Bioinformatique dans l IUP

Transcription

1 Bioinformatique dans l IUP Intervenants Equipe Bioinfo (Laboratoire d Informatique Fondamentale de Lille) Cours : Jean-Stéphane Varré (jean-stephane.varre@lifl.fr) TD sur machine : Jean-Stéphane Varré, Ségolène Caboche (segolene.caboche@lifl.fr) Contrôle des connaissances 1 TD sur machine noté (compte-rendu) examen théorique Horaires (TD en salle 117 du bâtiment DESS) groupe A : mercredi 8h-10h, JS Varré groupe B : jeudi 8h-10h, S Caboche JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

2 Programme de l EC Bioinfo Introduction Banques de données Comparaison de séquences Annotation JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

3 Introduction à la bioinformatique JS Varré IUP GenPro avec le support de Maude Pupin JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

4 Qu est-ce que la bioinformatique? L approche in silico de la biologie Un outil indispensable aux biologistes Un nouveau domaine de recherche Trois activités principales : Acquisition et organisation des données biologiques Conception de logiciels pour l analyse, la comparaison et la modélisation des données Analyse des résultats produits par les logiciels JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

5 Quels sont les besoins des biologistes? Représentation, stockage, distribution des données, format, schémas, interface, outils d interrogation... Gestion des nouvelles données (accessibilité). Interconnexion des données: pas de rupture dans la chaîne d informations tant par manque d informations que par surcharge d informations. Analyse des données issues de l information biologique. Développement de méthodes prédictives, modélisation. JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

6 Comment s assurer de la qualité de l information? Autorité : Source de l information, auteurs, statut,... Transparence : Documentation disponible, source? Péremption : Date de création, de mise à jour,... Règles valables aussi bien pour une banque de données, que pour une entrée ou un logiciel JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

7 Quelques conseils : Les logiciels : Ne les croyez pas systématiquement!!! Parfois diminution de la qualité des résultats au profit de la rapidité Recherche d une solution parmi un ensemble infini de possibilités Ce n est pas toujours la solution la meilleure qui est trouvée Les banques de données : Ne les croyez pas systématiquement!!! Les données se sont pas toujours fiables ou à jour. Différence entre réalité mathématique et réalité biologique : Les ordinateurs ne font pas de biologie, ils calculent... vite! JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

8 Naissance de la génétique, quelques dates 1866 : Gregor Mendel publie ses lois de l hérédité à partir d études menées chez le Pois : O. Avery démontre avec C. McLeod et M. McCarthy que l ADN transporte l information génétique responsable de la transformation bactérienne 1953 : J. Watson et F. Crick découvrent la structure en double hélice de l ADN : F. Sanger établit la séquence en acides aminés de l insuline 1961 : M. Nirenberg et J.H. Matthaei découvrent le code génétique et le premier codon (UUU Phénylalanine) 1965 : J. Monod, F. Jacob et A. Wolf découvrent les mécanismes de la régulation génétique impliqués dans le dogme central de la biologie moléculaire, énoncé initialement par F. Crick. JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

9 Début de la bioinformatique 1965 : Théorie de l horloge moléculaire (Zuckerkandl & Pauling). 1ère compilation de protéines (M. Dayhoff) : Construction of Phylogenetic Trees (Fitch & Margoliash) 1970 : Programme d alignement global de séquences (algorithme de Needleman & Wunsch). JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

10 Phylogénie Objectifs des études phylogénétiques : Mieux comprendre les mécanismes de l évolution et les mécanismes moléculaires associés. Connaître l arbre de la vie (taxonomie). Etudier la biodiversité, l origine géographique des espèces,... Phylogénie moléculaire : Détermination de l arbre phylogénétique à partir d un ensemble de séquences Arbre phylogénétique : Configuration la plus probable (selon un certain critère) pour rendre compte du degré de parenté existant entre des séquences. JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

