mammifère, interactions entre le SI et le SNC dans des conditions physiologiques et physiopathologiques, le courtship chez la droso…). Les étudiants acquièrent les connaissances fondamentales qui leur permettent de comprendre la littérature scientifique en neuroscience et poursuivre leurs études en doctorat de neuroscience.

Thèmes abordés :

• Polarité cellulaire
• Croissance axonale
• Neurosécrétion
• Synapse glutamatergique
• Fonction synaptique
• Plasticité
• Réseaux de neurones
• Hétéromerisation des récepteurs associés au changement de comportement
• Neuroimmunologie et neuroinflammation
• Neuroendocrinologie
• Neuro-immuno pathologies

Méthodologies : Technologies de génétique et biologie cellulaire pour la dissection de la fonction des circuits neuronaux (imagerie temps réel, morphing, serial reconstructions en EM, méthode graasp, rapporteurs pour imagerie calcique, optogénétique, électrophysiologie, pharmacologie…). Modèles animaux murin et drosophile.

Particularités : Certains cours,  pourront être en anglais et pédagogie innovante (e.learning).

Les UE de Neurobiologie de la Cognition et des Emotions, Neurobiologie des Maladies cérébrales et mentales sont des UE connexes.

Modalités du contrôle des connaissances : Examen écrit, 2 sujets, avec documents papiers autorisés.

UE 34 Introduction à la bio-info par la programmation

Responsable : Jean-Paul Comet (Jean-Paul.COMET@univ-cotedazur.fr), Professeur des universités - Laboratoire I3S - Section CNU 27

Objectifs :

La bio-informatique est un champ de recherche multi-disciplinaire (biologie, informatique, mathématiques, physique...) dont le but est de répondre aux besoins nouveaux d'analyse et d'interprétation des informations générées par les biotechnologies. La bio-informatique est constituée par l'ensemble des concepts et des techniques nécessaires à l'interprétation informatique de l'information biologique. La programmation informatique est un bon moyen pour aborder cette discipline.

L’objectif de cet enseignement est d’apprendre à manipuler des données simples grâce à un ordinateur. Aucun prérequis n'est demandé, ce cours s'adresse à tout étudiant qui désire comprendre comment manipuler informatiquement des données biologiques. L'étudiant aura acquis au cours de cet enseignement les bonnes méthodes et aura les compétences pour manipuler des données plus riches. 7

Thèmes abordés :

Ce cours se focalise sur l'apprentissage de la programmation en Python, ce qui permettra aux étudiants d'aborder par la suite bio-Python sans grande difficulté. Les différents points abordés seront :

• Introduction à la programmation
• Structures de données simples
• Expressions conditionnelles
• Définition de fonctions et procédures
• Les listes et les dictionnaires

La moitié de l'enseignement se fera autour de Travaux Dirigés qui permettront aux étudiants de se confronter à l'ordinateur. Les exemples pris relèveront de l'analyse des séquences biologiques.

UE BOOST

Une UE du Msc BOOST est possible comme option, si l’emploi du temps est compatible.

UE 05 Données biologiques en pratique 2

Responsable : Marc Bailly-Bechet

ECUE1- Biologie computationnelle des données omiques

Objectif : Utiliser les principaux outils d’analyse et d’interprétation de données Omiques.

Prérequis : Cette UE nécessite d’avoir suivi l'UE “Technologies Omiques” et Données biologiques en pratique 1. Notions de programmation et maitrise de l’environnement Linux nécessaires.

Contenu : Mise en place de pipeline en ligne de commande et analyse de données omiques. Utilisation de serveur de calcul. Pré-traitement, analyse et visualisation de données omiques (notamment de NGS). Post-traitement: analyses fonctionnelles. Les thématiques abordées pourront être larges (RNA-seq, Analyse différentielle d’expression, ChIP-Seq, Analyse de Variants génétiques, Métagénomique, Analyse en cellule unique sc-RNA-seq, Cytometrie de Flux, Protéomique, Métabolomique, Analyse de Survie).
Organisation : Demi-journées sur les différents sites des plateformes de Génomique / Bioinformatique de la région (INRA à Sophia-Antipolis, IRCAN à Nice, IPMC à Sophia-Antipolis). Cours et Travaux pratiques sur machine.

Intervenants : Corinne Rancurel (I, INRA), Martine Da-Rocha (I, INRA), Karine Robbe-Sermesant (MCU, IPMC), Olivier Croce (I, IRCAN), S. Bottini (Responsable Opérationnelle du Medical Data Laboratory), Christophe Bécavin (MCU UCA)

ECUE2- Analyse de données massives 2

Objectifs : Maîtrise d’outils avancés pour le big data appliqués aux données biologiques., avec le langage R

Prérequis : UE Statistiques pour la biologie, UE analyse de données massives.

Contenu : Manipultation de données massives avec R (tidyverse, dplyr) et grahpiques avancés (ggplot2)

Nombre d’heures : 10h CM, 12h TP

Intervenants : Marc Bailly-Bechet, Silvia Bottini

Modalités du contrôle des connaissances : 25% CC + 75% CT

UE 10 Modélisation des systèmes biologiques

Responsable : Marc Bailly-Bechet

Objectif : Présenter et amener à manipuler des modèles de différente nature dans différents champs de la biologie. La manipulation combine l’approche de modélisation en elle-même – le passage de la question biologique à la formulation mathématiques –, le calcul littéral et des approches de résolution numérique avec les logiciels R ou Python.

Prérequis : Mathématique et statistiques de niveau Licence de biologie générale. Bases de programmation en R ou Python.

Thèmes : Le module se découpe en 3 segments :

• Biologie des systèmes (C. Bécavin, 18h) : les réseaux biologiques, leurs propriétés et leurs usages en biologie ;

• Ouverture vers différents types de modèles (16h) : par équations différentielles, stochastiques, méchanobiologie

• Modélisation en biophysique des protéines (F. Cazals, 10h) : physique statistique des protéines, thermodynamique, approches par simulation.

Nombre d’heures : 22h CM, 22h TP (cours-TP intégrés en salle informatique)

Intervenants : C. Bécavin (MCU UCA), I. Balelli (INRIA), F. Cazals (INRIA), S. Girel (MCU UCA), R. Allena (MCU UCA).

Modalités du contrôle des connaissances : Examen écrit : 100%

UE 28 Biochimie structurale

Responsable : GAUTIER Romain (gautier@ipmc.cnrs.fr)

Niveau souhaité : M1 (BIM) ou M1/M2 (autres)

Pré-requis : Biochimie des protéines et des membranes, analyse de séquences biologiques, utilisation outil de visualisation moléculaire (Pymol)

Objectifs : Module ayant pour but d'apprendre en détails aux étudiants les notions de bases de biochimie structurale, en passant par des techniques expérimentales, des techniques de biophysique, des techniques de bioinformatique structurale et de modélisation moléculaire (modélisation par homologie, drug design, dynamique moléculaire), ainsi que l’étude d’exemple d’assemblages macro-moléculaire et de leurs dynamiques.

Thèmes abordés :

• Introduction à la biochimie structurale
• Outils d'analyses et prédiction/structure
• TP sur machine
• Base de la modélisation moléculaire
• Techniques de biophysiques
• Assemblage macro-molécule

Modalités du contrôle des connaissances :
Examen terminal avec documents (2 sujets)

2 UE au choix sur l'ensemble des UE du Master Sciences du Vivant

CONSULTER LE DESCRIPTIF DES UE