CBiB

The web application Linda offers a complete tool for entering and managing metadata associated with a phenotyping experiment on plants. It thus makes it possible to intuitively describe experimental related information such as, for example, the experimental design, the growth protocols, the environmental variable measurements, etc. Linda is coupled with a database that stores this information in a structured manneer using oriented graphs. This database uses reference ontologies (e.g., Plant Ontology, Crop Ontology, etc.) and standards dedicated to this type of experiment such as the Minimal Information About Plant Phenotyping Experiment (MIAPPE) standard. Data sharing is facilitated on the one hand by respecting the FAIR principles (Findable Accessible Interoperable Reusable) and oon the other hand, by exporting this metadata relating to the experiment in tabulated formats or formatted for submission in the international databases (ISA-tab).

Tool that combines two or more draft assemblies, without relying on a reference genome and has the goal to reduce contig fragmentation and thus speed-up genome finishing. The algorithm builds an extension graph where vertices represent extremities of contigs and edges represent existing alignments between these extremities. These alignment edges are used for contig extension. The resulting output assembly corresponds to a path in the extension graph that maximizes the cumulative contig length.

Database dedicated to the comparative genomics of bacteria belonging to the class Mollicutes. It provides annotated sequence data and analysis for 72 genomes belonging to 51 species. The database provides genome and genetic element pages, homology relationship defined by various methods, pre-computed statistics, metabolic pathways, and a huge collection of tools for exploring and comparing genomes.

A computer algorithm for prediction of aggregating regions in unfolded polypeptide chains. The model used here, is designed to predict cross-beta aggregation in peptides and denatured proteins and consists of a phase-space encompassing the random coil and 4 possible structural states: beta-turn, alpha-helix, beta-sheet aggregation and alpha-helical aggregation.

Software solver that searches for active subnetwork modules that are conserved between two species. It uses a branch-and-cut algorithm that finds provably optimal or near-optimal solutions. Active subnetwork modules are sets of genes, one for each species, which: - induce a connected subnetwork in a species-specific interaction network, - show overall differential behavior, and - contain a large number of orthologous genes.

• Biologie
• Biomédical
• Agro-alimentaire
• Environnement

Le CBiB est une installation bioinformatique de base qui donne accès à des ressources informatiques de haute performance, à l'analyse de données biologiques et à une expertise en programmation. Ces ressources permettent aux scientifiques et aux laboratoires privés de répondre aux besoins en bioinformatique de leurs recherches de manière efficace et rentable. Nous offrons des technologies de pointe pour travailler avec des données cliniques, translationnelles et de sciences fondamentales, de l'acquisition et du stockage à l'analyse et au partage. Nos ressources sont sécurisées et conformes aux normes. De quelques échantillons à plusieurs dizaines de milliers, le Centre de bio-informatique fournit des services complets d'analyse et d'intégration d'ADN, d'ARN, de métabolomique, de protéomique et de données d'images.

• Ecology
• Immunogenetics
• Machine learning
• Sequence analysis
• proteomics
• Systems Biology
• Metabolomics and Fluxomics
• Data collection curation
• Comparative genomics
• NGS Sequencing Data Analysis

Cette formation introduira notamment la librairie Seurat permettant la manipulation et l'analyse de données Single Cell RNA-seq ainsi que la visualisation des résultats d'analyse

- Rappels des concepts du séquençage Single Cell RNA-seq
- Importation des données Single Cell dans R
- Intégration de données Single Cell multiples
- Quality Check et pré-traitement des données
- Normalisation de données
- Identification de marqueurs
- Clustering et assignation cellulaire
- Analyse différentielle des groupes cellulaires
- Savoir intégrer les données de spatialisation
- Savoir intégrer les données de trajectoire
- Savoir intégrer les données de communication cellulaire
- Savoir intégrer les données d'épigénétique (ATAC-seq)

savoir analyser des séquences de reads NGS, déterminer les ARN messagers différentiellement exprimés et enrichir les résultats