PARCOURS - Biologie, Informatique et Mathématiques (BIM)

PARCOURS - Biologie, Informatique et Mathématiques (BIM)

Call to actions

Pour que nous puissions vous recontacter

Ce champ est facultatif. Si vous ne le remplissez pas, la question donnée en exemple ci-dessus sera envoyée.

Envoi du message…

Votre message a été envoyé.

Une erreur est survenue pendant l'envoi de la question. Essayez de nous contacter par téléphone.

Résumé

Ce parcours a pour objectif de former les étudiants aux approches de bio-informatique, d'analyse de données de grande dimension et de modélisation pour des application dans les domaines des Omiques et de l'Imagerie En savoir plus

Objectifs

Formation initiale / Formation continue / Accessible en reprise d'études
Master
2 ans
Nice Campus Valrose
Français

Détails

METIERS

  • Ingénieur de recherche
  • Chercheur
  • Enseignant-chercheur
  • Ingénieur d'étude
  • Développeur
  • Biostatisticien
  • Bioanalyste
  • Biomodélisateur

CANDIDATURE

Les candidatures au Master Sciences du Vivant sont ouvertes du 12/04/2021 au 21/05/2021.
 

EUR D'APPARTENANCE

Présentation

Le parcours Biologie, Informatique et Mathématiques (BIM) a pour objectif de former les étudiants aux approches de bio-informatique, d'analyse de données de grande dimension et de modélisation pour des applications dans les domaines des Omiques et de l'Imagerie. 

La formation propose aux étudiants d'acquérir une culture large en bio-informatique et dans les domaines connexes (analyse de données, omique, imagerie). Les deux stages de longue durée et le jeu d'options permettent une spécialisation dans des domaines biologiques variés (génétique, écologie, neurologie, médecine...) permettant aux étudiants de personnaliser leur profil de sortie autour du socle commun interdisciplinaire.

Enjeux

Les étudiants du parcours Biologie, Informatique et Mathématiques (BIM) pourront acquérir des compétences en biologie (Omiques, Imagerie, Biologie structurale), en mathématiques (Statistiques, Fouille de données, Modélisation) et en informatique (Programmation, Bases de données, Conception Objet) qui leur permettront de s'adapter pour relever les défis actuels et futurs de recherche et développement.

Les diplômés seront en capacité de gérer, interpréter, modéliser les nombreuses données numériques en sciences de la vie.

Le parcours Biologie, Informatique et Mathématiques se distingue par :
  1. La réalisation de deux stages longs de 5 et 6 mois en M1 et en M2 permettant aux étudiants de se familiariser avec les métiers de la recherche
  2. Une formation d'excellence aux technologies Omiques et à l'Imagerie Biologique
  3. De nombreux ateliers pratiques encadrés par des ingénieurs et professionnels du secteur travaillant sur des plateformes de la région niçoise et qui sont au plus près des avancées scientifiques et technologiques dans les domaines concernés

Admission

Pré-requis

Niveau(x) de recrutement

1er cycle (bac+3)

Formation(s) requise(s)

Le parcours Biologie, Informatique et Mathématiques s'adresse aux étudiants ayant une solide formation en biologie, des bases en biomathématiques et en biostatistiques. Une première approche de la programmation par exemple au sein d'un cursus précédent à visée multidisciplinaire (comme le parcours BIM de la L3 de l'Université Côte d'Azur) est un bonus indéniable. Le parcours est néanmoins ouvert aux néophytes en programmation ayant un fort attrait pour l'informatique, avec un programme adapté.
 

Modalités de candidature

Le dossier de candidature doit être constitué des éléments suivants :

  • Un CV
  • Une lettre de motivation
  • Le relevé de notes du dernier diplôme (et d'éventuels cursus précédents d'intérêts)
  • Une lettre de recommandation est facultative mais acceptée pour les étudiants ne venant pas d'Université Côte d'Azur; pour ces dernier une lettre de recommandation est inutile)
Les candidatures en M1 et M2 sont à déposer en ligne, à partir du 12 avril jusqu'au 21 mai 2021 dernier délais, sur la plateforme e-candidat.

