Véronique DUPIERRIS 1, Damien BARTHE 2, Christophe BRULEY 2 epims : un LIMS pour la gestion des données de spectrométrie de masse Informatique RÉSUMÉ La protéomique constitue aujourd hui un outil de choix pour l étude de systèmes biologiques complexes. Les laboratoires spécialisés dans ce domaine doivent disposer d outils informatiques permettant de gérer des quantités et des flux de données conséquents et d organiser leur activité. Nous décrivons dans cet article un LIMS spécifiquement dédié à la protéomique développé par le groupe informatique du Laboratoire d Etude de la Dynamique des Protéomes (EDyP). Ce système constitue un outil modulaire susceptible d organiser, de tracer et de gérer efficacement les données électroniques liées aux analyses protéomiques par spectrométrie de masse. MOTS-CLÉS Protéomique, spectrométrie de masse, LIMS epims : a LIMS dedicated to mass spectrometry data management SUMMARY Proteomics is nowadays a usefull method to study complex biological systems. Laboratories specialized in this field need informatic tools able to organize their activities and to manage big amount and large flows of data. We describe in this article a LIMS dedicated to proteomics. This modular software was developed by the information technology team of the «Laboratoire d Etude de la Dynamique des Protéomes (EDyP)» (CEA Grenoble, France). This tool can organize, trace and manage efficiently electronic data associated with mass spectrometry-based proteomic analysis. KEYWORDS Proteomics, mass spectrometry, LIMS I - Introduction Avec la multiplication des données générées dans le domaine de la protéomique et plus particulièrement dans l analyse protéomique par spectrométrie de masse, les besoins en logiciel permettant, d une part, de gérer cette volumétrie et, d autre part, de suivre les expérimentations réalisées en amont de la génération de ces données se sont faits de plus en plus pressants. De tels outils, des progiciels dédiés à la gestion des laboratoires ou LIMS (Laboratory Information Management System (1)) sont déjà très répandus dans d autres domaines (recherche et développement pharmaceutique, agro-alimentaire...). Ils permettent non seulement une gestion plus efficace de l activité des laboratoires mais constituent également un gage de qualité grâce à la traçabilité qu ils procurent. Néanmoins, les LIMS existants, notamment pour la protéomique, ne gèrent pas les données électroniques associées aux analyses et sont le plus souvent «fermés», interdisant alors tout ajout de nouvelles fonctionnalités. Ce double constat a amené le groupe informatique du Laboratoire d Etude de la Dynamique des Protéomes (EDyP) du CEA Grenoble à développer un LIMS, epims (experiment Proteomic Information Management System), spécifiquement conçu et développé pour la protéomique. L analyse protéomique par spectrométrie de masse permet notamment l identification et la quantification, des protéines contenues dans un échantillon biologique d intérêt. Le «workflow» classique des analyses par spectrométrie de masse, qui va du traitement chimique de l échantillon à l identification des protéines présentes est schématiquement représenté dans la Figure 1 (voir page suivante). Le temps nécessaire à l analyse peut varier d un échantillon à l autre en fonction des techniques utilisées et il est donc important de savoir, à tout moment, quels sont les échantillons en cours d analyse et les traitements qu ils ont subis. Dans notre cas, le laboratoire est constitué d une trentaine de personnes qui gèrent près de 200 études (figure 1A) en s appuyant sur un parc instrumental de cinq spectromètres de masse. Environ 400 acquisitions sont réalisées par mois, ce qui représente approximativement 200 Go de données. L utilité d un LIMS dans 1 Fondation Rhône-Alpes Futur 89 rue Bellecombe 69003 Lyon 2 Laboratoire d Etude de la Dynamique des Protéomes (EDyP) Inserm U-880 Institut de Recherches en Technologies et Sciences pour le Vivant (irtsv) CEA-Grenoble 17, rue des Martyrs 38054 Grenoble Cedex 9 36 SPECTRA ANALYSE n 269 Septembre - Octobre 2009
Technologie appliquée epims : un LIMS pour la gestion des données de spectrométrie de masse Figure 1 Workflow classique d analyse protéomique par spectrométrie de masse. Après une phase de préparation et éventuellement de décomplexification des échantillons (b), ceux-ci sont digérés afin d obtenir un mélange peptidique qui est analysé par spectrométrie de masse en tandem (MS/MS). Ces acquisitions produisent des spectres de fragmentation qui sont réduits en liste de pics («peak list») (c) et soumis à des moteurs d identification, comme Mascot par exemple (d). Les spectres expérimentaux sont confrontés aux spectres théoriques générés à partir de banques contenant des séquences de protéines afin de lister l ensemble des peptides, et donc des protéines, potentiellement présents