Formation RNG - 24-28 octobre 2005 Aide à linterprétation des données Virginie Defamie.

Formation RNG - 24-28 octobre 2005

Aide à l’interprétation des données

Virginie Defamie


- Quantification des intensités de fluorescence

- Normalisation des données

- Tests statistiques

Liste de gènes significativement

modulés

25 000 gènes

200 gènes modulés

dizaine connus

reste

Comment utiliser sa liste de gènes modulés?


Informations sur les gènes

OMIM (Online Mendelian Inheritance in Man)http://www.ncbi.nlm.nih.gov.gate1.inist.fr/entrez/query.fcgi?CMD=search&DB=omim

DAVID (Database for Annotation, Visualisation and Integarted Discovery)

Permet d’obtenir des infos sur les gènes, les classer par fonction et les inclure dans des voies de signalisation via un lien vers KEGG.

http://apps1.niaid.nih.gov/david/

KEGG: Kyoto Encyclopedia of Genes and Genomes

Schémas des voies de signalisation impliquées dans divers processus cellulaires et maladies humaines.

http://www.genome.jp/kegg/


Informations sur les gènes

http://www.ncbi.nih.gov/entrez/query.fcgi?db=gene

Entrez Gene sur NCBI

Permet d’obtenir des infos sur les gènes, leur différents symboles, position chromosomique, accès à la littérature, lien vers KEGG


Le clustering

DéfinitionOrganiser les gènes, dont les profils d’expression sont identiques, en groupes (clusters)

But

Révéler la fonction putative de certains gènes encore non caractérisée

gènes co-exprimés peuvent être reliés fonctionnellement

Identifier les gènes co-régulés

Identifier rapidement un groupe de gènes régulés selon une pathologie ou un traitement


Le clustering

Clustering hiérarchique : analyse non supervisée

Techniques de clusterisation: d’après la Manchester Metropolitan University

1 détermination des distances entre les gènes (méthode euclidienne)2 liaison des gènes les plus proches (arbre hiérarchique)

http://149.170.199.144/multivar/ca_alg.htm


Le clustering

Clustering hiérarchique : analyse non supervisée


Le clustering

Le k means clustering : analyse supervisée

Permet le classement des gènes dans un nombre fixe de classe (k) défini par l’utilisateur.

Les gènes sont classés en clusters et dans chaque cluster la distance moyenne entre les gènes est la plus petite possible.

Les gènes sont déplacés de clusters en clusters jusqu’à que tout changement n’améliore plus le système.

Le logiciel minimise la variabilité au sein des clusters et maximise la variabilité entre clusters.

SOM (self organizing map) : analyse supervisée

Principe similaire au k means mais calculs par rapport au centroids.

Le centroid de chaque cluster est redéfini jusqu’à ce que les clusters restent dans des localisations stables.


Le clustering

Set de 50 microarray homme.

min max

Identification de gènes tissu ou cellule spécifiques.

Cluster 1

Cluster 2

Cluster 3

Cluster 4

Leuco. Ker.Nas.ep. Liver

Chaque ligne correspond au niveau d’expression d’un gène dans les différents types cellulaires.

Niveau d’expression :


Le clustering

http://www.tm4.org/mev.html

MeV: MultiExperiment Viewer

Logiciels disponibles sur le web

http://www.tigr.org/software/microarray.shtml

Genesis

http://genome.tugraz.at/

J-express

http://www.ii.uib.no/~bjarted/jexpress/


EASE (Expression Analysis Systematic Explorer)

http://david.niaid.nih.gov/david/ease.htm

EASE disponible sur le web:

Permet de définir des familles fonctionnelles à partir d’une liste de gènes d’intérêt.

EASE utilise les bases de données DAVID, KEGG, Entrez Gene…



Liste gène modulés sous format .txt



Liste gène présents sur la puce sous format .txt



Étude des gènes modulés lors de la régénération hépatique chez la souris.

Cinétique de régénération 0, 2, 16 et 40 heures post hépatectomie.



Identification des thèmes biologiques les plus important grâce à EASE en donnant un score statistique EASE ou FISHER.

Conclusion: réorganisation du cytosquelette surexpression des protéines impliquées dans la synthèse d’ADN au

profit des protéines de fonctionnement hépatique


PAM (Prediction Analysis of Microarrays)

http://www.cran.r-project.org/

1 Installation de R (cours Pascal Barbry)

3 Exécution du programme sur Excel

2 PAM

http://www-stat.stanford.edu/˜tibs/PAM

Objectifs: identifier un set de gènes modulés en fonction des condition asthme vs témoin

diagnostic prédictif de nouveaux patients rhinite ou asthme?

Exemple biologique



% erreur dans la prédiction

Trouver le juste milieu entre un nombre de gènes prédictifs satisfaisant et % d’erreur le plus petit possible



Entrée des données dont le diagnostique des patients est inconnu (Rhinite ou asthme?)


Genomatix

Logiciel payant disponible sur http://www.genomatix.de/


Genomatix

1. Créer des liens entre les gènes de la liste de gènes modulés

2. Voies de signalisation et voies métaboliques

3. Étude des facteurs de transcription et de leurs cibles


Genomatix

Analyse des promoteurs

Identifier les gènes co-réguler


Conclusion

Il existe plusieurs façons d’aborder ses données selon la question biologique posée.

Analyse gène par gène

Analyse globale (gènes corégulés…)

Dégager un set de gènes prédictifs d’une pathologie

Formation RNG - 24-28 octobre 2005 Aide à linterprétation des données Virginie Defamie.

Documents

Transcript of Formation RNG - 24-28 octobre 2005 Aide à linterprétation des données Virginie Defamie.