Décrire les principes fondamentaux du sequence NGS
Expliquer le processus de preparation des echantillons pour le sequancage NGS
Analyser et selectionner les données
Evaluer les differentes ethodes de sequencage NGS
Presenter les resultas NGS

All training course is recognised by the French authorities: Regional Directorates for the Economy, Employment, Labor and Solidarity

Comprendre les bases theoriques de la transcriptomique a cellule unique
Acquerir des competences pratidues pour l’analse des données single cell RNA-seq
Maitriser les differentes etapes de l’analyse des données
Interpreter les resultats biologiques
Identifier et comprendre les defis ainsi que les limites de la technologie
Aide au pretraitement des données
filtrage de qualite
Normalisation et reduction de la dimensionnalité
clustering
Annotation des ellules 
Analyse differentielle 
Integration des jeux de données 

All training course is recognised by the French authorities: Regional Directorates for the Economy, Employment, Labor and Solidarity

Introduction au langage R et R studio
Base de la programmation en R
Importation et manipulation des donnes biologiques
Creation et recodage de variables 
Visualisation des doonées et generation de graphiques 
Réduction de la dimensionnalité des données 
Création de simples fonctions et introduction aux boucles 

All training course is recognised by the French authorities: Regional Directorates for the Economy, Employment, Labor and Solidarity

Approches bioinformatique et experimentales
Analse integré des micro RNA
Predictions in silico et validation experimentale

All training course is recognised by the French authorities: Regional Directorates for the Economy, Employment, Labor and Solidarity

Rappels de statistiques (type de variables, distributions, parametres…) et introduction à SPSS (manipulation des données: selection, transformation, statistique descriptives, graphiques..
Specificité des données des bio-essais: l’objectif et la structure des bio-essais, types de bio-essais la relation dose-réponse, condition de similarité…
Les principes généraux de la planification des bio-essais: randomisation, en bloc, essais en lignes paralleles..
Methodes d’analyse des données des bio-essais: Test de student, analyse de la variance, modeles de régression pour les bio-essais (avec SPSS)
Les bio-essais en lignes paralleles et a rapport de penstes: principes et analyse
Estimation des paramètres specifiques au bio-essais: concentrations efficaces et létales, efficacité relative…
Validité des essais biologiques: les test de validité, la robustess, le traitement des “outliers”

All training course is recognised by the French authorities: Regional Directorates for the Economy, Employment, Labor and Solidarity

Introduction au langage R: manipulation et visualisation des données
Planification des etudes observationnelle et experimentale : calcul de puissance et taille d’echantillon avec R (pacge pwr)
Utilisation du langage R pour l’analyse bivariés des données test de student, test chi-deu, correlation, analyse de la varaince à un facteur , regression simple (lineaire et non lineaire).
Utilisation du langage R pour l’analyse multivariés des données: analyse de la variance a plusieurs facteurs, régression linéaire multiple, régression logisitque binaire.
Techniques de bases pour la classification non-supervisée: analyse en composantes principales (ACP), classification hiérarchique et méthode des k-means.

All training course is recognised by the French authorities: Regional Directorates for the Economy, Employment, Labor and Solidarity

Rappels sur l’analyse des données avec le langage R:: Fonctions de visualisation , test de normalité, tests classique, regression simple, linéaire et non linéaire, calcul de puissance et taille d’echantillon avec R.Analyse des données experimentales : principes de l’experimentation, design et analyse des plans d’experience (packages easyanova, daewr).

Classification non supervisée (cluster analyses, k-means) (package cluster, mclust, pvclust). L’Apprentissage Statistique (Statistical Learning): Modèles de régression linéaire et logistique multiples (package car, blorr). Sélection de modèles : méthodes progressives et par pénalisation (package glmnet); validation et évaluation de la performance d’un modèle de prédiction (package pROC) Les modèles CART (arbres binaires) et les forêts aléatoires (packages rpart, randomForest). Les classifieurs kNN et Bayésien Naïf (packages class, e1071).

NB : les données utilisées pour la formation sont des données benchmark et sont diversifiées de manière à intéresser un large public.

All training course is recognied by the french authorities: Regional directorates of the economy, employment, labor and solidarity

Module 1: appel de notions de base de l’immunologie fondamentale, notion d’antigene presentation de l’antigene, réponses immunitaires etc

Module 2: predictions des épitopes B et T

Module 3: conception de séquence vaccinale et verification de sa securité, analse de la stabilité et de la solubilité de la séquence vaccinale concué. 

Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua.