Maîtrise en bio-informatique

Structure du programme

Les développements biomédicaux et l'éthique de la recherche; les grands textes régulateurs; l'analyse d'une problématique éthique; l'évaluation éthique d'un protocole de recherche.

Présentation orale et écrite par l'étudiant de son projet de recherche ou de stage : la littérature scientifique pertinente, la problématique et les méthodes envisagées. Participation aux séminaires des autres étudiants.

Présentation orale et écrite par l'étudiant de son projet de recherche ou de stage : la littérature scientifique pertinente, la problématique et les méthodes envisagées. Participation aux séminaires des autres étudiants.

Étude du fonctionnement du génome humain. Structure du génome et méthodes d'analyse fonctionnelle, grandes bases de données et outils bioinformatiques. Génomique comparative avec d'autres organismes séquencés. Protéomique et métabolomique.

Comparaison et alignement des séquences biologiques. Structures secondaires des acides ribonucléiques. Recherche de motifs. Assemblage de fragments d'ADN, cartographie physique. Ordre des gènes.

Identification (gènes protéiques et d'ARNs structuraux introns) par comparaison de séquences et recherche de motifs. Alignements multiples et code génétique. Assemblage et annotation de séquence génomique.

Présenter les différentes approches utilisées dans le diagnostic et le traitement de maladies basé sur l'information génomique, avec comme objectif de développer une pharmacothérapie personnalisée optimale.

Théorie et pratique de la systématique : reconstruction, validation et utilisation de phylogénies en biographie, écologie, conservation, et classification. Cours théoriques et travaux pratiques sur ordinateurs.

Introduction à l'épidémiologie génétique et aux méthodes analytiques s'y reliant, appuyée d'exemples relevés de la littérature scientifique et de travaux pratiques portant sur analyses de liaison et d'association génétique.

Apprentissage de méthodes d'analyse quantitative de données biologiques, y compris les données spatiales et temporelles. Travaux pratiques; analyse des données de recherche des étudiants. Remarques: Connaissances requises : biostatistique.

Sujets avancées pour la prédiction d'objets structurés (tels: graphes, couplages, réseau de flot). Apprentissage génératif vs discriminatif et modèles à énergie; CRF, SVM structurée, optimisation à grande échelle; algorithmes combinatoires; RNN.

Algorithmes d'apprentissage de représentations des données et réseaux de neurones artificiels profonds. Avantages de l'apprentissage profond pour l'intelligence artificielle. Modélisation de la distribution de probabilité des données.

Représentation des systèmes comme des modèles graphiques probabilistes, inférence dans les modèles graphiques, apprentissage des paramètres à partir de données.

Éléments de base des algorithmes d'apprentissage statistique et symbolique. Exemples d'applications en forage de données, reconnaissance des formes, régression non linéaire, et données temporelles.

Détermination de structures macromoléculaires par diffraction des rayons-X et par résonance magnétique nucléaire. Modélisation moléculaire. Remarques: Cours conjoint avec l'Université McGill (Biochem 507-604A). Cours offert aux deux ans.

Structure 3D des protéines et ARN. Modèles et optimisation de l'énergie potentielle, moléculaire. Espace et recherche de conformations, modélisation comparative et de novo.

Conformation macromoléculaire. Analyse de structures tridimensionnelles.

Importance de la chiralité dans la vie. Facteurs responsables de la spécificité enzymatique. Le design de modèles d'enzymes. Le rôle des ions métalliques. Modèles biomoléculaires des coenzymes et importance médicinale des substrats suicide.

Module C. Approches des systèmes. Approches des systèmes dans l'analyse de la signalisation cellulaire et la génétique moléculaire.

Méthodes d'analyse des systèmes linéaires et non linéaires : rétroaction, fonction de transfert, réponse en fréquence, linéarisation, stabilité. Applications aux principaux systèmes physiologiques. Remarques: Cours donné à l'Université de Montréal. L'étudiant de l'École Polytechnique doit s'inscrire par Autorisation d'études hors établissement (entente CRÉPUQ).

