Ce projet fournit un algorithme pour le traitement et l'analyse de données de séquençage génomique, permettant la détection de variantes et l'alignement de séquences. Il offre une solution robuste et efficace pour la gestion de données de séquençage haut débit.

Librairie et suite logicielle dédiée à l'indexation et à l'analyse de k-mers (séquences courtes) issus de données de séquençage biologique haut débit. Elle permet de traiter de grands volumes de séquences génomiques en utilisant le protocole MPI pour une distribution efficace des calculs sur des clusters de machines. Les résultats peuvent être exploités pour des études génomiques, métagénomiques ou épidémiologiques.

GAZODUC est un pipeline bioinformatique développé pour l'analyse de données génomiques, notamment utilisé à l'Institut du Thorax à Nantes. Il permet de traiter des séquences génomiques en utilisant des outils comme Nextflow pour automatiser des workflows complexes. Le projet facilite la gestion de données issues de séquençage haut débit et génère des résultats exploitables pour la recherche médicale et génétique.

Nf-ribolace est un pipeline bioinformatique conçu pour analyser les données de profilage ribosomique générées avec la technologie RiboLace. Il permet de traiter des fichiers FASTQ issus de séquençage, d'effectuer des étapes de contrôle qualité, de découpage des séquences, d'alignement sur un génome de référence et de déduplication. Le pipeline produit un rapport de qualité complet pour évaluer la qualité des données à chaque étape du traitement.

Serratus-Palmfold est un projet open source dédié à l'analyse comparative de séquences génomiques à grande échelle. Il permet aux chercheurs en biologie et bioinformatique d'identifier des similarités entre génomes, de détecter des motifs fonctionnels et d'accélérer la découverte de gènes ou de régions d'intérêt. L'outil s'appuie sur des algorithmes avancés pour traiter des volumes massifs de données génomiques, facilitant ainsi la recherche fondamentale et appliquée en génomique.

Ce pipeline automatisé permet d'analyser des données de séquençage RNAseq pour identifier les gènes exprimés de manière différentielle entre des échantillons biologiques. Il traite des données brutes issues de séquenceurs Illumina HiSeq, nettoie les séquences, aligne les lectures sur un génome de référence, compte les caractéristiques génomiques et détecte les gènes dont l'expression varie significativement. Utilisé principalement en recherche biomédicale et en génomique fonctionnelle.

Ce projet automatise le traitement de fichiers génomiques en découpant des séquences FASTA et en exécutant des requêtes BLAST en parallèle. Il permet d'optimiser les analyses génomiques en réduisant le temps de calcul grâce à une parallélisation efficace sur des infrastructures de calcul haute performance comme SLURM. Destiné aux chercheurs et laboratoires en biologie moléculaire, il facilite l'exploration de grandes bases de données génétiques.

Ce projet vise à développer une preuve de concept pour l'analyse et la détection d'unités de transcription (unitigs) dans des séquences génomiques. Il permet d'identifier des motifs récurrents et d'optimiser les pipelines de traitement des données génomiques pour des applications en recherche biomédicale ou en génomique fonctionnelle.

Outil bioinformatique spécialisé dans l'assemblage de novo de génomes à partir de lectures longues et bruitées. Conçu pour traiter rapidement des données génomiques complexes, il permet aux chercheurs et laboratoires d'obtenir des séquences génomiques complètes et précises. Idéal pour les projets de séquençage à haut débit nécessitant une reconstruction fiable des génomes.

Ce projet automatise la construction d'unités de contigs (unitigs) ou de contigs à partir de données génomiques en utilisant des outils comme BCALM ou Minia. Il s'appuie sur une infrastructure AWS pour orchestrer le traitement des données via AWS Batch, en déclenchant des calculs dès qu'un fichier est déposé dans un bucket S3. L'objectif est de simplifier et accélérer l'analyse de séquences génomiques pour des applications en bioinformatique.