Ce pipeline a été développé pour effectuer une analyse RNA-seq à partir de fichiers FASTQ issus de la séquence NGS. Il est entièrement basé sur l'utilisation de Nextflow et peut être utilisé sur n'importe quelle distribution Linux.

Ce projet vise à concevoir un probe RNA pour cibler l'ADN environnemental de la grenouille rousse *Rana temporaria* en utilisant un protocole ddRADseq pour séquencer les génomes de huit individus. Les données de séquençage sont analysées pour prédire le nombre de loci et déterminer la taille des fragments d'ADN générés par le protocole.

Ce projet propose un carnet Jupyter permettant d'analyser des structures secondaires d'ARN en utilisant le package Vienna RNA. Il permet de visualiser les interactions entre molécules d'ARN, de simuler des mutations sur des séquences d'ARN et de tester différents scénarios d'évolution.

Le projet gandalf_snake est un outil d'analyse de données génomiques et transcriptomiques. Il permet de réaliser des opérations de variant calling et d'alignement de séquences RNA. Il est basé sur le framework Snakemake et utilise des environnements Conda pour la gestion des dépendances.

RNA-Seq-Compagnon est un outil d'analyse et de visualisation de données de séquençage RNA permettant l'analyse quantitative et qualitative des ARNm, ainsi que l'identification des voies de signalisation différentiellement régulées.

Le pipeline RNASeq est un outil d'analyse de données de séquençage RNA. Il permet de prétraiter les lectures, de vérifier leur qualité, de les mapper sur un génome de référence et de générer une table de comptage de gènes.

Ce pipeline d'analyse utilise Snakemake pour le traitement de données RNAseq et la détection de gènes différentiellement exprimés. Il prend en charge les données paired-end provenant d'un séquenceur Illumina HiSeq et utilise des outils tels que prinseq, cutadapt, STAR, HTSeq, DESeq2 et ClusterProfiler.

Le projet rosepigs_stomach est dédié à l'analyse de données issues de séquençage pour les ARN (RNA-seq) et la méthylation de l'ADN (EM-seq). Il s'appuie sur les pipelines nf-core/rnaseq et nf-core/methylseq pour assurer un traitement robuste et reproductible des données.