Le but de cette UE est d’introduire les concepts fondamentaux de la communication en recherche scientifique. Cette communication passe par une connaissance approfondie du sujet abordé, par l’analyse des résultats obtenus et par la présentation écrite et orale des données expérimentales.

Savoir mettre en place une bonne gestion bibliographique, comprendre l’importance et les grands principes de la publication scientifique, de l’analyse et de la présentation des données brutes (logiciel R). Savoir développer et présenter un projet scientifique à l’écrit comme à l’oral.  

Cours Magistraux (5h)

Recherche et gestion bibliographique (4h, T Charlier)

• • Définir une question de recherche pertinente

  • Les moteurs de recherche

  • Les outils de veille scientifique

  • Gestion des références

Publication scientifique (1h, E Pellegrini)

• • Le processus de publication

  • Comment est évaluée la recherche ? La question des conflits d’intérêts dans la recherche préclinique et Clinique

  • Les recommandations de l’ICJME

  • Comment écrire un article original

Travaux dirigés (23h)

TD 1. Statistiques : l'analyse de différents jeux de données en R (4 x 2h)

Un ordinateur portable personnel comportant le logiciel R opérationnel est nécessaire pour ce TD (https://cran.r-project.org/). 

Les TD de statistique comprennent un travail personnel avec des cours et des exercices à réaliser en autonomie et qui sont ensuite repris en TD avec les enseignants: Florian Naudet et Jean-Charles Roy. Il s'agit de TD d'introduction aux statistiques et au langage de code R. Le premier TD vous présentera les objectifs et l'organisation des TD. Les autres TD seront ensuite des temps de correction et d'échange avec les étudiants.

• • Module 1 : Introduction à R et au Data Wrangling

    • Introduction au langage R (https://www.quantargo.com/courses/course-r-introduction/01-basics)

      • L'Assignation de variables

      • Utiliser les fonctions de R

      • Vecteurs: les types de vecteurs, créer une séquence de nombres, un vecteur de caractères et un vecteur logique

      • Opérations basiques dans R: opérateurs arithmétique et logique, multiplication de vecteur

      • Tableurs: créer un tableur avec data.frame(), sélectionner une variable l'opérateur $, vérifier les données avec la fonction str()

• • • Utilisation basique des tableurs dans R (https://www.quantargo.com/courses/course-r-introduction/02-data-frames-tibbles)

      • Créer un tableur à partir de vecteurs

      • Sélectionner et créer des colonnes dans un tableur

      • Sélectionner des lignes dans un tableur

      • Déterminer les dimensions d'un tableur

• • • La transformation de données à partir de tableurs (https://damien-dupre.shinyapps.io/learnr_dcu_data_transformation/)

      • Sélectionner un sous-ensemble de variables par une condition avec filter()

      • Sélectionner un sous-ensemble de variable avec select()

      • Ajouter une variables dans un tableur fonction d'autres variables

      • Résumer des données via group_by() + summarise()

      • L'opérateur pipe %>%

      • Réarranger les lignes/colonnes avec pivot_wider() ou pivot_longer()

• • Module 2 : Représentation graphique et statistiques descriptives

    • Visualiser des données avec ggplot() (https://damien-dupre.shinyapps.io/learnr_dcu_data_visualisation/#section-chapter-1-the-grammar-of-graphics)

      • La grammaire de ggplot(): data, geometries, aesthetic mapping et thèmes

      • Customiser les graphiques: par groupe, changer les légendes

      • Regarder les différentes possibilité de graphiques: https://r-graph-gallery.com/index.html

      • Bonus: Combiner ggplot() et dplyr() pour plus de fléxibilité

• • • Etude descriptive statistique (https://learningstatisticswithr.com/lsr-0.6.pdf - Chapitre 5)

      • Les mesures de centralité: moyenne, médiane et mode - Section 5.1

      • Les mesures de dispersion: déviation standard, variance, intervalle interquartile - Section 5.2

      • Résumer la distribution d'une variable - Sections 5.4 et 5.5

      • Les z-scores - Section 5.6

      • Corrélation: principe, visualisation interprétation, corrélations de Pearson et Spearman - Section 5.7

• • Module 3: Inférence statistique - exemple de la régression linéaire

    • Le test d'hypothèse (https://damien-dupre.shinyapps.io/learnr_dcu_linear_regression/)

      • Induction et formulation d'hypothèse, identifier les variables dépendantes et indépendantes de l'hypothèse, hypothèses avec effet d'interaction, significativité statistique

      • Exemple de la régression linéaire: estimation par la droite des moindres carrées, résidus et erreur quadratique moyenne

      • Exemples basiques et fonction lm()

      • Comprendre la sortie et qualité des modèles: R2, taille d'effet, erreur standard, valeur p et intervalle de confiance.

      • Bonus: Rapporter des résultats dans un tableur

TD 2. Mettre au point un projet de recherche scientifique (9h)

Les étudiants sont répartis en îlots de 3(-4) et encadrés par des enseignants de Rennes, en présentiel à Rennes et en visioconférence à Brest. Ces TD sont donc en présentiel pour les étudiants, à Brest ou Rennes, avec lien en visioconférence entre les deux sites.

