Traitement statistique des données -omiques

4.00 crédits

15.0 h + 5.0 h

> Horaire

Enseignants

Symul Laura;

Langue
d'enseignement

Français

Préalables

Concepts et outils équivalents à ceux enseignés dans les UEs

LSTAT2020	Logiciels et programmation statistique de base
LSTAT2110	Analyse des données

Thèmes abordés

La normalisation de données omics (que ce soit génomiques ou métabolomique)
Les méthodes mathématiques et statistiques pour le prétraitement de données spectrales (ex : modèles semi-paramétrique de lissage pour correction de ligne de base, alignement de pics)
L'organisation d'expériences pour analyser la qualité informatique de données omics et leur analyse par modèles à composantes de variance, méthodes de classification et méthodes multivariées telles
ASCA,ANOVA-PCA
La modélisation de données de grande dimension dans un but de recherche de biomarqueurs ou de prédiction par modèle PLS, O-PLS, ICA, arbres de décision
Les méthodes pour tests multiples (FDR)
Les méthodes d'intégration de données (analyse de données multitableaux)
Revue et utilisation des packages R les plus courants dans le domaine (ex : bioconductor)
Application sur des bases de données réelles.

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

Eu égard au référentiel AA du programme « Le master en statistique, orientation biostatistique», cette activité permet aux étudiants de maîtriser

De manière prioritaire les AA suivants: 1.4, 2.2, 2.5, 2.6, 3.1, 3.2, 3.3, 3.4, 3.5, 4.5, 5.1, 5.2, 5.6
De manière secondaire les AA suivants: 4.1, 5.7

Eu égard au référentiel AA du programme de « Le master en statistique, orientation générale», cette activité permet aux étudiants de maîtriser

De manière prioritaire les AA suivants : 1.3, 1.4, 2.2, 2.4, 2.5, 2.6, 3.1, 3.2, 3.3, 3.4, 5.1, 5.5, 5.6
De manière secondaire les AA suivants : 1.2, 1.5, 4.1

Contenu

Après avoir revu les bases de la biologie moléculaire, le cours présente une série de méthodes -omiques et surtout les méthodes de traitement de données liées:

Bases de biologie moléculaire.
Révision de méthodes multivariées utiles en méthodes -omiques (PCA, Clustering...) et appllication en R + RMarkdown.
Méthode d'acquisition de données de transcriptomique (micro-damiers, q-PCR, RNA-Seq...).
Prétraitement et analyse de données transcriptomiques (correction de background, normalisation,... + tests d'hypothèses avec correction de multiplicité).
Utilisation de modèle de prédiction et classification émanant de la chimiomtrie et du machine learning pour l'analyse de données omique (PLS, O-PLS, arbres...).
Acquisition et traitement de données protéomiques.
Acquisition et traitement de données métabolomiques (dont prétraitement détaillé de données 1H-NMR).
Traitement de données métagénomiques.

Méthodes d'enseignement

Le cours est composé d'une série d'activité qui amènent l'étudiant à se plonger activement dans le monde des données -omiques. Il propose:

des exposées par des spécialistes actifs dans le domaine,
des mini-projets de traitement de données à réaliser chaque semaine,
un travail interactif sur ordinateur durant le cours,
une visite de laboratoire,
un projet final sur des données proposées par les différents intervenants du cours ou de data repositories.

Les modalités prévues évolueront en fonction de la situation sanitaire.

Modes d'évaluation
des acquis des étudiants

Dans le cadre de ce cours, les étudiant·es sont évalué·es de deux manières :

l’évaluation continue certificative incluant:
- des travaux obligatoires à remettre en cours de quadrimestre selon un calendrier fixé en début de quadrimestre (40% de la note finale)
- et un projet final à présenter oralement lors du dernier cours (40% de la note finale)
un examen oral à livre ouvert (20% de la note finale)

Une note globale de 10/20 ou plus ne sera acquise que si l’étudiant a obtenu pour chaque travail ou partie de l’évaluation une note individuelle de minimum 8/20.

Ressources
en ligne

Site Moodle: https://moodleucl.uclouvain.be/course/view.php?id=10846

Faculté ou entité
en charge

> LSBA

Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme

Sigle

Crédits

Prérequis

Acquis
d'apprentissage

Master [120] en science des données, orientation statistique

DATS2M

Master [120] en statistique, orientation biostatistiques

BSTA2M

Master [120] en statistique, orientation générale

STAT2M

Master [120] : bioingénieur en chimie et bioindustries

BIRC2M

Certificat d'université : Statistique et science des données (15/30 crédits)

STAT2FC

Master [120] : bioingénieur en sciences agronomiques

BIRA2M