L'atelier a pour objectif d'intégrer et d'analyser des données omiques hétérogènes via des approches statistiques en s'appuyant sur les packages R MOFA2 et mixOmics. Deux cas d'étude sont proposés, l'un sur des données métabolomiques et transcriptomiques de deux variétés de colzas soumises à un stress hydrique et parasitique, et l'autre sur des données RNAseq et metabarcoding (16S et 18S) d'une autre variété de colzas.

Ce projet consiste en une collection de notebooks Jupyter, de fichiers R et Python dédiés à l'analyse et à la visualisation des données d'un étude sur les neurones projetant dans le bulbe olfactif de la souris. Le référentiel contient des analyses transcriptomiques standard de neurones projetants, une inférence de réseaux de gènes régulateurs, une analyse de réseaux de gènes régulateurs et une simulation de données unicellulaires à partir de données de séquençage d'ARN en vrac.

Ce projet vise à analyser les résultats de transcriptome de l'épeautre dans le cadre d'une étude menée par Bonnot et al. Il permet de comprendre l'expression génique des gènes de cette céréale et d'apporter des connaissances sur sa génomique.

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.

RNAflow est un pipeline snakemake dédié à l'analyse transcriptomique standard. Il permet le traitement de données RNA-seq en utilisant différents outils de bioinformatique tels que cutadapt, alienTrimmer, fastqc, sortmeRNA, samtools, bowtie2, bedtools, star, minimap2, kallisto, salmon, subread, deeptools et multiqc.

FLORA est un workflow FAIR et évolutif permettant l'analyse de données RNAseq du projet AMOCYST en utilisant des outils et des méthodes statistiques de pointe en transcriptomique pour effectuer des analyses reproductibles avec Nextflow. Le workflow commence par le traitement des lectures RNAseq brutes en utilisant Rcorrector pour la correction. Ensuite, les lectures non corrigées sont supprimées à l'aide d'un script Python. La contamination rRNA est également supprimée en utilisant Bowtie2 et la base de données SILVA avant un processus de filtrage de la qualité des lectures en utilisant Trim Galore. Enfin, l'assemblage du transcriptome est effectué en utilisant Trinity.

Ce projet permet l'analyse de transcriptomes par assemblage de génomes, alignment de séquences sur un génome de référence et quantification des transcrits. Il utilise des outils tels que Hisat2, Stringtie et MultiQC pour fournir une analyse complète et détaillée.

Le projet ROSEpigs vise à analyser les transcriptomes et les profils de méthylation de l'ADN duodénaux de porcs sélectionnés de manière divergente en utilisant des outils tels que nf-core/rnaseq et nf-core/chipseq. Il produit des tables de gènes normalisées et des résultats d'analyses différentielles de gènes.