Bioinformatique (M.Sc.) - University of Ottawa

Bioinformatique (M.Sc.)
Programme Collaboratif Conjoint en Bioinformatique au niveau de la Maîtrise
Corps Professeur titulaire
Les professeurs inclus dans la liste ci-dessous sont membres de la Faculté des études
supérieures et postdoctorales. Cela signifie qu’ils sont autorisés à diriger ou à co-diriger
des thèses. Une liste complète des membres du corps Professeur titulaire et du personnel
associés au programme se trouve au
http://www.science.uottawa.ca/fac/programmes_etudes.html
ARIS-BROSOU, Stéphane, Eng. INA-PG (Paris), MSc (Paris VI), MPhil (UCL), PhD
(UCL), Professeur adjoint, Approches calculatoires en évolution moléculaire
[http://aix1.uottawa.ca/~sarisbro/]
BAETZ, Kristin, BSc (Queen’s), PhD (Tor.), Professeur adjoint, Génomique
fonctionnelle et chimique de levure, stabilité des chromosomes, identification de mode
d'action des médicaments [http://www.oisb.ca/members/member_kristin_baetz.htm]
BERTOSSI, Leopoldo, Professeur titulaire, Database systems, data integration, semantic
web, computational logic [http://www.scs.carleton.ca/~bertossi/]
CHEETHAM, James, BSc (McMaster), PhD (McMaster), Professeur titulaire, Membrane
biochemistry [http://www.carleton.ca/biology/people/cheetham.html]
DEHNE, Frank, MCS (Aix-la-Chapelle), PhD (Würzburg), Professeur titulaire, Parallel
computing [http://www.dehne.net/]
DROUIN, Guy, BSc (Laval), MSc (Dalhousie), PhD (Cambridge), Professeur titulaire,
Evolution de familles multigéniques, évolution concertée, conversion génique
[http://www.biology.uottawa.ca/details.php?lang=eng&id=9]
DUMONTIER, Michel, PhD (Tor.), Professeur adjoint, Semantic web, drug discovery,
cell simulation, hardware acceleration (FPGA/DSP)
[http://www.carleton.ca/biology/people/dumontier.html]
FIGEYS, Daniel, CRC Niveau 1, Professeur titulaire
[http://www.oisb.ca/members/member_daniel_figeys.htm]
GOLSHANI, Ashkan, BSc (York), MSc (Tor.), PhD (Tor.), Professeur adjoint
Proteomics [http://www.carleton.ca/biology/people/golshani.html]
GORELICK, Root, MSc (NMSU), PhD (ASU), Professeur adjoint, Evolutionary theory
[http://www.carleton.ca/biology/people/gorelick.html]
1
GREEN, James, BSc (Waterloo), MSc (Queen’s), PhD (Queen’s), Professeur adjoint,
Prediction of protein structure, data mining, nonlinear system identification
[http://www.sce.carleton.ca/faculty/green/green.php]
KAERN, Mads, BSc (Copenhagen), PhD (Tor.), CRC Niveau 2, Professeur adjoint,
Réseaux de gènes [http://www.oisb.ca/members/member_mads_kaern.htm]
KRANAKIS, Evangelos, BSc (Athens), PhD (Minnesota), Professeur titulaire, Analysis
of algorithms, bioinformatics, communication and data (ad hoc and wireless) networks,
computational and combinatorial geometry, distributed computing, and network security
[http://www.scs.carleton.ca/~kranakis/]
PESTOV, Vladimir, MSc (Tomsk), PhD (Moscow), Professeur titulaire, Groupes
topologiques de transformation, géométrie de grandes dimensions
[http://137.122.43.51/cgibin/mat/create_list?lastname=Pestov&firstnames=Vladimir&langue=English]
SANKOFF, David, BSc (McGill), MSc (McGill), PhD (McGill), CRC Niveau 1,
Professeur titulaire, Génomique mathématique
[http://albuquerque.bioinformatics.uottawa.ca/]
SINHA, Sanjoy, MSc (Dalhousie), PhD (Dalhousie), Professeur agrégé, Robust
inference, time series analysis, biostatistics, longitudinal data analysis
[http://mathstat.carleton.ca/~sinha/]
STINTZI, Alain, MSc (Louis-Pasteur), PhD (Louis-Pasteur), Professeur agrégé,
Génomique microbienne, expression et régulation de gène, puces à ADN et génomique
fonctionnelle [http://www.oisb.ca/members/member_Alain_Stintzi.htm]
TURCOTTE, Marcel, PhD (Montréal) Professeur adjoint, Bioinformatique, conception
d'algorithmes, applications des machines d’apprentissage
[http://www.site.uottawa.ca/~turcotte/]
WAINER, Gabriel, PhD (Aix-Marseille III), Professeur agrégé, DEVS formalism, realtime modelling, cellular models, parallel / distributed / web-based simulation
