Bioinformatique et génomique des populations

Pré-requis nécessaires

• Connaissances fondamentales en biologie (biologie cellulaire, biologie moléculaire, écologie, génétique, statistiques)
• Introduction à la génétique des populations S7 (ou équivalent)
• Approches analytiques en écologie des individus et populations S8 (ou équivalent)

Objectifs

• Utiliser les outils de bioinformatique appliqués à la génomique des populations
• Conduire une analyse statistique permettant d’étudier la diversité et la différenciation génétique des populations à partir de données issues de séquençage de nouvelle génération

Compétences visées

• Utiliser et développer des outils d’analyse / modélisation dans des langages de programmation adaptés à la problématique
• Utiliser les outils de bioinformatique appliqués à la génomique des populations
• Analyser les processus moléculaires, cellulaires et physiologiques pour appréhender le fonctionnement des organismes, leur variabilité génétique et plasticité phénotypique
• Utiliser des outils permettant une recherche reproductible
• Conduire une analyse statistique de la distribution spatio-temporelle de la diversité génétique des populations
• Appliquer les méthodes quantitatives adaptées à l’analyse et la modélisation des systèmes et processus de la biologie marine aux échelles des individus, des populations, des communautés et des écosystèmes

Descriptif

Ce cours fournit des bases pratiques sur les méthodes d’analyses bioinformatiques ciblant les données génomiques individuelles et populationnelles. Le cours sera organisée autour des parties suivantes :

• Introduction sur le séquençage de nouvelle génération et les données brutes qui en résultent
• Description et utilisation de différents pipelines bioinformatiques couramment utilisés pour obtenir des SNPs (single nucleotide polymorphisms) à partir de données brutes de séquençage de nouvelle génération (données RADseq)
• Description et utilisation d’outils d’assemblage et d’annotation de mitogénomes pour des analyses comparatives
• Mise en pratique (TD) sur des jeux de données existants.