Analyse de données biologiques

Séquençage haut débit

• HGP (2003, Watson)
  • 15 ans sur plusieurs dizaines de laboratoires
  • plusieurs milliards d’euros
• Illumina (2010)
  • plusieurs semaines (1 chercheur)
  • quelques milliers d’euros
• Nanopores (2020)
  • plusieurs dizaines d’heures (1 chercheur)
  • plusieurs centaines d’euros

Inondation de données

coûts diminuent, rapidité augmente et précision augmente:

Exemple: Données d’expression

Exemples d’application

• Classification de tumeur (+prognostique)

• Prédiction d’efficacité d’un traitement

• Comprendre des différences (phénotypiques) entre populations

  • Comment cette espèce de plante résiste à un pathogène?

  • Pourquoi cette espèce d’algue gère mieux les métaux lourds?

  • Pourquoi cette population animale est plus sujette à une maladie que la population voisine?

Questions “types” d’intérêt de ce cours

Correlation: exemple 1

Correlation: exemple 1

Correlation: exemple 2

Correlation: exemple 3

Correlation: exemple 4

Correlation: exemple 5

Problèmes

• Quel est le problème des corrélations précédentes?

• Par ailleurs, lecture d’un fichier en R:

  read.table(file, header = FALSE, sep = "", quote = "\",
    dec = ".", numerals = c("allow.loss", "warn.loss",
    row.names, col.names, as.is = !stringsAsFactors,
    na.strings = "NA", colClasses = NA, nrows = -1,
    skip = 0, check.names = TRUE, fill = !blank.lines.s
    strip.white = FALSE, blank.lines.skip = TRUE,
    comment.char = "#",
    allowEscapes = FALSE, flush = FALSE,
    stringsAsFactors = default.stringsAsFactors(),
    fileEncoding = "", encoding = "unknown", ...)

  qui crée des erreurs du type character vs numeric

Objectif du cours

Data Scientist

Analyse de données biologiques

On produit plus de données qu’on ne peut les analyser, besoin de

• techniques d’analyse de données biologiques

• super-calculateurs

• techniques de simulations

• intelligence artificielle !?