Formation en bioinformatique végétale

Leçon 1 • Dogme central dans les systèmes végétaux

Retrace la réplication de l'ADN, la transcription et la traduction avec des caractéristiques régulatrices spécifiques aux plantes. Relie les processus moléculaires aux types de données bioinformatiques en aval.

Leçon 2 • Organisation et complexité du génome végétal

Examine les niveaux de ploïdie, les éléments répétés et la variation de la taille du génome chez les espèces végétales. Prépare les étudiants aux défis de l'assemblage et de l'annotation du génome végétal.

Leçon 3 • Principaux organismes modèles végétaux

Présente Arabidopsis, le riz, le maïs et la tomate comme systèmes de référence pour les études bioinformatiques. Met en évidence les ressources génomiques et les bases de données communautaires pour chaque espèce.

Leçon 1 • Bases de données biologiques et récupération de données

Présente les principales bases de données génomiques végétales et les méthodes d'accès programmatique aux données. Les étudiants peuvent récupérer efficacement des séquences, des annotations et des données d'expression.

Leçon 2 • Ligne de commande Linux pour la bioinformatique

Enseigne la navigation dans les fichiers, le traitement de texte et les scripts shell essentiels aux workflows bioinformatiques. Permet directement aux étudiants d'exécuter des pipelines de génomique végétale sur des serveurs.

Leçon 3 • Python et R pour les données biologiques

Présente les scripts Python et le calcul statistique avec R pour analyser et visualiser des données biologiques. Fournit les bases de programmation utilisées dans toutes les analyses ultérieures.

Leçon 1 • BLAST et méthodes de recherche heuristique

Enseigne les variantes de BLAST, le réglage des paramètres et l'interprétation des résultats pour les requêtes de séquences végétales. Permet l'identification rapide d'homologues dans de grandes bases de données de génomes végétaux.

Leçon 2 • Algorithmes d'alignement apparié

Explique les algorithmes de Needleman-Wunsch et Smith-Waterman avec les matrices de scores. Fournit la base algorithmique pour toutes les analyses basées sur l'alignement en aval.

Leçon 3 • Recherches basées sur les profils et les domaines

Présente les modèles de Markov cachés et Pfam pour détecter les domaines protéiques conservés chez les plantes. Étend la sensibilité de la recherche au-delà des méthodes appariées pour les séquences divergentes.

Leçon 1 • Technologies de séquençage pour les génomes végétaux

Compare les plateformes de séquençage à lectures courtes, longues et Hi-C pour les projets de génome végétal. Éclaire le choix de la technologie en fonction de la complexité du génome et des objectifs du projet.

Leçon 2 • Génomique comparative et analyse de synténie

Applique MCScan et SynMap pour détecter les blocs synténiques conservés entre les génomes végétaux. Révèle les relations évolutives et soutient les études de familles de gènes.

Leçon 3 • Annotation structurale et fonctionnelle des gènes

Enseigne la prédiction ab initio, l'annotation basée sur les preuves et l'assignation fonctionnelle des gènes végétaux. Produit des modèles de gènes avec une signification biologique pour les analyses en aval.

Leçon 4 • Identification et masquage des répétitions

Aborde l'identification des éléments transposables et le masquage des répétitions, essentiels pour l'annotation du génome végétal. Les répétitions non masquées provoquent de fausses prédictions de gènes et doivent être traitées en premier.

Leçon 1 • Analyse de l'expression différentielle

Applique DESeq2 et edgeR pour identifier les changements d'expression statistiquement significatifs entre des conditions végétales. Les résultats sont normalisés, filtrés et visualisés pour l'interprétation biologique.

Leçon 2 • Cartographie et quantification des lectures

Utilise STAR et HISAT2 pour la cartographie sensible à l'épissage et featureCounts ou Salmon pour la quantification. Génère des matrices de comptage qui servent d'entrée pour l'analyse de l'expression différentielle.

Leçon 3 • Conception expérimentale RNA-seq

Couvre la réplication biologique, la sélection des tissus et les stratégies de préparation de banques pour le RNA-seq végétal. Une bonne conception expérimentale évite les confusions et maximise la puissance statistique.

Leçon 4 • Enrichissement fonctionnel et analyse de voies

Effectue l'enrichissement des termes GO et l'analyse des voies KEGG sur des ensembles de gènes végétaux différentiellement exprimés. Traduit les résultats statistiques en hypothèses biologiques mécanistiques.

Leçon 1 • Cartographie des lectures courtes pour l'appel de variants

Aligne les lectures de reséquençage sur les génomes de référence végétaux à l'aide de BWA-MEM et marque les dupliquats. Produit des fichiers BAM prêts pour l'analyse comme entrée pour la détection de variants.

Leçon 2 • Annotation des variants et impact fonctionnel

Annote les variants avec SnpEff et VEP pour prédire les conséquences fonctionnelles dans les gènes végétaux. Relie les variants de séquence aux effets phénotypiques potentiels et aux gènes candidats.

Leçon 3 • Appel de variants SNP et Indel

Applique GATK HaplotypeCaller et FreeBayes pour détecter les SNP et indels dans les génomes végétaux. Le filtrage des variants garantit des appels de haute confiance pour les analyses de population en aval.

Leçon 4 • Structure et diversité des populations

Utilise PLINK, ADMIXTURE et l'ACP pour caractériser la structure génétique des populations végétales. Révèle l'histoire de la domestication, les groupes de sélection et la variation adaptative.

Leçon 1 • Fixation des facteurs de transcription et analyse de motifs

Identifie les sites de fixation des facteurs de transcription à l'aide de données DAP-seq et de la découverte de motifs de novo. Relie les protéines régulatrices à leurs gènes cibles dans les réseaux géniques végétaux.

Leçon 2 • Accessibilité de la chromatine et ATAC-seq

Traite les données ATAC-seq pour identifier les régions de chromatine ouverte et les éléments régulateurs dans les génomes végétaux. Les cartes de chromatine ouverte révèlent les promoteurs et les amplificateurs actifs contrôlant l'expression des gènes végétaux.

Leçon 3 • ChIP-seq pour les modifications d'histones

Analyse les données ChIP-seq pour cartographier les marques d'histones associées aux états de chromatine active et réprimée chez les plantes. Les profils de modification d'histones contextualisent la régulation génique et la mémoire épigénétique.

Leçon 1 • Horloge moléculaire et datation des divergences

Estime les temps de divergence à l'aide de calibrations fossiles et de modèles d'horloge moléculaire relâchée. Le contexte temporel transforme les phylogénies en chronologies évolutives pour les lignées végétales.

Leçon 2 • Sélection positive et évolution moléculaire

Détecte les gènes sous sélection positive à l'aide des ratios dN/dS et des modèles branche-site. Identifie les gènes végétaux qui conduisent l'adaptation aux stress environnementaux et biotiques.

Leçon 3 • Identification des orthologues et analyse des familles de gènes

Utilise OrthoFinder pour regrouper les protéines végétales en orthogroupes et analyser l'évolution des familles de gènes. Les assignations d'orthogroupes sous-tendent toutes les analyses comparatives et phylogénomiques.

Leçon 4 • Reconstruction d'arbres phylogénétiques

Applique des méthodes de maximum de vraisemblance et bayésiennes pour reconstruire les arbres d'espèces et de gènes végétaux. Des arbres précis sont essentiels pour interpréter les modèles évolutifs et les origines des caractères.