Cet exercice, très court, doit permettre de maîtriser l installation de Taverna sur un ordinateur personnel.

Transcription

1 Débuter avec Taverna : Exécuter des traitements préexistants Taverna est un logiciel permettant la réalisation de traitements in silico sous la forme de workflows (chaînes de traitements), tout particulièrement dans le domaine de la bio-informatique. Ces exercices visent un public de biologistes, familiers avec l informatique et la bio-informatique. Ce document a été réalisé afin de vous permettre de débuter dans l utilisation de services et workflows existants. Nous ne présenterons pas ici toutes les fonctionnalités de Taverna. Après avoir réalisé ces exercices, si vous désirez aller plus loin et, par exemple découvrir comment créer vos propres workflows, vous pouvez vous référer au livret d exercices «Premiers pas dans Taverna 1.3», exercices 4 à 9. Exercice 1 Télécharger, installer et lancer Taverna Cet exercice, très court, doit permettre de maîtriser l installation de Taverna sur un ordinateur personnel. Etape 1 Télécharger l archive appropriée de Taverna La version actuelle de Taverna est toujours disponible sur le web à l adresse comme les archives de toutes les versions précédentes. Nous utiliserons ici la version de Taverna. Vous pouvez néanmoins utiliser par la suite une autre version en gardant à l esprit que des fonctionnalités peuvent changer (Il est possible d utiliser la version qui est un peu ancienne mais possède un éditeur de workflow graphique très pratique). Le choix de l archive à télécharger dépend de votre système d exploitation. Si vous utilisez une version moderne de windows (Win2000 ou WinXP) ou un UNIX comme LINUX ou SOLARIS, vous devez télécharger l archive.zip de Taverna (qui aura un nom du type Taverna -workbench-[version].zip ). Pour certains workflows produits par l équipe SIGENAE, une autre archive est nécessaire, SIGENAETaverna Kit1.0.zip ainsi qu un fichier.bat ou.sh spécifique. Pour une installation simplifiée et rapide, télécharger uniquement la version personnalisée par l équipe de SIGENAE de Taverna. Ces fichiers sont disponibles sur le site web de SIGENAE à l adresse

2 Sur Windows, vous devez utiliser votre utilitaire ZIP habituel (WinZip ) pour extraire le fichier.zip dans un dossier de votre disque dur. Il est à noter que WinXP inclut un utilitaire archive ZIP. Finalement vous devez obtenir un dossier dans lequel il y a plusieurs fichiers incluant un fichier nommé runme.bat. Sur linux ou d autres UNIX vous pouvez utiliser un utilitaire ZIP quelconque, comme la commande unzip, pour extraire l archive dans un dossier où vous avez les droits d accès. Etape 2 Pré requis à l installation (Linux et Windows uniquement) Sur linux vous devez installer un package nommé GraphViz, si vous ne l avez pas déjà. Sur Windows, ce package est déjà présent dans l archive de Taverna. Sur Windows et Linux vous devez vérifier qu une version récente de JAVA (JAVA Runtime Environment, JRE ou JAVA Software Development Kit, SDK). JAVA peut être téléchargé à partir de mais il est probable que vous ayez une installation de JAVA qui convient. Taverna a été testé avec les versions de JAVA supérieure à 1.5. Etape 3 Exécuter Taverna Exécuter Taverna est simple, le mécanisme dépend de votre système d exploitation : - Sur Windows : lancer le fichier runme.bat. - Sur Linux : lancer le fichier runme.sh. Dans tous les cas vous devriez voir une image de présentation s afficher puis la fenêtre principale de Taverna s ouvrir. Si c est le cas, vous êtes prêt à utiliser Taverna et pouvez passer aux exercices suivants! Exercice 2 Explorer et invoquer un seul service Avant d aborder l étude des workflows, nous allons utiliser la liste des services disponibles pour lancer un seul service. Cela introduit les concepts de définition des données d entrée, de suivi et lancement de processus, de visualisation des résultats, qui sont identiques lorsqu ils s appliquent à des workflows dans leur ensemble. Etape 1 Comprendre les différentes fenêtres Observez les fenêtres ouvertes. Quels sont leurs noms? Cliquez sur le bouton results puis sur le bouton design. Parcourez les menus «File» «Tools», «Workflows» et «Advanced» Etudiez les items des menus Etape 2 Trouver le panneau des services disponibles Le panneau des services est la fenêtre qui contient un arbre des services disponibles (available services). Taverna charge une liste de services par défaut à son démarrage. Vous devriez voir que des services peuvent être membres de catégories et que les nœuds terminaux sont colorés de façons diverses.

