Références bibliographiques et webographiques

Vous pouvez télécharger cette biblio-webographie ici.

Semaine 1, cours 1 - "Place de cet outil analytique dans la biologie du XXIème siècle"

Bout B. (2010-2011). L'organisation de la recherche et ses perspectives en matière de prévention et de traitement de l'obésité. Sénat, rapport n°158. Repéré à http://www.senat.fr/rap/r10-158/r10-15831.html#toc652.

Inserm. (2011) Reproduction et environnement. Les éditions Inserm, XXI-713 p. Repéré à http://www.ipubli.inserm.fr/bitstream/handle/10608/222/Chapitre_20.html

San Cristobal, M., Sanchez M.P., Mercat M.J., Rohart F., Liaubet L., Tribout T., Canlet C., Muller N., Molina J., Ianucelli B., Laurent B., Villa-Vialaneix N., Paris A., Milan D. (2014). Le métabolome, un moyen pour trouver de nouveaux biomarqueurs ?. Viandes & produits carnés, VPC-2014-30-2-1. Repéré à https://www.viandesetproduitscarnes.fr/phocadownload/vpc_vol_30/3021_sancristobal_metabolomique.pdf

Semaine 1, cours 2 - "Objet, dimensions et finalités de la métabolomique"

C Sévin D., Kuehne A., Zamboni N., Sauer U. (2014) Biological insights through nontargeted metabolomics. Current Opinion in Biotechnology. https://doi.org/10.1016/j.copbio.2014.10.001

Krastanov A. (2010). Metabolomics - The State of Art. Biotechnology & Biotechnological Equipment. https://doi.org/10.2478/V10133-010-0001-Y

Patti G.J., Yanes O, Siuzdak G. (2012). Innovation : Metabolomics : the apogee of the omics trilogy. Nature Reviews Molecular Cell Biology. https://doi.org/10.1038/nrm3314

Semaine 1, cours 3 - "Démarche analytique et technologies : du plan d'expérience au traitement des données"

Courant, F., Antignac J.-P., Dervilly-Pinel G., Le Bizec B. (2014). Basics of mass spectrometry based metabolomics. Proteomics. https://doi.org/10.1002/pmic.201400255

Semaine 1, cours 4 - "L'analyse bioinformatique : pré-traitement des données, analyses statistiques et annotation"

Kumar Barupal, D., Fan, S., Fiehn, O. (2018). Integrating bioinformatics approaches for a comprehensive interpretation of metabolomics datasets, Current Opinion in Biotechnology, 54 : 1-9. https://doi.org/10.1016/j.copbio.2018.01.010.

Spicer, R., Salek, R.M., Moreno, P. et al. (2017). Navigating freely-available software tools for metabolomics analysis. Metabolomics,13 : 106. https://doi.org/10.1007/s11306-017-1242-7.

Semaine 2, cours 1 - "Principe de la Résonance Magnétique Nucléaire (RMN)"

Akoka, S. (2018). Introduction à la RMN. Repéré à http://www.sciences.univ-nantes.fr/CEISAM/index.php?page=43&lang=FR

Akoka, S. (2018). Une introduction à la RMN. Repéré à https://www.youtube.com/channel/UCQMlPesU94tj2QGiSmGDQMA

Semaine 2, cours 2 - "Principe de la Spectrométrie de Masse (SDM)"

Courant, F., Antignac J.-P., Dervilly-Pinel G., Le Bizec B. (2014). Basics of mass spectrometry based metabolomics. Proteomics. https://doi.org/10.1002/pmic.201400255

Semaine 2, cours 3 - "Préparation des échantillons (RMN, SDM)"

Deborde, C., (scénariste) et Girard A. (réalisateur). 2018. Cryobroyage de péricarpe de tomate. Broyeur cryogénique Freezer Mill (Cryogenic Grinder). UMR Biologie & Pathologie du Fruit, Bordeaux : INRA.

