Master Bio-Informatique, Compétences Complémentaires en Bioinformatique, Biostatistique pour Biologie, Sc. Biomédicales

La biologie expérimentale connait des transformations gigantesques du fait des technologies à haut débit qui produisent des données massives (Big Data) : nouvelles technologies de séquençage de l’ADN et de l’ARN (Next Generation Sequencing), technologies analytiques par RMN et spectrométrie de masse haute résolution pour l’étude des protéines, des métabolites et des structures moléculaires. Tous les domaines et spécialisations de l’étude du vivant sont concernés : médecine de précision (diagnostics moléculaires et parcours de soins personnalisés) et suivi épidémiologique ; génomique animale, végétale et bactérienne & enjeux des biotechnologies alimentaires (amélioration variétale et des bioprocédés industriels); Génomique environnementale & enjeux de la biodiversité (préservation des espèces et des écosystèmes, ressources marines et terrestres, remédiation aux pollutions, bioénergies alternatives).

Pour des biologistes expérimentalistes non formés aux techniques et méthodes de la bioinformatique, qu’ils soient en situation professionnelle, demandeurs d’emploi, finalisant un premier master, une thèse, ces approches expérimentales à très grande échelle posent aujourd’hui la question de l’évolution de carrière. Le nouveau parcours CCB4 est une réponse innovante adaptée au besoin de formation diplômante dans ce domaine. Il vise à former en 1 an à un premier niveau de compétences en matière de « gestion et analyse de données massives en biologie ».

Biologie et expérimentations à large échelle : compréhension de l’origine (plan d’expérience, échantillonnage, technologies de production) et la nature de diverses sources de données biologiques, complexes, massives et hétérogènes et les enjeux des divers questionnements et domaines d’applications

Informatique : langage de programmation (scripting avec Python), systèmes de gestion de bases de données (SQL) et technologies web (HTML, CSS, Javascript) ; utilisation et déploiement de chaînes de traitement sur des infrastructures informatiques distribuées pour le stockage et le calcul intensif (data center, cloud). Management de la qualité (bonnes pratiques de programmation, respect des normes de développement, risques et contraintes, traçabilité des traitements).

Mathématique, Statistique et Sciences des données  : maîtrise des tests, modèles et des outils de statistiques pour l’analyse des données avec R ; Analyse de données et calcul scientifique avec Python,

Bioinformatique : connaissance des principaux programmes et ressources internationales publiques du domaine, pour le développement de chaînes de traitement automatique des données, l’annotation des génomes et des données. Connaissance des méthodes et outils pour le traitement de données de séquençage, l’analyse protéomique.