[http://www.sce.carleton.ca/faculty/wainer/index.html]
XIA, Xuhua, BSc (Jiangxi), PhD (UWO), Professeur agrégé, Génomique, génétique
moléculaire évolutive, phylogénies moléculaires [http://dambe.bio.uottawa.ca/]
Renseignements généraux
La bioinformatique est une discipline scientifique émergente, qui est de plus en plus
importante et qui est consacrée à la poursuite de questions fondamentales ayant à trait à la
structure, à la fonction et à l'évolution des entités biologiques grâce à la conception et à
2
l'application d’approches informatiques. La recherche fondamentale dans ces secteurs
engendre de nouvelles découvertes qui améliorent notre connaissance en santé humaine
et qui se traduisent par des innovations dans le secteur industriel (c.-à-d. découverte de
médicaments). Comme champ de recherche, la bioinformatique est à la croisée des
chemins des disciplines traditionnelles telles que l'informatique, la chimie, la biologie, la
biochimie, les sciences de l’ingénieur et les sciences médicales. Alors que chaque
chercheur se spécialise habituellement dans un secteur particulier, les bioinformaticiens
doivent aujourd'hui pouvoir apprécier les résultats majeurs de la recherche effectuée dans
d'autres domaines ; ceci exige alors une connaissance des principes de base des autres
domaines. Pour faire face à ces défis, les Universités de Carleton et d'Ottawa offrent un
programme conjoint menant à une maîtrise en Science avec spécialisation en
Bioinformatique ou une maîtrise en Informatique avec spécialisation en Bioinformatique.
Unités participantes
Le programme pluridisciplinaire a pour objet d'accroître les recherches menées par les
étudiants et la formation dispensée par l'entremise d'une des unités qui participent au
programme :
1. L'institut de biologie Ottawa-Carleton, le programme conjoint d'études supérieures
des départements de biologie de l'Université d'Ottawa et de Carleton University.
2. L'institut d’informatique Ottawa-Carleton, le programme conjoint d'études
supérieures de l’école d'ingénierie et de technologie de l'information de l'Université
d'Ottawa et du département d’informatique de Carleton University.
3. L'institut de mathématique et de statistique Ottawa-Carleton, le programme conjoint
d'études supérieures du département de mathématique et de statistique de l'Université
d'Ottawa et de l’école de mathématique et de statistique de Carleton University.
4. Le programme gradué en médecine cellulaire et moléculaire du département de
médecine cellulaire et moléculaire (CMM) de l'Université d'Ottawa.
5. Le programme gradué en biochimie et en microbiologie & immunologie du
département de biochimie, microbiologie & immunologie (BMI) de l'Université
d'Ottawa.
Le programme pluridisciplinaire est dirigé par un comité composé de représentants des
diverses unités participantes et chargé de l'admission des étudiants au programme
pluridisciplinaire. Un coordinateur administre le programme.
Demandes d'admission
Les demandes doivent être présentées à l’unité participante principale dont les activités
conviennent le mieux aux recherches visées par les candidats. Pour faire partie du
programme pluridisciplinaire en bioinformatique, l'étudiant admis par une unité doit être
parrainé par un professeur, habituellement son directeur de recherche, participant au
programme. Ce professeur doit faire partie du corps professoral d’au moins une des
unités participantes.
3
Vous pouvez écrire directement au coordinateur ou au coordinateur associé du
programme ou à l'une des unités intéressées afin d’obtenir les formulaires de demande
d'admission et des renseignements supplémentaires.
Le programme est régi par les « Règlements et procédures des programmes conjoints de
deuxième et troisième cycles » (www.ocjip.ca) ainsi que par les règlements de la Faculté
des études supérieures des deux universités.
