Informations

Concepts biologiques de base expliqués à un informaticien ?

Concepts biologiques de base expliqués à un informaticien ?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Je suis un informaticien approfondissant la bioinformatique et j'ai besoin de mieux comprendre les phénomènes biologiques. Comment expliqueriez-vous à un informaticien les trois concepts de base que sont : l'évolution, la sélection et la variation ? Je cherche quelque chose au milieu. J'ai lu le livre de Futuyma et j'ai été très utile, mais j'aimerais une explication que je puisse rattacher à mon parcours, quelque chose pour commencer à construire des "ponts"…

Les suggestions de bibliographie sont les bienvenues.


Évolution

Évolution est l'accumulation de mutations génétiques qui entraînent une variation phénotypique (caractéristiques physiques) où les variations survivantes sont plus adaptées à l'environnement dans lequel vit l'organisme, lui permettant ainsi de mieux survivre et -- critique -- reproduire aussi bien ou mieux que ses organismes concurrents.

En termes d'informatique, ce serait comme commencer par une conception de base du processeur avec toutes les nécessités absolues. Maintenant, supposons que chaque génération de processeur après la première sera conçue au hasard par quelque chose appelé "Pressure OS". Pressure OS ne se soucie pas de savoir si les processeurs qu'il conçoit correspondent aux besoins du consommateur. Le PrOS est insensible. Un système d'exploitation de pure logique. TOUS il suffira de créer un tas de modèles aléatoires, de noter ceux qui se vendent le mieux et de faire des modèles les plus vendus le modèle de sa prochaine série de conceptions aléatoires.

Sélection et Variation

Sélection est le processus par lequel les pressions environnementales (faible humidité, chaleur élevée, haute altitude, nourriture disponible, pressions extrêmes au fond des fosses océaniques, etc.) dictent la survie de chaque génération successive d'organismes.

Dans notre analogie, la Pression OS est la cause de la Sélection. Certaines conceptions de processeurs ne vont pas répondre aux besoins des consommateurs (les Atoms de première génération qui pourraient à peine faire fonctionner un grille-pain). Ceux-là ne seront plus produits. D'autres connaîtront un grand succès (comme la série Pentium-4 qui a duré des années) et seront rapidement plus nombreuses que les inférieures.

Certaines conceptions, aussi étranges soient-elles, trouveront du succès dans des domaines en dehors des ordinateurs de bureau ou des postes de travail passionnés. Comme les conceptions ARM qui n'ont jamais fait partie du marché des ordinateurs de bureau, mais ont rencontré beaucoup de succès dans les téléphones et les appareils professionnels.

Les exigences/environnements du marché, tels que satisfaits par les variations aléatoires produites par Pressure OS, créés Variation dans les types de processeurs disponibles.

ARM Snapdragons ne pourrait jamais, déjà rivaliser sur le marché des passionnés de bureau. C'est le domaine de Sandy Bridges, Haswells, Semprons et Phenoms. Là encore, ce sont des conceptions radicalement différentes - qui découlent de conceptions communes il y a des décennies qui ont été fortement modifiées au fil des ans - qui n'ont pas besoin de rivaliser. Snapdragons et Semprons peuvent coexister car ils remplissent des niches différentes.

Désormais, lorsque les besoins des consommateurs changeront à nouveau - si tout le monde se lasse des téléphones portables, des tablettes et des ordinateurs de bureau au profit d'assistants personnels en forme de cône qui vont dans votre oreille - alors les conceptions changeront à nouveau sous cette nouvelle pression. Finalement, la conception d'un processeur deviendra la norme pour ce matériel particulier, et on pourrait dire que le processeur variation avais évolué pour s'y rendre via pression sélective des consommateurs.

La biologie fonctionne exactement de la même manière, sauf que le processus de sélection est déclenché par des pressions environnementales pour produire des variations d'organismes capables de se reproduire avec succès. Cela dure également depuis plus de 3 milliards d'années.


Veuillez noter que ce ne sont que des analogies et non des définitions exactes.

Bon alors imaginons l'ADN comme une chaîne de 4 lettres qui est le code de programme d'un organisme. De plus, l'environnement de fonctionnement est un bon analogue à l'environnement biologique (RAM, temps CPU, espace disque - en tant que ressources comme la nourriture, l'eau, etc.) Les gènes de l'organisme pourraient être imaginés comme des méthodes d'un objet comme dans la programmation orientée objet. Définissons quelques fonctions :

Reproduction : copie la chaîne et crée une nouvelle instance de l'organisme (comme une nouvelle instance du programme) - cellule ou progéniture - cela signifie reproduction asexuée. La reproduction sexuée prend deux instances du programme et échange aléatoirement leurs fonctions et crée une nouvelle instance avec ce code mélangé (recombinaison).

Mutation : induit des modifications aléatoires de la chaîne à des moments aléatoires. Cela garantit que différentes "versions" sont présentes du code. Vous avez besoin d'une mutation pour que l'évolution fonctionne.

Vous avez également besoin de Sélection - ou plutôt de pression sélective - c'est comme changer l'environnement - des codes plus efficaces survivront, le reste mourra (c'est-à-dire crash, manque de mémoire (nourriture)), etc.) La sélection fait avancer l'évolution. De plus, les programmes peuvent interagir les uns avec les autres et fonctionner comme une pression sélective - pensez aux programmes antivirus, aux chevaux de Troie ou aux virus - vous avez besoin de programmes antivirus de mieux en mieux parce que de nouveaux virus apparaissent, et les méchants ont besoin de nouveaux virus parce que les programmes antivirus continuent d'être de mieux en mieux - ils s'exercent tous deux une pression sélective sur l'autre et s'orientent mutuellement.

