Présentation

Présentation

Création d’une application intégrée pour la gestion et

l’analyse de données protéomiques

CONSERVATOIRE NATIONAL DES ARTS ET MÉTIERS

Centre Régional Languedoc-Roussillon

Spécialité : INFORMATIQUE

MÉMOIRE

Cédric Bouttes

Plan

1 Contexte et objectifs

2 Gestion et visualisation des données2.1 Solutions et choix2.2 Réalisation des interfaces

2.2.1 Analyse et conception2.2.2 Choix d’implémentation2.2.3 Résultats

3 Analyse des données3.1 Comparaison de séquences3.2 Recherche de motifs3.3 Elimination de la redondance

4 Conclusion et perspectives

Plan






INRA

CNRS

IRD

CIRAD

Biogemma

Bioplante

GénoplanteGénoplante, programme fédérateur en génomique végétale1 Contexte et objectifs

INRA

CNRS

IRD

CIRAD

Biogemma

Bioplante

GénoplanteLes données génomiques générées dans Génoplante1 Contexte et objectifs

Données

gène

Chromosome

Position des gènes Cartographie génétiquesthématique

Analyse de séquences / Polymorphisme

thématiqueATTGCACTCCCTAAG

Séquence d’ADN

Structure des gènes

Séquence protéique

ProtéomiquethématiqueI A V P K

Produit d’expression des gènes

GENOPLANTE INFO

bioinformatique

Fonction des gènes

TranscriptomiquethématiqueMesure Expression des gènes

Séquences

Protéomique

Cartographie Génétique

Transcriptome

Polymorphisme génétique

GENOPLANTE INFO

Contexte intégratif

utilisateur

Le SI de GénoplanteLe système d’information de Génoplante

GpiIS (Genoplante-info information system)


Protéomique

GnpProt

Séquences

Protéomique


Transcriptome


GENOPLANTE INFO

Contexte intégratif

utilisateur

Le SI de Génoplante

GpiIS (Genoplante-info information system)


Protéomique

GnpProt

Protéomique

ProteomIs

Laboratoires partenaires

Contexte local

UR1199 Montpellier, URPVI Nantes, UMR 5546 Toulouse, UMR 5019 Grenoble

utilisateur

Un objectif double : Un système intégré (GnpProt) et local (ProteomIs)

Gestion et visualisation des données de laboratoire Liens avec les bases de données publiques Analyse des données de séquences

Plan






Plan






Interrogation en banque (e.g logiciel Mascot)

Gestion Des DonnéesGel 2D (possible 1D ou Liquid chromatographie)

Echantillon 1 spot

?

Prélèvement

Extrait

Digestion trypsique

Notes papiers

Fichiers Excel Images gels

Fichiers textes :Listes de masses

Fichiers html : Résultats (Mascot)

Analyse par spectrométrie de masse

Supports de stockages

Séparation des protéines

184

Fichiers pdf : publications

Gestion des données protéomiques : Analyse de l’existant2 Gestion et visualisation des données

2.1 Solutions et choix

Scan et analyse de l’image du gel

Echantillons et extraits

ProtocolesSéparation des protéines

Données administratives

Identification des proteines

51 classes

Gestion Des DonnéesGel 2D (possible 1D ou Liquid chromatographie)

Echantillon 1 spot

?

Prélèvement

Extrait

Séparation des protéines

Gestion des données protéomiques : Conception du MCD

Interrogation en banque (e.g logiciel Mascot)

Digestion trypsique

Analyse par spectrométrie de masse

Scan et analyse de l’image du gel

BD ProteomIs/GnpProt

2 Gestion et visualisation des données2.1 Solutions et choix

Gestion des données

Séquences

Protéomique

GnpProt


Transcriptome


Base de données GpiIS

Extraits

Protocoles

Echantillons

Contacts

Séquences

classes communes

Contrainte au niveau de la conception du MCD2 Gestion et visualisation des données

2.1 Solutions et choix

Gestion des données

Interface

Séquences

Protéomique

GnpProt


Transcriptome


Dû à la solution d’intégration des données choisi par Génoplante : approche centralisée BD GpiIS relationnelle

Base de données GpiIS

SQL

Extraits

Protocoles

Echantillons

Contacts

Séquences

Choix imposé au niveau du SGBD

SGBD relationnel Postgres/Oracle

Avantages : robustesse, efficacité du SQL, sécurité et intégrité des données


Gestion Des DonnéesSAISIE

Format d’échange

Importation (scripts Perl, SQL)

INTERROGATION

VISUALISATION

INTERFACES

consultation

Gestion des données protéomiques : Solution retenue

Saisie ?

Consultation ?

