15 septembre Démo #2 MySQL Séquençage

Transcription

1 15 septembre 2010 Démo #2 MySQL Séquençage

2 SQL et MySQL SQL: structured query language langage pour manipuler des données dans des bases de données relationnelles MySQL: Implantation de SQL Ajout à SQL permettant le contrôle d exécution Logiciel open source, multi platformes Architecture client/serveur

3 Modélisation Les données sont représentées sous forme de tables Une entrée == une liste d attributs Chaque entrée d une table doit être unique Au moins un attribut diffère

4 Opérations select <attributs - nom d une ou des colonnes> from <table - nom de la table> join <table> on <condition - expression bool.> where <condition>; Autres requêtes: count(), max(), min(), distinct, limit, order by, group by

5 Requêtes imbriquées Permettent de prendre le résultat d une requête pour l utiliser dans une autre insert into <table> (<attribut>, ) values ((select <attribut> from <table> where <condition>, ); insert into (address, person_id) values ( test@yahoo.com, (select id from person where firstname= John ))

6 Jonction (join) Permet de lier ensemble des tables qui ont les mêmes attributs join vs left join et right join join = ne retourne que les entrées qui ont une valeur dans les deux tables left join = retourne toutes les entrées qui ont une valeur dans la table de gauche (avant le join)

7 Requêtes à essayer (ensembl server) use homo_sapiens_core_47_36i; describe xref; select * from xref where display_label = "lmo2"; describe gene; select * from xref join gene on xref.xref_id = gene.gene_id where xref.display_label = "lmo2";

8 Ressource Exemple code Java sur le site web du cours

9 Séquençage Action de déterminer la suite de nucléotide d un fragment d ADN. Taille fragment: 100nt nt (génome)

10 Historique du séquençage 1977: Technique Maxam et Gilbert: 1.5kb / personne/année 1988: séquençage par capillaire: 10Mb / personne/année 2008: SOLiD ABI: 150Gb /personne/année 2010: environ 2000Gb/personne/année

11 But du séquençage Petit fragments: routinier au laboratoire Génomes complets: de plus en plus commun (génome en moins d un mois) Comparaison d individus: génome humain séquencé mais ce n est qu une référence

12 Techniques Impossibilité de séquencer plus de mille bases par réaction shot gun sequencing : séquençage initial du génome humain, laborieux, long deep sequencing : beaucoup plus rapide, problèmes informatiques différents

13 Technique Shotgun sequencing Multiples copies de la cible Brisures aléatoires Sous-clonage et formation d une librairie de clones Séquencage à partir des deux extrémités pour chaque clone

14 Résultats shotgun sequencing Séquences en paire et la distance Valeur de qualité

15 Assemblage Partie complexe informatiquement Problème: Reconstruire la séquence cible à partir de séquences lues et de leur paire en présence d erreurs et de régions répétées Formulation mathématique: problème du shortest common super-string (SCS) - problème NP-difficile Approches courantes: pas d optimisation explicite d une fonction mathématique

16 Deep sequencing techniques Nouvelles approches plus rapides But: génome humain par semaine (assemblé) Techniques (compagnies) 454 pyrosequencing (Roche) Solexa (Illumina) ABISolid (ABI)

17 Solexa - technique

18 ABISolid - technique

19 ABISolid vs Solexa - charactéristiques Solexa: 75nts par lecture SOLiD: 50nts par lecture double séquençage de chaque base

20 Défis informatiques Méthodes de deep sequencing posent les même défis que shotgun pour assemblage Séquences lues sont plus courtes -> nombre de séquences plus grand Séquençage de plus grands fragments