Cette UE est suivi par les étudiants de Biologie et d’Informatique. Il est divisée en deux sous-parties. La première partie présente aux étudiants d’informatique une introduction aux concepts et mécanismes fondamentaux de biologie moléculaire et cellulaire. En parallèle, les étudiants de biologie suivront une introduction à la programmation. La deuxième partie, suivie par les deux groupes réunis, introduit une variété de problèmes de modélisation et d’analyse de données en bioinformatique qui ont amené à proposer des solutions algorithmiques qui exploitent les notions combinatoires d'arbres et de graphes. Une partie des concepts introduits dans la première partie sera reprise, présentée dans un langage plus formel et manipulée algorithmiquement pour résoudre un problème biologique d'actualité.

Programme de la partie d'introduction à la biologie (M. Boccara) :
- Que trouve-t-on dans une cellule ? Les compartiments, ce qu'ils contiennent, leurs fonctions dans la cellule (les molécules simples, les membranes, les polymères de sucres) ;
- Quelques notions de bioénergétique. Les types de liaisons fortes et faibles en biologie ;
- Grands types de macromolécules biologiques structure et propriétés des acides aminés et des protéines (protéines structurales et protéines enzymatiques) ;
- Structure des acides nucléiques ADN et ARN ;
- Mécanismes d'expression de l'information génétique transcription chez les bactéries et chez les eucaryotes ;
- Régulations géniques (protéines régulatrices ex l'opéron Lactose la régulation chez les eucaryotes (régulateurs diverses, chromosomes, chromatine, nucléosome, microARN) ;
- Séquences d'ADN dans un génome : gènes et ADN répété, mutations et épi-mutations ;
- Réplication de l'ADN et cycle cellulaire ;
- Introduction à la signalisation cellulaire ;
- Cycle d'un virus le phage Lambda et sa régulation ;

Programme de la partie d'introduction à la programmation (M. Carpentier) :
Maîtriser la programmation impérative par l'apprentissage d'un langage informatique de référence. L'UE présente sous un angle impératif les structures de données les plus couramment utilisées en programmation (listes, piles, arbres, introduction aux graphes). L’accent sera particulièrement mis sur la gestion explicite de la mémoire (pointeurs et allocation dynamique). Les principes de la compilation séparée seront présentés en cours et pratiqués en TP (.h, .c, .o et Makefile). Une réflexion sur la complexité des algorithmes présentés sera menée et les principales méthodes d'accès aux fichiers seront présentées. Les TP seront réalisés dans un environnement Linux standard en utilisant les outils les plus couramment répandus : gcc, ddd.

Programme de la partie algorithmes en bioinformatique (A. Carbone) :
-Introduction aux problèmes computationnels en bioinformatique ;
- Algorithmes de reconstruction de longues séquences d'ADN d'après leur séquençage ;
- Algorithmes de reconstruction d'arbres phylogénétiques: méthodes basées sur les distances, par parcimonie et par maximum de vraisemblance ;
- Algorithmes pour analyser les réarrangements des génomes ;
- Réseaux biologiques, analyse de leurs propriétés et modèles de génération aléatoire.

L'objectif est de proposer quelques éléments de modélisation en biologie, écologie et sciences du vivant et introduire, à partir de ces modèles, quelques outils mathématiques qui seront illustrés par des simulations et implémentations numériques.

Programme prévisionnel :
- modèles de dynamique de population discrets et continus : équations différentielles ordinaires, stabilité, bifurcation
- modèles de compétition, écologie, proie prédateur : analyse matricielle ;
- modèles d'épidémiologie : déterministes et aléatoires ;
- dynamique spatiale, réaction, diffusion, phénomènes non locaux, texture : analyse des équations aux dérivées partielles (EDP), théorèmes de point fixe ;
- approximation des EDP: différences finies et éléments finis, basés sur freefem++.

