[PDF] Banques de Données de séquences

View - Download Banques de Données de séquences

Previous PDF

Next PDF

Banques de Données de séquencesDécembre 2019 -Sylvain LegrandContenus baséssur les cours des enseignants en bioinformatiquede l'université de LilleSylvain.legrand@univ-lille.fr

Introduction

33Définition bioinformatiqueUn domaine de recherche qui analyse et interprète des données biologiques, au moyen de méthodes informatiques, afin de créer de nouvelles connaissances en biologie (Quninkalet Rechenmann, 2004)En langue anglaise on distingue 2 termes :-Bionformatics: applique des algorithmes, modèles statistiques dans l'objectif d'interpréter, classer et comprendre des données biologiques-ComputationalBiology: développer des modèles mathématiques et outils associés pour résoudre des problèmes biologiquesEn français : Bioanalyse~ Bionformatics; Recherche en Bioinformatique~ ComputationalBiology

44Une définition simple : l'approche in silico de la biologieTrois activités principalesDéfinition bioinformatiqueBiologieInformatiqueBioinformatiqueProduction de données, StockageConception de logiciels d'analyse, de modélisationAnalyse des données

55Quelques conseilsMéfiez-vous des résultats donnés par les logiciels-La qualité des résultats est parfois diminuée au profit de la rapidité-Certains problèmes admettent un ensemble infini de possibilités àce n'est pas toujours la solution la meilleure qui est trouvée-Certains logiciels ne font que de la prédictionMéfiez-vous des banques de données :-Les données ne sont pas toujours fiables-La mise à jour des données n'est pas systématiquement récente

66Champs d'applicationBioinformatiquedes séquences biologiquesADN, protéines, alignement de séquences, identifications de gènes...Bioinformatiques des métabolitesIdentification, annotation...Bioinformatique structuraleAnalyse du repliement des macromolécules biologiquesBioinformatique des réseauxIntéractions entre gènes gènes, protéines, métabolites...Bioinformatique des populationsEx: Modélisation de l'évolution de populations dans des environnements donnés...

77Banques de donnéesEnsemble de données relatives à un domaine, organisées par traitement informatique, accessibles en ligne et à distanceSouvent, les données sont stockées sous la forme de fichiers texte formatés (respectant une disposition particulière)Besoin de développer des logiciels spécifiques pour interroger les données contenues dans ces banques

88Quelques formats de données biologiquesSeqretXhttp://www.ebi.ac.uk/Tools/sfc/emboss_seqret/

Banques de séquences nucléiques

1010Banques de séquences nucléiquesOrigine des données àséquençage de molécules d'ADN ou d'ARNLes données stockées: 1 séquences + ses annotations = 1 entrée-Fragments de génomes àun ou plusieurs gènes, un bout de gène, séquence intergénique, ...-Génomes complets-ARNm, ARNt, ARNr, ... (fragments ou entiers)Toutes des séquences (ADN ou ARN) sont écrites avec des TLe brin donné dans la banque est appelé brin + ou brin direct, Attention, ce n'est pas forcément le brin codant

1111Banques de séquences nucléiques >SéquenceNNNNATGCCTACGTNNNNNNNNCATCGGTATCNNNNNNNNBrin codantBrin codantGriffiths et al 2002

1212Banques nucléiques, collaboration =++Echange quotidien des données entre les 3 banques

1313Banques nucléiques, mises à jour Une nouvelle version disponible plusieurs fois par an-Date et numéro de version (release)-Données figées à une date fixée (les séquences collectées jusque làMise à disposition des "updates»-Mise à jour quotidienne des données-Toutes les nouvelles séquences depuis la dernière version-ARNm, ARNt, ARNr, ... (fragments ou entiers)Facilité de traitement des données-Pas besoin de télécharger la banque entière à chaque mise à jour

1414Banques nucléiques, explosion du nombre de séquencesTaille de GenBanken Août 2016 (genbank/statistics/)

0.E+005.E+071.E+082.E+082.E+083.E+0805E+101E+111.5E+112E+112.5E+113E+113.5E+114E+114.5E+11déc.-82oct.-84oct.-86août-88août-90juil.-92juin-94mai-96avr.-98mars-00janv.-02déc.-03nov.-05oct.-07sept.-09août-11juil.-13juil.-15mai-17mai-19Nombre de séquencesNombre de basesNombre de basesNombre de séquences

1515Format d'une entrée

1616EMBL, description générale

1717GenBanket DDBJ, description générale http://www.ncbi.nlm.nih.gov/Sitemap/samplerecord.html

1818Features

1919Exemple de "keys»

2020Exemple de "keys»

2121Localisation des objets

2222Qualifiers

2323Exemple de "Feature» d'une séquence ADN

2424Mise à jour des données et limitesEvolutionpossible des entrées-Changements dans la séquence, dans les annotations-Ajout d'une séquence, d'une annotation, d'une publicationLes entrées sont mises à jour par uniquement par leurs auteursForte redondanceUn même fragment de séquence présent dans plusieurs entréesAnnotations peu normaliséesDifficulté de recherche d'une information particulièreAnnotations (souvent) peu précises Peu de descriptions sur les gènes et leurs produitsErreursdans les annotations