3 Trouvez les nœuds nommés Read Text File et Write Text File en utilisant la boite «search» Dans quelle catégorie se trouvent-t-ils? Quelle est la spécificité de cette catégorie? Les processeurs sont regroupés par type de fonction ou par localisation. Tentez de qualifier les catégories de processeurs list, net, text et ncbi. Etape 3 Utiliser la recherche rapide Il y a un nombre significatif de services, probablement trop, pour simplement naviguer en déroulant la liste et attendre de trouver quelque chose d utile. Taverna inclut plusieurs mécanismes de recherche incluant des techniques sophistiquées mais dans ce cas nous allons utiliser la simple boite de recherche en haut du panneau des services. Entrez le texte Split string dans la boîte de recherche et appuyez sur entrée. Vous devriez voir la liste des services se contracter Tous les noeuds qui ne correspondent pas à ce texte se referment et ceux qui lui correspondent s ouvrent. Utilisez la barre de défilement pour trouver le noeud avec un texte en rouge. Son nom est Split string into string list by regular expression. Trouvez l ensemble des nœuds qui correspondent à une recherche par le mot clef taurus. A quoi peuvent servir les services qui s y rattachent? Trouver le service reverse complement DNA

4 Etape 4 Préparation de l invocation d un seul service Sélectionnez le service que vous venez de localiser et cliquez avec le bouton de droite sur l icône du service ou sur son texte. Vous devriez voir un menu contenant différentes options, dont la première est invoke. Sélectionnez cette option et vous devriez voir apparaître une nouvelle fenêtre. Vous utiliserez cette fenêtre pour définir les données d entrée du service sur lequel vous travaillez. Etape 5 Définir les données d entrée La nouvelle fenêtre, appelée Run Workflow doit contenir un arbre très simple avec un noeud terminal appelé rawseq. Celui-ci correspond à l entrée de ce service. Le service que vous avez localisé reçoit en entrée une chaîne de caractères et retourne une autre chaîne de caractères. Sélectionnez le noeud rawseq de l arbre. La fenêtre doit se séparer en deux panneaux; l arbre est sur la gauche et un nouveau panneau sur la droite. Ce nouveau panneau vous permet de définir une ou des entrées pour ce traitement. Cliquez sur le bouton New Input de la barre d outil, vous devriez voir le nœud de rawseq apparaître dans l arbre, sur la gauche et une chaîne de caractères apparaître dans le panneau de droite. Nous allons tester ce service avec une séquence nucléique. Editez la chaîne Some input data goes here dans le panneau de droite avec la valeur suivante : CGCAGAGCATCGAACGTATAAAAACCCC Etape 6 Invoquer le service Lorsque vous avez défini les données d entrée, vous êtes prêt à exécuter le service, cliquez sur le bouton Run Workflow localisé en bas à droite dans le panneau.

5 La fenêtre principale de Taverna devrait maintenant contenir des informations sur l état d avancement du workflow ou indique directement les résultats si ceux-ci sont obtenus rapidement. Etape 7 Examiner les résultats Après la réalisation du traitement, vous pouvez voir un onglet Results pour les données de sortie. Si vous utilisez la valeur d entrée par défaut suggérée à l étape 5, les valeurs de retour sont directement visualisables sans devoir sélectionner un noeud de l arbre. S il s agit d une valeur de sortie comme un résultat de BLAST par exemple, vous devrez sélectionner le nœud correspondant à ce résultat dans l arbre de gauche et lire la totalité du résultat sur le panneau de gauche. Etape 8 Autre exemple Localiser le processeur Split string into string list by regular expression Invoquer les processeurs avec l élément de menu contextuel invoke Sélectionnez le noeud string de l arbre. Cliquez sur le bouton New Input de la barre d outil. Editez la chaîne Some input data goes here avec la valeur suivante (sur trois lignes) : ID1 ID2 ID3 Puis ajoutez la valeur \n pour le nœud regexp, valeur qui équivaut au symbole de la fin d une ligne. Exécutez le traitement. Combien de sortie avez-vous? Donnez 2 exemples d utilisation des processeurs reverse complement DNA et Split string into string list by regular expression? Etape 9 Sauver les résultats (optionnel) Dans certains cas, il est préférable de sauvegarder les résultats. Pour cela Taverna procure plusieurs mécanismes pour sauvegarder vos résultats sur votre disque dur. Par un clic droit sur un noeud représentant une donnée vous pouvez sauver cet élément par un menu contextuel, ou utiliser les boutons dans la barre d outils pour sauver tous vos résultats vers le disque dur ou Excel (seul les données textuelles sont sauvegardées dans Excel). Le processeur Write Text File découvert à l étape 2 permet de créer un fichier et d y écrire des données. Dans quel cas ce processeur est-il utile?