Variation (génétique) : pensez à un groupe de logiciels avec une fonction similaire : comme l'édition de texte. Ce sont comme des individus différents d'une espèce car ils peuvent faire la même chose mais ils sont tous un peu différents. Ces "espèces" évoluent en acquérant de nouvelles fonctions par mutations (le programmeur ajoute de nouvelles sections de code - mutation), et après avoir acquis suffisamment de nouvelles fonctions, elles se transforment en un nouveau logiciel - de nouvelles espèces. L'évolution prend beaucoup de temps pour produire de nouvelles espèces - tout comme le codage d'un nouveau logiciel :).

J'espère que ça aide.


Un premier cours en informatique avec des applications à la biologie

Ran Libeskind-Hadas est le professeur R. Michael Shanahan d'informatique au Harvey Mudd College. Il a reçu l'A.B. en mathématiques appliquées de l'Université Harvard et du doctorat en informatique de l'Université de l'Illinois à Urbana-Champaign. Ses recherches portent sur la cophylogénétique.

Eliot Bush est professeur adjoint de biologie au Harvey Mudd College. Il a reçu l'A.B. en biologie de l'Université Harvard et le doctorat en biologie du California Institute of Technology. Ses intérêts de recherche en biologie computationnelle se sont concentrés sur l'évolution des séquences non codantes chez les mammifères.

Ran Libeskind-Hadas, Eliot Bush, Un premier cours en informatique avec des applications à la biologie, Briefings en bioinformatique, Volume 14, Numéro 5, Septembre 2013, Pages 610-617, https://doi.org/10.1093/bib/bbt005


À la recherche des algorithmes sous-jacents à la vie

Pour l'informaticien Leslie Valiant, le « machine learning » est redondant. À son avis, un bambin tâtonnant avec une balle en caoutchouc et un réseau d'apprentissage en profondeur classant des photos de chats apprennent tous les deux à appeler ce dernier système une «machine» est une distinction sans différence.

Valiant, informaticien à l'Université de Harvard, n'est pas le seul scientifique à supposer une équivalence fondamentale entre les capacités du cerveau et celles des ordinateurs. Mais il a été l'un des premiers à formaliser ce à quoi cette relation pourrait ressembler dans la pratique : en 1984, son modèle « probablement approximativement correct » (PAC) définissait mathématiquement les conditions dans lesquelles un système mécaniste pouvait être dit « apprendre » des informations. Valiant a remporté le A.M. Turing Award - souvent appelé le prix Nobel de l'informatique - pour cette contribution, qui a contribué à faire naître le domaine de la théorie de l'apprentissage informatique.

Les sauts conceptuels de Valiant ne se sont pas arrêtés là. Dans un livre de 2013, également intitulé «Probably Environ Correct», Valiant a généralisé son cadre d'apprentissage PAC pour englober également l'évolution biologique.

Il a élargi le concept d'algorithme en un « écosystème », qui est un algorithme d'apprentissage qui « s'exécute » sur n'importe quel système capable d'interagir avec son environnement physique. Les algorithmes s'appliquent aux systèmes informatiques, mais les écorithms peuvent s'appliquer à des organismes biologiques ou à des espèces entières. Le concept établit une équivalence computationnelle entre la façon dont les individus apprennent et la façon dont évoluent des écosystèmes entiers. Dans les deux cas, les écorithms décrivent le comportement adaptatif de manière mécaniste.

L'objectif déclaré de Valiant est de trouver "des définitions mathématiques de l'apprentissage et de l'évolution qui peuvent aborder toutes les manières dont l'information peut entrer dans les systèmes". En cas de succès, la «théorie du tout» résultante – une expression que Valiant lui-même utilise, en plaisantant à moitié – fusionnerait littéralement les sciences de la vie et l'informatique. De plus, nos définitions intuitives d'« apprentissage » et d'« intelligence » s'élargiraient pour inclure non seulement les non-organismes, mais aussi les non-individus. La « sagesse des foules » ne serait plus une simple figure de style.

Magazine Quanta a parlé avec Valiant de ses efforts pour dissoudre les distinctions entre la biologie, le calcul, l'évolution et l'apprentissage. Une version éditée et condensée de l'interview suit.

QUANTA MAGAZINE : Comment vous est venue l'idée d'un apprentissage « probablement approximativement correct » ?

LESLIE VALIANT : J'appartenais à la communauté de l'informatique théorique, spécialisée dans la théorie de la complexité computationnelle, mais je m'intéressais également à l'intelligence artificielle. Ma première question était : quel aspect de l'intelligence artificielle pourrait être transformé en une théorie quantitative ? Je me suis vite installé sur l'idée qu'il doit s'agir d'un apprentissage.

À l'époque où j'ai commencé à travailler dessus [dans les années 1980], les gens étudiaient déjà l'apprentissage automatique, mais il n'y avait pas de consensus sur ce qu'était « l'apprentissage ». En fait, l'apprentissage était considéré avec une méfiance totale dans la communauté théorique de l'informatique comme quelque chose qui n'aurait jamais une chance de devenir une science.

