Spécialisation Méthodes bioinformatiques pour les plantes

Les projets de biologie à grande échelle, tels que le séquençage du génome humain et les études d'expression génique utilisant l'ARN-seq, les puces à ADN et d'autres technologies, ont créé une mine de données pour les biologistes. Cependant, le défi auquel sont confrontés les scientifiques est d'analyser et même d'accéder à ces données pour en extraire des informations utiles relatives au système étudié. Ce cours se concentre sur l'utilisation des ressources bioinformatiques existantes - principalement des programmes et des bases de données basés sur le web - pour accéder à la richesse des données afin de répondre à des questions pertinentes pour le biologiste moyen, et il est très pratique.

Les sujets abordés comprennent les alignements de séquences multiples, la phylogénétique, l'analyse des données d'expression génique et les réseaux d'interactions protéiques, en deux parties distinctes. La première partie, Méthodes bioinformatiques I, traitait des bases de données, de Blast, des alignements multiples de séquences, de la phylogénétique, de l'analyse de sélection et de la métagénomique. La deuxième partie, Méthodes bioinformatiques II, couvrira la recherche de motifs, les interactions protéine-protéine, la bio-informatique structurelle, l'analyse des données d'expression génique et les prédictions d'éléments en cis. Ces deux cours sont utiles à tous les étudiants qui envisagent de faire des études supérieures en sciences biologiques, ainsi qu'aux étudiants qui envisagent de faire de la médecine moléculaire. Ces cours sont basés sur un cours enseigné à l'Université de Toronto à des étudiants de premier cycle de niveau supérieur qui ont une certaine compréhension de la biologie moléculaire de base. Si cela ne vous est pas familier, un site comme https://learn.saylor.org/course/view.php?id=889 pourrait vous être utile. Aucune programmation n'est requise pour ce cours, bien qu'il y ait un peu de travail en ligne de commande (bien que dans un navigateur web) dans le 5ème module. Bioinformatic Methods II est régulièrement mis à jour, et a été mis à jour pour la dernière fois en janvier 2025.

Les 15 dernières années ont été passionnantes pour la biologie végétale. Des centaines de génomes de plantes ont été séquencés, la technique RNA-seq a permis d'établir des profils d'expression à l'échelle du transcriptome, et une prolifération de méthodes basées sur la technique "-seq" a permis de déterminer les interactions protéine-protéine et protéine-ADN à peu de frais et à haut débit. Ces Données d'ensemble nous permettent à leur tour de générer des hypothèses d'un simple clic de souris. Par exemple, le fait de savoir où et quand un gène est exprimé peut nous aider à réduire l'espace de recherche phénotypique lorsque nous n'observons pas de phénotype chez un mutant génique dans des conditions de croissance "normales". Les analyses de coexpression et les réseaux d'association peuvent fournir des gènes candidats de haute qualité impliqués dans un processus biologique d'intérêt. L'utilisation d'analyses d'enrichissement de l'ontologie des gènes et d'outils de visualisation des voies peut nous aider à donner un sens à nos propres expériences 'omiques' et à répondre à la question "quels processus/voies sont perturbés dans notre mutant d'intérêt" Structure : chacun des modules pratiques de 6 semaines consiste en une introduction d'environ 2 minutes, un mini-cours théorique d'environ 20 minutes, un laboratoire de 1.5 heures de travaux pratiques, une discussion facultative de ~20 minutes sur les travaux pratiques en cas de difficultés, et un résumé de ~2 minutes. Outils couverts [Matériel mis à jour en juin 2025] : Module 1 : Bases de données génomiques / ARBRES DE GENES PRECOMPUTEES / OUTILS DE PROTEINES. Araport, TAIR, Gramene, EnsemblPlants Compara, PLAZA, SUBA5 et Cell eFP Browser, 1001 Genomes Browser, PlantConnectome Module 2 : OUTILS D'EXPRESSION. eFP Browser / eFP-Seq Browser, Araport, ARDB, TravaDB, NCBI Genome Data Viewer pour explorer les données RNA-seq de nombreuses espèces végétales, base de données MPSS pour les petits ARN, SCEA et Ecker Lab Seed-to-Seed scAtlas Module 3 : OUTILS DE COEXPRESSION. ATTED II, Expression Angler, AraNet, AtCAST2 Module 4 : ANALYSE DES PROMOTES. Cistome, MEME, ePlant Module 5 : ANALYSE DE L'ENRICHISSEMENT DES GO ET VIZUALISATION DES CHEMINS. AgriGO, AmiGO, Classification SuperViewer, TAIR, g:profiler, AraCyc, MapMan (optionnel : Plant Reactome) Module 6 : EXPLORATION DE RESEAUX. Arabidopsis Interactions Viewer 2, ePlant, TF2Network, Virtual Plant, GeneMANIA

Les 15 dernières années ont été passionnantes pour la biologie végétale. Des centaines de génomes de plantes ont été séquencés, le RNA-seq a permis d'établir des profils d'expression à l'échelle du transcriptome, et une prolifération de méthodes basées sur le "-seq" a permis de déterminer les interactions protéine-protéine et protéine-ADN à peu de frais et à haut débit. Dans Plant Bioinformatics sur Coursera.org, nous avons couvert 33 outils en ligne spécifiques aux plantes, des navigateurs de génome à l'exploration de données transcriptomiques en passant par les analyses de promoteurs/réseaux et autres, et dans ce Plant Bioinformatics Capstone, nous utiliserons ces outils pour émettre une hypothèse sur le rôle biologique d'un gène de fonction inconnue, résumée dans un rapport de laboratoire écrit.

Ce cours fait partie d'une spécialisation en bioinformatique végétale sur Coursera, qui présente les compétences et les ressources bioinformatiques de base, telles que Genbank de NCBI, Blast, les alignements de séquences multiples, la phylogénétique dans Bioinformatic Methods I, suivies des interactions protéine-protéine, de la bioinformatique structurelle et de l'analyse RNA-seq dans Bioinformatic Methods II, en plus des concepts et des outils spécifiques aux plantes introduits dans Plant Bioinformatics et Plant Bioinformatics Capstone. Ce cours/capstone a été développé grâce au financement de la Faculté des Arts et des Sciences de l'Université de Toronto, Open Course Initiative Fund (OCIF), et a été mis en œuvre par Eddi Esteban, Will Heikoop et Nicholas Provart. Asher Pasha a programmé un randomiseur d'ID de gènes.