Initiation à la Recherche

Travail à réaliser :

Pour ce travail vous devrez rédiger un document d'une dizaine de pages en anglais.
Dans ce document vous devrez faire un résumé de l'article en maximum 2 pages, puis rédigez votre propre évaluation du travail présenté dans l'article en le comparant à ce qui a déjà été fait dans le domaine (état de l'art/bibliographie) et en présentant vos propres tests sur le jeu de données de l'article ou un jeu équivalent si il n'est pas fourni.
Vous pouvez terminer par vos suggestions - motivées soit par une implémentation personnelle d'une solution, soit par une utilisation d'outils existants mais avec un paramétrage que vous avez conçu.

Encadrants :

Vous pourrez discuter de votre travail avec l'enseignant ayant proposé l'article. Il est conseillé de le rencontrer au début de l'analyse de l'article au moins une fois, puis a mi-parcours et enfin lors de la remise du document pour éventuellement lui faire une démonstration de votre travail.

Le nom de l'encadrant sera affiché en italique après le nom de celui qui est en charge de l'article..

Calendrier :

Choix de l'article avant le 15 octobre - Envoyer un email à beurton@labri.fr quand vous avez choisi votre article en précisant son numéro et son titre.
Remise du rapport en anglais le 1er décembre - Vous déposerez le document au secrétariat du Labri (Batiment A30).

