## Objective
Avoir les connaissances théoriques et pratiques en bioinformatique
pour produire et comprendre des données génomiques

## Méthodes

- Ne pas faire d'impasse sur le théorique tout en restant simple
- Schématiser ++
- Préférer l'exemple à l'abstraction
- Commencer par un concept théorique et finir sur de la pratique
- TP et exercice sur github / jupyter

# Plan (en cours)

+ **L'ADN comme support d'information numérique**
+ Rappel en biologie moléculaire
+ cellule / noyaux / chromosomes / ADN
+ Taille et composition du génome
+ Distinguer le génome du caryotype
+ Structure des gènes / transcription / traduction / epissage
+ Non codant / épigénétique / regulation
+ L'évolution darwinienne comme orchestre
+ En médecine
+ Génétique constitutionnelle
+ Génétique somatique
+ Informatique et Théorie de l'information
+ De Turing à Shannon
+ Binaire / machine de Turing / algorithme / Information
+ Numérique / analogique
+ L'ADN est un support numérique comme un autre
+ Exemple; encoder une vidéo dans l'ADN
+ Toutes les méthodes en informatique s'appliquent donc à l'ADN

+ **Technologie en génétique moléculaire**
+ Méthode classique
+ PCR / Sanger
+ Méthode de génotypage
+ Puce à ADN / ARMS ....
+ Séquençage de nouvelle génération
+ Illumina
+ Technique
+ Librairie
+ Capture / Amplicons
+ Biais d'amplification / de séquençage
+ Phred Score
+ Données de sortie
+ Reads
+ Fasta / Fastq
+ Metrics des reads
+ taille des reads
+ Nombre de reads
+ Qualité des reads
+ FastQC
+ Savoir comparer des séquenceurs
+ HiSeq / MiSeq / MinSeq / NovaSeq
+ Stratégie de séquençage
+ Alignement sur référence
+ Panel / Exome / Genome
+ Assemblage de novo
+ Autres technologies et méthodes
+ Single Cell
+ 3ème génération
+ Nanopore / PacBio
+ Transcriptome
+ RnaSeq / Single Cell
+ Régulome
+ HiC / epigénétique / methylation
+ Microbiome

+ **Assemblage des génomes**
+ Théorie des graphes
+ Parcours eulerien / hamiltonien
+ Graphe de Debruijn
+ Metrics d'assemblage
+ N50 ..
+ Trimming, Contig, unitig
+ En pratique
+ Outils / ligne de commandes / fichiers
+ Fichier Fasta / GFA

+ **Alignement de séquences**
+ Algorithme d'alignement
+ Multiple Alignement
+ Chaine de Markov
+ Pairwise-alignement
+ Algorithme Dynamique
+ Smith/Waterman
+ Tries / Burrows wheeler alignment
+ Génome de référence
+ hg19 / hg38
+ UCSC / Ensembl
+ Coordonnée génomique
+ En pratique
+ Outils : Bwa
+ Fichiers: SAM/BAM
+ Visualiser dans IGV
+ Notion de Couverture et de Profondeur
+ Différencier Panel / Capture
+ MapQ score / Phred Score

+ **Détection des variants**
+ Inférence Bayesienne
+ Vraisemblances des données vs Crédences des Théories
+ Fréquentistes vs Bayes
+ En profiter pour critiquer la p-value
+ En pratique
+ pillup des variants
+ Distinguer variant homozygote / hétérozygote
+ Fréquence allèlique en somatique
+ FreeBayes
+ GATK HaplotypeCaller

+ **Interpreration des variants**
+ Machine learning:
+ Apprentissage supervisé
+ Regression
+ Regression linéaire
+ Classification (des variants )
+ Regression logisitique
+ SVM
+ Random Forest
+ Neural Network
+ Base de données et Annotations
+ GnomAd, Clinvar, omim , FrenchExac
+ Ontologie (HPO)
+ Score de prediction in-silico
+ Score phylogénétique
+ Mutation et nomenclature HGVS
+ Nomenclature c., p.
+ Types de variation
+ Polymorphisme / Variant
+ En pratique
+ SnpEff / VEP / Annovar
+ classification ACMG
+ BAYES POWER ++

+ **Analyses multivariées**
+ algèbre linéaire
+ Vecteur / Matrice / Tenseur
+ Espace à n dimensions
+ Machine Learning:
+ Reduction de dimension
+ PCA / t-SNE
+ Classification non supervisée
+ Centroid
+ En pratique
+ Single cells / RNA Seq
+ Microbiome

+ **Génomique de demain**
+ Séquençage des génomes (Médecine génomique)
+ Technologie à venir
+ Variant Graph (référence sous forme de graphe)

+ **Annexes**
+ Commande de base sous Unix
+ Utlisation d'un notebook jupyter

# Notions à caser
- Maximum de vraisemblance
- Chaine de Markov
- Ontologie HPO
- Protéomique
- Pooper Science: On ne démontre pas , on réfute
- Structure du génome : Taille, composition
- Les variants structuraux dans tout ca ?
- Utilisation de UCSC / Ensembl
- Mettres des anecdotes sympas ?
- Les pont de Konigsberg ?
- Probleme bayesien
+ Allignement: bwa, bowite2, samtools
+ Variant calling: Freebayes, Gatk
+ Annotation: SnpEff, VEP, Annovar
+ Analyse : snpeff
+ Score: DANN, plI, conservation des espèces
+ plink
- Programmation
+ Python
* Pandas
* Jupyter notebook
- Base de donnée
+ GenomAD
+ ClinVar
+ Omim

Format de fichier :
FASTA, Fastq, BAM/SAM , Bed , VCF
GFF, GTF3 , BEDGRAPH,

Divers
LogoPlot
DotPlot
Hi-C