Modèles de formation d'images établissant les liens physiques entre les caractéristiques des tissus et leur images observées par radiologie, médecine nucléaire, échographie, tomographie axiale, résonance magnétique nucléaire, les problèmes inverses. Remarques: Cours donné à l'Université de Montréal. L'étudiant de l'École Polytechnique doit s'inscrire par Autorisation d'études hors établissement (entente CRÉPUQ).

Cycle cellulaire chez la levure et les eucaryotes supérieurs. Apoptose et mort cellulaire. Signalisation et cycle cellulaire. Intégration des voies de signalisation. Interactions protéines-protéines dans la signalisation.

Mécanismes moléculaires gouvernant le développement des eucaryotes supérieurs : détermination, établissement des axes embryonnaires, différenciation, contrôle de l'expression des gènes. Aspects moléculaires du développement du système nerveux.

Échantillonnage. Opérations sur les images. Amélioration. Restauration. Compression. Réalisation d'un projet appliqué.

Principe de la recherche d'information. Sélection des documents pertinents. Modèles booléen, vectoriel, probabiliste, logique. Réalisation. Évaluation des performances. Analyses linguistiques, syntaxiques et sémantiques.

Introduction aux problématiques de base du traitement des langues naturelles (modélisation de la langue, étiquetage de séquences de mots, analyse grammaticale) et à ses applications (traduction automatique, extraction d'information, etc.).

Modèles du calcul. Calculabilité et décidabilité. Complexité. Hiérarchies. Complétudes. Sujets choisis.

Programmation linéaire. Programmation en nombres entiers. Programmation non linéaire. Programmation dynamique. Modèles stochastiques. Simulation.

Propriétés et fonctions des canaux ioniques dans les membranes cellulaires. Remarques: Ce cours s'adresse en particulier aux étudiants en biophysique, biologie, physiologie et génie biomédical.

Les développements biomédicaux et l'éthique de la recherche; les grands textes régulateurs; l'analyse d'une problématique éthique; l'évaluation éthique d'un protocole de recherche.

Étude du fonctionnement du génome humain. Structure du génome et méthodes d'analyse fonctionnelle, grandes bases de données et outils bioinformatiques. Génomique comparative avec d'autres organismes séquencés. Protéomique et métabolomique.

Comparaison et alignement des séquences biologiques. Structures secondaires des acides ribonucléiques. Recherche de motifs. Assemblage de fragments d'ADN, cartographie physique. Ordre des gènes.

Identification (gènes protéiques et d'ARNs structuraux introns) par comparaison de séquences et recherche de motifs. Alignements multiples et code génétique. Assemblage et annotation de séquence génomique.

Présenter les différentes approches utilisées dans le diagnostic et le traitement de maladies basé sur l'information génomique, avec comme objectif de développer une pharmacothérapie personnalisée optimale.

Théorie et pratique de la systématique : reconstruction, validation et utilisation de phylogénies en biographie, écologie, conservation, et classification. Cours théoriques et travaux pratiques sur ordinateurs.

Introduction à l'épidémiologie génétique et aux méthodes analytiques s'y reliant, appuyée d'exemples relevés de la littérature scientifique et de travaux pratiques portant sur analyses de liaison et d'association génétique.

Apprentissage de méthodes d'analyse quantitative de données biologiques, y compris les données spatiales et temporelles. Travaux pratiques; analyse des données de recherche des étudiants. Remarques: Connaissances requises : biostatistique.

Sujets avancées pour la prédiction d'objets structurés (tels: graphes, couplages, réseau de flot). Apprentissage génératif vs discriminatif et modèles à énergie; CRF, SVM structurée, optimisation à grande échelle; algorithmes combinatoires; RNN.

Algorithmes d'apprentissage de représentations des données et réseaux de neurones artificiels profonds. Avantages de l'apprentissage profond pour l'intelligence artificielle. Modélisation de la distribution de probabilité des données.

Représentation des systèmes comme des modèles graphiques probabilistes, inférence dans les modèles graphiques, apprentissage des paramètres à partir de données.