D'un autre côté, l'apprentissage est un phénomène très reproductible — comme une pomme qui tombe au sol. Chaque jour, des enfants du monde entier apprennent des milliers de nouveaux mots. C'est un phénomène à grande échelle pour lequel il doit y avoir une explication quantitative.

J'ai donc pensé que l'apprentissage devrait avoir une sorte de théorie. Puisque l'inférence statistique existait déjà, ma question suivante était : pourquoi les statistiques ne suffisaient-elles pas à expliquer l'intelligence artificielle ? C'était le début : l'apprentissage doit être quelque chose de statistique, mais c'est aussi quelque chose de computationnel. J'avais besoin d'une théorie qui combine à la fois le calcul et les statistiques pour expliquer ce qu'était le phénomène.

Alors qu'est-ce qu'apprendre ? Est-ce différent de l'informatique ou du calcul ?

C'est une sorte de calcul, mais le but de l'apprentissage est de bien performer dans un monde qui n'est pas précisément modélisé à l'avance. Un algorithme d'apprentissage prend des observations du monde, et compte tenu de ces informations, il décide quoi faire et est évalué sur sa décision. Un point soulevé dans mon livre est que toutes les connaissances d'un individu doivent avoir été acquises soit par l'apprentissage, soit par le processus évolutif. Et si tel est le cas, alors l'apprentissage individuel et les processus évolutifs devraient avoir une théorie unifiée pour les expliquer.

Et à partir de là, vous êtes finalement arrivé au concept d'un « écoritme ». Qu'est-ce qu'un écoritme et en quoi est-il différent d'un algorithme ?

Katherine Taylor pour Quanta Magazine

Vidéo: Valiant explique le terme « écoritme ».

Un écoritme est un algorithme, mais ses performances sont évaluées par rapport aux entrées qu'il reçoit d'un monde plutôt incontrôlé et imprévisible. Et son objectif est de bien performer dans ce même monde compliqué. Vous pensez à un algorithme comme quelque chose qui s'exécute sur votre ordinateur, mais il pourrait tout aussi bien s'exécuter sur un organisme biologique. Mais dans les deux cas, un écoritme vit dans un monde extérieur et interagit avec ce monde.

Ainsi, le concept d'un écosystème est destiné à déloger cette intuition erronée que beaucoup d'entre nous ont selon laquelle « l'apprentissage automatique » est fondamentalement différent du « non-apprentissage automatique » ?

Oui certainement. Scientifiquement, on a fait valoir depuis plus d'un demi-siècle que si nos cerveaux exécutaient des calculs, alors si nous pouvions identifier les algorithmes produisant ces calculs, nous pourrions les simuler sur une machine, et « l'intelligence artificielle » et « l'intelligence » deviendraient le même. Mais la difficulté pratique a été de déterminer exactement ce que sont ces calculs exécutés sur le cerveau. L'apprentissage automatique s'avère être un moyen efficace de contourner cette difficulté.

Certains des plus grands défis qui restent pour les machines sont les calculs qui concernent les comportements que nous avons acquis au cours de l'évolution, ou que nous avons appris en tant que petits enfants rampant sur le sol, touchant et sentant notre environnement. De cette manière, nous avons acquis des connaissances qui ne sont écrites nulle part. Par exemple, si je presse un gobelet en papier rempli de café chaud, nous savons ce qui va se passer, mais cette information est très difficile à trouver sur Internet. Si elles étaient disponibles de cette manière, nous pourrions alors faire en sorte qu'une machine apprenne ces informations plus facilement.

Peut-on dire que les systèmes dont nous comprenons déjà assez bien le comportement pour simuler avec des algorithmes — comme les systèmes solaires ou les cristaux — « apprennent » aussi ?

Je ne considérerais pas ces systèmes comme un apprentissage. Je pense qu'il doit y avoir une sorte d'activité de calcul minimale par l'apprenant, et si un apprentissage a lieu, cela doit rendre le système plus efficace. Jusqu'à il y a une décennie ou deux, lorsque l'apprentissage automatique a commencé à être quelque chose que les ordinateurs pouvaient faire de manière impressionnante, il n'y avait aucune preuve que l'apprentissage ait lieu dans l'univers autre que dans les systèmes biologiques.

Comment une théorie de l'apprentissage peut-elle être appliquée à un phénomène comme l'évolution biologique ?

La biologie est basée sur des réseaux d'expression de protéines, et au fur et à mesure que l'évolution progresse, ces réseaux se modifient. Le modèle d'apprentissage PAC impose certaines limitations logiques sur ce qui pourrait arriver à ces réseaux pour provoquer ces modifications lorsqu'ils subissent une évolution darwinienne. Si nous rassemblons plus d'observations de la biologie et les analysons dans ce cadre d'apprentissage de style PAC, nous devrions être en mesure de comprendre comment et pourquoi l'évolution biologique réussit, et cela rendrait notre compréhension de l'évolution plus concrète et prédictive.

Jusqu'où sommes-nous allés ?

Nous n'avons pas résolu tous les problèmes auxquels nous sommes confrontés en ce qui concerne le comportement biologique, car nous n'avons pas encore identifié les écorithms réels et spécifiques utilisés en biologie pour produire ces phénomènes. Je pense donc que ce cadre pose les bonnes questions, mais nous ne connaissons tout simplement pas les bonnes réponses. Je pense que ces réponses sont accessibles grâce à la collaboration entre biologistes et informaticiens. Nous savons ce que nous recherchons. Nous recherchons un algorithme d'apprentissage obéissant aux contraintes darwiniennes que la biologie peut supporter et supporte. Cela expliquerait ce qui s'est passé sur cette planète pendant le temps disponible pour que l'évolution se produise.