Deborde, C. Moing, A., Roch, L., Jacob, D., Rolin, D., Giraudeau, P. (2017). Plant metabolism as studied by NMR spectroscopy. Progress in Nuclear Magnetic Resonance Spectroscopy, 102-103, 61-97. https://doi.org/10.1016/j.pnmrs.2017.05.001

Haid M., Muschet C., Wahl S., Römisch-Margl W., Prehn C., Möller et Adamski J. (2018). Long-term stability of human plasma metabolites during storage at -80°C. Journal of Proteom Reasearch,17 (1), 203-211. doi : 10.1021/ACS.JPROTEOME.7B00518

Les constituants de l'organisme. 16-21. http://extranet.editis.com/images/300/art/doc/f/fbabe06ba6e3494a333433343234363834333239.pdf

Semaine 2, cours 4 - "Acquisition et pré-traitement des données RMN"

Akoka, S., Giraudeau, P. (2016). A la découverte des applications de la résonance magnétique nucléaire. Repéré à http://webtv.univ-nantes.fr/fiche/8391/a-la-decouverte-des-applications-de-la-resonance-magnetique-nucleaire

Marchand, J., Martineau, E., Guitton, Y., Dervilly-Pinel, G., et Giraudeau, P. (2017). Multidimensional NMR approaches towards highly resolved, sensitive and high-throughput quantitative metabomics. Current Opinion in Biotechnology, 43, 49-55. https://doi.org/10.1016/j.copbio.2016.08.004

Semaine 2, cours 5 - "Acquisition et pré-traitement des données SDM)"

Courant F., Antignac J.-P., Dervilly-Pinel G., Le Bizec B. (2014). Basics of mass spectrometry based metabolomics. Proteomics, 14 (21-22), 2369-88. https://doi.org/10.1002/pmic.20140025510.1021/ACS.JPROTEOME.7B00518

Madalinski,G., Godat,E., Alves,S., Lesage,D., Genin,E., Levi,P., Labarre,J., Tabet,J.-C., Ezan,E. and Junot,C. (2008) Direct introduction of biological samples into a LTQ-Orbitrap hybrid mass spectrometer as a tool for fast metabolome analysis. Anal. Chem., 80, 3291–303. https://doi.org/10.1021/ac7024915

Semaine 3, cours 4 - "La modélisation PLS pour la prédiction"

Cornillon P. and Matzner-Lober E. (2007). Régression : théorie et applications. Springer.

Tenenhaus M. (1999). L'approche PLS. Revue de Statistiques Appliquées, 47, 5-40. [pdf]

Tenenhaus M. (1998). La régression PLS : théorie et pratique. Technip.

Thévenot EA. (2015). The ropls package: PCA, PLS(-DA) and OPLS(-DA) for multivariate analysis and feature selection of omics data. Repéré à https://doi.org/10.18129/B9.bioc.ropls

Vancolen S. (2004). La régression PLS. Université de Neuchâtel, Suisse. [pdf]

Wold S., Sjöström M. and Eriksson L. (2001). PLS-regression: a basic tool of chemometrics. Chemom. Intell. Lab. Syst. 58, 109-130. Repéré à https://doi.org/10.1016/S0169-7439(01)00155-1

Semaine 3, cours 5 - "Les données de métabolomique répétées : des données appariées aux données longitudinales"

Choo JM, Kanno T, Zain NMM, Leong LEX, Abell GCJ, Keeble JE, Bruce KD, Mason AJ, Rogers GB. 2017. Divergent relationships between fecal microbiota and metabolome following distinct antibiotic-induced disruptions. mSphere 2:e00005-17. https://doi.org/10.1128/mSphere.00005-17. [pdf]

Ewoud J. J. van Velzen†, Johan A. Westerhuis†, John P. M. van Duynhoven, Ferdi A. van Dorsten, Huub C. J. Hoefsloot†, Doris M. Jacobs§ Suzanne Smit†, Richard Draijer§, Christine I. Kroner and Age K. Smilde†. Multilevel Data Analysis of a Crossover Designed Human Nutritional Intervention Study. Biosystems Data Analysis, Swammerdam Institute for Life Sciences, Universiteit van Amsterdam, Nieuwe Achtergracht 166, 1018 WV Amsterdam, The Netherlands. Unilever Food and Health Research; Institute, Olivier van Noortlaan 120, 3133 AT Vlaardingen, The Netherlands. [pdf]

Boccard J., Rudaz S. 2016. Exploring Omics data from designed experiments using analysis of variance multiblock Orthogonal Partial Least Squares. School of Pharmaceutical Sciences, University of Geneva, University of Lausanne, Geneva, Switzerland. [pdf]