Programme

En M1 comme en M2, les enseignements ont lieu à l'automne, le printemps étant consacré à un stage long en laboratoire ou sur une plate-forme.

Les enseignements obligatoires se décomposent chaque année en:

  • une UE de biologie.
  • une UE de mathématiques appliquées.
  • des ateliers pratiques de bioinformatique, programmation et intelligence artificielle.


En parallèle de ces enseignements, les étudiants affinent leur formation en fonction de leurs intérêts scientifiques en choisissant 1 UE sur liste (en M1) et 2 UE (en M2) sur l'ensemble des UE du Master Sciences du Vivant (dans la limite de compatibilité du calendrier des enseignements). Dans ce cadre des UEs d'informatique sont accessibles (bases de données, prog. orientée objet...)

En plus de ces cours disciplinaires, les étudiants suivent des enseignements de communication scientifique (M1), d'anglais scientifique (M1 et M2) et doivent choisir une UE Outils qui leur permettra l'acquisition de compétences transversales, notamment en imagerie.

Master 1
Semestre 1

Enseignements disciplinaires :

4 UE obligatoires :

  • UE 01 Données biologiques en pratique 1
  • UE 07 Statistiques appliquées à la biologie
  • UE 11 Données massives et imagerie
  • UE 15 Technologies omiques

1 UE au choix parmi :

  • UE 09 Bases de données
  • UE 18 Signalisation cellulaire
  • UE 31 Neurobiologie cellulaire et moléculaire
  • UE 34Introduction à la bio-info par la programmation
  • UE du Msc BOOST

Enseignements méthodologiques :
- Communication scientifique / Ethique / Formation démarche qualité /  Anglais scientifique / Hygiène et sécurité /

- 1 UE à choisir parmi : Expérimentation animale / Initiation au Traitement d'Images Biologiques / Techniques d'Imagerie en Biologie pour la Recherche et la Médecine / Life imaging / Traitement Avancé d'Images Biologiques / Transfert de Technologie et Entrepreneuriat

Semestre 2

Anglais scientifique
Stage en Laboratoire de Recherche de 5 mois

Master 2
Semestre 1

Enseignements disciplinaires :

3 UE obligatoires

  • UE 05 Données biologiques en pratique 2
  • UE 10 Modélisation des systèmes biologiques
  • UE 28 Biochimie structurale
     

2 UE au choix parmi l'ensemble des UE du Master

Enseignements méthodologiques :
- Anglais scientifique
- 1 UE à choisir parmi : Traitement avancé d'images biologiques / Expérimentation animale / Techniques d'imagerie en biologie pour la recherche et la médecine / Life imaging / Winter School / Transfert de technologie et entrepreneuriat

Semestre 2

Stage en laboratoire de recherche de 6 mois


 

Contenu de la formation

Retrouvez ci-dessous le descriptif des UE obligatoires et optionnelles du parcours Biologie, Informatique et Mathématiques :
 
Enseignements obligatoires en M1
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.

Enseignements optionnels en M1

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.
Enseignements obligatoires en M2
UE 05 Données biologiques en pratique 2

1-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), Agnes Paquet (Syneos), S. Bottini (Responsable Opérationnelle du Medical Data Laboratory), Jocelyn Gal (I, CAL).


2- Analyse de données massives 2

Objectifs : Maîtrise d’outils avancés pour le big data et l’intelligence artificielle appliqués aux données biologiques.

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

Contenu : Etude des algorithmes et outils de machine learning classiques (réseaux de neurones, support vector machine), et les notions statistiques associées. Introduction à l’apprentissage profond (deep learning) et structuré.