Imaginez que les écorithms spécifiques codant l'évolution biologique et l'apprentissage soient découverts demain. Maintenant que nous avons cette connaissance précise, que pouvons-nous faire ou comprendre que nous ne pouvions pas avant ?

Eh bien, nous comprendrions d'où nous venons. Mais l'autre extrapolation consiste à amener davantage de psychologie dans le domaine de l'intelligibilité informatique. Donc, mieux comprendre la nature humaine serait un autre résultat si ce programme pouvait être mené à bien.

Voulez-vous dire que les ordinateurs seraient capables de prédire de manière fiable ce que les gens vont faire ?

C'est un scénario très extrême. De quelles données aurais-je besoin sur vous pour prédire exactement ce que vous ferez en une heure ? D'après les sciences physiques, nous savons que les gens sont constitués d'atomes, et nous en savons beaucoup sur les propriétés des atomes, et dans un certain sens théorique, nous pouvons prédire ce que des ensembles d'atomes peuvent faire. Mais ce point de vue n'est pas allé très loin dans l'explication du comportement humain, car le comportement humain n'est qu'une manifestation extrêmement compliquée d'un trop grand nombre d'atomes. Ce que je dis, c'est que si l'on a une explication informatique de plus haut niveau sur le fonctionnement du cerveau, alors on se rapprocherait de cet objectif d'avoir une explication du comportement humain qui correspond à notre compréhension mécaniste des autres systèmes physiques. Le comportement des atomes est trop éloigné du comportement humain, mais si nous comprenions les algorithmes d'apprentissage utilisés dans le cerveau, cela fournirait des concepts mécanistes beaucoup plus proches du comportement humain. Et les explications qu'ils donneraient pour expliquer pourquoi vous faites ce que vous faites deviendraient beaucoup plus plausibles et prédictives.

Et si les ecorithms gouvernant l'évolution et l'apprentissage étaient inapprenables ?

C'est une possibilité logique, mais je ne pense pas que ce soit probable du tout. Je pense que ce sera quelque chose d'assez tangible et de raisonnablement facile à comprendre. Nous pouvons poser la même question à propos des problèmes fondamentaux non résolus en mathématiques. Croyez-vous que ces problèmes ont des solutions que les gens peuvent comprendre, ou pensez-vous qu'ils dépassent l'entendement humain ? Dans ce domaine, je suis très confiant, sinon je ne poursuivrais pas cela. Je crois que les algorithmes utilisés par la nature sont tangibles et compréhensibles, et ne nécessiteront pas d'intuitions que nous sommes incapables d'avoir.

De nombreux scientifiques éminents expriment leurs inquiétudes quant à l'émergence potentielle de «superintelligences» artificielles qui peuvent dépasser notre capacité à les contrôler. Si votre théorie des écorithms est correcte et que l'intelligence émerge de l'interaction entre un algorithme d'apprentissage et son environnement, cela signifie-t-il que nous devons être tout aussi vigilants sur les environnements dans lesquels nous déployons des systèmes d'IA que nous le sommes sur la programmation de les systèmes eux-mêmes ?

Si vous concevez un système intelligent qui apprend de son environnement, alors qui sait - dans certains environnements, le système peut manifester un comportement que vous ne pouviez vraiment pas prévoir du tout, et ce comportement peut être délétère. Donc vous avez raison. Mais en général, je ne suis pas si inquiet à propos de tout ce discours sur les superintelligences qui amènent d'une manière ou d'une autre la fin de l'histoire humaine. Je considère l'intelligence comme constituée de processus tangibles, mécaniques et finalement compréhensibles. Nous comprendrons l'intelligence que nous mettons dans les machines de la même manière que nous comprenons la physique des explosifs, c'est-à-dire suffisamment bien pour pouvoir rendre leur comportement suffisamment prévisible pour qu'en général, ils ne causent pas de dommages involontaires. Je ne suis pas tellement préoccupé par le fait que l'intelligence artificielle est différente des autres technologies puissantes existantes. Il a une base scientifique comme les autres.


Problèmes de base dans l'enseignement de l'évolution

L'enseignement et l'apprentissage de l'évolution ont rencontré des difficultés allant des obstacles pédagogiques à la controverse sociale, comme l'a noté, par exemple, par Smith (2010a, b). Ceux-ci comprennent deux ensembles distincts de problèmes. L'un découle d'objections enracinées dans la religion (par exemple, Billingsley et al. 2015 Basel et al. 2014 Rissler et al. 2014 Basel et al. 2013 Yasri et Mancy 2012), tandis que l'autre découle du fait que de nombreux concepts évolutionnistes peuvent sembler, au moins initialement, contre-intuitif pour les étudiants. Un aperçu de ces problèmes est donné par Kampourakis (2014). Dans cet article, nous n'abordons pas le premier ensemble, mais nous nous concentrons sur le second.