Liste des articles :
1. elPrep: High-Performance Preparation of Sequence Alignment/Map Files for Variant Calling
  Charlotte Herzeel et al., PLoS ONE 10(7): e0132868, 2015.
  F. Soubes. M. Beurton-Aimar
2. Deep Convolutional Network Cascade for Facial Point Detection
  Yi Sun, Xiaogang Wang , Xiaoou Tang, IEEE Computer Society Conference on Computer Vision and Pattern Recognition · June 2013
  T. Maucourt . L. Van Le
3. Using graph theory to analyze biological networks
  Georgios A Pavlopoulos et al. BioData Mining 2011, 4:10
  A. Laporte .M. Beurton-Aimar
4. jHoles: a tool for understanding biological complex networks via clique weight rank persistent homology
  Jacopo Binchi et al. Electronic Notes in Theoretical Computer Science Volume 306, 24 July 2014, Pages 5-18
  T. Maunier . M. Beurton-Aimar
5. An Integration and Analysis Pipeline for Systems Biology in Crop Plant Metabolism
  Stephan Weise et al. Data Integration in the Life Sciences: 6th International Workshop, DILS 2009, pages 196--203.
  M. Ngoma .M. Beurton-Aimar
6. Visualizing GO Annotations
  Fran Supek and Nives kunca, chap 15, The Gene Ontology Handbook pp 207-220.
  A. Rohan .A. Ayllon Benitez
7. Molecular signatures of antibody responses derived from a systems biology study of five human vaccines
  Shuzhao et al, Nature immunology, published online 15 December 2013; doi:10.1038/ni.2789
  M. Razafimafonty . A. Ayllon Benitez
8. The DAVID Gene Functional Classification Tool: a novel biological module-centric algorithm to functionally analyze large gene lists
  Da Wei Huang et al. Genome Biology 2007, 8:R183
  M. Barca .A. Ayllon Benitez
9. MORPHO J: an integrated software package for geometric morphometrics
  C. P. Klingenberg, Molecular Ecology Resources (2011) 11, 353 357
  A. Kourmalieva . M. Beurton-Aimar
10. Morphometric Grayscale Texture Analysis using Foot Patterns
  Dan Ashlock et al. Evolutionary Computation, 2003, vol. 4, p. 1575-1581
  C. Ostertag .M. Beurton-Aimar
11. Meta-analysis of transcriptomic datasets identifies genes enriched in the mammalian circadian pacemaker
  Laurence A. Brown et al. Nucleic Acids Research, Volume 45, Issue 17, 29 September 2017, Pages 9860 9873
  R. Viannais . P. Thebault
12. A transcription network of interlocking positive feedback loops maintains intracellular iron balance in archaea
  Mar Martinez-Pastor et al. Nucleic Acids Research, Volume 45, Issue 17, 29 September 2017, Pages 9990 10001
  G. Debras . P. Thebault
13. Hierarchical sets: analyzing pangenome structure through scalable set visualizations
  Thomas Lin Pedersen. Bioinformatics, Volume 33, Issue 11, 1 June 2017, Pages 1604 1612
  J. Mainguy . P. Thebault
14. A strategy for multimodal data integration: application to biomarkers identification in spinocerebellar ataxia
  Imene Garali et al. Briefings in Bioinformatics, bbx060, https://doi.org/10.1093/bib/bbx060 Published: 03 July 2017
  V. Dejonghe . P. Thebault
15. Multi-omic' data analysis using O-miner.
  Sangaralingam A, Dayem Ullah AZ, Marzec J, Gadaleta E, Nagano A, Ross-Adams H, Wang J, Lemoine NR, Chelala C. Brief Bioinform. 2017 Aug 4. doi: 10.1093/bib/bbx080.
  A. Mendes . P. Thebault
16. Computational solutions for omics data.
  Berger B, Peng J, Singh M Nature reviews Genetics. 2013;14(5):333-346.
  T. Falgarone . P. Thebault
17. Multi-omics integration accurately predicts cellular state in unexplored conditions for Escherichia coli.
  Kim M, Rai N, Zorraquino V, Tagkopoulos , Nat Commun. 2016 Oct 7;7:13090.
  R. Ba . P. Thebault
18. A cross-species bi-clustering approach to identifying conserved co-regulated genes
  Jiangwen Sun et al. Bioinformatics 2016 32: i137-i146
  M. Binet . P. Thebault
19. CellProfiler: image analysis software for identifying and quantifying cell phenotypes
  A. Carpenter et al, Genome biology 7(10):R100 · February 2006
  J. Benetti . F. Grelard
20. Segmentation and classification of two-channel C. elegans nucleus-labeled fluorescence images
  Zhao et al. BMC Bioinformatics. 2017 Sep 15;18(1):412. doi: 10.1186/s12859-017-1817-3.
  R. Tworek . F. Grelard
21. Very Deep Convolutional Networks For Large-Scale Image Recognition
  Karen Simonyan, Andrew Zisserman, ICLR 2015 or Technical report 2014.
  P. Bock . M. Beurton-Aimar
22. Deep learning
  Yann LeCun, Yoshua Bengio, Geoffrey Hinton, Nature, vol 521, 28 may 2015
  G. Bouchentouf . M. Beurton-Aimar
23. MONGKIE: an integrated tool for network analysis and visualization for multi-omics data
  Jang Y, Yu N, Seo J, Kim S, Lee S, Biol Direct. 2016 Mar 18;11(1):10
  T. Frances . P. Thebault
24. CRISPR Cas encoding of a digital movie into the genomes of a population of living bacteria
  Seth L. Shipman, Jeff Nivala, Jeffrey D. Macklis & George M. Church, Nature, 547,345 349, doi:10.1038/nature23017
  C. Té . JC Taveau
25. Extended morphological processing: a practical method for automatic spot detection of biological markers from microscopic images
  Yoshitaka Kimori, Norio Baba and Nobuhiro Morone (2010) BMC Bioinformatics,2010,11:373, doi:10.1186/1471-2105-11-373
  L. Grosjean .JC Taveau
26. HTPheno: An image analysis pipeline for high-throughput plant phenotyping
  Anja Hartmann, Tobias Czauderna, Roberto Hoffmann, Nils Stein and Falk Schreiber. BMC Bioinformatics,2011,12:148, doi:10.1186/1471-2105-12-148
  O. Thierry .JC Taveau
27. Automated identification of copepods using digital image processing and artificial neural network
  Lee Kien Leow, Li-Lee Chew, Ving Ching Chong and Sarinder Kaur Dhillon, BMC Bioinformatics,2015,16(Suppl 18):S4, doi:10.1186/1471-2105-16-S18-S4
  N. De Mecquenem . JC Taveau
28. Image processing and recognition for biological images
  Seiichi Uchida,(2013)55, 523 549.DOI: 10.1111/dgd.12054
  A. Hubert . JC Taveau
29. A Caenorhabditis elegans Genome-Scale Metabolic Network Model
  L. Safak Yilmaz, Albertha J.M. Walhout, Cell Systems 2, 297 311, May 2016.
  J. Destin .M. Beurton-Aimar
30. ? .
31. ? .

Initiation à la Recherche

Travail à réaliser :

Encadrants :

Calendrier :

Liste des articles :