dans l échantillon de départ. Un travail d expertise est alors nécessaire afin de correctement valider cette liste et d en extraire un ensemble plus juste de protéines identifiées (e). un tel contexte semble évidente, d une part pour organiser l activité du laboratoire mais également pour gérer la quantité importante et le flux de données générées par les spectromètres de masse. Nous développons epims dans le but d organiser, de tracer et de gérer efficacement les données électroniques liées aux analyses mais également avec pour objectif d automatiser certains processus qui ne nécessitent pas un travail d expertise ou qui peuvent être configurées à priori. En effet, dans le cadre d un projet haut-débit les mêmes paramètres d identification de protéines ou de validation des résultats peuvent être utilisés. II - Organisation et traçabilité de l activité 1. Organisation La mise en place d epims nécessite que les différents projets soient répertoriés et identifiés afin que chacun, groupe ou personne, puisse organiser et retrouver rapidement les projets dans lesquels ils sont impliqués. C est pourquoi nous avons opté pour une hiérarchisation à trois niveaux : les programmes de recherche, programmes à grande échelle dont les frontières peuvent être hors laboratoire ; les projets scientifiques, rattachés ou non à des programmes de recherche et qui représentent des thématiques sur lesquelles des personnes du laboratoire travaillent et, enfin, les études qui permettent de regrouper des échantillons à analyser. Cette gestion de l activité est réalisée grâce à un module Web du système, le module ep-web (figure 2a, voir page suivante). Pour chacun de ces niveaux hiérarchiques (ou «entités») on identifie un responsable et des membres du laboratoire impliqués et seules ces personnes disposent des droits de création et de modification sur les entités qui s y rattachent. Dans un souci de confidentialité, la visibilité, ou non, de ces informations aux yeux des autres personnes ayant accès au LIMS sont à la discrétion des responsables. Afin de faciliter la navigation et l accès aux informations, différentes vues et outils sont proposés : vue globale, hiérarchique des programmes, projets et études définis au sein du laboratoire ; vue uniquement des entités dans lesquelles l utilisateur authentifié est impliqué ; recherche d une entité ou acquisition en fonction de multiples critères. Dans le cas particulier des études, il est également possible de visualiser les informations et données associés aux échantillons. Le module ep-web permet donc d avoir une description complète des différents niveaux de l activité du laboratoire. 2. Traçabilité En plus de cette vision descriptive, il est indispensable de tracer les expérimentations (figure 1B) que ce soit pour des simples questions de qualité des résultats rendus ou pour suivre les recommandations faites par les éditeurs des journaux scientifiques. Cette traçabilité passe par l organisation de l activité comme décrite ci-dessus mais aussi par le suivi des expérimentations faites sur les échantillons biologiques. Pour ce dernier point, le module ep-pole (Préparation, Organisation et Lignée des Echantillons) permet de visualiser et modifier l ensemble des échantillons et des trai- SPECTRA ANALYSE n 269 Septembre - Octobre 2009 37
Figure 2 Intégration d epims dans le workflow d analyse protéomique. Le LIMS permet la gestion de l activité (a), des échantillons (b) et des données électroniques (c) mais offre également la possibilité d automatiser (d) une ou plusieurs des étapes suivantes : récupération des données, génération de «peak lists», identification des protéines, validation des résultats Mascot (avec IRMa (2)) et export des résultats dans une base de données d identifications (MSIdb, avec IRMa). tements qu ils ont subis pour une étude donnée (figure 2b). Actuellement, la préparation par un robot (Tecan), l analyse par spectrométrie de masse, l aliquotage ainsi que le pool d échantillons sont pris en charge. Une visualisation par étape, c est-à-dire en fonction du dernier traitement subi par l échantillon ou par lignée est proposée à l utilisateur. Cette seconde vue correspond à une représentation en arbre permettant d identifier les échantillons issus de l aliquotage d un même échantillon père par exemple. 