Éléments de base des algorithmes d'apprentissage statistique et symbolique. Exemples d'applications en forage de données, reconnaissance des formes, régression non linéaire, et données temporelles.

Détermination de structures macromoléculaires par diffraction des rayons-X et par résonance magnétique nucléaire. Modélisation moléculaire. Remarques: Cours conjoint avec l'Université McGill (Biochem 507-604A). Cours offert aux deux ans.

Structure 3D des protéines et ARN. Modèles et optimisation de l'énergie potentielle, moléculaire. Espace et recherche de conformations, modélisation comparative et de novo.

Conformation macromoléculaire. Analyse de structures tridimensionnelles.

Importance de la chiralité dans la vie. Facteurs responsables de la spécificité enzymatique. Le design de modèles d'enzymes. Le rôle des ions métalliques. Modèles biomoléculaires des coenzymes et importance médicinale des substrats suicide.

Module C. Approches des systèmes. Approches des systèmes dans l'analyse de la signalisation cellulaire et la génétique moléculaire.

Méthodes d'analyse des systèmes linéaires et non linéaires : rétroaction, fonction de transfert, réponse en fréquence, linéarisation, stabilité. Applications aux principaux systèmes physiologiques. Remarques: Cours donné à l'Université de Montréal. L'étudiant de l'École Polytechnique doit s'inscrire par Autorisation d'études hors établissement (entente CRÉPUQ).

Modèles de formation d'images établissant les liens physiques entre les caractéristiques des tissus et leur images observées par radiologie, médecine nucléaire, échographie, tomographie axiale, résonance magnétique nucléaire, les problèmes inverses. Remarques: Cours donné à l'Université de Montréal. L'étudiant de l'École Polytechnique doit s'inscrire par Autorisation d'études hors établissement (entente CRÉPUQ).

Cycle cellulaire chez la levure et les eucaryotes supérieurs. Apoptose et mort cellulaire. Signalisation et cycle cellulaire. Intégration des voies de signalisation. Interactions protéines-protéines dans la signalisation.

Mécanismes moléculaires gouvernant le développement des eucaryotes supérieurs : détermination, établissement des axes embryonnaires, différenciation, contrôle de l'expression des gènes. Aspects moléculaires du développement du système nerveux.

Présentation orale et écrite par l'étudiant de son projet de recherche ou de stage : la littérature scientifique pertinente, la problématique et les méthodes envisagées. Participation aux séminaires des autres étudiants.

Présentation orale et écrite par l'étudiant de son projet de recherche ou de stage : la littérature scientifique pertinente, la problématique et les méthodes envisagées. Participation aux séminaires des autres étudiants.

Échantillonnage. Opérations sur les images. Amélioration. Restauration. Compression. Réalisation d'un projet appliqué.

Principe de la recherche d'information. Sélection des documents pertinents. Modèles booléen, vectoriel, probabiliste, logique. Réalisation. Évaluation des performances. Analyses linguistiques, syntaxiques et sémantiques.

Introduction aux problématiques de base du traitement des langues naturelles (modélisation de la langue, étiquetage de séquences de mots, analyse grammaticale) et à ses applications (traduction automatique, extraction d'information, etc.).

Modèles du calcul. Calculabilité et décidabilité. Complexité. Hiérarchies. Complétudes. Sujets choisis.

Programmation linéaire. Programmation en nombres entiers. Programmation non linéaire. Programmation dynamique. Modèles stochastiques. Simulation.

Propriétés et fonctions des canaux ioniques dans les membranes cellulaires. Remarques: Ce cours s'adresse en particulier aux étudiants en biophysique, biologie, physiologie et génie biomédical.

Le stage sera effectué au sein d'une équipe de professionnels oeuvrant dans un laboratoire académique, hospitalier, gouvernemental ou en milieu industriel (ou dans tout autre milieu approuvé par le responsable) Remarques: L'étudiant participera à un projet de recherche où il mettra en application les notions et pratiques enseignées.