</p> <p>Bienvenue à la semaine 2 du cours ! </p> <p>Cette semaine, nous introduirons un paradigme appelé la transformée de Burrows-Wheeler ; après avoir vu comment elle peut être utilisée dans la compression de chaînes de caractères, nous démontrerons qu'elle est également à la base des algorithmes modernes de cartographie de lecture.</p> <p>Cette semaine, nous introduirons un paradigme appelé la transformée de Burrows-Wheeler

</p> <p>Bienvenue à la troisième semaine de cours ! </p> <p>La semaine dernière, nous avons vu comment la transformation de Burrows-Wheeler pouvait être appliquée à l'appariement de motifs multiples. Cette semaine, nous allons accélérer notre algorithme et le généraliser au cas où les motifs ont des erreurs, ce qui modélise le problème biologique de la mise en correspondance des lectures avec des erreurs à un génome de référence.</p> <p>La semaine dernière, nous avons vu comment la transformation de Burrows-Wheeler pouvait être appliquée à l'appariement de motifs multiples

</p> <p>Bienvenue à la semaine 4 du cours!</p> <p>Cette semaine, nous commencerons à examiner le cas de l'alignement de séquences avec de nombreuses mutations -- telles que des gènes apparentés provenant de différentes souches de VIH -- et nous verrons que notre formulation du problème pour l'alignement de séquences n'est pas adéquate pour des séquences très divergentes.</p> <p>Pour améliorer nos algorithmes, nous introduirons un paradigme d'apprentissage automatique appelé modèle de Markov caché et nous verrons comment la programmation dynamique nous aide à répondre à des questions sur ces modèles.</p> <p>Pour améliorer nos algorithmes, nous introduirons un paradigme d'apprentissage automatique appelé modèle de Markov caché

</p> <p>Bienvenue à la cinquième semaine de cours ! </p> <p>La semaine dernière, nous avons présenté les modèles de Markov cachés. Cette semaine, nous verrons comment les modèles de Markov cachés peuvent être appliqués à l'alignement de séquences avec un HMM de profil. Nous examinerons ensuite quelques sujets avancés dans ce domaine, qui sont liés aux méthodes avancées que nous avons examinées dans un cours précédent pour le clustering.</p> <p>La semaine dernière, nous avons présenté les modèles de Markov cachés

</p> <p>Bienvenue à la sixième et dernière semaine de cours ! </p> <p>Cette semaine est celle de notre défi d'application, dans lequel nous appliquons les algorithmes d'alignement de séquences HMM que nous avons développés.</p> <p>Les algorithmes d'alignement de séquences HMM sont des algorithmes d'alignement de séquences HMM que nous avons développés