Ce projet automatise le traitement et la transformation de données médicales en utilisant le standard FHIR (Fast Healthcare Interoperability Resources). Il permet d'intégrer, normaliser et valider des données de santé issues de différentes sources pour les rendre exploitables dans des systèmes d'information médicaux. Le pipeline gère l'extraction, le nettoyage, le stockage et la mise à disposition des données via une API FHIR, facilitant ainsi l'interopérabilité entre systèmes de santé.

Ce projet propose des templates réutilisables pour automatiser des workflows via des étapes standardisées. Il permet aux développeurs de créer rapidement des pipelines de traitement de données, de génération d'images ou de scripts shell sans repartir de zéro. Les modèles couvrent des cas d'usage variés comme le traitement vidéo, les bases de données ou le stockage cloud, et sont conçus pour être intégrés dans des outils comme AirJobs ou Cadriciel Studio.

Ce projet permet de récupérer, traiter et analyser des flux vidéo provenant de caméras industrielles ou scientifiques. Il convertit les données brutes des capteurs en images structurées pour une exploitation ultérieure, notamment via des outils d'analyse ou de machine learning. Il facilite l'intégration des données de caméras dans des pipelines de traitement automatisés.

Nf_column_reordering est un pipeline Nextflow conçu pour réorganiser et analyser des colonnes de données biologiques, notamment dans le cadre de séquences génétiques. Il permet d'automatiser des workflows complexes pour le traitement de données issues de recherches en biologie moléculaire, facilitant ainsi l'analyse et la visualisation des résultats. Développé à l'Institut Pasteur, il s'intègre dans des environnements de calcul intensif pour optimiser les processus de recherche.

Picola est un pipeline d'orchestration conçu pour automatiser la conversion et le traitement d'images médicales numérisées, notamment les lames d'anatomopathologie. Il permet de transformer des formats propriétaires en fichiers TIFF pyramidaux standardisés, facilitant leur réutilisation dans des outils de visualisation ou d'intelligence artificielle. Le projet s'intègre dans un environnement local reproductible, sans dépendre d'une infrastructure cloud, et est développé par le Health Data Hub pour répondre aux besoins de standardisation des données médicales.

Yuzu est un outil en ligne de commande conçu pour exploiter des modèles de langage avancés directement depuis un terminal. Il permet aux utilisateurs d'interagir avec des modèles d'intelligence artificielle pour analyser, traiter et générer du texte de manière efficace. Idéal pour les développeurs, chercheurs ou data scientists, il simplifie l'intégration de fonctionnalités d'IA dans des pipelines de données ou des scripts automatisés.

Beyond Pipelines est un projet visant à faciliter la gestion et le traitement des données en entreprise en automatisant les workflows, intégrant des services cloud, orchestrant des traitements distribués et surveillant les infrastructures de données.

Outil dédié à l'analyse de données de séquençage ARN à cellule unique (scRNA-seq). Permet le traitement primaire et secondaire des données, incluant la détection de doublets cellulaires, l'installation d'environnements bioinformatiques et l'intégration de pipelines d'analyse. Utilisé principalement dans la recherche biomédicale et la génomique.

Projet dédié à l'analyse et au traitement de données d'imagerie par résonance magnétique fonctionnelle (IRMf) issues du Human Connectome Project. Il propose des pipelines analytiques au niveau sujet et groupe pour évaluer la connectivité cérébrale et les réponses fonctionnelles. Les outils intégrés permettent de reproduire des analyses statistiques, valider techniquement les résultats et générer des figures pour des publications scientifiques en neurosciences.

Ce projet fournit des outils et workflows automatisés pour l'analyse de données de séquençage haut débit, principalement appliqués à l'organisme modèle *Caenorhabditis elegans*. Il facilite le traitement, l'annotation et l'interprétation de données génomiques et transcriptomiques, en intégrant des pipelines reproductibles et des configurations adaptables pour des environnements variés, y compris les clusters de calcul.