La littérature antérieure a défini les concepts de base de l'évolution (par exemple, Mayr 1982, 1997 Anderson et al. 2002 Nehm et Reilly 2007) et des efforts acharnés ont été déployés pour analyser et décrire les difficultés des élèves à les comprendre. Cependant, en plus de comprendre les concepts constituant la théorie de l'évolution, ils doivent également être connectés dans un réseau complexe de multiples systèmes interconnectés pour bien saisir la théorie. La création de ces liens peut être l'un des principaux problèmes pour les apprenants. Les élèves peuvent avoir du mal à assimiler les grandes quantités d'informations qu'ils rencontrent dans les cours de biologie et, par conséquent, ne pas remarquer les liens pertinents entre les contenus et les sujets, ou ne pas saisir les concepts qui les tissent ensemble. Par conséquent, le contenu des leçons ou des classes peut sembler ambigu ou déconnecté (Tenenbaum et al. 2011) et les étudiants peuvent ne pas développer avec succès une structure de connaissances biologiques interconnectées menant à la compréhension de l'évolution. Les contenus biologiques ne pouvant être pleinement appréhendés que dans le cadre intégratif de l'évolution biologique, il semble essentiel d'utiliser ce cadre en continu pour enseigner la biologie dès le début (Nehm et Schonfeld 2007 Smith et al. 2009 Leopoldina 2017).

Le problème de l'intégration des connaissances, c'est-à-dire comment intégrer le contenu nouvellement appris avec les connaissances existantes, et lier, connecter, distinguer, organiser et structurer les idées (Clark et Linn 2003, p. 452), a été abordé par de nombreuses études. L'efficacité de l'intégration des connaissances dépend, entre autres facteurs, de la structure particulière des connaissances de l'apprenant, qui a été décrite comme efficace si elle est structurée autour d'idées fondamentales (par exemple, Bransford et al. 2000 Pugh et Bergin 2006), c'est-à-dire les idées centrales dans un discipline focale, telle que l'évolution en biologie (NGSS 2013). Pour soutenir l'intégration des connaissances (sensu Clark et Linn 2003) dans l'enseignement des sciences, des idées de base ont été introduites dans les normes et programmes scientifiques de plusieurs pays, par exemple les États-Unis (NGSS 2013) et l'Allemagne (KMK 2005). En tant qu'idée centrale, l'évolution peut soutenir l'apprentissage de la biologie en facilitant l'organisation des connaissances. De plus, l'évolution peut fonctionner comme un lien pivot entre les contenus biologiques et mettre en évidence des similitudes dans la complexité de la discipline. De cette manière, les idées de base sont censées faciliter l'intégration des connaissances et de la compréhension des étudiants en sciences. Cependant, la mesure dans laquelle cet objectif est atteint dépend de la cohérence (Fortus et Krajcik 2012) avec laquelle des concepts comme l'évolution sont enseignés dans différents contextes (disciplinaires) (Fortus et al. 2015).


Introduction à la physique pour les scientifiques biologiques

Pourquoi les éléphants ont-ils des os de cuisse plus robustes que les humains ? Pourquoi les autruches ne peuvent-elles pas voler ? Comment les bactéries nagent-elles dans les fluides ? Chaque chapitre étant structuré autour d'études de cas et d'exemples biologiques pertinents, ce livre captivant et tout en couleurs présente les concepts physiques fondamentaux essentiels à l'étude des phénomènes biologiques. L'optique est introduite dans le contexte de la coloration des ailes de papillon, l'électricité est expliquée par la propagation de signaux nerveux et le mouvement accéléré est illustré de manière pratique en utilisant l'exemple du tatou sauteur. D'autres concepts physiques clés couverts incluent les ondes, les forces mécaniques, la thermodynamique et le magnétisme, et d'importantes techniques biologiques sont également discutées dans ce contexte, telles que l'électrophorèse sur gel et la microscopie à fluorescence. Une annexe détaillée fournit une discussion plus approfondie sur les concepts mathématiques utilisés dans le livre, et de nombreux exercices et quiz permettent aux lecteurs de tester leur compréhension des concepts clés. Ce livre est inestimable pour les étudiants qui souhaitent améliorer leurs compétences quantitatives et analytiques et comprendre la nature plus profonde des phénomènes biologiques.

  • Fortement structuré autour d'exemples biologiques, ce texte essentiel donne un aperçu des concepts physiques clés et de leur influence sur les phénomènes biologiques
  • Comprend une annexe couvrant les concepts mathématiques clés développés dans le livre
  • Contient des questions de quiz à la fin de chaque chapitre qui permettent aux lecteurs de tester leur compréhension
  • Les études de cas biologiques sont illustrées en couleur tout au long

Curriculum & Exigences

La biologie est l'une des majeures scientifiques les plus populaires car elle offre une vaste expérience en sciences biologiques tout en permettant une flexibilité et une spécialisation au sein de la majeure. Il intègre des cours théoriques et pratiques (pratiques en laboratoire et sur le terrain) sur différents aspects de la biologie de la vie multicellulaire. Il englobe l'étude des relations structurelles et fonctionnelles des organismes vivants aux niveaux moléculaire, cellulaire et organisme, les interactions des systèmes vivants avec l'environnement et entre eux, et les relations évolutives de la vie. Notre objectif est de créer un environnement pour ceux qui s'intéressent aux sciences biologiques et d'étendre leur compréhension, leur sensibilisation et leur appréciation de la diversité inhérente aux sciences biologiques. Notre majeure vise à promouvoir une excellente éducation en sciences biologiques en impliquant les étudiants de premier cycle dans une forte interaction avec les professeurs à la fois en classe et dans les laboratoires de recherche.