11 Comparaison de séquences, objectifs Détermination la fonction et la structure d une séquence Détection de régions fonctionnelles au sein des séquences Étude des processus de l évolution à l échelle moléculaire Construire la phylogénie des espèces. JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

12 Comparaison de séquences, méthodes Comparaison de deux séquences Dotplot : représentation graphique de leurs points communs Alignement global ou local : recherche du maximum de correspondances entre leurs lettres Programmes dédiés : génome / ARNm, (ADN ou ARN) / protéine Recherche d une séquence dans une banque BLAST, FASTA : identification des séquences d une banque ressemblant à la séquence requête Alignement multiple Clustal, Dialign, Multalign : alignement de plus de deux séquences JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

13 Développement du séquençage de l ADN 1977 : F. Sanger met au point la méthode de Sanger pour établir le séquençage de l ADN : Création de la banque EMBL 1984 : Développement de la réaction de polymérisation en chaîne (PCR) par Mullis : Réalisation et commercialisation du 1er séquenceur automatisé par la société Applied Biosystems (Californie). JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

14 Pourquoi et comment séquencer les génomes? Etudier des gènes (et leurs fonctions) connaître leur séquence, c est-à-dire, le texte (la chaîne de nucléotides) qui la compose. Acquisition technique du séquençage. Mais : n autorise la lecture que de séquences relativement courtes (plusieurs centaines de paires de bases). Obtention du génome fractionnement pour être décrypté (lu), étudié et analysé JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

15 Principe du séquençage d un chromosome entier Amplification du chromosome Besoin de séquencer 8 à 10 fois le chromosome Les copies du chr sont cassées aléatoirement en fragments de quelques milliers de nucléotides Séquençage des extrémités de certains des fragments obtenus Certaines séquences se chevauchent en partie JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

16 Reconstruction des contigs Comparaison des séquences obtenues pour aligner les parties séquencées plusieurs fois Reconstitution d enchaînements plus grands, appelés contigs Traitement informatique indispensable JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

17 Finition (assemblage final) Il reste à ordonner et orienter les contigs Difficulté : présence de répétitions dans les génomes qui peuvent conduire à assembler des contigs provenant de régions distantes du chr Présence de trous qui sont comblés par un séquençage ciblé Correction des erreurs Renouvellement du séquençage pour améliorer la qualité de la séquence (étape pas toujours réalisée : le but est alors d avoir rapidement l ébauche d un génome pour, par exemple, le comparer à une espèce proche) JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

18 Le séquençage du génome humain Le projet a commencé dans les années 1990 Etape préalable : cartographie des chromosomes (localisation de marqueurs) pour faciliter l assemblage 1998 : début du séquençage Le travail a été réparti entre 20 institutions internationales réunies dans un consortium public Ebauche préliminaire célébrée en juin 2000 Génome séquencé seulement 5 fois Entre et fragments de à nt pas toujours orientés et ordonnés 90% du génome couvert, avec une erreur tous les nt JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

19 La finition du génome humain Avril 2003 : achèvement du génome humain 2 ans d avance sur le calendrier initial grâce aux progrès des techniques de séquençage Séquençage de 5 autres équivalents génomiques Taux d erreurs d un nucléotide tous les Travail focalisé sur les trous résiduels Il en reste moins de 400 2,9 milliards de nucléotides, soit 90% des 3,2 milliards de nucléotides de l ensemble du génome humain Le reste du génome est constitué de séquences répétées (notamment au niveau des centromères et télomères) JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

20 Quelques projets génome Haemophilus influenzae Procaryote ,8 Mb Mycoplasma genitalium Procaryote ,6 Mb Saccharomyces cerevisiae Euc (levure) Mb Escherichia coli Procaryote ,6 Mb Caenorhabditis elegans Euc (ver) Mb Drosophila melanogaster Euc (mouche) Mb Arabidiopsis thaliana Euc (plante) Mb Homo sapiens Euc (Homme) Mb JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

