Différences entre les versions de « Génomique Évolutive et Médicale »
Ligne 11 : | Ligne 11 : | ||
== Objectifs et approches == | == Objectifs et approches == | ||
+ | Nos travaux sont centrés sur l’extraction de connaissances à partir de données omiques (génomes, transcriptomes, protéomes, métabolomes, lipidomes, interactomes) avec deux objectifs principaux : | ||
+ | * La caractérisation des '''relations génotype/phénotype''', en particulier dans le cadre de maladies génétiques complexes | ||
+ | * La compréhension de l’'''évolution de systèmes biologiques''', qu’il s’agisse de processus biologiques ou d’espèces. | ||
+ | |||
+ | Une des spécificités de notre équipe réside dans l’exploitation de méthodes bio-informatiques traditionnelles (analyse de séquences biologiques, étude des relations séquences/structure/fonction, génomique comparative, graphes d’interactions, etc) afin de générer des connaissances qui peuvent ensuite guider des approches d’intelligence artificielle. Cette combinaison originale repose sur la pluralité et la complémentarité des compétences internes à l’équipe. |
Version du 30 juin 2022 à 15:23
Responsable : Odile LECOMPTE
Participants permanents : Nathalie AL MAKDESSI, Ali AYADI, Anne JEANNIN, Claudine MAYER, Christian MICHEL, Luc MOULINIER, Olivier POCH, Laetitia POIDEVIN, Jean-Sébastien SERENI, Julie THOMPSON
Post-doctorant : Kirsley CHENNEN
Ingénieur contractuel : Arnaud KRESS
Doctorants : Lena BONASSIN, Luka Ljudevit BOSTJANCIC, Célia ENDERLIN, Corentin MEYER, Christelle RUTZ, Alix SIMON
Objectifs et approches
Nos travaux sont centrés sur l’extraction de connaissances à partir de données omiques (génomes, transcriptomes, protéomes, métabolomes, lipidomes, interactomes) avec deux objectifs principaux :
- La caractérisation des relations génotype/phénotype, en particulier dans le cadre de maladies génétiques complexes
- La compréhension de l’évolution de systèmes biologiques, qu’il s’agisse de processus biologiques ou d’espèces.
Une des spécificités de notre équipe réside dans l’exploitation de méthodes bio-informatiques traditionnelles (analyse de séquences biologiques, étude des relations séquences/structure/fonction, génomique comparative, graphes d’interactions, etc) afin de générer des connaissances qui peuvent ensuite guider des approches d’intelligence artificielle. Cette combinaison originale repose sur la pluralité et la complémentarité des compétences internes à l’équipe.