3. Planification Afin de planifier l occupation des instruments, ep- POLE autorise les utilisateurs à déposer des demandes de préparation automatique sur le robot Tecan ou d analyse par spectrométrie de masse pour leurs échantillons. Cette étape de demande est indispensable pour les responsables des instruments. En effet, c est à partir de ces listes d échantillons en attente que les plans de plaques pour le robot de préparation sont générés, avec le module ep-plate, ou que l ordre de passage sur les spectromètres est établi. Une fois les demandes satisfaites, les échantillons changent automatiquement d état soit à la validation du «run robot» par le responsable du robot soit lors du transfert des acquisitions en spectrométrie de masse. Ce changement d état est visible dans ep-pole, les échantillons passant de l étape «attente de» à l étape «passage sur le robot effectué» ou «analysé en masse». III - Données électroniques Les acquisitions en spectrométrie de masse sur les différents instruments génèrent une grande quantité de données électroniques (figure 1c) : les fichiers de données bruts contenant les spectres et les conditions d acquisitions et, parfois, les «peak lists» représentant les spectres réduits. Ces sont ces données qui sont ensuite traitées pour l analyse, l identification et/ou la quantification, des échantillons. L accès à ces données doit donc être rapide et facile tout au long du cycle de vie de l étude mais il doit également être possible d y revenir à postériori, lors d une publication ou lors de nouvelles analyses sur des échantillons comparables. En plus de ces acquisitions, le LIMS gère aussi les fichiers associés aux études tels que les demandes d analyses qui ont été soumises à la plateforme, les fiches d échantillons ou les scans de gels. Pour cela, le repository du LIMS qui contient les données qui lui sont transférées constitue une partie intégrante du système. 1. Repository Le repository est un espace de stockage centralisé et structuré en fonction des entités de l organisation auxquelles les données sont rattachées. Ainsi, pour chaque étude, le LIMS créé un répertoire qui est alors directement accessible depuis le module ep-web. Les données sont donc téléchargeables depuis tout ordinateur pouvant se connecter au LIMS. Néanmoins, la mise en place d un repository pour le stockage des données ne nous abstient pas de l archivage sur bande. En effet, lorsque l espace disque du repository est entièrement utilisé, il est nécessaire de déplacer certaines données sur bandes. Dans le LIMS, cet archivage est réalisé grâce à un module d administration système : ep-admin. ep-admin est un module Web à partir duquel l administrateur sélectionne les études et/ou acquisitions de contrôles des instruments qu il souhaite archiver et le système va non seulement déplacer ces données dans un espace dédié mais aussi enregistrer l opération au niveau de la base de données. 2. Gestion des acquisitions Un autre module, ep-back, permet le transfert des acquisitions depuis les spectromètres vers le repo- 38 SPECTRA ANALYSE n 269 Septembre - Octobre 2009
Technologie appliquée epims : un LIMS pour la gestion des données de spectrométrie de masse Figure 3 Architecture du système. Le système epims est structuré en modules s appuyant sur des Web services, un module central d accès aux données, une base de données et un espace de stockage. Un serveur FTP tiers ainsi que les services JMS du serveur d application sont également nécessaires au bon fonctionnement de ce LIMS. sitory du LIMS (figure 2c). En fonction du modèle de l instrument sélectionné, ce module liste l ensemble des acquisitions qu il a trouvé et affiche pour chacune d elles un certain nombre d informations qu il a extrait de ces données. Actuellement, ep-back peut lire les acquisitions générées sur des spectromètres de masse des constructeurs Thermo Fisher Scientific, Applied Biosystems, Waters et Bruker. La plupart des informations propres à l analyse sont enregistrées par le spectromètre de masse, mais il est nécessaire que les responsables instruments saisissent l identifiant de l échantillon analysé de manière à ce qu ep-back puisse faire le lien entre le résultat de l analyse (l acquisition) et l échantillon epims. Ainsi, lors du transfert, les données seront non seulement copiées sur le repository mais des informations sur l acquisition proprement dite seront également enregistrées dans la base de données du LIMS. ep-back permet également aux résponsables des instruments de sauvegarder des acquisitions dites «qualités» dans le système, c est-à-dire les résultats des analyses réalisées dans le cadre des contrôles de la calibration des spectromètres. Enfin, ce module permet de supprimer de manière sécurisée, sur les ordinateurs pilotant les spectromètres, les données qui ont déjà été transférées évitant ainsi les suppressions manuelles et donc les risques de perte de données. 