ECTS
4 crédits
Composante
Faculté des Sciences
Liste des enseignements
Au choix : 1 parmi 3
Bioanalyse, transcriptomique
ECTS
4 crédits
Composante
Faculté des Sciences
Données spatiales
ECTS
4 crédits
Composante
Faculté des Sciences
L’objectif de cet enseignement résolument transdisciplinaire est de fournir les compétences utiles à une gestion efficace et une exploitation pertinente de données d’origine et de nature variées, et en particulier à composante spatiale. L’UE est constituée de trois axes complémentaires successifs. Le premier aborde les enjeux inhérents à la compilation de données et les solutions apportées par les systèmes de gestion de bases de données (SGBD) : de la conception de bases aux requêtes. Le second porte sur les systèmes d’information géographique (SIG) : de la représentation cartographique au géotraitement. Le troisième axe enfin présente la diversité des outils d’analyse spatiale permettant d’exploiter quantitativement les données spatiales, qu’il s’agisse de métriques ou de tests statistiques.
Phylogénie approfondie : méthodes et application en évolut°
Composante
Faculté des Sciences
La phylogénie est une quête d'indices évolutifs. Le but de ce module est de rappeler l'existence de phylogénies de gènes dans des phylogénies d'espèces, les modalités de représentation des histoires évolutives sous forme d'arbres, et le pari de l'homologie moléculaire positionnelle grâce à l'alignement des séquences. Les principes des méthodes d'inférence phylogénétique sont au cœur des savoirs de cette UE. Les méthodes de distances permettent de souligner les difficultés de séparation de l'homologie et de l'homoplasie, et la nécessité de construire des modèles d'évolution des caractères. L'approche cladistique avec parcimonie maximale permet d'illustrer d'une part l'utilisation du bootstrap pour estimer la solidité des nœuds des phylogénies, et d'autre part l'impact de l'échantillonnage taxonomique pour détecter les substitutions multiples.
Les approches probabilistes sont quant à elles présentées puis approfondies. L'artéfact d'attraction des longues branches conduit à introduire le raisonnement probabiliste. La méthode du maximum de vraisemblance permet d'aborder le calcul de la vraisemblance, l'estimation des paramètres des modèles par optimalité, la construction de différents modèles d'évolution des caractères, ainsi que la comparaison de modèles. L'inférence Bayésienne introduit quant à elle la distinction entre approches par densité versus optimalité. Elle montre alors l'utilisation a priori des densités de probabilités, l'estimation au vu des données des distributions a posteriori des paramètres des modèles, leur approximation par chaînes de Markov avec techniques de Monte Carlo et couplage de Metropolis (MCMCMC), les phases d'allumage et de convergence, et le calcul et l'interprétation des probabilités postérieures des arbres et des clades. L'importance des modèles d'évolution des séquences d'ADN, ARN et protéine et de leur amélioration est soulignée.