6 Etape 10 Consulter les logs (optionnel) Chaque fois qu un traitement est exécuté dans Taverna, un log est créé et décrit les étapes du traitement pour chaque opération du workflow. Généralement il n est pas nécessaire de faire cela, néanmoins si vous désirez voir un rapport de l invocation que vous venez de réaliser, vous pouvez sélectionner l onglet Process report dans la fenêtre des résultats, vous verrez un arbre contenant une liste de tous les processeurs (service au sein d un workflow), chacun d eux contient une liste d événements de l initialisation du traitement à sa finalisation. Cela peut devenir essentiel si l exécution du workflow échoue pour une raison ou une autre. Quelle est la valeur de workflowstatus? Que signifie cette valeur selon vous? Remarque : les messages d erreur sont également visibles dans la fenêtre de lancement de l application : Exercice 3 invoquer un Web Service Cet exercice introduit le concept de Web Service et d annuaire de services et vous montre comment les utiliser dans Taverna pour réaliser des traitements à partir de ressources distantes. Une partie des services de SIGENAE est mise à disposition sous la forme de Web Services exploitables notamment dans Taverna. Il s agit de services déployés sur des serveurs distants. Dans Taverna les Web Services sont représentés en vert. Certains de ces Web Services sont également disponibles via une interface utilisateur HTML sur un site web, comme le site de SIGENAE, par exemple. Tester dans votre navigateur le service Karioview disponible sur la page

7 Interface web d un web service sur le site SIGENAE Invoquez directement le Web Service après avoir localisé le processeur via le champ search Exécutez le workflow avec les données d exemple accessibles sur la page de l interface web (lien test with an exemple). Remarque : Si ce service n est pas disponible, vous pouvez ajouter l URL permettant à Taverna de retrouver des Web Services et de les afficher. Cliquez avec le bouton de droite de la souris sur Available services et choisissez Add new WSDL Scavenger. Un WSDL est une sorte d annuaire de Web Services.

8 Ajoutez l url du WSDL des Web Services SIGENAE dans Taverna : Identifiez les nouveaux services qui apparaissent dans l arbre des services disponibles. Réalisez la même opération avec le WSDL disponible à l URL : Exercice 4 recherche de services sur le web Qu il s agisse de web services ou de workflows déjà construits, les traitements partagés par la communauté sont de plus en plus nombreux. Cet exercice vous guidera dans la recherche de services sur le web. Le portail myexperiment.org a pour objectif d indexer les workflows TAVERNA et Web Services de bioinformatique existants pour faciliter la réutilisation et l échange de traitements. Trouvez d autres WSDL à partir du site myexperiment.org à partir du mot clé blast Filtrez les résultats avec l option WSDL only. Sélectionnez un fichier WSDL et ajouter le WSDL via le bouton Add new WSDL Scavenger.