3. Automatisation La récupération des données via ep-web peut être relativement longue et fastidieuse, notamment dans un contexte d analyses à haut débit. Si le LIMS ne gère pas les traitements post-acquisition, il s intègre dans l automatisation des tâches qui sont à exécuter, comme décrit dans la Figure 2d. Cette intégration n est cependant pas obligatoire puisqu il ne faut pas omettre le fait qu il existe toujours des projets pour lesquels l automatisation n est pas souhaitable. Un «pipeline» de traitement automatique, depuis le transfert des données dans le LIMS jusqu à la création des bases de données d identifications (MSI db) a donc été mis en place. Le module de transfert automatique de données, ep-taf, est le point de départ de ce «pipeline». En effet, sur chacun des postes sur lequel il est installé, ep-taf est notifié de la création d une nouvelle acquisition dans le LIMS et un transfert des données associées est fait si cette acquisition répond à des critères prédéterminés. Les données ainsi récupérées sont ventilées en fonction des informations relatives aux acquisitions et aux échantillons analysés. Ceci permet par exemple à des outils tels que Mascot Daemon, le logiciel client du moteur de recherche Mascot, de lancer dynamiquement des processus de traitement spécifiques à une étude. Dans le cas du «pipeline» mis en place au laboratoire EDyP, nous avons profité des capacités de Mascot Daemon pour enchaîner aux processus de réduction des spectres et à l identification de protéines, la validation automatique des résultats Mascot via un logiciel, IRMa (2), également développé au sein du laboratoire EDyP. IV - Architecture et diffusion La structuration modulaire du système décrit dans ces pages permet de le rendre plus flexible et donc de l adapter à moindre coût à de nouveaux environnements. Les différents modules utilisent des technologies différentes, application Web ou client lourd, mais compatibles entre elles et s appuyant sur les spécifications J2EE (figure 3). En effet, la SPECTRA ANALYSE n 269 Septembre - Octobre 2009 39
communication entre modules et l accès aux informations se font par l intermédiaire des services fournis par le serveur d application, messages JMS (Java Message Service) et Web services. Le choix a été fait d utiliser des outils et librairies Open Source et donc de proposer epims sous ce même type de licence, soit une licence CeCILL (élaborée conjointement par le CEA, le CNRS et l INRIA (3)). Ce type de diffusion permet non seulement à toute plateforme ayant les compétences en interne d installer et d utiliser ce LIMS mais également de mettre en place des projets de co-développement. Plusieurs collaborations de développement ont déjà été réalisées, notamment avec la Plateforme Protéomique Bourgogne - Franche Comté CLIPP (Clinical and Innovation Proteomic Platform, Dijon) (4) et la société ASA (Castelnau-le-Lez, France (5)) pour la définition de deux nouveaux modules, un module clinique et un module de statistique. Les collaborations sont facilitées par la mise en place d un gestionnaire de projet accessible par internet, sur authentification, et d une documentation en ligne accessible à tous (6). De plus, un site Web devrait voir le jour dans les mois à venir (7). V - Conclusion Après plusieurs années de développement, l architecture actuelle du système décrit dans ces pages est suffisamment flexible pour permettre une installation sur des plateformes de taille et d équipements variés. De plus, la modularité permet à toute plateforme d ajouter de nouveaux modules spécifiques à leur activité, s appuyant sur les bases du système, ep-core et ep-webservice. Néanmoins, ce LIMS étant une infrastructure complète, l ajout de fonctionnalités voire même l installation nécessite des compétences dans le domaine des serveurs d applications Web. Le laboratoire EDyP n ayant pas pour vocation l installation et la formation du système epims, les audits destinés à évaluer l adéquation entre le système et l activité d une plateforme ainsi que l installation et la maintenance du système sont réalisés par la société tierce ASA. Le LIMS epims a atteint une certaine maturité et sa robustesse a été mise à l épreuve puisqu il est installé au laboratoire EDyP depuis fin 2004. Le système évolue régulièrement et nous envisageons par exemple d améliorer encore la description des différentes opérations de séparation des échantillons, de mettre en place des protocoles associés aux traitements ou encore d étendre la gestion électronique des documents à chaque niveau de l organisation de l activité. BIBLIOGRAPHIE (1) Claude GOLDSZMIDT, Progiciels de gestion de laboratoire (LIMS), 2006, les techniques de l ingénieur, P218. (2) DUPIERRIS V., MASSELON C., COURT M., KIEFFER-JAQUINOD S. & BRULEY C., A toolbox for Validation of mass spectrometry peptides identification and Generation of database: Irma; Bioinformatics, 2009, 25, 15, 1980-1981. (3) Voir en ligne www.cecill.info (4) NAUBOURG P., SAVONNET M., TERRASSE MN, Réalisation d un LIMS protéomique Modélisation des informations cliniques 2nd International Conference : EMedical System, Tunisie October 2-31, 2008 (5) www.advancedsolutionsaccelerator.com (6) http://biodev.extra.cea.fr/docs/epims. (7) Cette ressource sera consultable à l URL : www.epims-community.org 40 SPECTRA ANALYSE n 269 Septembre - Octobre 2009