1 cartographie des connaissances biologiques une application à lanalyse de données dexpression de...

1

Cartographie des connaissances biologiques

Une application à l’analyse de données d’expression de puces ADN

Fabien Jalabert, Michel Crampes, Sylvie Ranwez, Vincent Derozier

{prenom.nom}@ema.fr

Centre de Recherche LGI2P – Ecole des Mines d’Alès

2

• Contexte : cartographie des connaissances• Problématique• Résultat de la visualisation et évaluation

Cartographie des connaissances biologiques

3

Contexte

Projet GEM-BIO / Collaboration Institut Pasteur : Analyse de puces à ADN / Plasmodium Falciparum

Rappel : ADN ARNm Protéine

Données d’expression : On mesure la quantité d’ARN transcrite dans la cellule à un instant donné (expression du gène)

Puces à ADN : technique permettant une analyse haut-débit (densité > 47 000 gènes sur 1 cm²).

Plasmodium Falciparum ≈ 5300 gènes

4

Cartographie des connaissances

5

Cartographie des connaissances

K. Map

6

Cartographie des connaissances

• Intégrer des données hétérogènes : – Biologiques,– Bibliographiques, – Ontologiques

• Les visualiser

Un modèle de graphe (typé, valué) : souple et extensible.

7

Approches existantes

Fréquemment, les biologistes emploient un (bi)clustering hiérarchique visualisé sous forme de dendrogrammes.

8

Problématique

Associer un élément à plusieurs classes :

• Un gène (généralement chez les bactéries) peut être associés à plusieurs fonctions ( groupes) (épissage alternatif, polyvalence d’une protéine, fonction différentes dans différents milieux).

• Laisser l’expert décider face à une ambiguïté : les approches courantes imposent l’appartenance à une classe et une seule.

Regroupement flou : un gène est associé à un (ou plusieurs) groupe(s) avec un degré d’appartenance.

9

Problématique

Comparer des regroupements :

• Evaluer cette approche = comparer le regroupement flou avec celui produit par Bozdech sur ses propres données d’expression.

[Bozdech et al., 2003] 1 mesure par heure pendant 48h dont nous avons sélectionné ≈ 370 gènes

• Représenter l’expression d’un génome dans le temps en fonction de plusieurs conditions expérimentales.

Décomposer l’espace multidimensionnel et d’analyser séparément chaque partition de l’espace

10

Problématique

Besoin d’une vision ensembliste

Diagrammes d’Euler

11

Visualisation

Regroupements (carte des connaissances)– Modèle physique (forces) : robuste, souple, dymamique

– Implémentation : Java, librairie Prefuse.

– Fonctionnalités : vue d’ensemble, zoom/pan, distorsions logiques, infobulles, menus contextuels, etc.

Données d’expression (temporelles)– Coordonnées parallèles synchronisées à la carte : aspect temporel, possibilité de lire entre les

lignes (expression + variation de l’expression).

– Implémentation : librairie Parvis

– Fonctionnalités : zoom, filtrage et brushing (degré d’appartenance, angle, etc.)

12

13

14

Evaluation

• Le biologiste n’est pas familiarisé avec ce type de visualisation• Si cette visualisation est souple, dynamique et adaptable, le biologiste doit le

comprendre pour bien la maîtriser; ceci demande un apprentissage.

• L’utilisateur recherche systématiquement une sémantique biologique dans les 2D • Besoin de traçabilité• Le biologiste a été plus exigent avec l’outil qu’avec les outils les plus classiques.

• La vue d’ensemble est très appréciée, l’apprentissage des interactions est rapide.• Si l’évaluation mise en œuvre n’a pas été dans le contexte d’une expérimentation

biologique complète, l’environnement permet rapidement de croiser des informations, et a permis rapidement de mettre en évidence rapidement des anomalies d’annotations dans différentes bases.

15

Cartographie des connaissances biologiquesUne application à l’analyse de données d’expression de puces ADN

Fabien Jalabert, Michel Crampes, Sylvie Ranwez, Vincent Derozier

{prenom.nom}@ema.fr

Centre de Recherche LGI2P – Ecole des Mines d’AlèsParc Scientifique Georges Besse, F 30 035 – Nîmes Cedex 1

Merci

16

Problématique

17

Architecture générale

Données pré-filtrées

Saisie de mots-clés, données expérimentales,

etc.

Filtrage pour le domaine

étudié

Données hétérogènes

PubMedUMLS

GOEntrezGene

etc.

Analyses lexicale et statistique pour

l'extraction des termes candidats et leur mise

en relation

Extraction d'une sous-carte adaptée au

contexte applicatif

Données filtrées mises en forme

Environnement de visualisation

Interaction

Carte personnalisée

18

ContextePuces ADN

Spotting des sondes sur le support

Mise en présence d’un échantillon marqué au fluorochrome

Rinçage

Mise en œuvre de la fluorescence scannée

Hybridation des gènes exprimés avec les sondes qui leur sont spécifiques

19

ContextePuces ADN

Analyse d’image

Prétraitements (normalisation, etc.)

Regroupement automatique

Analyse par l’expert : croisement avec les connaissances du domaine