2525Autres bases de données de séquences au NCBIhttp://www.ncbi.nlm.nih.gov/guide/dna-rna/

2626RefSeq

2727Différents niveaux de correction des données

2828Quelques numéro d'accession de RefSeq

Banques de séquences protéiques

3030Les banques de séquences protéiquesOrigine des données-Traduction de séquences d'ADN ànombreuses données disponibles dans les banques nucléiques-Séquençage de protéines àpeu, car long et couteuxLes données stockées : séquences et annotations-Protéines entières-Fragments de protéines

3131UniProtet ses deux banques

3232Les annotations SwissProt

3333Les annotations SwissProt

3434Format des entrées UniProt,

3535Format des entrées UniProt,

3636Format des entrées UniProt, lignes CC

3737Format des entrées UniProt, lignes FT

3838Fiabilité de l'information

3939Liens vers d'autres banques

4040Autres banques de séquences UniProt-UniRef100 : regroupement des séquences identiques et de leurs fragments provenant d'un même organisme-UniRef90 : entrées de UniRef100 avec plus de 90% d'identité-UniRef50 : idem pour 50% d'identité UniProt+ d'autres banques (PDB, RefSeq, FlyBase, brevets, ...)

4141Les banques protéiques de "deuxième niveau»

4242Banques de motifs et domaines protéiques

4343Banques de connaissances protéiques

4444Interpro

4545Banques d'intéractionsprotéiques

4646Structures 3D de protéines

4747PDB, la banque de structures 3D

Interroger les banques de données

4949Rechercher des données à partir d'annotationsRecherche de mots ou expressions dans le texte des entrées via une interface d'interrogationCe que souhaitent les utilisateurs-Obtenir des données pertinentes àPas trop de résultats, mais tous ceux relatifs à leur problématique -Prendre rapidementen main l'interface-Obtenir rapidement les résultats-Pouvoir manipulerles données obtenues àchanger de format, lancer des calculsPrincipal système d'interrogationGquery(Entrez), le système développé par le NCBI http://www.ncbi.nlm.nih.gov/gquery/

5050Gquery, le système d'interrogation du NCBI

5151NCBI, recherche d'un termeQuelles entrées de la banque nucléique contiennent le gène MAX ? Saisie de "max» dans la zone de requêtes-Recherche le mot "max» dans tout le texte des entrées-Pas spécifique du nom du gène : 1 466 658 entréesSaisie de "max [gene]-Recherche du mot "max» dans les champs correspondant au nom de gène-Recherche ciblée : 911 entrées

5252NCBI, utilisation des champs

5353NCBI, association de termes* Outilsderecherches informatiquespermettant detrierplus précisément lesrésultatsd'unerequêteTrois opérateurs booléens* possibles : AND, OR, NOTDans la banque nucléotide :rattusnorvegicus[organism] AND mus musculus[organism]-1 entrée : "Syntheticconstructchimerictyrosine hydroxylase»rattusnorvegicus[organism] OR mus musculus[organism]-2 063 974 entrées-La séquence provient soit du rat soit de la sourisrattusnorvegicus[organism] NOT mus musculus[organism]-334 078 entrées-Toutes les séquences du rat, sauf la séquence chimérique

5454NCBI, comment construire une requête ?

5555NCBI, recherches avancéesRecherche avancéeOpérateurs booléensChampsHistorique

Sylvain LegrandMaître de ConférencesUMR CNRS 8198 EVO-ECO-PALEOEvolution, Ecologie et PaléontologieUniversité de Lille -Faculté des Sciences et TechnologiesBât SN2, bureau 208 -59655 Villeneuve d'Ascqsylvain.legrand@univ-lille.fr|http://eep.univ-lille.fr/Tél.+33 (0)3204340 16

quotesdbs_dbs27.pdfusesText_33

[PDF] Bioinformatique Bioinformatique

[PDF] Bioinformatique BTV Reconstruction Phylogénétique

[PDF] Bioinformatique et données biologiques - Science

[PDF] BIOKATALYSE - AKTIVITÄTSMESSUNGEN VON ENZYMEN

[PDF] BIOKÉ devient le distributeur exclusif de New England Biolabs dans - Support Technique

[PDF] BioKlar® Biofosse Fosses Septiques Performantes Assainissement - France

[PDF] Biokraftstoffe und Elektromobilität

[PDF] Biokunststoff PLA auf Wachstumskurs: Bis 2020 werden über

[PDF] BIOL1140 Anatomie humaine (1re partie) (ostéologie, arthrologie

[PDF] BIOLAB - Bac profondeur 150 mm (Rouge) - Anciens Et Réunions

[PDF] BIOLAB - Bac profondeur 300 mm (Vert) à l`unité

[PDF] BIOLAB - Bac profondeur 75 mm (Vert) à l`unité - Anciens Et Réunions

[PDF] BIOLAB - Cage à Souris Ratatouille 2 Niveaux Equipée

[PDF] BIOLAB - Chaises classique bois 4 pieds 35 x 35 x 38/67 (structure

[PDF] BioLab - Creative Beauty - France