Conditions d'admission
Les critères d'admission au programme de maîtrise dans le cadre du programme
pluridisciplinaire en bioinformatique sont :
1. Être admis d'abord au programme de maîtrise de l'unité participant au programme.
2. Fournir une lettre dans laquelle le membre du corps professoral qui participe au
programme recommande l'admission du candidat et indique qu'il est prêt à diriger le
programme de recherche de cette personne en bioinformatique.
Exigences de la maîtrise
L'étudiant doit remplir à la fois les exigences de la maîtrise de son unité et les exigences
du programme pluridisciplinaire. Les exigences minimales du programme
pluridisciplinaire sont de réussir au moins deux cours et une thèse.
Cours
Les cours exigés par programme pluridisciplinaire sont :
1. le cours de bioinformatique (BNF 5506 / BIO 5506; 3 crédits)
2. le séminaire de bioinformatique (BNF 5XXX / BIO 5XXX / BIOL 5XXX; 3
crédits – en anglais uniquement)
La biologie, l'informatique, les mathématiques et statistiques permettront au cours de
bioinformatique de remplacer un des cours de leur programme ; le séminaire de
bioinformatique sera pris en plus du séminaire du programme de l’unité d’origine. La
médecine cellulaire et moléculaire (CMM) permettra au cours de bioinformatique de
remplacer un des cours du programme CMM et au séminaire de bioinformatique de
remplacer le séminaire du programme CMM. La biochimie et la microbiologie et
l'immunologie exigent que les étudiants prennent le cours de bioinformatique et le
séminaire de bioinformatique en plus des cours requis par cette unité.
4
Le Comité de l'Institut ou le Comité de recherche peut également demander à l'étudiant
de suivre des cours complémentaires, à titre d'auditeur libre ou d'étudiant régulier, pour
perfectionner sa formation et son programme de recherche.
NOTE: Un cours de trois crédits à l'Université d'Ottawa équivaut à un cours de 0.5 crédit
à Carleton University.
Thèse
Une thèse de recherche en bioinformatique dirigée par un membre du corps professoral
qui participe au programme pluridisciplinaire en bioinformatique.
Cours
La liste de cours ci-dessous n’est en aucun cas limitative et inclut des cours offerts par les
unités participantes. Ces cours permettent aux étudiants qui le désirent d’approfondir
leurs connaissances de bases ainsi que celles présentées et requise dans le cadre du
programme pluridisciplinaire en bioinfomatique. Une liste à jour est affichée
annuellement sur le site Internet du programme.
Les cotes de cours sont celles des instituts participants. La valeur en crédits est indiquée
immédiatement après le titre. Un cours de 0.5 crédit à Carleton University équivaut à un
cours de trois crédits à l’Université d’Ottawa et un cours de 0.25 crédit à Carleton
University équivaut à un cours de 1.5 crédits à l’Université d’Ottawa. La valeur en crédits
à Carleton University est indiquée avant celle à l’Université d’Ottawa.
L’Université d’Ottawa utilise des cotes à trois lettres (BCH, BIO, CMM, CSI, MAT,
SYS) alors que Carleton University en utilise quatre (BIOL, COMP, MATH). La cote
utilisée est celle de l’université où l’étudiant est inscrit.
BIO 5106 (BIOL 5506) BIOINFORMATICS (3 cr.) Major concepts and methods of
Bioinformatics. Topics may include, but are not limited to: genetics, statistics &
probability theory, alignments, phylogenetics, genomics, data mining, protein structure,
cell simulation and computing.
BIO 5506 BIOINFORMATIQUE (3 cr.) Concepts et méthodes en bioinformatique. Les
sujets abordés peuvent inclure, sans être limités à : génétique, statistiques et théorie des
probabilités, alignements, phylogénétique, génomique et structure de protéines.
BIO 5XXX (BIOL 5XXX) BIOINFORMATICS SEMINAR (3 cr.) Current topics in
bioinformatics. For credit, each student will make a presentation and submit a written
report on their seminar; both must be judged to be satisfactory by the faculty. Student,
faculty and invited seminar speakers.
