Université Lyon 1
Arqus
Accueil  >>  Master  >>  Microbiologie  >>  M2 Microbiologie moléculaire, pathogénie, écologie microbienne  >>  Analyse de données biologiques
  • Domaine : Masters du domaine SCIENCES ET TECHNOLOGIES
  • Diplôme : Master
  • Mention : Microbiologie
  • Parcours : M2 Microbiologie moléculaire, pathogénie, écologie microbienne
  • Unité d'enseignement : Analyse de données biologiques
Nombre de crédits de l'UE : 6
Code APOGEE : BIO1233M
    Responsabilité de l'UE :
AMAT ISABELLE
 isabelle.amatuniv-lyon1.fr
04.72.43.26.33
    Type d'enseignement
Nb heures *
Cours Magistraux (CM)
15 h
Travaux Dirigés (TD)
27 h
Travaux Pratiques (TP)
12 h
Durée de projet en autonomie (PRJ)
0 h
Durée du stage
0 h
Effectif Cours magistraux (CM)
210 étudiants
Effectif Travaux dirigés (TD)
35 étudiants
Effectif Travaux pratiques (TP)
18 étudiants

* Ces horaires sont donnés à titre indicatif.

    Pré-requis :
Statistiques descriptives univariées et bivariées, lois statistiques usuelles, tests classiques
    Compétences attestées (transversales, spécifiques) :
Non rédigé
    Programme de l'UE / Thématiques abordées :

Un des défis posés par l’étude du vivant, notamment en écologie est son extraordinaire variabilité et complexité. Avec le développement rapide de nouvelles méthodes d'acquisition de données dans tous domaines de la biologie (génomique, génétique, écologie.... Cf. UE TAD), la quantité d’information à manipuler explose. Pour comprendre le fonctionnement et l'évolution des systèmes biologiques, il est donc indispensable d’avoir des notions de planification expérimentale pour bien acquérir des données, d’avoir des compétences d’informatique pour pouvoir manipuler efficacement ces données, et de bien maîtriser les outils d’analyse statistique (inférentiel et exploratoire) pour pouvoir les analyser.

Le premier objectif de cette UE est de familiariser les étudiants à la planification expérimentale (i.e. comment réaliser un protocole expérimental pertinent pour une question biologique donnée) et d’approfondir leurs compétences dans l’analyse des données écologiques et évolutives. Pour remplir cet objectif, les connaissances des étudiants relatives aux concepts et à la méthodologie de base en statistique (estimation, test d’hypothèse, vraisemblance d’une hypothèse, risques d’erreur,) seront renforcées. Les notions de robustesse des tests, de puissance et de taille d’effet seront approfondies, et les étudiants seront sensibilisés aux problèmes de pseudo-réplication et de colinéarité. L’analyse des données et le lien avec la planification expérimentale seront mis en pratique en TD (grâce au logiciel R) sur des jeux de données empruntés à différents domaines de la biologie et dont l’analyse relève du modèle linéaire. Les analyses abordées seront étendues au modèle linéaire généralisé pour permettre aux étudiant d’élargir la palette des données qu’ils sont en mesure d’analyser en autonomie (e.g. données binaires ou données de comptage, classique en écologie). Le traitement des tableaux de données par l’analyse en composantes principales (ACP) et l'analyse des correspondances (AFC) posera les premières bases théoriques et interprétatives des méthodes exploratoires. Ces deux méthodes seront également illustrées par des jeux de données écologiques via le logiciel R.

Le second objectif de cette UE est de former les écologues à un langage de programmation afin de leur permettre de traiter en autonomie des jeux de données comprenant des types d’informations diverses ainsi que de très grosses tailles (impossible à manipuler avec un simple tableur) ou de conduire une démarche exploratoire au moyen de simulations. Le langage de programmation est véritablement pensé ici comme un moyen et non pas comme une fin. Le but est de comprendre et être capable d’utiliser des notions de base (variables, tests conditionnels, boucles, fonctions, etc.). Via une approche par projet en R, les étudiants pourront se familiariser avec les bases informatiques qui seront utiles pour le reste de la formation : savoir formaliser des questionnements biologiques et proposer des solutions de manière autonome (écriture de script, exploitation des paquetages R, …).

Date de la dernière mise-à-jour : 23/11/2020
SELECT MEN_ID, `MEN_DIP_ABREVIATION`, `MEN_TITLE`, `PAR_TITLE`, `PAR_ID` FROM parcours INNER JOIN ue_parcours ON PAR_ID_FK=PAR_ID INNER JOIN mention ON MEN_ID = PAR_MENTION_FK WHERE PAR_ACTIVATE = 0 AND UE_ID_FK='14522' ORDER BY `MEN_DIP_ABREVIATION`, `MEN_TITLE`, `PAR_TITLE`