Decomics est une application interactive dédiée à l'analyse et à la déconvolution de données omics (transcriptomique, métabolomique, etc.). Elle permet aux chercheurs et biologistes de décomposer des échantillons complexes en sous-populations cellulaires ou moléculaires, facilitant ainsi l'interprétation des résultats expérimentaux. L'outil propose des méthodes non supervisées et des visualisations dynamiques pour explorer les données biologiques.

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.

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.

Ce workflow automatise l'analyse de données RNA-seq à partir de fichiers bruts FASTQ. Il permet de générer des matrices de comptage de gènes en utilisant différents outils d'alignement (HISAT2, STAR) ou de pseudo-alignement (Salmon, Kallisto). Le pipeline inclut des étapes de contrôle qualité, de trimming des séquences et de quantification, avec des sorties compatibles avec des outils d'analyse transcriptomique comme DIANE. Il est conçu pour comparer les résultats entre plusieurs méthodes et 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 moléculaire d'identifier et de comparer les voies biologiques significativement enrichies dans des jeux de données transcriptomiques. En intégrant des méthodes statistiques avancées, il facilite l'interprétation des résultats d'expériences RNA-seq ou microarray, aidant ainsi à comprendre les mécanismes biologiques sous-jacents à différents états cellulaires ou conditions expérimentales.

Outil d'analyse comparative d'enrichissement de jeux de gènes (GSEA) permettant aux chercheurs en biologie et bioinformatique de comparer des résultats d'analyses transcriptomiques. Il facilite l'interprétation biologique des données en identifiant les voies métaboliques ou fonctionnelles significativement enrichies dans des listes de gènes. L'application Shiny offre une interface interactive pour visualiser et analyser ces 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.