5
BCH 8102 SELECTED TOPICS IN PROTEIN STRUCTURE AND FUNCTION (3
cr.) An advanced study of recent literature dealing with structure-function relationships in
selected proteins.
BCH 8108 ADVANCED METHODS OF MACROMOLECULAR STRUCTURE
DETERMINATION (3 cr.) A detailed examination of modern methods used to
determine the structures of proteins, nucleic acids, and carbohydrates. May include X-ray
crystallography, electron diffraction, nuclear magnetic resonance, and other spectroscopic
methods.
BIO 5207 (BIOL 5500) SELECTED TOPICS (1 cr. CU / 6 cr. UO) Courses in selected
aspects of specialized biological subjects, not covered by other graduate courses; course
details will be available at registration.
BIO 5302 (BIOL 5105) METHODS IN MOLECULAR GENETICS (3 cr.) Review of
the fundamental theory and techniques in genetic manipulation of prokaryotes and
eukaryotes and examination of some of the innovative new strategies which are being
applied to a variety of problems in molecular biology. Prerequisites: Graduate standing
and permission of the department.
BIO 5306 (BIOL 5409) MATHEMATICAL MODELING FOR BIOLOGISTS (3
cr.) This course is designed to develop mathematical tools for the modelling of biological
processes. The student is taught the necessary mathematics, a computer language, and
guidance is given in the choice of simulation of a biological process.
BIO 8100 (BIOL 5501) SELECTED TOPICS IN BIOLOGY I (3 cr.) Lectures and/or
seminars dealing with current advances in a selected area or branch of biology, not
covered by other graduate courses.
BIO 8102 (BIOL 5502) SELECTED TOPICS IN BIOLOGY II (3 cr.) Lectures and/or
seminars dealing with current advances in a selected area or branch of biology, not
covered by other graduate courses.
BIO 8301 (BIOL 5201) EVOLUTIONARY GENETICS AND COMPUTER
ANALYSES (3 cr.) Students will learn the basic concepts in molecular evolution and
gain hands-on experience with the computer analysis of DNA sequences. Topics covered
will include molecular sequence databases, multiple alignments, amino acid and codon
usage, molecular clocks, and phylogenetic trees. Prerequisites: Graduate standing plus
basic courses in genetics and evolution; permission of the department.
CMM 5304 INTRODUCTION TO DEVELOPMENTAL BIOLOGY (3 cr.) Concepts
in development and signalling pathways during development including formation of the
germ layers; establishment of the body axis and principles of segmentation; patterning
and homeobox genes; neurogenesis; axonal and neuronal guidance; stem cell concepts;
germ cells; animal models in developmental biology.
6
CMM-5511 COMPUTATIONAL CELL BIOLOGY (3 cr). The course emphasizes the
use of computational modelling of cellular systems such as biomolecular interaction
networks, signal transduction and gene regulatory networks. A particular emphasis of the
course is to provide students with the background knowledge and the tools to engage in
computational modelling of cellular dynamics. Topics include enzyme kinetics,
differential equations, regulation of gene expression, bifurcation theory, nonlinear
dynamics, and stochastic theory. Hands-on experience with methods used to develop and
analyze such models. Prerequisites: Permission of the instructor based on biology,
physics and mathematics background.
CMM 8104 CELL GROWTH AND DEVELOPMENTAL BIOLOGY (3 cr.) Cellular
and molecular aspects of the following: establishment of the body axis and segmentation;
epithelial- mesenchymal interactions, extracellular matrix, signaling cascades in
development; cell cycle control; neural development; muscle development (skeletal and
cardiac); limb development; skin and hair formation; regeneration; development and
evolution; development and cancer; tumour suppressor concepts; methodological
advances in the study of the mouse, zebrafish and Drosophila. Prerequisite: CMM 5304
or permission of the instructor.
CMM 8310 CURRENT TOPICS IN RNA MOLECULAR BIOLOGY (3 cr.)
Properties, mechanisms associated with regulation and the function of RNAs and
Ribonucleoprotein (RNPs) as well as RNA organisms. Current knowledge on RNA
expression (synthesis, processing, transport and localization), the structure-function
relationship and molecular mechanisms associated with RNAs and RNA genomes, RNA
in evolution and in the origin of life, and RNA as therapeutic agents. Prerequisites:
BCH/BIO 3570-3170 or equivalent with the permission of the program director.