La majeure en biologie prépare les étudiants à des diplômes d'études supérieures dans les domaines biologique et médical, et à des opportunités d'emploi dans l'industrie (environnementale, biomédicale, pharmaceutique et biotechnologique) et la recherche gouvernementale, et l'enseignement secondaire. L'achèvement du programme de premier cycle de quatre ans et un stage de cinquième année seront nécessaires pour obtenir la certification en enseignement de la biologie. Il est conseillé aux étudiants qui envisagent d'entrer dans des écoles professionnelles médicales, dentaires ou connexes de s'entretenir avec leur conseiller pédagogique pour intégrer les exigences de ces programmes dans leurs majeures académiques.

Les cours de base de la majeure en biologie proviennent de départements qui contribuent à la communauté des sciences biologiques à l'UNH. Le programme de base comprend des cours de sciences d'introduction et de niveau supérieur, ainsi que sept cours supplémentaires en sciences biologiques, dont trois doivent être sélectionnés à partir de listes de cours dans trois grandes catégories.

Bien qu'il soit conseillé aux étudiants de déclarer la majeure en biologie en tant qu'étudiants entrants de première année pour assurer une planification de programme adéquate, le transfert dans cette majeure à un stade ultérieur est également possible. Plusieurs des autres majors en sciences biologiques partagent le même programme de base en biologie. Pour les premières à deux années, il est assez facile de changer vers ou depuis ces autres majors.


Concepts biologiques de base expliqués à un informaticien ? - La biologie

À propos de la Majeure Biologie

Au niveau du premier cycle, le département de biologie d'Emory propose un programme diversifié et complet conçu pour exposer les étudiants à une théorie et à une pratique de pointe en biologie. La réussite de la séquence d'introduction à la biologie prépare les étudiants à des études avancées en biologie cellulaire et moléculaire, physiologie, écologie et biologie évolutive, et d'autres sous-disciplines biologiques. Des opportunités sont offertes pour des expériences de laboratoire supervisées, des séminaires, des études dirigées et des recherches. Notre programme est conçu pour fournir les connaissances biologiques nécessaires à la formation post-baccalauréat au niveau universitaire ou professionnel.

Après avoir terminé une majeure en biologie, les étudiants seront capables de:
1. Expliquer et appliquer les principaux concepts biologiques et relier les concepts des sciences biologiques et physiques.
2. Développer la résolution de problèmes, la pensée critique et les compétences quantitatives pour répondre aux questions biologiques.
3. Être capable de poursuivre avec succès des objectifs de carrière ou d'éducation post-baccalauréat.

Pour en savoir plus sur le processus d'admission pour Emory, visitez le site Web du bureau d'admission.

Déclaration d'une majeure en biologie

En tant qu'étudiant, vous devez choisir une majeure avant la fin de votre deuxième année. Cependant, vous pouvez le faire dès le deuxième semestre de votre première année. Pour déclarer une majeure en biologie, veuillez remplir et soumettre le nouveau formulaire en ligne Déclaration de majeure/mineure (DOM) (disponible sur le site Web de l'Office of Undergraduate Education (OUE) sous "OUE Forms." Ensuite, contactez Mme Barbara Shannon à [email protected] pour prendre rendez-vous afin de terminer le processus de déclaration principale. Lors du rendez-vous de déclaration, l'étudiant devra recevront les principales exigences et se verront attribuer un membre du corps professoral de biologie en tant que conseiller pédagogique.

Programmes de diplôme offerts en biologie

1. Diplômes BA et BS en biologie

Le département de biologie propose à la fois un BA et un BS en biologie. Les exigences pour ces deux éléments sont décrites dans les documents ci-dessous. La décision de poursuivre dépend de plusieurs facteurs. Quelques conseils sur la prise de décision se trouvent dans la FAQ en bas de cette page.


Consultez un calendrier de cours suggéré pour un plan de quatre ans pour obtenir un BS en biologie.

3. Majeure en sciences quantitatives (QSS) avec parcours en biologie :

L'Institute for Quantitative Theory and Methods propose désormais une majeure en QSS avec une piste en biologie. Lisez ici pour plus d'informations.

4. Mineure : Science, Culture et Société

En conjonction avec le programme en sciences, culture et société, les étudiants peuvent également obtenir une mineure dans ce domaine. Pour en savoir plus sur le mineur, visitez le site Web de l'Institut des arts libéraux (ILA).


MAJEURE SCIENCES BIOLOGIQUES

La biologie est la science des systèmes vivants, des niveaux moléculaire et cellulaire aux niveaux organiques et écologiques. La biologie est également une science vivante qui continue de faire de nouvelles découvertes passionnantes révélant les causes des maladies humaines, générant de nouvelles thérapies, améliorant la santé humaine et aidant à nous comprendre. Les majors en biologie choisissent un domaine de concentration représentant l'une des disciplines fondamentales de la biologie moderne.  Les grands deviennent des experts dans leur domaine de concentration et acquièrent un large éventail de connaissances les préparant à des carrières en médecine, en recherche, en biotechnologie et au-delà.

L'étude de la biologie a eu de grands impacts sur la société historiquement et aujourd'hui. Les biologistes ont découvert l'évolution par sélection naturelle pour expliquer l'origine et la persistance de la vie sur Terre. Ils ont découvert la réplication et le décodage des informations ADN pour expliquer les maladies héréditaires et sporadiques telles que les malformations congénitales et le cancer. Les biologistes identifient la nature des maladies infectieuses et du système immunitaire, ce qui conduit à des antibiotiques et des vaccins. Surtout, les biologistes développent des moyens de détecter et de modifier les biomolécules, conduisant à des diagnostics et des thérapies avancés. La poursuite des recherches en biologie est essentielle pour faire face aux défis de santé d'aujourd'hui et de demain.

