Physique des systèmes vivants : réseaux, traitement de l'information, comportement
L'interface entre la physique et la biologie est en pleine expansion, grâce aux progrès des méthodes de mesure (liées aux nanotechnologies, à la microfluidique, aux manipulations de molécules uniques, aux méthodes d'imagerie optique, au séquençage massif, ...). Ces progrès permettent à la fois d'améliorer notre compréhension fondamentale des processus vivants, et de rendre possibles de nouvelles applications biomédicales ou en bio-ingénierie.
L'objectif du cours sera double :
- introduire des concepts et des méthodes quantitatives, empruntés à la physique statistique, à la théorie de l'information et à l'apprentissage automatique pour analyser, modéliser et étudier les systèmes biologiques, en mettant l'accent sur les effets collectifs soutenant les fonctions et les calculs biologiques ;
- appliquer ces méthodes à des systèmes réels issus de tous les domaines de la biologie, en particulier les neurosciences, l'immunologie, la génomique, la biologie moléculaire, la biologie évolutive, etc. En pratique, les étudiants recevront des données de mesures expérimentales et les traiteront, en écrivant des codes Python, et discuteront les résultats obtenus. L'accent sera mis sur la mise en place des méthodes et sur les concepts, et non sur la programmation en elle-même.
Niveau requis : PHY433 - Physique statistique - Aucun prérequis en biologie n'est nécessaire.
Langue du cours : Anglais
Credits ECTS : 5
Physics of living systems: networks, information processing, behavior
The interface between physics and biology is expanding rapidly, driven by progress in measurement methods (related to nanotechnologies, microfluidics, single molecule manipulations, optical imaging methods, massive sequencing, ...). These advances both enhance our fundamental understanding of living processes, and make possible new biomedical or bioengineering applications.
The scope of the course is two-fold:
- introduce concepts and quantitative methods, borrowed from statistical physics, information theory and machine learning to analyze, model, and study biological systems, with an emphasis on collective effects supporting biological functions and computations;
- apply these methods to real systems coming from all fields of biology, in particular neuroscience, immunology, genomics, molecular biology, evolutionary biology, etc. In practice, students will be given measurements data and will process them, by writing Python codes, and discuss the results. The emphasis will be put on methods, not on programming.
Requirements: basic level in statistical physics, elementary knowledge of biology.
Credits ECTS : 5
- Teaching coordinator: Monasson Rémi