• • Partie 1: effectuer une recherche bibliographique à partir d'une question de recherche encore mal définie (volontairement mal définie !) puis expliciter les données bibliographiques retenues et formaliser la question de recherche par écrit (3h, Thierry Charlier, Pascal Benquet)

  • Partie 2: Rédaction des items princeps d'un projet de recherche (3h, Florian Naudet, Paul Sauleau) et Rédaction du cahier d'observation en vue de l'analyse des données (3h, Florian Naudet, Paul Sauleau)

TD 3. La présentation orale (6h)

En visioconférence et présentiel, présence de tous les étudiants obligatoires sur l'intégralité de la séance

• • Présentation orale avec support de type powerpoint par les étudiants de leur projet de recherche du stage de M2, en 10 minutes, en français ou anglais (à la convenance de l'étudiant)

  • Retour des enseignants sur la présentation (10 min)

  • Ce TD n'est pas noté, c'est un travail pratique. Nous discuterons de la forme (présentation orale et diaporama) et non pas tellement du fond (cela, ce sera pour l'évaluation terminale "Présentation orale"). Plutôt que de faire un cours théorique sur la présentation orale, nous donnerons un retour direct avec des exemples concrets de ce qu'il faut faire et ne pas faire (ou éviter).

  • Le but est double

    • Expression et communication orale: faire passer le message par la voix et le corps, gestion du trac lors de la prise de parole en public, la vulgarisation scientifique ou comment adapter son discours à l’audience (votre domaine de recherche peut être très éloigné du domaine de recherche des auditeurs et du jury)

    • Concevoir une présentation orale et son diaporama: les illustrations, la gestion du temps, les trucs et astuces pour un support attractif et fonctionnel

  • Plusieurs points doivent apparaitre dans cette présentation qui doit tourner autour d'UNE question de recherche et d'une hypothèse de travail principale (sans exclure pour autant des hypothèses alternatives). Pour cela vous aurez donc besoin

    • d'introduire la thématique générale et les travaux, récents ou non, de recherche fondamentale et/ou clinique. Vous pouvez également inclure les travaux préliminaires des membres de votre laboratoire.

    • de mettre en évidence le besoin d'information à acquérir, d'où la question posée.

    • de définir la ou les approches expérimentales envisagées (cohortes si étude sur l'humain, modèle, techniques, y compris les analyses statistiques)

    • dans une certaine mesure, le type de résultat attendu

Présentation orale (6h)

En visioconférence, présence de tous les étudiants obligatoire sur l'intégralité de la séance

Examen validant l'UE

• • Présentation orale de 10 minutes du projet de recherche du stage de M2, en français ou anglais (à la convenance de l'étudiant), suivie de 10 min de questions du Jury

  • Remise le jour de la présentation orale par les étudiants d'un résumé du projet de recherche en anglais de 400 mots maximum (le titre de l'étude doit être mentionné mais ne compte pas pour le décompte de mots), structuré avec sous-titres (Background/Objectives/Methods/Expected Results ou Perspectives), sans références bibliographiques, sur la base modifiée des consignes de la revue Brain. Document à envoyer par mail à Thierry Charlier (thierry.charlier@univ-rennes1.fr) au format Word et nommé au format "Nom Prénom MNS_Année.docx"

  • Validation de l'UE: note >= 20. Une seule note finale sur 20 incluant 5 points pour le résumé, 15 points pour la soutenance orale (évaluée sur la présentation elle-même et les réponses aux questions du jury)

• • Angelika Hofman (2016). Writing in the Biological Sciences; A comprehensive resource for Scientific communication, 2nd Edition, Oxford University Press.

  • Quelques éléments pour la présentation de travaux scientifiques. Jean-Marc Vincent. Université de Grenoble

  • The Art of The Art of Data Presentation. Raj Jain. Washington University in Saint Louis

  • Comment préparer et présenter un exposé scientifique ? Roger Moussa. INRA, UMR LISAH, Montpellier

  • Introduction à la statistique avec R. Mooc. Bruno Falissard. Université Paris-Saclay +++

• • Pascal Benquet, PU, Neurophysiologiste / Neurosciences cliniques. Univ Rennes 1, UFR SVE, LTSI, INSERM U1099, Equipe CinetyKs. pascal.benquet@univ-rennes1.fr. Web site

  • Emilie Brenaut, MCU-PH, Dermatologue. CHU Brest & Univ Brest, UFR Santé Brest, EA4685, Laboratoire Interactions Epithéliums Neurones. emilie.brenaut@chu-brest.fr

  • Thierry Charlier, Pr. Univ Rennes 1, Equipe 7 - Irset - Inserm UMR 1085. thierry.charlier@univ-rennes1.fr

  • Joan Duprez, Maître de conférence en Physiologie Animale et Neurosciences, UFR SVE, LTSI, INSERM U1099, Équipe SEPIA. joan.duprez@univ-rennes.fr

  • Laurent Misery, PU-PH, Dermatologue. CHU Brest & Univ Brest, UFR Santé de Brest, EA4685, Laboratoire Interactions Epithéliums Neurones. laurent.misery@chu-brest.fr

  • Florian Naudet, PU-PH, Psychiatre. CHU Rennes & Univ Rennes 1, UFR Santé, CIC 1414, Centre d'investigation clinique de Rennes. florian.naudet@chu-rennes.fr

  • Elisabeth Pellegrini, MCF. Univ Rennes 1,  UMR 1085 Institut de recherche en santé, environnement et travail - IRSET, Equipe 6, "Transcription, environnement et cancer " (Trec). elisabeth.pellegrini@univ-rennes1.fr

  • Jean-Charles Roy, CCA, Psychiatrie. CHU Rennes & Univ Rennes 1, UFR Santé, Unité Empenn U1228, INSERM, INRIA. Doctorant à l'unité Empenn U1228, INSERM, INRIA, Université Rennes 1, Institut des Neurosciences Cliniques de Rennes jcogroy@gmail.com

  • Paul Sauleau, PU-PH, Neurophysiologiste. CHU Rennes & Univ Rennes 1, UFR Santé, LTSI, INSERM U1099, Equipe CinetyKs. paul.sauleau@gmail.com. Web site