Alors que Covid-19 maintient beaucoup d'entre nous hors du campus, notre mission se poursuit et notre engagement envers votre éducation et votre bien-être est indéfectible.

Des questions?

Liens utiles

Concentrations

Au cours des années supérieures, les majors en biologie choisissent un domaine de concentration représentant l'une des disciplines biologiques modernes fondamentales ci-dessous. Ces spécialisations développent une expertise dans les méthodologies et l'analyse de différents niveaux d'organisation dans les systèmes biologiques. Découvrez nos concentrations ci-dessous.

Santé humaine et maladie

Découvrez les aspects biologiques de la santé et de la pathologie, ainsi que les fondements biologiques de la recherche médicale.

Biologie cellulaire et du développement

Biochimie et biophysique

Plongez dans la nature chimique et physique des composés biologiques et des macromolécules, ainsi que dans les processus chimiques qui régissent la vie.

Génétique moléculaire et génomique

Découvrez comment les cellules codent, expriment et transmettent l'information génétique.

Biologie computationnelle et des systèmes

Étudier la gamme de techniques quantitatives et autres techniques analytiques en théorie et expérimentation biologiques.

Évolution et conservation de l'écologie

Découvrez les interactions entre l'écologie et l'évolution, l'impact du changement climatique, la fragmentation de l'habitat, les espèces envahissantes et d'autres facteurs de la biodiversité et de la santé des écosystèmes.

Neurobiologie moléculaire

Apprenez les aspects moléculaires, cellulaires, développementaux, structurels et fonctionnels des systèmes nerveux. 

Biologie interdisciplinaire

Concevez votre propre spécialisation.

Explorer!

 Visitez notre page de concentration pour explorer les possibilités.

Points forts

Informations sur les cours d'automne 2020

Informations sur les cours d'automne 2020 maintenant disponibles!

Fall 2020 Lab BIOL_SCI 220 can be taken online OR in-person. See course description for more details.


Open Educational Resources (OER)

From OpenStax:
" Biologie 2e is designed to cover the scope and sequence requirements of a typical two-semester biology course for science majors. The text provides comprehensive coverage of foundational research and core biology concepts through an evolutionary lens. Biology includes rich features that engage students in scientific inquiry, highlight careers in the biological sciences, and offer everyday applications. The book also includes various types of practice and homework questions that help students understand&mdashand apply&mdashkey concepts.
The 2nd edition has been revised to incorporate clearer, more current, and more dynamic explanations, while maintaining the same organization as the first edition. Art and illustrations have been substantially improved, and the textbook features additional assessments and related resources."

OpenStax Concepts de biologie

Peer Reviews

Open SUNY Textbooks: Microbiology: A Laboratory Experience

From OpenStax:
"Designed to support a course in microbiology, Microbiology: A Laboratory Experience permits a glimpse into both the good and the bad in the microscopic world. The laboratory experiences are designed to engage and support student interest in microbiology as a topic, field of study, and career.

This text provides a series of laboratory exercises compatible with a one-semester undergraduate microbiology or bacteriology course with a three- or four-hour lab period that meets once or twice a week. The design of the lab manual conforms to the American Society for Microbiology curriculum guidelines and takes a ground-up approach &mdash beginning with an introduction to biosafety and containment practices and how to work with biological hazards. From there the course moves to basic but essential microscopy skills, aseptic technique and culture methods, and builds to include more advanced lab techniques. The exercises incorporate a semester-long investigative laboratory project designed to promote the sense of discovery and encourage student engagement. "

OpenStax Microbiologie

Peer Reviews

Open Oregon: Biologie environnementale

From the Introduction:
"Biologie environnementale is a free and open textbook that enables students to develop a nuanced understanding of today&rsquos most pressing environmental issues. This text helps students grasp the scientific foundation of environmental topics so they can better understand the world around them and their impact upon it. This book is a collaboration between various authors and organizations that are committed to providing students with high quality and affordable textbooks. Particularly, this text draws from the following open sources, in addition to new content from the editor:

La biologie by OpenStax is licensed under CC BY 3.0
Sustainability: A Comprehensive Foundation by Tom Theis and Jonathan Tomkin, Editors, is licensed under CC BY 3.0
Essentials of Environmental Science by Kamala Dor&scaronner is licensed under CC BY 4.0

Environmental Biology is licensed under CC BY 4.0 and was edited and co-authored by Matthew R. Fisher, Biology Faculty at Oregon Coast Community College. If you have questions, suggestions, or found errors in this text, please contact him at [email protected]"

Concepts of Biology: 1st Canadian Edition

From the Description:
"In this survey text, directed at those not majoring in biology, we dispel the assumption that a little learning is a dangerous thing. We hope that by skimming the surface of a very deep subject, biology, we may inspire you to drink more deeply and make more informed choices relating to your health, the environment, politics, and the greatest subject that are all of us are entwined in, life itself.

Ancillary materials, including powerpoint slides, lab manual, and assignments available upon request.

NIH The New Genetics

From the Description:
"The New Genetics is a science education booklet that explains the role of genes in health and disease, the basics of DNA and its molecular cousin RNA, and new directions in genetic research.