9 Exercice 5 Charger, explorer et invoquer un workflow Cet exercice démontre l utilisation du diagramme de workflow et de l explorateur de modèle. Etape 1 La fenêtre Advanced Model Explorer Nous allons utiliser de nouvelles fenêtres. La première est la fenêtre de l Advanced Model Explorer. Elle contient une représentation de tout ce qui constitue le workflow en cours et vous permet de charger de nouveaux workflows, de les modifier ou d en créer à partir de zéro et de sauver les changements effectués. Nous allons exécuter un workflow exemple. Etape 2 Charger un workflow préexistant Ouvrez le menu File et cliquez sur l élément Open workflow. Une boîte de sélection de fichier s affiche, vous pouvez l utiliser pour naviguer sur votre disque dur et choisir un workflow exemple dans le dossier examples. Sélectionnez un fichier quelconque terminé par l extension.xml, décrivant un workflow sous la forme d un fichier au format XML. Lorsque vous avez sélectionné ce fichier, cliquez sur Open workflow. Vous devriez voir la fenêtre de l Advanced Model Explorer et celle du diagramme se remplir. Cliquez ensuite sur le bouton close workflow pour supprimer le workflow. Utilisez maintenant le bouton open workflow location et copiez l URL suivante dans la boite de saisie : Le workflow a été téléchargé depuis le web. Etape 3 La représentation du workflow en diagramme Observez la fenêtre workflow diagram.

10 Un des avantages importants des systèmes de gestion de workflows par rapport aux méthodes traditionnelles de création de scripts est la facilité avec laquelle l utilisateur peut comprendre les tâches que le traitement effectue. Pour cela, la représentation graphique est essentielle. Dans la représentation par défaut on peut considérer que les traitements commencent à partir du haut du diagramme, puis sont constitués d une série de processus (les boîtes colorées) et éventuellement aboutissant en bas du diagramme, où leurs sorties peuvent être présentées aux utilisateurs. Les flèches entre les boîtes indiquent comment les données sont transmises, de la sortie d un processus vers l entrée du suivant, les lignes avec un cercle à leurs extrémités dénotent que le processus doit seulement commencer lorsqu un autre est terminé. Par défaut, le diagramme de Taverna ne montre pas les ports (les entrées et sorties nommées de chaque processus, comme l entrée string de l exercice 2), cela peut être changé ainsi que d autres paramétrages en cliquant sur le bouton Configure diagram. Sauvegardez en PNG le diagramme en affichant les entrées et sorties. Comment peut-on exploiter l image sauvegardée? On peut également afficher des éléments du workflow masqués car classés comme boring (non essentiels à la compréhension du workflow) en cliquant sur show boring entities. Etape 5 Invoquer le workflow La prochaine étape est l exécution de ce workflow. Pour cela, cliquez sur le bouton nommé result. Puis sur le bouton Run current workflow. Ensuite vous verrez un formulaire d entrée très similaire de celui évoqué dans l exercice 2. En utilisant la même méthode que dans l exercice 2 vous pouvez exécuter le workflow, à nouveau avec la valeur pour l entrée string : ID1 ID2 ID3

