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.

Outil permettant d'identifier et de valider automatiquement les formats de fichiers utilisés en bioinformatique et génomique. Il analyse des fichiers comme FASTA, GFF3, BED, VCF ou BAM pour en déterminer la structure, détecter les erreurs et fournir des métadonnées essentielles à leur exploitation. Utilisé par les chercheurs et laboratoires pour garantir l'intégrité et la compatibilité des données avant analyse.

Ce projet est un package Python dédié à la recherche de motifs dans des séquences textuelles ou biologiques, notamment des diPWM (di-nucléotides pondérés). Il propose plusieurs méthodes pour identifier des mots valides dans un texte, comme l'utilisation de fenêtres glissantes, l'énumération de mots et la recherche via l'algorithme Aho-Corasick, ou encore des approches basées sur des super-alphabets. Il est particulièrement utile pour l'analyse de données génomiques ou protéomiques.

Ce projet développe un modèle prédictif pour évaluer l'efficacité de l'outil dCas9 dans la régulation de l'expression génique chez la bactérie E. coli. Il permet de concevoir des bibliothèques de guides ARN optimisés pour des criblages CRISPRi, améliorant ainsi la précision et l'efficacité des expériences génomiques. Les résultats sont validés par des analyses comparatives avec des données publiées, offrant une approche plus économique et accessible pour la recherche en biologie synthétique.

Outil spécialisé dans la simulation de lectures d'ARN longues issues de technologies Oxford Nanopore. Il permet aux chercheurs et bioinformaticiens de générer des données synthétiques réalistes pour tester et valider des pipelines d'analyse génomique. Le simulateur prend en compte des paramètres comme la couverture, les profils d'erreur et les mutations pour reproduire fidèlement des expériences réelles. Idéal pour l'entraînement, le benchmarking ou le développement d'algorithmes en transcriptomique.

Virus Pop est un outil conçu pour générer des séquences protéiques virales réalistes à partir d'un groupe taxonomique spécifié en entrée. Il permet aux chercheurs en virologie de créer des jeux de données simulés pour étudier l'évolution des virus, valider des méthodes d'analyse ou visualiser des arbres phylogénétiques. L'outil facilite la modélisation de scénarios évolutifs et l'exploration de données génomiques sans nécessiter de séquences réelles.

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.