Cette UE fournit aux étudiants une introduction aux concepts et approches statistiques en bioinformatique. Une ample variété de problèmes d'analyse des séquences biologiques sont présentés ainsi que leurs solutions algorithmiques. Ce module est divisé en deux sous-parties: une première partie concerne les statistiques appliquées en Bioinformatique et la deuxième touche plusieurs problèmes d'analyse des séquences biologiques auxquels certaines des approches statistiques seront appliquées.

Programme prévisionnel:
- Chaînes de Markov I : Ilots CpG, bases théoriques.
- Chaînes de Markov II : théorème ergodique, distributions invariantes.
- Modèles de Markov cachés I : Algorithmes de Viterbi, backward-forward.
- Modèles de Markov cachés II : Apprentissage des paramètres, HMM de profiles pour familles protéiques.
- Echantillonnage : importance sampling, Monte Carlo Markov Chain, Gibbs sampling.
- Algorithmes d'alignement de séquences par paires et multiple.
- Nouvelles approches au problème de la détection d'homologies lointaines.
- Algorithmes exactes de recherche de motifs: motifs d'ADN et matrices de poids spécifiques des positions.
- Algorithmes probabilistes de recherche de motifs: Gibbs sampling, projections aléatoires, EM.
- Algorithmes pour la recherche des gènes procaryotes et eucaryotes.
- Algorithmes pour la prédiction des structures secondaires de l'ARN.

L'objectif est de permettre d'approfondir des notions apprises en cours et de s'approcher des thématiques de recherche en bioinformatique, soit en développant un programme, soit en utilisant des programmes existants pour traiter des données biologiques, soit en analysant des données biologiques avec des approches statistiques.

Cette UE Introduit les modèles mathématiques et computationnels développés dans les neurosciences. La première partie du cours donne aux étudiants la formation en systèmes dynamiques stochastiques nécessaire à la compréhension de ces modèles. La deuxième partie est dédiée aux aspects plus computationnels en neurosciences. Elle introduit la modélisation et l’analyse théorique en tant qu'outils mathématiques pour la compréhension de problématiques telles que le traitement de l'information, l’apprentissage et la mémoire dans le système nerveux. D’une part, l’enseignement s'appuie sur la présentation de modèles canoniques, aux niveaux moléculaire, cellulaire et à l'échelle des réseaux de neurones. D’autre part, il introduit des méthodes d’analyse bio-statistique autour des thèmes du codage neuronal de l'information et des mécanismes d’adaptation sous-tendant l’optimisation des processus perceptifs et mnésiques. Afin de développer en premier lieu un savoir-faire concret et appliqué, la moitié de l'enseignement dédié aux aspects computationnels consistera en des travaux dirigés.

Cette unité d'enseignement d'interface introduit les notions fondamentales d'interaction moléculaire requises pour l'entrée dans certains enseignements de M2 ainsi que les concepts essentiels de la modélisation moléculaire.

Cette unité d'enseignement est constituée d'une partie commune suivie par l'ensemble des étudiants et d'une partie spécifique dépendant de la mention de rattachement. La partie commune présente les acides nucléiques qui sont au centre de multiples processus déterminant le vivant à toutes ses échelles, moléculaire, cellulaire et tissulaire. Ces molécules sont donc aussi bien des cibles à visée thérapeutique que des nano-objets dans des circuits moléculaires. Cette unité d'enseignement vise à montrer comment les acides nucléiques interviennent dans le vivant, comment il est possible de les manipuler et comment leur connaissance permet de comprendre leurs interactions avec d'autres molécules. Pour les étudiant(e)s de la mention "Biologie Moléculaire et Cellulaire", la partie spécifique prolonge la partie commune avec des exemples et des applications. Pour les étudiant(e)s de la mention "Informatique", la partie spécifique correspond à une mise à niveau en biologie. Elle permettra d'aborder les concepts et les mécanismes essentiels de la biologie moléculaire.

Maîtriser la programmation objet par l'apprentissage d'un langage informatique de référence. Thèmes abordés : programmation en Python et la gestion de bases de données. Conseillée dans les cas exceptionnels d’étudiants en informatique n'ayant pas une forte compétence de programmation. Cette UE est obligatoire pour les biologistes.