Recherche de motifs dans les arbres phylogénétiques

Transcription

1 Séminaire du club génome Octobre 2002 Recherche de motifs dans les arbres phylogénétiques Jean-François ufayard Sous la direction de Laurent uret, Guy Perrière et François Rechenmann UMR 5558 Biométrie, biologie évolutive.

2 Mini V -Licence d informatique -Réconciliation d arbres phylogénétiques -Recherche de motifs dans les arbres phylogénétiques -Gestion de grandes familles de gènes homologues -Maîtrise d informatique -E d informatique -Thèse d informatique (en cours)

3 ontexte

4 Bases de données de familles de gènes homologues L analyse comparative de séquences: Mécanismes d évolution des génomes Prédiction de la fonction des gènes nalyse phylogénétique. Bases de données de familles de gènes homologues: HOVERGEN (vertébrés) et HOBGEN (procaryotes), Gènes classés en familles (BLSTP). lignement multiple et arbre phylogénétique calculés pour chaque famille. onnées taxonomiques issues du NBI. Séquences protéiques issues de SwissProt et TrEMBL. Séquences nucléiques issues de EMBL.

5 Problématique

6 Problématique (1/2) Base de données d arbres phylogénétiques: HOVERGEN: arbres issus de vertébrés. HOBGEN: arbres issus de procaryotes. omment rechercher de l information sur des critères phylogénétiques?

7 Problématique (2/2) Exemple: - «Je cherche 4 gènes homologues, sous forme de 2 paires de gènes hommes / souris. Les 2 paires de gènes doivent être des paires de gènes strictement orthologues. Les 2 paires de gènes doivent être paralogues entre-elles. Je souhaite que la duplication de gènes à l origine de la paralogie soit postérieure à la première divergence des mammifères.» G1 G2 Homme Souris Mammifères G3 G4 Homme Souris Spéciation Pas de duplications uplication

8 Point de vue informatique

9 Recherche de motifs dans les arbres (1/2) Recherche de motifs Ordonnés Non ordonnés La recherche de motifs non ordonnés est un problème NP-complet rbre cible B Motif M E B E

10 Recherche de motifs dans les arbres (2/2) = (V, E, racine()) M = (W, F, racine(m)) «M est un motif non ordonné de» f une fonction injective telle que : i) f : w W v V ii) f(u) = f(v) u = v iii) étiquette(u) = étiquette(f(u)) iv) «u est un ancêtre de v» «f(u) est un ancêtre de f(v)» arbre cible B motif M E B E

11 Méthode de résolution dite «naïve» évelopper l ensemble des possibles B E M? B E M est motif de si et seulement si...

12 Méthode de résolution dite «naïve» évelopper l ensemble des possibles B E M? B E M est motif de si et seulement si...

13 Méthode de résolution dite «naïve» évelopper l ensemble des possibles B E M? B E M omplexité est motif de moyenne si et seulement non polynomiale si...

14 Point de vue applicatif

15 Transposition aux arbres phylogénétiques (1/2) Souris G1 M Souris Nœud Souris G2 Nœud Nœud Gerbille Rat Homme Nœud Nœud Nœud Rat G3 Gerbille G4 Homme G5 Les feuilles sont étiquetées par un nom d espèce. Les nœuds sont étiquetés par une étiquette unique «Nœud». Les arbres doivent être racinés. Les arbres phylogénétiques sont un cas particulier: L ensemble des étiquettes aux feuilles est disjoint de l ensemble des étiquettes aux nœuds.

16 Transposition aux arbres phylogénétiques (2/2) M Nœud Nœud Souris Rat Nœud Nœud G1 - Souris G2 - Gerbille G3 - Rat Homme Espèces(M) Nœud G4 - Gerbille Espèces() Soit espèce(x) la fonction rendant l ensemble des espèces aux feuilles de l arbre X : «M est motif de»espèces(m) espèces()

17 méliorations

18 Introduction de différents niveaux taxonomiques Les feuilles du motif peuvent être étiquetées avec des taxons de haut niveau. M Mammifère Mammifère Poulet G1 Homme G2 Souris G3 Tétrapode mais pas mammifère Rat G4 Porc G5 Vache G6 Objectif: retrouver des paralogies antérieures à l apparition des mammifères.

19 ontraintes sur les nœuds du motif ontrôler quels taxons sont présents sous certains nœuds du motif. Uniquement mammifères Uniquement rongeurs Homme Rat Souris Homme G1 himpanzé G2 Rat G3 obaye G4 Souris G5 Gerbille G6 Poulet G7 Objectif: Eviter de sélectionner certaines paralogies.

20 Nœuds de duplications et de spéciations La base HOVERGEN a été entièrement annotée par des nœuds de duplications. Uniquement mammifères Homme Homme Souris Rat Souris Vache Homme ochon Poulet Souris Souris G1 Rat G2 Homme G3 Homme G4 Souris G5 Vache G6 ochon G7 Poulet G8 Pas de duplications Spéciation uplication

21 Implémentation

22 Intégration dans FamFetch (1/4) FamFetch: Interface d accès aux bases de données développées au Pôle Bio-Informatique Lyonnais. (HOBGEN, HOVERGEN, NU ) Racinement des arbres par la méthode du point central, ou par réconciliation d arbres (HOVERGEN).

23 Intégration dans FamFetch (2/4)

24 Intégration dans FamFetch (3/4)

25 Intégration dans FamFetch (4/4)

26 Pour conclure

27 onclusion / iscussion Système permettant de résoudre des requêtes sur une base d arbres, prenant en compte des critères phylogénétiques. Implémentation compatible avec une utilisation interactive. Système concurrencé par la recherche à la main. Sensible à la qualité des arbres. Nécessite des arbres enracinés.