BD relationnelle ProteomIs/GnpProt

répertoire


Plan






Plan






Processus de développement

avril 2002

fev 2005 - Livraison GnpProt

avril 2004 - Livraison ProteomIs

Analyse et conception

sept 2002

- Veille technologique (autour des outils existants : Paris, Protic, PPMdb …)

- Cahier des charges (solutions et choix)

- Conception du MCD

- Analyse / cas d’utilisation (saisie, consultation et analyse des données)

- Maquette des interfaces

- Développement des outils d’analyse2 stagiaires

juin 2004

avril 2003 -Développement du format d’échange1 ingénieur

- Développement des interfaces

1 stagiaire

2 Gestion et visualisation des données2.2 Réalisation des interfaces

Maquette des interfaces

Réaliser l’inventaire des interfaces :

- Interface de login (version locale)

- Interfaces d’interrogation

- Interfaces de visualisation des différents objets de la base (extraits, gels, spots, protéines …)

- Interface pour naviguer dans l’image des gels

Réalisation d’une maquette powerpoint

Niveau d’interactivité des interfaces :

- Interface de login, d’interrogation ++

- Interfaces de visualisation +

- Interface pour naviguer dans l’image des gels ++++

Maquettes


Plan






Application accessible via Internet (GnpProt)

Utilisant les services d’un SGBD (sur le serveur de Génoplante dans le cas de GnpProt)

Portable (ProteomIs)

Outils de développement gratuit (GnpProt et ProteomIs)

Fonctionnant en multi-utilisateurs (GnpProt et ProteomIs)

Réalisation d’interfaces statiques (textuelles) et interactives

Analyse des besoins

Composant applicatif

Application ServeurApplication client

Base de données (SGBD)

Composant présentation

Java

Implémentation


Solution retenue

architecture 3-tiers (ou client léger)

Poste utilisateur

Application client



Réseau


HTML

java script

applet

JSP/Servlets, CGI, PHP (génère le HTML)

JDBC HTTP

Interfaces de visualisation textuelles

Formulaire d’interrogation

Interface de navigation dans l’image d’un gel

Avantage : - Facilité de déploiement

- Charge client diminué

Inconvenient : - Mode non connecté

Implémentation

Machine(s) serveur

Application serveur


Développement de l’applet de navigation dans l’image d’un gel

« Viewer » de gel de PPMDB

Applet permettant d’explorer une carte astronomique (source : http://www.aao.gov.au/hdfs/Redshifts/hdfmap.html)

Applet


Solution retenue

architecture 3-tiers (ou client léger)

Poste utilisateur Machine serveur

Application client



Réseau


HTML

java script

applet

JSP/Servlets, CGI, PHP (génère le HTML)

JDBC HTTP

Interfaces de visualisation textuelles

Formulaire d’interrogation

Interface de navigation dans l’image d’un gel

Architecture 3-tiers


Solution retenue côté serveur : JSP/Servlet

Avantage des Servlets sur la solution Perl/CGI :

- Avantages liés à java

- Servlet + rapide (compilé) qu’un programme Perl (interprété)

- Servlet conservé en mémoire (threads) : meilleures performances, conservation de l’état

Pourquoi des JSP (Java Server Pages) en plus ?

Avantage des JSP :

- Séparation du codage de l’aspect présentation (JSP) des traitements (Java Beans)

- Utilisation de balise spécifique (avantage sur PHP)

Avantages JSP


Présentation HTML+JavaScript

Traitements Données

Requête utilisateur

Poste client

Serveur de données

Réseau

Serveur Web / Serveur d’application

Programme serveur (CGI/PHP/JSP-servlets)

requête http

Driver (DBI/ /JDBC)

SGBD

Réseau

NAVIGATEUR

html

Applet

Poste utilisateur Application Serveur

Réseau Application client

requêtes HTTP

JDBC Base de données(SGBD)

Interface de visualisation (details)

Vue = JSP

Modèle = Java Beans(couche d’accès aux données)

Interface de visualisation (liste)

Result = 1

Utilisation du modèle MVC (Modèle Vue Contrôleur)

Interface d’interrogation

Result > 1

Contrôleur = Servlet (oriente les requêtes)

basé sur le framework Struts

utilise ehcache du projet Hibernate

MVC


Plan







Analyse et conception

Demo



Demo



Demo



Demo



Demo



Demo


Liste de protéines

Demo


Liste de protéines

Demo


Liste de protéines

Demo


Liste de protéines

Demo


Liste de protéines

Demo


Liste de protéines

Demo


Fiche protéine

Demo2 Gestion et visualisation des données

2.2 Réalisation des interfaces

Fiche protéine Liens sur BD publiques

Demo


Demo

Fiche protéine Liens sur BD publiques 2 Gestion et visualisation des données2.2 Réalisation des interfaces

Fiche protéine Liens gels

Demo


Applet de navigation

Demo


Plan






Y V N G F G R I G R L V T

Plan







BLASTLa comparaison de séquences

Mon objectif : Fournir un outil permettant de trouver une similarité entre une séquence requête et une des séquences annotées de la base de données ProteomIs

