Ce projet académique compare différentes méthodes de clustering (k-means, classification hiérarchique, clara, EM) appliquées à des données de transcriptomique. L'objectif est d'identifier des groupes de gènes corrélés pour comprendre des phénomènes de co-régulation ou d'association à des maladies. Les résultats sont analysés et comparés entre méthodes, puis enrichis via des ontologies de gènes pour évaluer leur pertinence biologique. Des visualisations et rapports détaillés sont générés pour faciliter l'interprétation des données.

CoGSEA est un outil bioinformatique dédié à l'analyse comparative d'enrichissement de gènes. Il permet aux chercheurs en biologie et en génomique d'interpréter des données transcriptomiques complexes en identifiant les voies biologiques significativement enrichies. Cet outil facilite la comparaison de profils d'expression génique entre différentes conditions expérimentales, aidant ainsi à comprendre les mécanismes moléculaires sous-jacents à des processus biologiques ou pathologiques.