Exclusion: BCH 8310.
COMP 5105 (CSI 5132) PARALLEL PROCESSING SYSTEMS (3 cr.)
COMP 5306 (CSI 5100) DATA INTEGRATION (3 cr.)
COMP 5307 (CSI 5101) KNOWLEDGE REPRESENTATION (3 cr.)
CSI 5126 (COMP 5108) ALGORITHMS IN BIOINFORMATICS (3 cr.)
Fundamental mathematical and algorithmic concepts underlying computational molecular
biology; physical and genetic mapping, sequence analysis (including alignment and
probabilistic models), genomic rearrangement, phylogenetic inference, computational
proteomics and systemics modelling of the whole cell. Prerequisites: CSI 3105, COMP
3804 or equivalent.
CSI 5163 (COMP 5703) ALGORITHM ANALYSIS AND DESIGN (3 cr.) Topics of
current interest in the design and analysis of computer algorithms for graph-theoretical
applications; e.g. shortest paths, chromatic number, etc. Lower bounds, upper bounds,
and average performance of algorithms. Complexity theory.
7
CSI 5165 (COMP 5709) COMBINATORIAL ALGORITHMS (3 cr.) Design of
algorithms for solving problems that are combinatorial in nature, using both sequential
and parallel models of computation. Parallel algorithms for enumerating basic
combinatorial objects (permutations, combinations, set partitions) and for solving
optimization problems (knapsack, minimal cover, branch-and-bound). Polyminoes,
polygonal systems, enumeration and classification and benzenoid and coronoid
hydrocarbons in chemistry. Combinatorial geometry (Voronoi diagrams, polytopes,
arrangements). Algorithmic problems in many-valued logics (base enumeration,
tautology checking, minimization, finding the spectra).
CSI 5387 (COMP 5706) DATA MINING AND CONCEPT LEARNING (3 cr.) Data
mining as finding associations, clustering, and concept learning. Basic issues of
associations and selected concept representations. Introduction to data warehousing.
Concept learning viewed as a search problem. Standard concept induction algorithms.
The use of neural networks for representing and learning concepts. Knowledge-intensive
concept learning. Introduction to the formal theory of concept learnability. Instance-based
learning. Selected applications of data mining and concept learning. Prerequisite: CSI
4106 or permission of the program director.
CSI 5526 (COMP 5180) ALGORITHMES EN BIOINFORMATIQUE (3 cr.)
Assemblage de l'ADN, recherche de gènes, comparaison de chaînes, alignement de
séquences, structures grammaticales, structures secondaires et tertiaires. Les récents
développements, tels que les puces d'ADN et de protéines. Travail additionnel requis
dans le cas des étudiants inscrits sous la cote CSI 5526. Préalable: CSI 3505 ou (dans le
cas des étudiants diplômés) permission du responsable de programme.
CSI 5565 (COMP 5709) ALGORITHMES COMBINATOIRES (3 cr.) Conception
d'algorithmes de problèmes de nature combinatoire, à l'aide de modèles séquentiels et
parallèles. Algorithmes parallèles pour l'énumération d'objets combinatoires de base
(permutations, combinaisons, partitions), et pour résoudre des problèmes d'optimisation
(knapsack, recouvrement minimal, méthode branch-and-bound); systèmes polygonaux,
applications en chimie; géométrie combinatoire (diagrammes de Voronoi, polytopes,
arrangements); problèmes en logique à valeur multiple, énumération de base, vérification
de tautologie, minimisation, recherche du spectre.
MAT 5170 (STAT 5708) PROBABILITY THEORY I (3 cr.) Probability spaces,
random variables, expected values as integrals, joint distributions, independence and
product measures, cumulative distribution functions and extensions of probability
measures, Borel-Cantelli lemmas, convergence concepts, independent identically
distributed sequences of random variables. Prerequisites: MAT 3125 and MAT 3172
(MATH 3001, MATH 3002 and MATH 3500).
MAT 5171 (MATH 5709) PROBABILITY THEORY II (3 cr.) Laws of large
numbers, characteristic functions, central limit theorem, conditional probabilities and
expectation, basic properties and convergence theorems for martingales, introduction to
Brownian motion. Prerequisite: MAT 5170 (STAT 5708).