21 L ensemble des projets terminés ou en cours JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

22 Evolution du séquençage JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

23 Pourquoi séquencer les génomes? Intérêt scientifique Evolution des espèces Fonctionnement des cellules Etude des êtres vivants Intérêt économique Médecine Biotechnologies Ecologie Utilité publique Nutrition Propagation des maladies JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

24 Séquençage partiel : uniquement les ARNm Le séquençage de grands génomes demande beaucoup de temps (et d argent) MAIS chez les eucaryotes supérieurs seule une petite partie du génome code pour des protéines (max 10%) cependant, difficulté d identifier les gènes Idée : ne séquencer que les ARNm Méthode Purification des ARNm matures (sans intron) Recopie de l ARN en ADN pour amplification puis séquençage Parfois, séquençage uniquement des extrémités des ADNc (ces fragments d ARNm sont appelés EST : Expressed Sequence Tag) JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

25 Le séquençage ponctuel L explosion du nombre de génomes séquencés est récente Les scientifiques séquencent depuis longtemps des fragments de génomes, selon leurs besoins : Séquençage de régions d intérêts si le génome complet n est (n était) pas encore connu Séquençage dans le but d étudier les variations alléliques (la même région dans des individus différents d une même espèce) Séquençage d un ou plusieurs ARN pour localiser des gènes sur un génome et étudier leur régulation transcriptionnelle... JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

26 Mise à disposition des séquences Les séquences obtenues dans des laboratoires publics sont mises à disposition de l ensemble de la communauté scientifique Collecte des séquences par des organismes spécialisés Stockage des séquences dans des banques de données, sous la forme de fichiers texte formatés Les séquences sont annotées (localisation des gènes,... ) et leur provenance est précisée (nom de l espèce, laboratoire,... ) Les banques de données sont maintenant via Internet JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

27 Après le séquençage? Le séquençage ne constitue qu une toute première étape pour l analyse des génomes : Au terme d un projet de séquençage, on obtient un texte formé de 4 lettres, et il reste un énorme travail de décryptage pour pouvoir interpréter ce texte. L un des principaux défis de la biologie moderne sera d interpréter ces génomes: Identification de la fonction des gènes. Compréhension des réseaux d interactions moléculaires (biologie des systèmes). JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

28 Ce que souhaiterait connaître chaque biologiste : Le jeu complet et précis des gènes ainsi que leur position sur le génome, L ensemble des transcrits d un génome, Le lieu et le moment de l expression de chaque transcrit, La protéine produite par chaque transcrit, Le lieu et le moment de l expression de chaque protéine, La structure complète de chaque protéine, La fonction de chaque protéine, Les mécanismes cellulaires auxquels participent les protéines. JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

29 La localisation des gènes C est la première étape pour interpréter un génome Distinction entre régions codantes et non codantes. Mais, c est loin d être trivial. Réalisée par des programmes informatiques combinant différents types d information. Ces programmes sont prédictifs, ils génèrent des erreurs Certains gènes échappent à la détection (faux négatifs). Certains gènes prédits ne correspondent pas à de vrais gènes (faux positifs). Même pour les prédictions correspondant à des gènes réels, les limites précises du gène sont parfois erronées. JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

30 Proportions codant / non codant Organisme Génome Gènes Codant Mycoplasma genitalium 0,6 Mb % Haemophilus influenzae 1,8 Mb % Escherichia coli 4,6 Mb % Saccharomyces cerevisiae 12 Mb % Caenorhabditis elegans 97 Mb % Arabidiopsis thaliana 120 Mb % Drosophila melanogaster 165 Mb % Homo sapiens Mb % JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

31 Prédiction de gènes, objectifs Localiser les gènes présents sur une séquence d ADN Retrouver la structure complète des gènes : JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

32 Une idée simple : les phases ouvertes de lecture Une séquence codante : Débute par un codon d initiation (ATG + autres) et se termine par un codon de terminaison (TAA, TAG, TGA) A une taille multiple de 3 (si les introns sont enlevés) Taille moyenne : bp (bactéries) Une phase ouverte de lecture (ORF) Plus de 99 nt entre un Cinit et un Cterm (statistiquement rare) Peut contenir un gène Problèmes : Un gène peut être sur un brin ou sur l autre Plusieurs phases de lecture possibles JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

