Projet 4 : RNA-seq Reproducibility Pipeline (Nextflow + Docker)
Ce dépôt contient un pipeline Nextflow DSL2 entièrement reproductible permettant de reproduire l'analyse RNA-seq décrite dans l'article : Nature Communications (2020) “Intracellular Staphylococcus aureus persisters upon antibiotic exposure.” Le pipeline suit les étapes : FASTQ → trimming → download du génome → indexation → alignement → comptage → analyse différentielle.
Projet 3 : Projet de ML sur des bases de données Kaggles
Ce dépôt contient deux notebooks Jupyter dédiés à des projets de machine learning utilisant des jeux de données Kaggle : Classification d'objets géocroiseurs de la NASA (Near-Earth Objects), Prédiction des coûts d'assurance médicale. Chaque projet couvre le prétraitement des données, l'entraînement de modèles, leur évaluation et la visualisation des résultats.
Projet 2 : Single cell Omics, traitement intégratif des données scRNA-seq et scProtéomiques
Conception de workflows pour le prétraitement la normalisation et l’exploration de données transcriptomiques et protéomiques Identification de signatures biologiques par intégration de données haute dimension Utilisation d’outils de deep learning dont SCVI pour modéliser et analyser les données cellulaires
Projet 1 : Simulation d'infection du VIH au sein d'une population de cellule
Ce projet a pour objectif de simuler les dynamiques d'infection
du VIH sauvage (WT) et de mutants au niveau de la protéine Gag, moins infectieux
, dans une culture de cellules MT4.
Il inclut également l'étude de l'impact potentiel de la transfection
de LysRS portant une mutation compensatoire, pouvant moduler le pouvoir
infectieux des mutants du VIH.
Le projet a été réalisé en Python et vise à produire des prédictions sur la dynamique virale
lorsque la mutation compensatoire influence la propagation du VIH mutant.