8
MAT 5181 (STAT 5703) DATA MINING I (3 cr.) Visualization and knowledge
discovery in massive datasets; unsupervised learning: clustering algorithms; dimension
reduction; supervised learning: pattern recognition, smoothing techniques, classification.
Computer software will be used. Prerequisite: Permission of the instructor.
MAT 5182 (STAT 5702) MODERN APPLIED / COMPUTATIONAL STATISTICS
(3 cr.) Resampling and computer intensive methods: bootstrap, jackknife with
applications to bias estimation, variance estimation, confidence intervals, and regression
analysis. Smoothing methods in curve estimation; Statistical classification and pattern
recognition: error counting methods, optimal classifiers, bootstrap estimates of the bias of
the misclassification error.
MAT 5190 (STAT 5600) MATHEMATICAL STATISTICS I (3 cr.) Statistical
decision theory; likelihood functions; sufficiency; factorization theorem; exponential
families; UMVU estimators; Fisher's information; Cramér-Rao lower bound; maximum
likelihood and moment estimation; invariant and robust point estimation; asymptotic
properties; Bayesian point estimation. Prerequisites: MAT 3172 and MAT 3375.
MAT 5191 (STAT 5501) MATHEMATICAL STATISTICS II (3 cr.) Confidence
intervals and pivotals; Bayesian intervals; optimal tests and Neyman-Pearson theory;
likelihood ratio and score tests; significance tests; goodness-of-fit tests; large sample
theory and applications to maximum likelihood and robust estimation. Prerequisite:
MAT 5190.
MAT 5198 (STAT 5701) STOCHASTIC MODELS (3 cr.) Markov systems, stochastic
networks, queuing networks, spatial processes, approximation methods in stochastic
processes and queuing theory. Applications to the modelling and analysis of computercommunications systems and other distributed networks.
MAT 5314 (MATH 6508) TOPICS IN PROBABILITY AND STATISTICS (3 cr.)
MAT 5319 (MATH 6507) TOPICS IN PROBABILITY AND STATISTICS (3 cr.)
MAT 5570 (STAT 5708) THÉORIE DES PROBABILITÉS I (3 cr.) Espaces
probabilisés, variables aléatoires, l'espérance mathématique définie comme une intégrale,
lois conjointes, indépendance et mesure produit, répartitions et extensions de mesures de
probabilité, lemmes de Borel-Cantelli, notions de convergence, suites de variables
aléatoires indépendantes et équidistribuées. Préalables : MAT 3525 et MAT 3572
(MATH 3001, MATH 3002 et MATH 3500).
MAT 5571 (STAT 5709) THÉORIE DES PROBABILITÉS II (3 cr.) Lois des grands
nombres, fonctions caractéristiques, théorème-limite central, probabilité et espérance
conditionnelles, propriétés élémentaires et théorèmes de convergence des martingales,
introduction au mouvement brownien. Préalable : MAT 5570 (STAT 5708).
9
MAT 5591 (STAT 5501) INFÉRENCE STATISTIQUE (3 cr.)
MAT 5598 (MATH 5701) MODÈLES STOCHASTIQUES (3 cr.)
SYS 5120 / MAT 4371 APPLIED PROBABILITY (3 cr.) An introduction to stochastic
processes, with emphasis on regenerative phenomena. Review of limit theorems and
conditioning. The Poisson process. Renewal theory and limit theorems for regenerative
processes; Discrete-time and continuous-time Markov processes with countable state
space. Applications to queuing. Prerequisites: MAT 2341 and MAT 2371 and MAT 2375.
SYSC 5104 / ELG 6114 METHODOLOGIES FOR DISCRETE-EVENT
MODELLING AND SIMULATION (3 cr.) Methodological aspects of simulation.
Modelling discrete events systems. Modelling formalisms: FSA, FSM, Petri Nets, DEVS,
others. Verification and validation. Cellular models: Cellular Automata, Cell-DEVS.
Continuous and hybrid models. Parallel and distributed simulation (PADS) techniques.
PADS middleware: HLA, Parallel-DEVS, Time-Warp. Prerequisites: knowledge of C++
and of basic concepts of concurrency and distributed systems.
10