Skip to content

Latest commit

 

History

History
44 lines (28 loc) · 2 KB

README.md

File metadata and controls

44 lines (28 loc) · 2 KB

IFSBM-bigdata

Dates 22-24 janvier 2024.

Lieu Bat B2M, Gustave Roussy

Responsables Pr. Daniel GAUTHERET (Univ. Paris-Saclay, I2BC), MD. PhD. Julien VIBERT (Gustave Roussy)

Intervenants PhD. Candidate Yoann PRADAT (Gustave Roussy), PhD. Elsa BERNARD (Gustave Roussy)

UE 11 - Cancer et génomique: des données NGS aux modèles prédictifs

Pré-requis

Un niveau licence est requis pour bien comprendre les notions méthodologiques qui seront abordées. Une initiation au langage de programmation R est nécessaire et l'usage d'un ordinateur personnel est indispensable.

Les étudiants ne maîtrisant pas R doivent suivre obligatoirement avant la séance les 3 cours de Gaelle Lelandais présentés dans ces vidéos:

Pour tester votre niveau et pour vous initier à travailler avec des fichiers R markdown (.Rmd), vous êtes invités à faire les exercices du TP Rbeginner disponible dans le chemin TPs > R_beginner > Rbeginner-exercices-1-3.Rmd. La correction vous est fournie dans le fichier Rbeginner-exercices-1-3.corr.Rmd.

Objectif

Les données de séquençage nouvelle génération (next-generation sequencing - NGS - en anglais) révolutionnent les pratiques de recherche médicale et de soin, en produisant des portraits moléculaires d'une précision inégalée. Dans cette UE, nous décrirons quelques unes des données produites par les technologies NGS et comment ces données peuvent être utilisées pour décrire précisément le profil de la tumeur d'un individu et guider la prise en charge médicale. Vous apprendrez les bases d'une poignée de méthodes d'apprentissage automatique (machine learning) et verrez des applications de ces méthodes sur des données publiques.

Déroulé

Le programme de cette UE est maintenu à jour sur la feuille Google suivante https://docs.google.com/spreadsheets/d/1t1aIoauZM7e3KQfu-HlV6cxjcmkiM0IgatH3GIhMrbo.