11 Exercice 6 Partager le workflow et réutiliser des workflows préexistants Taverna peut faciliter le travail collaboratif en permettant aux workflows d être facilement échangés en ligne, par différents mécanismes par lesquels les workflows peuvent être traités comme des composants (processeurs) ou dont les composants qu ils contiennent peuvent être copiés et réutilisés. Etape 1 Charger des workflows dans le panneau des services Le panneau des services peut être alimenté par des workflows. Ceux ci peuvent être ajoutés de deux manières, de façon explicite ou en initialisant un web crawler qui analysera une page web pour y déceler la présence de fichiers XML de définition de workflows puis les chargera. Trouvez le panneau des services (voir l exercice 2) et allez à son extrémité supérieure. Faites un clic droit avec la souris sur le noeud racine de l arbre des services. Vous devriez voir un menu vous permettant d ajouter du nouveau contenu à l arbre des services. Pour ajouter un workflow en tant que service, vous devez sélectionner l élément du menu nommé Add new workflow scavenger. Collez alors dans le champ de la boîte l URL d un fichier de définition d un workflow; appuyez sur entrée. Le nouveau workflow téléchargé doit apparaître à la fin de l arbre des services, en bas de la liste. -Utilisez la fonction Add new workflow scavenger avec l URL suivante : que vous trouverez sur la page de Taverna du site de SIGENAE. -Sauvegardez le workflow dans le dossier C:/temp/ (dossier à créer si nécessaire) Sous le nom example2.xml Supprimez le workflow puis utilisez la fonction Add new workflow scavenger avec le chemin suivant: file:///c:/temp/example2.xml qui correspond au fichier local sauvé précédemment. Tester le workflow avec la valeur P Etape 2 Les workflows dans l arbre des services Vous devriez voir apparaître un nouveau nœud dans l arbre des services correspondant à la définition du workflow que vous venez de télécharger. Comme les autres services vous pouvez le tirer vers l Advanced Model Explorer pour charger le workflow dans son ensemble en tant qu un seul processeur, masquant ainsi sa complexité. Vous noterez que ce workflow a lui-même des noeuds enfants qui correspondent aux processeurs qui le composent. Etudier l emploi d un service dans un workflow conçu par quelqu un d autre permet une compréhension rapide de la manière de l employer. Chargez simplement le workflow dans le panneau des services, déployez le noeud du workflow pour trouver le service que vous voulez utiliser dans votre propre workflow et copiez le. Cela est particulièrement utile pour les services nécessitant de nombreux paramètres de configurations avant de fonctionner comme des scripts Beanshell scripts ou la collecte de données d annotation avec Biomart. Etape 3 Importer un workflow à partir de l arbre des services Si vous faites un clic droit sur le noeud du workflow ajouté à l étape 1, vous verrez une option qui n apparaît que sur les nœuds de type workflow - Import workflow. Si vous sélectionnez cette option, le workflow sera chargé, non pas comme composant simple, mais comme un workflow montrant tout son contenu, comme si vous l aviez construit directement. Cette option vous permet de spécifier un préfixe qui sera utilisé pour renommer les processeurs composant le workflow avant qu ils ne soient

12 directement ajoutés (vous pouvez laisser le préfixe vide si aucun processeur préexistant ne possède un nom identique à un des processeurs du workflow que vous ajoutez). Etape 4 Choisir un workflow par l étude de sa description Effacez le workflow et importez le workflow NarcisseQuery.xml de la page Taverna du site SIGENAE ou de la liste des services disponibles Ce workflow est documenté avec différents champs comme auteur, description, titre etc. Pour obtenir ces informations vous devez sélectionner le nœud nommé Processors dans l arbre de l Advanced Model Explorer. Quel traitement effectue ce workflow? L auteur a ajouté des informations descriptives. Ces informations sont utiles pour guider les utilisateurs potentiels de ce workflow et faciliter l échange du workflow au sein de la communauté des utilisateurs. Sélectionnez le noeud racine workflow model en cliquant avec le bouton de gauche de la souris, dans l Advanced Model Explorer. Vous pouvez alors observer un onglet en haut de la fenêtre avec une icône accompagnée du texte workflow Metadata. Sélectionnez cet onglet. Il s agit de l éditeur de meta données. Sélectionnez l onglet Description. Il permet de modifier la description du workflow. Utilisez les séquences FASTA sauvegardées précédemment pour tester ce workflow. Etape 5 Rechercher un workflow à partir de l outil de recherche myexperiement.org Rendez vous sur Naviguez sur le site myexperiment.org dans la rubrique lightweight repository of workflows et trouver un workflow a partir du terme SNP. Exécutez le workflow que vous trouvez. Avez-vous trouvé le workflow suivant? Dans la partie Featured workflow collections, vous trouverez des workflows documentés et valides. Recherchez les workflows concernant l analyse de promoteur, charger le workflow PromoterAnalysisWorkflow_coexpressedGenesMode_FastaSeqsInput.xml Une copie de ce workflow est disponible à l URL

