Dans le module "Modèles d'évolution topologique et de réseau", nous proposons plusieurs conférences sur une perspective historique de l'analyse des réseaux dans la biologie des systèmes. L'accent est mis sur les modèles d'évolution des réseaux in-silico. Il s'agit de modèles informatiques simples qui, sur la base de quelques règles, peuvent créer des réseaux dont la topologie est similaire à celle des réseaux moléculaires observés dans les systèmes biologiques.

Le module "Types de réseaux biologiques" porte sur les différents types de réseaux qui sont généralement construits et analysés en biologie des systèmes et en pharmacologie des systèmes. Cette conférence se termine par l'idée des réseaux d'association fonctionnelle (FAN). Il est suivi d'exposés qui expliquent comment construire des FAN et comment utiliser ces réseaux pour analyser des listes de gènes.

Cette série de conférences du module "Traitement des données et identification des gènes différentiellement exprimés" aborde tout d'abord les méthodes de normalisation des données, puis plusieurs conférences sont consacrées à l'explication du problème de l'identification des gènes différentiellement exprimés, l'accent étant mis sur la compréhension du fonctionnement interne d'une nouvelle méthode développée par le laboratoire Ma'ayan, appelée "Characteristic Direction" (direction caractéristique).

Dans le module "Enrichissement des ensembles de gènes et analyses de réseaux", l'accent est mis sur les outils développés par le laboratoire Ma'ayan pour analyser les ensembles de gènes. Plusieurs outils seront abordés, notamment : Enrichr, GEO2Enrichr, Expression2Kinases et DrugPairSeeker. En outre, une conférence sera consacrée à une méthode que nous avons développée, appelée enrichment vector clustering, et deux conférences décriront la méthode populaire d'analyse de l'enrichissement des ensembles de gènes (GSEA) et une méthode améliorée que nous avons développée, appelée analyse de l'enrichissement de l'angle principal (PAEA).

Une série de cours dans le module "Traitement et analyse des données de séquençage profond" couvrira les étapes de base et les pipelines populaires pour analyser les données RNA-seq et ChIP-seq en allant des données brutes aux listes de gènes et aux figures. Ces cours couvrent également les commandes UNIX/Linux et certains éléments de programmation de R, un logiciel statistique populaire disponible gratuitement. Notez que ces conférences ayant été développées et enregistrées à l'automne 2013, il est possible qu'il existe de meilleurs outils qui devraient être utilisés aujourd'hui puisque le domaine progresse rapidement.

Ce module est consacré à différentes méthodes de clustering : l'analyse en composantes principales, les cartes auto-organisatrices, le clustering basé sur les réseaux et le clustering hiérarchique. La théorie qui sous-tend ces méthodes d'analyse est abordée en détail et est suivie d'une démonstration pratique des méthodes pour des applications utilisant R et MATLAB.

Les cours du module "Ressources pour l'intégration des données" portent sur les différents types de réseaux qui sont généralement construits et analysés dans le cadre de la biologie et de la pharmacologie systémiques. Ces cours commencent par l'idée des réseaux d'association fonctionnelle (FAN). Ils sont suivis de plusieurs cours qui expliquent comment construire des FAN à partir de diverses ressources et comment utiliser ces réseaux pour analyser des listes de gènes ainsi que pour construire un puzzle qui peut être utilisé pour relier des données génomiques à des données phénotypiques.

La dernière série de conférences présente l'idée du crowdsourcing. Les MOOC offrent la possibilité de travailler ensemble sur des projets difficiles à réaliser seul (microtâches) ou de concourir pour mettre en œuvre les meilleurs algorithmes afin de résoudre des problèmes difficiles (mégatâches). Vous aurez l'occasion de participer à divers projets de crowdsourcing : microtâches et mégatâches. Ces projets sont conçus spécifiquement pour ce cours.

L'examen final consiste en des questions à choix multiples portant sur des sujets abordés dans tous les modules du cours. Certaines questions peuvent vous demander d'appliquer à de nouveaux ensembles de données certaines des méthodes d'analyse que vous avez apprises tout au long du cours.