33 Détection des ORF, fonctionnement Traduction à l aveugle 6 phases de lecture = 6 séquences protéiques possibles JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

34 Détection des ORF, résultats 6 phases de lectures codons d initiation (ATG) en rose codons de terminaison (TAA, TAG, TGA) en cyan Sélection des phases ouvertes de lecture Régions mesurant plus de 99 nt entre un Cinit et un Cterm Choix du Cinit le plus loin du Cterm Peut contenir un gène Une ORF en vert Une ORF n est pas nécessairement un gène JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

35 Prédiction de gènes, autres méthodes Comparaison de la séquence génomique Aux ARNm connus pour prédire : Séquences transcrites mais non traduites (3 et 5 UTR) Position des introns et exons Épissage alternatif Aux protéines pour prédire : Séquence codante (CDS, CoDing Sequence) Position des introns et exons Épissage alternatif (plus rarement observé dans les banques) Prédiction statistique (ab initio) Apprentissage de l usage du code propre à un organisme Recherche des zones respectant l usage du code = CDS JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

36 Analyse de séquences protéiques Etude de la fonction des protéines Par comparaison à d autres protéines Par recherche de motifs ou domaines connus Prédiction de leur structure 2D ou 3D Par déduction à partir d une protéine similaire Par recherche de domaines structurels connus Prédiction de la localisation cellulaire Par étude des domaines transmembranaires Par recherche des peptides d adressage JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

37 Génomique comparative Objectifs : Etudier l évolution entre espèces à l échelle du génome Identifier des gènes spécifiques à une espèce (pathogénicité,... ) Retrouver des régions de synténie (conservation de l ordre de gènes homologues dans le génome d espèces différentes) Étude du polymorphisme au sein d une même espèce Méthodes Comparaison de cartes génétiques Alignement 2 à 2 de toutes les protéines de plusieurs génomes Etude de l ordre des gènes JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

38 Analyse du transcriptome Techniques expérimentales globales : les puces à ADN Etude de plusieurs milliers de gènes en une seule fois Mesure de leur taux d expression Etude d une cellule dans différentes conditions expérimentales Génère une grande quantité de données Besoin d outils issus de la fouille de données et des statistiques Objectifs : Identifier des groupes (clusters) de gènes ayant des profils d expression similaires Aide à l annotation JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

39 Analyse du protéome Regroupe différentes méthodes et différents objectifs : Recherche et identification des protéines présentes dans un ensemble de cellules, pour une condition expérimentale donnée Etude des interactions entre protéines Visualisation des protéines in situ et/ou in vivo Aussi besoin d outils spécifiques pour analyser les résultats et les exploiter Objectifs : Identifier les protéines synthétisées dans une condition donnée Reconstruire des réseaux d interactions entre protéines JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

40 Etude du fonctionnement de la cellule, objectifs Reconstruire l ensemble des processus cellulaires Voies métaboliques, transport des molécules Voies de régulation des gènes, transduction du signal Réplication et réparation de l ADN, synthèse des protéines,... Prédire des comportements cellulaires Prédire la réponse à un stimulus Prédire le processus à l origine d une maladie Simulation d expériences de mutation de gènes,... Mettre en évidence des modules fonctionnels conservés au cours de l évolution JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41

41 Etude du fonctionnement de la cellule, méthodes Constitution de bases de connaissances Collecte d informations sur les génomes, les gènes, les protéines, les interactions entre molécules, les processus cellulaires,... Établissement de liens entre les données de différentes natures Inférence de nouvelles connaissances Représentation dynamique des réseaux cellulaires Équations différentielles Réseaux booléens Théorie des graphes,... JS Varré (IUP GenPro) Introduction à la bioinformatique année / 41