13 Etudiez sa description et la description des entrées. Quel est le rôle de ce workflow? Chargez un exemple de donnée d entrée à partir d un fichier de donnée disponible à l URL que vous sauvegarderez sur votre disque dur avant de l importer via le bouton Load Input Doc Tentez d interpréter la sortie du workflow. Avez-vous une idée du contexte d application de ce workflow? Etape 6 Collecter un groupe de workflows à partir d une page web Comme mentionné dans l étape 3, il est possible de collecter une liste de workflows à partir d une page web. A partir de myexperiment.org, trouvez pour commencer une page web contenant des fichiers de définition de workflows. Pour cela allez dans le workflow repository, naviguez pour trouver une page listant des fichiers.xml comme par exemple Nous allons configurer le panneau des services disponibles pour ajouter les workflows accessible via cette page. Fermez Taverna puis ouvrez le sous-dossier /conf contenu dans le dossier de l installation de Taverna. Copiez le fichier mygrid.properties et nommez la copie mygrid.properties.sav. Remplacez la ligne commençant par Taverna.defaultweb dans le fichier mygrid.properties par la ligne suivante. Ajouter cette ligne si elle n existe pas. taverna.defaultweb = url choisie (N oubliez pas les deux caractères de concaténation «,\») Sauvegardez le fichier puis lancez Taverna et étudiez la liste des services s affichant. A quoi sert la ligne précédente? Supprimez le fichier mygrid.properties et renommez le fichier mygrid.properties.sav en mygrid.properties puis redémarrez Taverna.

14 Utilisez votre navigateur web pour vous rendre sur la page Etudiez la liste des workflows proposés sur cette page web. Quel lien y a-t-il entre cette liste et la liste des processeurs du panneau des services? Remarque : la version de Taverna disponible sur le site SIGENAE est configurée par défaut pour accéder aux workflows de la page de Taverna du site sigenae.org via l arbre des services disponibles. Exercice 7 Collecte de données d annotation avec Biomart Taverna possède la capacité de se connecter à un système du type Biomart. Vos workflows peuvent ainsi avoir accès aux données actualisées provenant de plusieurs banques publiques incluant Ensembl, VEGA et DbSNP, mais aussi aux données de SIGENAE. Etape 1 Utilisation d un workflow préexistant partagé utilisant Biomart Effacez le workflow existant (menu File/close workflow). Utilisez l arbre des services disponibles pour localiser le workflow nommé gga_snp.xml (vous le trouverez également sur la page Taverna du site sigenae.org) Positionnez le pointeur de la souris sur son nom, faites un clic droit puis choisissez l option import workflow. Le workflow se charge. Dans l Advanced model explorer, cliquez sur le nœud racine de l arbre workflow model puis sur l onglet workflow metadata. Quelles informations peut-on obtenir par ce biais? Lancer le workflow (Menu File puis Run workflow). Cliquez sur le nœud chr puis sur le bouton new input. Copiez dans le panneau de droite la valeur d entrée à la place de la chaîne Some input data goes here. Réalisez la même opération pour les nœuds start et end Cliquez sur le bouton run workflow pour exécuter le workflow puis étudiez les résultats.

15 Un processeur biomart permet de réaliser de nombreux type de requête sur des bases de données comme dans l interface web de biomart. Pour redéfinir la requête, vous devez reconfigurer le processeur biomart en cliquant avec le bouton de droite de la souris sur le rectangle du processeur dans l Advanced model explorer puis en choisissant l option Configure biomart query. Le bouton Filters, donne accès aux critères de sélection (données d entrée du processeur), le bouton Attributes aux données de sortie. Le bouton Count permet de compter le nombre de résultats avant de valider la configuration de la requête.

16 Exercice 8 recherche de similarités à partir d identifiants Nous disposons d identifiant Swissprot provenant d annotation de nos séquences d intérêt. Nous allons voir comment récupérer les séquences correspondant à ces identifiants et faire à partir de ces séquences une recherche de similarité par blast. Etape 1 téléchargement de séquences à partir d identifiants Récupérez la séquence correspondant à la protéine O Pour cela, vous utiliserez le processeur Get protein Fasta de l arbre des services en l invoquant directement. Sauvegardez les séquences au format excel. Etape 2 recherche de séquences similaires par blast A partir de ces séquences, nous allons lancer un WU blast en mode blastp sur Uniprot. Pour cela, chargez le workflow Exécutez le workflow. Etudiez les résultats. Modifiez la banque cible. Pour cela déployez le processeur params du workflow dans l advanced model explorez et cliquez sur l entrée database et choisissez set default value. Passez la valeur de uniprot à imgthlap et exécutez le workflow à nouveau. Remarque : ce workflow ne permet pas le traitement par lot à la différence du workflow