Nombre d’heures : 10h CM, 12h TP

Intervenants : Marc Bailly-Bechet

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

UE 10 Modélisation des systèmes biologiques

Responsable : Marc Bailly Bechet

Objectif : Cet enseignement se veut une introduction aux techniques de modélisation mises en oeuvre très largement dans l’ensemble du champ disciplinaire de la biologie (de la molécule à l’écosystème). On entrera assez profondément dans la réalisation concrète de modèles analogues à ceux utilisés en recherche pour aborder des problèmes assez complexe d’intégration numérique, de stochasticité et de parallélisme des processus. Les étudiants ayant suivi ce module sont aptes soit à poursuivre dans le cadre d’une thèse une recherche intégrant des éléments de modélisation, soit à interagir avec des équipes de modélisation, statisticiens, bio-informaticiens dans divers corps de métiers (ingénieurs, consultants, etc…).

Intervenants : P. Coquillard ; intervenants ponctuels choisis pour leurs compétences particulières.

Equipe de recherche associée : UMR 6243 Institut Biologie et Santé des Végétaux (INRA-CNRS-UNSA).

Prérequis : Statistiques de niveau Licence de biologie.

Thèmes abordés :

  • Introduction générale aux systèmes et modèles (Analyse de domaine, Analyse du système,Elaboration du modèle, Écriture du code et implémentation sur machine, Conclusion :Modélisation ou simulation ?).
  • Les modèles déterministes (Ajustement de données à un modèle théorique, Etablissement d’unmodèle théorique, Etablissement d’un modèle empirique & régression polynomiale, Exemples demodèles théoriques utilisés en Ecologie/dynamique des populations, Les modèles àcompartiments).
  • L’analyse de Markov (Définitions, Evolution et propriétés des chaînes homogènes de Markov,Matrices dérivées: matrice de Lesslie).
  • La simulation à événements discrets (Présentation du problème, Techniques de modélisation. Letemps, l’espace, les événements. Les automates cellulaires (exemple du jeu de la vie de Conway).Les modèles multi agents ; utilisation du software NetLogo).
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)
Enseignements optionnels en M2

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

CONSULTER LE DESCRIPTIF DES UE


 

Le parcours Biologie, Informatique et Mathématiques comprend 2 stages longs effectués obligatoirement dans deux équipes de recherche distinctes. Les stages peuvent être effectués dans le périmètre local, national ou international.
Les stages à l'étranger doivent impérativement se dérouler dans le respect des dates de stage du Master et de la participation aux évaluations intermédiaires (qui peuvent se faire à distance).

Le stage de M1 dure 5 mois, de début février à fin juin, et 6 mois en M2, de début janvier à fin juin.

Les enseignement seront évalués en contrôle continu et en contrôle terminal, en fonction des UE.

Et après ?

Compétences visées

URL Fiche RNCP

Poursuites d'études

A l'issue du M2, les diplômés du parcours Biologie, Informatique et Mathématiques peuvent s'orienter vers un doctorat dans des laboratoires de la région, essentiellement, mais aussi ailleurs en France ou à l'étranger.

Les étudiants qui ont un laboratoire d'accueil pour effectuer une thèse dans la région peuvent postuler pour une allocation de recherche doctorale de l'Université Côte d'Azur attribuées par concours par les écoles doctorales : l'Ecole doctorale des Sciences de la Vie (ED85) et l'Ecole doctorale des Sciences et Technologie de l'Information et de la Communication (STIC).

 

Débouchés professionnels

Secteurs d'activité ou type d'emploi

Les étudiants diplômés peuvent intégrer des projets de recherche ou de développement directement après le Master.
Ils peuvent postuler, dans des laboratoires publics, des centres hospitalo-universitaires, des plateformes technologiques, des centres R&D privés, à des emplois de type:
  • Ingénieur d'étude
  • Développeur
  • Biostatisticien
  • Bioanalyste
  • Biomodélisateur
La poursuite en thèse dans des laboratoires publics ou privés permet d'accéder aux postes de niveau doctorat (phD) comme pour les concours d'ingénieur de recherche, de chercheur ou d'enseignant-chercheur.

Insertion professionnelle

Les droits d'inscription pour la préparation des diplômes nationaux sont fixés chaque année au niveau national. Vous devrez également payer une cotisation vie étudiante et de campus (CVEC) auprès du CROUS au préalable à toute inscription.