View
36
Download
0
Category
Preview:
DESCRIPTION
Genopole Ile de France Montagne Sainte Geneviève- Plate forme Transcriptome ENS. Claude Jacq Institut Curie. Philippe La Rosa. La bioinformatique connectée à la plate-forme puces à ADN de l’École Normale Supérieure. Bioinformatique des Génopoles, Lyon 22 oct 03. - PowerPoint PPT Presentation
Citation preview
1
Genopole Ile de France
Montagne Sainte Geneviève-
Plate forme Transcriptome
ENS. Claude Jacq
Institut Curie. Philippe La Rosa
2
La bioinformatique connectée à la plate-forme puces à ADN
de l’École Normale Supérieure
La bioinformatique connectée à la plate-forme puces à ADN
de l’École Normale Supérieure
Bioinformatique des Génopoles, Lyon 22 oct 03
Claude JACQ: jacq@biologie.ens.fr, http://www.biologie.ens.fr/lgmgml/
3
1. Apports des outils informatiques à l’analyse des
données d’expression des génomes
4
Fouille de données
Analyse des données
• Puces commerciales• Puces “maison”
Hybridation des puces
Étapes expérimentales
Analyse de l’image
Traitement des données
Mise au point expérimentale AvailableDatabase
Traitement des données brutes- Normalisation- Analyse statistique- Stockage
Représentationinformative des données
- Regroupement
Les différentes étapes d’une expérience de puces à ADNoù la bioinformatique est impliquée
Les différentes étapes d’une expérience de puces à ADNoù la bioinformatique est impliquée
5
Mise au point des puces à ADNMise au point des puces à ADN
• Sélection d’oligonucléotides spécifiques (ESPCI)
SOL sélectionne des oligonucléotides spécifiques pour chaque séquence soumise. Les utilisateurs peuvent choisir pour les oligonucléotides des paramètres pour définir la taille, le rapport en GC et les conditions expérimentales comme la température d’hybridation, le pourcentage de formamide ou la concentration en sels.
http://www.bionet.espci.fr/soft.html
Hybridation T°Hybridation T°Formamide %Formamide %Salt concentrationSalt concentration
Hybridation T°Hybridation T°Salt concentrationSalt concentration
Melted-Blast
Oligonucléotides Spécifiques
MfoldMelting
DB OLIGOS
RefSeq
> RAT> SOURIS> HUMAIN> …
DB ARNm
> GLUR4tgcggatttgagattattaaaagggggc> VIPatggggccgatatatgtaccttagggttaat
geoffroy.golfier@espci.frmarie-claude.potier@espci.fr
6
Recherche de données significatives: VaranRecherche de données significatives: Varan
http://www.bionet.espci.fr/varan/varan_info.htm
Varan utilise une approche statistique qui définit le domaine expérimental de variabilité et donne une analyse statistique de l’expression différentielle dépendante du niveau d’expression des gènes. Plusieurs méthodes de normalisation peuvent être utilisées.
• Varan pour l’analyse de la variabilité des expériences de puces à ADN (ESPCI)
l og 2(
I Cy 5
/ IC
y 3)
(log10(ICy3) + log10(ICy3))/2
Rinf0.99 Rsup0.99
log2 (ICy5/ICy3)-2 +2
N(,)
geoffroy.golfier@espci.frmarie-claude.potier@espci.fr
7
• Arrayplot permet la normalisation rapide des données des puces (ENS)
Expression non significative
Cy3/Cy5 ratio > 0.5 et < 2
Gènes induits
Gènes réprimés
Intensités Cy3
Inte
nsit
és C
y5La normalisation des données: ArrayPlotLa normalisation des données: ArrayPlot
Marc P, Jacq C. Arrayplot for visualization and normalization of cDNA microarray data. (2002) Bioinformatics 18(6):888-9
- Arrayplot offre une interface utilisateur facilitant la visualisation de la distribution des données et des gènes dont la variation est la plus significative.
- Arrayplot permet de calculer le facteur de normalisation basé sur la moyenne des intensités.
http://www.biologie.ens.fr/fr/genetiqu/puces/publications/arrayplot/index.html
philippe.marc@biologie.ens.fr
8
Donnéesbrutes
Donnéesbrutes
Normalisation
Donnéesnormalisées
Base de Donnéeset Serveur WebLecture obtenue avec le scanner
Images
Analyse d’images
Base de donnéespour la publication
Donnéespubliées
Base de donnéespubliques
Internet
Intranet
Gestion des données obtenues avec les puces à ADNGestion des données obtenues avec les puces à ADN
Donnéesnormalisées
Interface Web
PostgreSQL & PHP
Levure / Souris
Toutes les étapes impliquées dans les expériences de puces à ADN sont stockées dans une base de données et accessibles pour tous les utilisateurs via une interface web graphique indépendante de la plate-forme logicielle utilisée pour interroger la base de données.
