Thomas Bigot

J’exerce mon activité principale dans le Laboratoire de Découverte de Pathogènes dirigé par Marc Éloit (80% de mon temps de travail). Ma tâche principale est de développer des stratégies pour identifier, dans les échantillons métagénomiques reçus par l’équipe, de nouveaux pathogènes, ou de nouvelles combinaisons pathogènes / symptômes. Le reste de mon temps, je m’occupe de petits projets, et participe à la vie du Hub. Je mène actuellement des expérimentations sur la programmation fonctionnelle (pour l’instant en Python) et son applicabilité à des questions bio-informatiques.

Depuis que j’ai rejoint le Hub de Bioinformatique en 2016 (après un cursus largement dominé par la bio-informatique), je prends en charge tout types de projets ayant trait à l’analyse d’homologies de séquences : alignements, profils HMM, création de banques de séquences homologues, signatures de k-mers. Je suis aussi développeur (Python/C++) avec un intérêt certain pour l’optimisation des prototypes de laboratoires, ainsi que pour la mise à disposition d’outils facilement utilisables par des utilisateurs non spécialisés.

Formation

Doctorat (2013)

Bio-informatique (Biologie de l’Évolution), sous la direction de Guy Perrière, LBBE, Université de Lyon. Recherche automatisée de motifs dans les arbres phylogénétiques.
Ce doctorat a été l’occasion de s’interroger sur la manière d’extraire efficacement l’information phylogénétique de collections d’arbres de familles de gènes homologues, en utilisant l’information topologique que ces arbres contiennent, de la même manière qu’on le fait en analysant un arbre visuellement. J’ai pour cela créé un formalisme qui permette de décrire ces motifs d’arbres ainsi qu’une suite logicielle pour exécuter ces requêtes sur des milliers d’arbres en quelques secondes. Cette suite logicielle a été publiée dans BMC Bioinformatics : Bigot et al. 2013 (10.1186/1471-2105-14-109).
Ce concept de recherche de motifs topologiques peut être utilisé pour décrire des motifs précis correspondant à une liste de contraintes, mais aussi d’une manière plus générique, d’extraire automatiquement les arbres ne contenant qu’une seule version de gène par espèces (arbres unicopies) ou encore de trouver la meilleure racine par rapport à un arbre d’espèces de référence, ou en utilisant les duplications contenues dans l’arbre de gènes.

Thèse de doctorat : https://tmgo.net/~thomas/these_doctorat

Master (2009)

Santé et Populations (spécialité Bioinformatique, Biostatistiques, Génome), Université Lyon 1.