17 Exercice 9 recherche d orthologues Nous allons rechercher des orthologues à partir d une liste de noms de gènes. Ce cas s applique principalement aux espèces séquencées dont les génomes sont annotés. Pour une espèce dont le génome n est pas séquencé et annoté, il est possible d utiliser des séquences obtenues par recherche de similarités. Etape 1 obtention d identifiants homogènes de séquences à partir de liste d identifiants hétérogènes. Nous disposons d une liste de 4 clones d intérêt de Bos taurus qui correspondent à des annotations provenant de best hits de résultats de blast réciproques. Clone hit Id type Ensembl Clone1 MCEE_BOVIN Clone2 ENSBTAG Clone Clone4 PPARA Clone5 SLC7A9 Clone Clone7 NM_ Clone8 ENSBTAG Ces annotations correspondent à des identifiants hétérogènes ne provenant pas des mêmes banques. Nous allons donc convertir cette liste en liste d identifiants homogènes par le workflow Gene identifier translation Ce workflow est disponible à l URL ou par l Arbre des services disponibles. Remarque : ce web service est interfacé sur la page des Web Services du site SIGENAE Nous récupérons des identifiants les identifiants Ensembl correspondants : Clone hit Ensembl Clone1 MCEE_BOVIN ENSBTAG Clone2 ENSBTAG ENSBTAG Clone ENSBTAG Clone4 PPARA ENSBTAG Clone5 SLC7A9 ENSBTAG Clone ENSBTAG Clone7 NM_ ENSBTAG Clone8 ENSBTAG ENSBTAG Etape 2 extraction de pages d annotations à partir d identifiants homogènes Nous voudrions obtenir toutes les pages web Ensembl correspondantes à ces Id Ensembl.

18 Naviguez sur les pages Ensembl correspondant aux identifiants humain : Pour cela nous allons naviguer sur le site Ensembl et chercher à identifier la page qui correspondent à un identifiant L URL de cette page est du type avec ID = ENSBTAG , par exemple. Utilisez le workflow getwebpagefromid.xml pour obtenir toutes les pages correspondant à nos identifiants Ensembl : Etape 3 extraction d annotations GO à partir d identifiants homogènes Utilisez le workflow extractfieldfromwebpagebyid.xml pour obtenir les termes Gene Ontologie correspondant à nos identifiants. L entrée pattern doit être égale à : (GO:\d+) Mis en forme : Français (France) Etape 4 obtention des gènes orthologues à partir de l identifiant Ensembl. Nous allons maintenant chercher à obtenir les identifiants des gènes orthologues à partir d identifiants Ensembl. Recherchez le Web Service getorthologues dans l arbre des services puis invoquez le directement avec les identifiants Ensembl dans «geneid» (un élément d entrée par GeneID) Pour chaque id nous obtenons une liste avec les orthologues trouvés pour chaque espèce du type Species Orthologs Homo sapiens ENSG Caenorhabditis elegans D Gasterosteus aculeatus ENSGACG Myotis lucifugus ENSMLUG Otolemur garnettii ENSOGAG Ornithorhynchus anatinus ENSOANG Sorex araneus ENSSARG ENSSARG Takifugu rubripes SINFRUG Pan troglodytes ENSPTRG

19 Etape 5 Généralisation à l extraction de données disponibles sur le web La méthode décrite à l étape 3 est applicable à de nombreuses ressources internet disponibles via des formulaires ou des URL comportant des paramètres comme Pubmed par exemple. Essayez dans un navigateur l URL suivante : Modifiez le workflow précédent pour réaliser des requêtes pubmed avec la liste de termes : Taverna +workflow Taverna +XQuery Déclinez cette méthode pour Extraire les fiches des numéros d accessions Swissprot suivants : O70456 P30456 P24565 Q8D298 P67664 Pour vous aider rendez vous sur la page Exercice 10 Annotation de gènes par KEGG Etape 1 Obtention de KO à partir de noms de gènes HUGO Supposons que nous avons une liste de gènes annotés par des shortcuts HUGO comme par exemple : PPARA PRNP CNOT2 ACSL5 SRD5A2 TBCK_HUMAN ADAM28 ADAM7 DUSP10 NOTUM ETFA THRAP3 Nous voulons extraire des informations KEGG associées. Pour cela, chargez le workflow keggbfind.xml (page Taverna du site sigenae.org). Etudiez sa description.