9
Un élément central: le LIMSLaboratory Information Management System
Un élément central: le LIMSLaboratory Information Management System
• La base de données LIMS est modulaire
• Base de données locale pour le suivi des expériences (ENS)
- Lames de verre
- Puces à oligonucléotides
- Toutes les étapes du protocole expérimental sont stockées dans la base de données.
- Le LIMS permet le suivi des lames et des contrôles de qualité.
- Toutes les informations stockées sont en accord avec le standard MIAME.
- La structure flexible du LIMS permet l’analyse de différents types de lames.
- Un ensemble de tables de correspondance est disponible pour aider à la détermination du nom des gènes (levure, souris).
stephane.le.crom@biologie.ens.frphilippe.marc@biologie.ens.fr
10
Base de données locale: Accès rapide aux données organiséesBase de données locale: Accès rapide aux données organisées
Sélection des cibles en fonction de critères significatifs
Visualisation de plusieurs expériences à la fois
Affichage des rations Cy3/Cy5
Suivi du profil d’expression
philippe.marc@biologie.ens.fr
11
Outils de comparaison en ligne: MiCoVitoOutils de comparaison en ligne: MiCoVito
• MiCoViTo: Microarray Comparison Visualization Tools (ENS)
Comparaison des voisinages entre deux expériences pour un gène sélectionné (graine).
Les diagrammes en camembert affiche le voisinage entier en fonction de critères spécifiques (catégories fonctionnelles, phénotypes, complexes protéiques, …).
gaelle.lelandais@biologie.ens.frstephane.vialette@biologie.ens.fr
12
yeast Microarray Global Viewer (yMGV)yeast Microarray Global Viewer (yMGV)
1 profil par publication 1 histogramme par condition (expérience)
Sélection :
• nom de gène• expression
• publications
• Permettre l’accès simple aux données d’expression publiées (ENS):
http://www.transcriptome.ens.fr/ymgv/
S. Le Crom et al. yMGV: helping biologists with yeast microarray data mining. (2002) Nucleic Acids Research 30(1): 76-79
P. Marc et al. yMGV: a database for visualisation and data mining of published genome-wide yeast expression data. (2001) Nucleic Acids Research 29(13): E63-3
Affichage des ratios le long des
chromosomes
13
2. Apports des outils biochimiques à l’analyse informatique des données d’expression des génomes
14
• Distribution des intensités pour le Cy3 et le Cy5
• Distribution du log2 (ratios)
1. QUALITE DES DONNEES
15
Unique puce à ADNUnique puce à ADN
TempsTemps
Série de puces à Série de puces à ADN ADN
g2g3
g1
g5
g4
log2(Ratio)log2(Ratio)
TempsTemps
Vue statique du transcriptome:
Etats d’expression des gènes par rapport à un état de référence:
Addition d’un drogue, identité d’une tumeur, etc…
Vue dynamique du transcriptome
16
Les cibles directes de chaque facteur de transcription: une vue statique des propriétés du génome
17
MICROARRAYSANALYSES
3’’
180’
10’5’
45’
30’
RNA extraction, labelled cDNA synthesis
QuickTime™ et undécompresseur TIFF (non compressé)sont requis pour visionner cette image.
Dynamic response of genome expression to the external presence of drugs: exemple of fungicides
Benomyl (benzimidazole carbamate)
18
Expérience Expérience de pucede puce
Profiles d’expression des gènesProfiles d’expression des gènes
g2g3
g1
g5
g4
log2(Ratio)log2(Ratio)
X
Y
Zg2
g3
g1
g5
g4
Espace à 3 dimensionsEspace à 3 dimensions
Cluster analysis of time-course expression data (6000 genes)
19
1
23
45
Network cascade of genes activated by benomyl
1= TF1, 2= TF2, 3= TF3, 4= TF4, 5= ?
20acement des pointsacement des points
Groupes d’expression et groupes d’orthologie
Gaelle Lelandais
21
Quelques pistes …
. Description de réseaux de gènes à haute flexibilité
. Groupes de gènes orthologues co-régulés
. Génomique comparative et signaux de régulation
22 www.transcriptome.ens.fr/sgdb/
Microarrays production Corinne BlugeonVéronique Tanty
BioinformaticStephane Le Crom
Philippe MarcGaelle LelandaisPierre Vincens
Stéphane VialetteSophie Lemoine
Recommended