Outil dédié à la curation de données biologiques, notamment pour les métadonnées et séquences génétiques. Il vérifie la conformité des formats, détecte les incohérences dans les champs comme la localisation ou la technologie de séquençage, et propose des corrections. Il compare également les données avec des rapports serveurs pour identifier les séquences à écarter ou à valider. Le résultat inclut des fichiers nettoyés et des logs pour faciliter la communication avec les soumissionnaires.

Outil dédié à l'analyse et au contrôle qualité des séquences génétiques du SARS-CoV-2. Il permet d'identifier les positions critiques du virus pouvant impacter son épidémiologie, de détecter les variants préoccupants (VOC) et de valider les données de séquençage. Utilisé principalement dans le cadre de la surveillance des mutations du virus par des laboratoires et institutions de santé publique.

Ce projet fournit des outils pour manipuler, nettoyer et convertir des données d'alignement de séquences biologiques. Il permet aux chercheurs en génomique de préparer et d'analyser des données issues de séquençage, facilitant ainsi l'étude des génomes et l'identification de variations génétiques. Les fonctionnalités incluent la correction d'alignements, la vérification de la validité des données et la génération de formats compatibles avec des logiciels d'analyse standard.

DROP est une pipeline bioinformatique conçue pour détecter des anomalies dans les données d'expression génique à partir de séquences ARN. Elle permet aux chercheurs d'identifier des variations aberrantes dans des échantillons biologiques, facilitant ainsi l'analyse de maladies génétiques ou de mécanismes biologiques. Le projet intègre des jeux de données de référence publics pour valider les résultats et propose des outils pour automatiser et optimiser les workflows d'analyse génomique.

Ce projet vise à calculer des métriques sur le génome du betterave à sucre à partir de données de polymorphismes nucléotidiques (SNP). Les métriques comprennent la densité de SNP, la diversité nucléotidique (pi), Tajima D et Fu et Li D. Ces métriques sont nécessaires pour valider une approche permettant de prédire la plage environnementale des phénotypes de betteraves à sucre à partir des marqueurs génétiques significativement associés à ces variables environnementales dans un ensemble indépendant d'individus.