20 Exécutez le workflow Soumettez un des identifiants KO collectés à partir du site de KEGG. Quel est l intérêt d un identifiant KO? Les KO sont des identifiants KEGG qui regroupent les orthologues de multiples espèces sous la même classe.

21 Récupérez les identifiants KO résultants (copier/coller dans un fichier texte, ou sauvegarde en fichier Excel. Etape 2 Obtention d identifiants de gènes espèce - spécifiques à partir de KO Copiez la liste des identifiants KO dans l entrée term du workflow sous la forme K06816 K05634 K08614 K03522 Utilisez les comme entrée du workflow pour extraire des noms de gènes humains, souris et poulet correspondant (entitytype = hsa, mmu et gga)

22 Exercice 11 Annotation de listes de clones cdna spotés. J ai une liste de clones sélectionnés à partir d analyse de classification de résultats de microarrays. Ces clones ne sont pas bien annotés car le génome de l espèce dont ils proviennent, la truite, n est pas encore séquencé. Je désire donc annoter ces clones pour identifier un lien entre ceux-ci. Etape 1 Obtention des séquences des contigs à partir des noms de clones spotés. Cette liste comprend les clones de truites suivants : 1RT114J15_B_E08 tcad0006.h.24 tcba0019.h.03 tcbk0020.d.02 tcbk0007.c.22 tcay0028.m.06 Utilisez le workflow getcontigseqfromspottedclonename.xml permettant de récupérer les séquences des contigs correspondant à des clones spotés sur un support de membrane générique (poulet, truite). Sauvegardez les séquences dans un fichier Excel. Etape 2 recherche de séquences similaires aux contigs par blast Utilisez le workflow BlastAtEBIFromSeq.xml pour rechercher des séquences similaires à nos séquences de contigs. Choisissez le blast 2 NCBI, blastn. Sauvegardez sous Excel le resultat. Copiez les URL des pages de résultats (intermediateurl) dans un fichier texte Exemple :

23 Etape 3 extraction des termes GO associés aux clones à partir des résultats de blast filtrés Nous allons maintenant extraire et classer les annotations GO (et HUGO) disponibles pour les hits de résultats de blast qui présentent des HSP ayant une e-value inferieure à Le workflow réalisant ce traitement est getgoandhugofromblastresultid disponible à l URL Exécutez le workflow avec les URL des résultats de blast obtenus préalablement

24 La qualité et la quantité des annotations obtenues sont dépendantes des critères de filtres utilisés (expect threshold)

25 Exercice 12 annotation de listes de clones par analyse de répartitions de termes GO Nous désirons comparer les répartitions de termes Gene Ontology de deux listes de clones correspondant à 2 clusters isolés par analyse de résultats de microarray. Etape 1 obtention d annotations GO associées aux clones La première étape non détaillée ici correspond à la génération de deux fichiers d annotation GO Ces fichiers contiennent des données GO sous la forme suivante SE contig M GO: SE contig C GO: SE contig C GO: AY contig B GO: Remarque : ce format correspond à une sortie de type Biomart et peut donc être généré à partir de Biomart SIGENAE par exemple. Il peut également s agir de termes GO collectés par une méthode du type de celle évoquée dans le cas d utilisation précèdent. Sauvegardez les deux fichiers de données suivants : Etape 2 génération d histogramme de répartition des classes GO Lancez le workflow GOPlot accessible via l arbre des services disponibles ou par l item Open workflow location du menu File en utilisant l URL. Exécutez le workflow puis sauvegardez les 3 images (histogrammes) résultantes Exécutez le workflow avec un seul jeu de données.

26 Conclusion Vous avez maintenant un aperçu des possibilités qu offre Taverna. Vous pouvez commencer à chercher des workflows qui vous intéressent à partir de la page Taverna du site SIGENAE et de myexperiment.org N hésitez pas à nous préciser de quels types de workflows vous avez besoin et nous pourrons vous aider à les créer. Les utilisateurs de SIGENAE peuvent simplement envoyer leurs workflows par mail à sigenasupport@jouy.inra.fr. Ils seront publiés sur la page Ce tutorial a été réalisé à partir de différentes sources dont les documents fournis par le projet mygrid, librement adaptés et complétés.