Grandes lignes
Chapitre 1 : Open Science et gestion avancée des données (01h30)
1. Définition et enjeux de l’open science
2. Principes de la reproductibilité scientifique
3. Format ouvert et interopérabilité des données
4. Workflow collaboratif avec Git et GitHub
Chapitre 2 : Programmation avancées et automatisation (01h30)
1. Scrips Bash avancés pour l’automatisation
2. Utilisation de bibliothèques telles que NumPy , Pandas, Seabron pour explorer et modéliser des jeux de données .
3. Visualisation avancées des données
3.1 Création de tableaux de bord interactifs
3.2 Création de graphiques de bord interactifs
Chapitre 3 : Outils Open Source et application en biologie (01h30)
1. Analyse des séquences génomiques avec Biopython
2. Traitement des données avec EMBOSS
3. Visualisation d’arbres phylogénétiques
4. Modélisation de l’expression génique
5. Simulation de Réseaux cellulaires avec COPASI
6. Modélisation de dynamique avec CellDesigner
7. Analyse intégrée des données multi-omiques avec Galaxy
8. Statistique et visualisation en R
Chapitre 4 : Application avancées des logiciels open source en sciences de la nature et de la vie (03h00)
1. Analyse d’images scientifique (Image/Fiji)
1.1 Comptage et mesure sur image microscopiques.
1.2 Analyse en fluorescence, histologie, ect.
2. Modélisation de systémes bilgiques (COPASI/NetLogo)
2.1 Simulation réactions et dynamique de population.
2.2 Etudes de sensibilité.
3. Rédaction et gestion de projet (LibreOffice / Zotero/Git).
3.1 Rédaction de rapports, gestion de références.
3.2 Versionnage et reproductibilité (RMarkdown / Jupyter).
4. Cartographie de données écologiques.
4.1 Cartographie de données écologiques.
4.2 Partage de données et pratiques ouvertes.