Bases de données et ressources pour la protéomique

Transcription

1 Bases de données et ressources pour la protéomique Lydie LANE, Swiss Institute of Bioinformatics (SIB), CALIPHO Group 25 septembre 2012, Workshop «Protéomique et Maladies Rares»

2 Bases de données et protéomique sont indissociables Question biologique? Expérience de protéomique Echantillon, instrumentation = «Metadata» Entrepôts de données Spectres = «Données brutes» Bases de données de séquences Résultat biologique Protéines d intérêt Protéines identifiées Outils d analyse (graphes, enrichissement ) Bases de données d annotation (fonction, localisation, modifications )

3 1- Sauvegarde des données brutes de protéomique Question biologique? Expérience de protéomique Echantillon, instrumentation = «Metadata» Entrepôts de données Spectres = «Données brutes» Bases de données de séquences Résultat biologique Protéines d intérêt Protéines identifiées Outils d analyse (graphes, enrichissement ) Bases de données d annotation (fonction, localisation, modifications )

4

5

6

7 ProteomeCentral for ProteomeXchange 8 datasets released and announced 16 identifiers reserved for datasets in process

8 2- Identification de protéines Question biologique? Expérience de protéomique Echantillon, instrumentation = «Metadata» Entrepôts de données Spectres = «Données brutes» Bases de données de séquences Résultat biologique Protéines d intérêt Protéines identifiées Outils d analyse (graphes, enrichissement ) Bases de données d annotation (fonction, localisation, modifications )

9 La base de données de séquences utilisée pour l identification des peptides à partir des spectres doit être «complète» pour un organisme donné

10

11 Comment définir un protéome humain complet? ~ protein coding-genes alternative splicing of mrna 2-5 fold increase post-translational modifications of proteins (PTMs) fold increase ~ 5'000'000 different proteins ~ 50 to transcripts (mrnas)

12 Le protéome humain dans entrées (~gènes codants); isoformes d épissage dans entrées: séquences protéiques; variants; liés à des maladies; les autres sont des polymorphismes PTMs (50% prouvées expérimentalement).

13 Une ressource spécifique pour les protéines humaines Ne remplace pas UniProtKB/Swiss-prot qui reste la base de référence pour les séquences humaines Vise à intégrer des résultats d expériences à haut débit en transcriptomique, protéomique etc Avec un souci constant de qualité

14 PTMs > variants [= UniProtKB (65 000) + dbsnp + COSMIC]

15 nextprot est la première ressource à avoir implémenté le format PEFF = Proteomics-enriched FASTA format, ce qui devrait permettre aux outils d identification un accès plus facile aux informations de variants et de PTM. >nxp:q9hcu4 \NcbiTaxId=9606 \Pname=Cadherin EGF LAG seven-pass G-type receptor 2 \Gname=CELSR2 \Processed=(1 31 SIGNAL)( CHAIN) \ModRes=(1591 MOD:00035) (1810 MOD:00035) \Variant=( Q)( H)( R)( A) MRSPATGVPL PTPPPPLLLL LLLLLPPPLL GDQVGPCRSL GSRGRGSSGA CAPMGWLCPS SASNLWLYTS RCRDAGTELT GHLVPHHDGL RVWCPESEAH IPLPPAPEGC PWSCRLLGIG GHLSPQGKLT LPEEHPCLKA PRLRCQSCKL AQAPGLRAGE RSPEESLGGR RKRNVNTAPQ FQPPSYQATV PENQPAGTPV ASLRAIDPDE GEAGRLEYTM DALFDSRSNQ FFSLDPVTGA VTTAEELDRE TKSTHVFRVT AQDHGMPRRS ALATLTILVT DTNDHDPVFE QQEYKESLRE NLEVGYEVLT VRATDGDAPP NANILYRLLE GSGGSPSEVF EIDPRSGVIR TRGPVDREEV ESYQLTVEAS DQGRDPGPRS TTAAVFLSVE DDNDNAPQFS EKRYVVQVRE DVTPGAPVLR VTASDRDKGS NAVVHYSIMS GNARGQFYLD AQTGALDVVS PLDYETTKEY TLRVRAQDGG RPPLSNVSGL VTVQVLDIND NAPIFVSTPF QATVLESVPL GYLVLHVQAI DADAGDNARL EYRLAGVGHD FPFTINNGTG WISVAAELDR EEVDFYSFGV EARDHGTPAL TASASVSVTV LDVNDNNPTF TQPEYTVRLN EDAAVGTSVV TVSAVDRDAH SVITYQITSG NTRNRFSITS

16 3- Filtrage des résultats d identification Question biologique? Expérience de protéomique Echantillon, instrumentation = «Metadata» En^trepôts de données Spectres = «Données brutes» Bases de données de séquences Résultat biologique Protéines d intérêt Protéines identifiées Outils d analyse (graphes, enrichissement ) Bases de données d annotation (fonction, localisation, modifications )

17 Différentes vues pour une même protéine

18 Exemple : dans la vue «Expression», les données obtenues au niveau mrna et protéine ont été intégrées et unifiées

19 Accès par programme Toutes les données inclues dans nextprot (expression, localisation subcellulaire, variants et PTM) peuvent être explorées par une application dédiée

20 3- Analyse des résultats d identification Question biologique? Expérience de protéomique Echantillon, instrumentation = «Metadata» Entrepôts de données Spectres = «Données brutes» Bases de données de séquences Résultat biologique Protéines d intérêt Protéines identifiées Outils d analyse (graphes, enrichissement ) Bases de données d annotation (fonction, localisation, modifications )

21 Outils d analyse de listes de protéines De nombreux outils bioinformatiques proposent une analyse statistique du contenu en annotation. La plupart analysent les termes GO présents dans les entrées (DAVID, AmiGO etc..) nextprot va proposer prochainement un outil mesurant l enrichissement de tout type d annotation

22 Outil d enrichissement (beta test) Exemple : Liste de 49 partenaires de Lyn Enrichissement en UniProt KWs :

23 4- Intégration des données de protéomique Question biologique? Expérience de protéomique Echantillon, instrumentation = «Metadata» Entrepôts de données Spectres = «Données brutes» Bases de données de séquences Résultat biologique Protéines d intérêt Protéines identifiées Outils d analyse (graphes, enrichissement ) Bases de données d annotation (fonction, localisation, modifications )

24 Vue proteomique

25 Infrastructures bioinformatiques pour le HUPO Human Proteome Project Ab/IHC data MS data identifications study metadata mass spec output files ProteomeXchange EBI PRIDE (MS/MS) ISB PASSEL (SRM) PeptideAtlas reprocessing Raw storage

26 Remerciements ProteomExchange consortium UniProtKB consortium The Human Protein Atlas GO consortium nextprot et tous les biocurateurs qui maintiennent ces ressources utilisables gratuitement par la communauté