Semaine 3, cours 6 - "Les réseaux métabolomique"

Cottret, L., Frainay, C., Chazalviel, M., Cabanettes, F., Gloaguen, Y., Camenen, E., Jourdan, F. (2018). MetExplore : collaborative edition and exploration of metabolic networks. Nucleic Acids Research, 46(Web Server issue), W495–W502. http://doi.org/10.1093/nar/gky301

Thiele, I., & Palsson, B. Ø. (2010). A protocol for generating a high-quality genome-scale metabolic reconstruction. Nature Protocols, 5(1), 93–121. http://doi.org/10.1038/nprot.2009.203

Semaine 4, cours 2 - "Métabolomique et société : le cas de la lutte anti-dopage"

Casana M. Quelles sont les différentes méthodes de dopage ?. Maxisciences, Août 2012. Repéré à https://www.maxisciences.com/dopage/quelles-sont-les-differentes-methodes-de-dopage_art26264.html.

Devillard D. Après les aveux de Lance Armstrong, comment agit l'EPO ?. Science et Avenir, Janvier 2013. Repéré à https://www.sciencesetavenir.fr/sante/apres-les-aveux-de-lance-armstrong-comment-agit-l-epo_25792.

Les ingénieuses méthodes de dopage de l'équipe de Lance Armstrong. AFP - L'Express, Octobre 2012. Repéré à https://www.lexpress.fr/actualite/sport/dopage-les-ingenieuses-methodes-de-l-equipe-de-lance-armstrong_1173465.html.

Semaine 4, cours 3 - "Découvrir et manipuler 3 outils et méthodes de la communauté française"

Cottret, L., Frainay, C., Chazalviel, M., Cabanettes, F., Cloaguen, Y., Camenen, E., Merlet, B., Heux, S., Portais, J.-C., Poupin, N., Vinson, F., Jourdan, F. MetExplore : collaborative edition and exploration of metabolic networks. Nucleic Acids Research, Volume 46, Issue W1, 2 July 2018, Pages W495–W502. https://doi.org/10.1093/nar/gky301

Dittami,S.M. et al. (2012) Towards deciphethring dynamic changes and evolutionary mechanisms involved in the adaptation to low salinities in Ectocarpus (brown algae) : Adaptation to low salinities in Ectocarpus. The Plant Journal, DOI : https://doi.org/10.1111/j.1365-313X.2012.04982.x

Frainay, C., Jourdan, F. Computational methods to identify metabolic sub-networks based on metabolomic profiles. Briefings in Bioinformatics, Volume 18, Issue 1, 1 January 2017, Pages 43–56, https://doi.org/10.1093/bib/bbv115

Giacomoni, F., Le Corguillé, G., Monsoor, M., Landi, M., Pericard, P., Pétéra, M., Duperier, C., Tremblay-Franco, M., Martin, J.-F., Jacob, D., Goulitquer, S., Thévenot, E., Caron, C. Workflow4Metabolomics : a collaborative research infrastructure for computational metabolomics. (2014). Bioinformatics, Volume 31, Issue 9, May 2015, 1493-1495, https://doi.org/10.1093/bioinformatics/btu813.

Guitton, Y., Tremblay-Franco, M., Le Corguillé, G., Martin, J.-F., Pétéra, M., Roger-Mele, P., Delabrière, A., Goulitquer, S., Monsoor, M., Duperier, C., Canlet, C., Servien, R., Tardivel, P., Caron, C., Giacomoni, F., Thévenot, A. (2017). Create, run, share, publish, and reference your LC–MS, FIA–MS, GC–MS, and NMR data analysis workflows with the Workflow4Metabolomics 3.0 Galaxy online infrastructure for metabolomics. The International Journal of Biochemistry & Cell Biology, 2017, ISSN 1357-2725, http://dx.doi.org/10.1016/j.biocel.2017.07.002.

Jacob, D., Deborde, C., Lefebvre, M. et al. NMRProcFlow : a graphical and interactive tool dedicated to 1D spectra processing for NMR-based metabolomics. Metabolomics (2017) 13: 36. https://doi.org/10.1007/s11306-017-1178-y