2024-2025
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2449 intitulée :
Trends in bioinformatics
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 2
Informations
Responsable d'UE : Vincent BRANDERS
Bloc : MA2 LDT
Période : 1er quadrimestre
Durée : 42 h
Crédits : 3 ects
UE Prérequises : aucune
UE Corequises : aucune
Activités d'apprentissage (AA)
- Trends in bioinformatics : 14 h, Vincent BRANDERS
- Precision Health : 28 h, Vincent BRANDERS
Connaissances et compétences préalables
-
Contribution aux objectifs du référentiel de compétences de l'ARES
- Identifier, conceptualiser et résoudre des problèmes complexes
- Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
- Analyser des produits, processus et performances, de systèmes techniques nouveaux et innovants
- Concevoir, développer et améliorer des produits, processus et systèmes techniques
- Modéliser, calculer et dimensionner des systèmes
- Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
- Établir ou concevoir un protocole de tests, de contrôles et de mesures.
- Concevoir et gérer des projets de recherche appliquée
- Réunir les informations nécessaires au développement de projets de recherche
- Réaliser des simulations, modéliser des phénomènes afin d’approfondir les études et la recherche sur des sujets technologiques ou scientifiques
- Mener des études expérimentales, en évaluer les résultats et en tirer des conclusions
- Valider les performances et certifier les résultats en fonction des objectifs attendus
- Exploiter les résultats de recherche
- Développer une vision prospective et intégrer les développements de la recherche dans la pratique professionnelle
- Communiquer face à un public de spécialistes ou de non-spécialistes, dans des contextes
nationaux et internationaux
- Maitriser les méthodes et les moyens de communication en les adaptant aux contextes et aux publics
- Communiquer dans une ou plusieurs langues étrangères
- Adopter une attitude éthique et respecter les règles déontologiques des secteurs professionnels
- Intégrer les réalités culturelles dans un contexte national et international
- S’engager dans une démarche de développement professionnel
- Réaliser une veille technologique dans sa sphère d’expertise
- S’autoévaluer pour identifier ses besoins de développement
- Assumer la responsabilité de ses décisions et de ses choix
- Organiser son savoir de manière à améliorer son niveau de compétence
- Actualiser ses connaissances et s’engager dans les formations complémentaires adéquates
Acquis d'apprentissage spécifiques
Au terme de l'AA Precision Health l’étudiant sera capable :
- Définir les concepts clés de la génomique et transcriptomique, notamment le rôle des gènes, la séquence d’ADN et les polymorphismes génétiques.
- Expliquer les différences entre les études en vrac et les études unicellulaires dans les approches transcriptomiques et génomiques.
- Appliquer les méthodes d’analyse de données telles que PCA (analyse en composantes principales) et t-SNE pour réduire la dimensionnalité des données d’expression génétique.
- Analyser des données d’expression génétique en utilisant des techniques comme la sélection de gènes supervisée et non supervisée, afin d’identifier des biomarqueurs potentiels.
- Évaluer les modèles de régression pour l’analyse de survie, y compris les modèles Kaplan-Meier et de Cox, afin de prédire les résultats cliniques basés sur des données biologiques.
- Concevoir des expériences de sélection de gènes et de validation biologique pour la découverte de marqueurs diagnostiques ou pronostiques dans des pathologies spécifiques.
Au terme de l'AA Trends in Bioinformatics l’étudiant sera capable :
- Comprendre les concepts fondamentaux de l’apprentissage supervisé et non supervisé, et leur application dans le traitement des données bioinformatiques.
- Appliquer des modèles de deep learning pour des tâches de classification et de génération de texte bioinformatique, en utilisant des outils comme fast.ai et Hugging Face.
- Optimiser un modèle de langage pré-existant pour qu’il réponde à des tâches spécifiques en bioinformatique, comme l’annotation de séquences génétiques.
- Analyser les performances des modèles de deep learning dans des contextes bioinformatiques, en utilisant des métriques d’évaluation comme l’exactitude, le F1-score, ou la perte croisée.
- Évaluer les limites et les biais des modèles de langage appliqués à la bioinformatique, et proposer des améliorations.
- Collaborer au sein d’un projet de bioinformatique utilisant des méthodes d’apprentissage automatique, en intégrant des données biologiques réelles dans un projet de groupe.
Contenu des AA
Trends in bioinformatics
Dans le cadre de ce projet, les étudiants suivront la progression des cours de fast.ai pour appliquer les réseaux de neurones à des problématiques bioinformatiques. À travers l’analyse de données génétiques et l’utilisation de modèles de deep learning, les étudiants évolueront vers la réalisation d’un modèle de langage (LLM) adapté aux spécificités de la bioinformatique. Le projet s’adaptera au rythme et au niveau des étudiants, avec l’objectif de construire des outils permettant d’annoter et d’interpréter des données biologiques.
Precision Health
- Ontologies biologiques : Comprendre comment organiser, annoter et utiliser les données génétiques à travers des ontologies (Gene Ontology) pour la prédiction des fonctions biologiques.
- Analyse de données génomiques : Introduction aux techniques de traitement des données (par ex., séquences d’ADN, expression génique) et aux approches bioinformatiques pour découvrir des biomarqueurs ou comprendre des processus biologiques.
- Apprentissage automatique en santé : Introduction aux modèles d’apprentissage supervisé et non supervisé appliqués aux données de santé, notamment l’analyse des big data pour identifier des risques de maladies.
- Applications en médecine personnalisée : Discussion des technologies émergentes et de leur potentiel dans l’adaptation des traitements à chaque patient (séquençage de l’ADN, IA pour l’analyse des images médicales).
- Cas pratiques : Exploration des outils comme Gene Ontology, KEGG et l’utilisation de pipelines d’IA pour des cas réels de diagnostic et pronostic.
Répartition des heures
Trends in bioinformatics : 14 h de travaux
Precision Health : 20 h de théorie, 8 h d'exercices/Labos
Méthodes d'enseignement
Trends in bioinformatics : approche par projets
Precision Health : cours magistral, approche par projets, activités pédagogiques extérieures, utilisation de logiciels
Langues d'enseignement
Trends in bioinformatics : anglais
Precision Health : anglais
Supports
Trends in bioinformatics : notes d'exercices
Precision Health : copies de présentations, notes d'exercices, activités sur eCampus
Ressources bibliographiques
Trends in bioinformatics
-
Precision Health
-
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Les étudiants sont évalués sur base d'une présentation d'un article scientifique présentant un aspect important du Single Cell. Suivra une discussion en lien avec les contenu du cours.
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
- Trends in bioinformatics : non
- Precision Health : non