​Please note the publication date of this resource. There may be more recent developments that are not captured here. We are working to update our science education content and encourage you to check our website for new resources in the future."

From the About:
"This introduction to computational biology is centered on the analysis of molecular sequence data. There are two closely connected aspects to biological sequences: (i) their relative position in the space of all other sequences, and (ii) their movement through this sequence space in evolutionary time. Accordingly, the first part of the book deals with classical methods of sequence analysis: pairwise alignment, exact string matching, multiple alignment, and hidden Markov models. In the second part evolutionary time takes center stage and phylogenetic reconstruction, the analysis of sequence variation, and the dynamics of genes in populations are explained in detail. In addition, the book contains a computer program with a graphical user interface that allows the reader to experiment with a number of key concepts developed by the authors.

Introduction to Computational Biology is intended for students enrolled in courses in computational biology or bioinformatics as well as for molecular biologists, mathematicians, and computer scientists."

From the Summary:
"Anatomie et physiologie is a dynamic textbook for the two-semester human anatomy and physiology course for life science and allied health majors. The book is organized by body system and covers standard scope and sequence requirements. Its lucid text, strategically constructed art, career features, and links to external learning tools address the critical teaching and learning challenges in the course. The web-based version of Anatomie et physiologie also features links to surgical videos, histology, and interactive diagrams."

From the Summary:
"The 3rd edition of Cell and Molecular Biology 3e: What We Know & How We Found Out (CMB3e) is the latest edition of an interactive Open Educational Resource (OER) electronic textbook, available under a Creative Commons CC-BY license. Like earlier editions (and like most introductory science textbooks), the third edition of the CMB3e iText opens with a discussion of scientific method. CMB3e retains its focus on experimental support for what we know about cell and molecular biology. Having a sense of how science is practiced and how investigators think about experimental results is essential to understanding the relationship of cell structure and function, not to mention the natural world around us.

Instructors and students can freely download the CMB3e Sample Chapter, Basic CMB3e et Annotated CMB3e iText. Instructors can request the Instructors CMB3e iText. All iText users can create their own digital annotations or download and print the text and write in the margins the old-fashioned way!"

From the Summary:
"The traditional approach to teaching Organic Chemistry, taken by most of the textbooks that are currently available, is to focus primarily on the reactions of laboratory synthesis, with much less discussion - in the central chapters, at least - of biological molecules and reactions. This is despite the fact that, in many classrooms, a majority of students are majoring in Biology or Health Sciences rather than in Chemistry, and are presumably taking the course in order to learn about the chemistry that takes place in living things.

In an effort to address this disconnect, I have developed a textbook for a two-semester, sophomore-level course in Organic Chemistry in which biological chemistry takes center stage. For the most part, the text covers the core concepts of organic structure, structure determination, and reactivity in the standard order. What is different is the context: biological chemistry is fully integrated into the explanation of central principles, and as much as possible the in-chapter and end-of-chapter problems are taken from the biochemical literature. Many laboratory synthesis reactions are also covered, generally in parallel with their biochemical counterparts - but it is intentionally the biological chemistry that comes first."

From the Summary:
"This textbook has been created with several goals in mind: accessibility, customization, and student engagement&mdashall while encouraging students toward high levels of academic scholarship. Students will find that this textbook offers a strong introduction to human biology in an accessible format."


A suggested course sequence for Biological Sciences majors follows.

A suggested course sequence for full-time students follows. All students should review the Program Advising Guide and consult an advisor.

Premier semestre

  • MATH 181 - Calculus I4 semester hours(MATF)
  • CHEM 131 - Principles of Chemistry I4 semester hours(NSLD)
  • Behavioral and Social Sciences Distribution 3 semester hours (BSSD) **

Second semestre

  • English Foundation 3 semester hours (ENGF) ***
  • BIOL 150 - Principles of Biology I4 semester hours(NSLD)
  • CHEM 132 - Principles of Chemistry II4 semester hours

Troisième semestre

  • COMM 112 - Business and Professional Speech Communication3 semester hours(GEEL)
  • Arts Distribution 3 semester hours (ARTD)
  • Program Electives 4 semester hours †††

Quatrième semestre

  • BIOL 222 - Principles of Genetics4 semester hours
  • Behavioral and Social Sciences Distribution 3 semester hours (BSSD) **
  • Program Elective 4 semester hours †,††
  • Program Elective 3 semester hours †,††

** Behavioral and Social Science Distribution (BSSD) courses must come from different disciplines.

*** If ENGF has already been taken, then choose an arts distribution course (ARTD).

† Program electives: (Program electives range from 2-5 credits. Students are encouraged to speak with their transfer institution when selecting program electives. It is recommended that in a 2 semester chemistry sequence, both courses be taken at the same institution, e.g. CHEM 203 and CHEM 204.) BIOL 202, BIOL 210, BIOL 212, BIOL 213, BIOL 217, BIOL 226, BIOL 228, BIOL 230, BIOL 252, BIOT 120, CHEM 203, CHEM 204, CMSC 140, CMSC 203, CMSC 204, MATH 171, MATH 182, MATH 280, MATH 282, PHYS 161, PHYS 203, PHYS 204, PHYS 233, PHYS 234, PHYS 262, PHYS 263, SCIR 297.

†† Students planning to transfer to UMCP should take MATH 170, and should choose as electives: BIOL 252, CHEM 203, CHEM 204, and MATH 171. Students that enter calculus ready should consider taking PHYS 233 and PHYS 234.