Ce projet utilise un modèle SEIR(D) et une approche bayésienne pour prévoir la propagation du virus SARS-Cov-2. Les données de l'ECDC et de Santé publique France sont utilisées pour estimer les paramètres du modèle. Des prévisions pour l'Italie et la France sont fournies en exemple.

Batchaif est un outil permettant de corriger les biais expérimentaux dans les données de séquençage monocellulaire en utilisant l'Adversarial Information Factorization (AIF). Cette méthode permet d'apprendre une distribution d'espace latent partagé entre différents lots de cellules, et de projeter les distributions de lots de cellules sur d'autres lots de cellules pour corriger les biais expérimentaux.

Ce projet fournit une image Docker pour le développement Python, basée sur docker-openvscode-server et incluant les bibliothèques Jupyter, Matplotlib et numpy. L'image expose le port 3000, avec un dossier utilisateur configurable et des informations d'identification par défaut.

PrettyPy est un package Python qui fournit des fonctions pour créer des graphiques complexes et esthétiques, utiles pour la visualisation de données ou la présentation de résultats d'analyses.