Utilité : Proposer des informations complémentaires

3 Analyse des données3.1 Comparaison de séquences

Séquence requête

Interface de saisie

IAVPKGIAVPKSLGSLSVAEPAMIAECK

BLASTLa comparaison de séquences

Solution retenue :

BLAST

ARSHSGGELESSLGSASVAEPAMIAEES

comparaison

ProteomIs

IAVPKGIAVPKSLGSLSVAEPAMIAECK

ARSHSGGELESSLGSASVAEPAMIAEES

Séquence requête

Séquence de ProteomIs

** * * * *

e-values > 0.1

Interface de visualisation

3 Analyse des données3.1 Comparaison de séquences

Plan







Définition :

- D’un point de vue syntaxique, un motif est un segment continu dans une séquence

La recherche de motifs dans les séquences protéiques

Séquence : GKVKVGVNGFGRIGRLVTRAAGRIG

Motif : GRIG de longueur 4

Solution : ensemble de positions {11,22}

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

G K V K V YV N G F G R I G R L V T R A A G R I G

- D’un point de vue biologique, un motif est un élément souvent fonctionnel qui peut-être partagé par toute une famille de protéines

Motif

3 Analyse des données3.2 Recherche de motifs

Thématique du laboratoire : étude des motifs de phosphorylation

Ma mission : construire un outil de recherche des motifs de phosphorylation dans les séquences


Motif


Solution adoptée : Interfacer deux logiciels dédiés (Netphos et MSDigest)


18

2

Position

Sites de phosphorylation

Validé expérimentalement

Prédit par MSDigest

Prédit par Netphos

Méthodes

OuiNonOui

NonOuiNon

Tableau comparatif réalisé automatiquementRésultats expérimentaux

seq 1 : 18seq 2 : 20seq 3 : 23seq 4 : 24

Fichier

Séquences

GKVKVGVNGFGRIGRLVTRAAFNSGKVDIVAINDPFIDLNYMVYMFQYDSTHGKFHGT



MSDigest

NetPhos

Motif


Séquences




MSDigest

NetPhos

Difficultées rencontrées :Netphos et MSDigest non disponibles en version locale


Sites de phosphorylation

Méthodes

Position Prédit par Netphos

Prédit par MSDigest

Validé expérimentalement

2 Non Oui Non

18 Oui Non Oui

Tableau comparatif réalisé automatiquementRésultats expérimentaux

seq 1 : 18seq 2 : 20seq 3 : 23seq 4 : 24

Fichier

Netphos

INTERNET

Query Module

BioperlGET

MSDigestredéveloppé en Perl

Motif


Plan







Redondance

BD ProteomIs

Le problème de la redondance des séquences protéiques

Laboratoire 1

Laboratoire 2

accession SWISSPROT : Q9FG34

protein name : Peroxydase 54 [Precursor]

Séquence : GKVKVGVNGFGRIGRLVTRAA

Annotations Laboratoire 1

accession AGI : At5g06730

protein name : Peroxydase



3 Analyse des données3.3 Elimination de la redondance

Redondance

BD ProteomIs « REDONDANTE »

Le problème de la redondance des séquences protéiques

CLUSTERING

BD ProteomIs










Nom protéine : Peroxydase

Références croisées : Q9FG34

Sequence : GKVKVGVNGFGRIGRLVTRAA



« NON REDONDANTE »

3 Analyse des données3.3 Elimination de la redondance

Solutions clustering procédure manuelle : contrôle à la soumisssion

Solutions étudiées pour réaliser le clustering3 Analyse des données

3.3 Elimination de la redondance

Solutions clustering procédure automatique










Comparaison des noms













Comparaison des séquences















Références croisées : At5g06730


BD SWISSPROT

Comparaison des accessions

utilisation des références croisées



Conclusion 4 Conclusion et perspectives

Les objectifs ont en majeure partie été atteint :

ProteomIs installé dans trois laboratoires permet :

- de gérer et explorer les données protéomiques

- d’effectuer des liens sur les bases de données publiques

- d’analyser les données (en cours de finition)

GnpProt installé sur le serveur privée de Génoplante info accessible sur :

https://genoplante.infobiogen.fr/gnpprot et sur site public fin juillet

Valorisation du projet (poster à JOBIM le 6 juillet)

Conclusion

https://genoplante.infobiogen.fr/




Perspectives

Entrée des données

Procédure de vérification des données saisies dans le format d’échange

Intéropérabilité :

Liens et interfaces sur les autres modules de GpiIS

Utilisation des ontologies

Outils d’analyse :

Intégration d’autres outils de recherche de motifs

Interface java de visualisation des motifs

séquence

motifs

Perspectives


Conclusion

Première expérience de responsable de la conduite d’un projet informatique conséquent

Contexte de travail collaboratif :

- réunions à Evry avec les biologistes

- travail d’équipe avec les informaticiens de Génoplante à Evry et 1 ingénieur du campus

- encadrement de stagiaires de DESS bioinformatique

Importance de la veille technologique

Conclusion


Présentation

Documents