Informatique en Biologie 2004, Institut Pasteur Search in Protein Interaction Network SPIN Elizabeth...

Informatique en Biologie 2004, Institut Pasteur

Search in Protein Interaction NetworkSPIN

Elizabeth RemyKarine RobbeMathieu Barthelemy

Recherche pour une protéine à partir de son identifiant de l’ensemble des protéines du même organisme qui pourraient lui être associées structuralement ou fonctionnellement.

Le « spider » :

Projet encadré par Thierry Rose

Rosetta

Base de données d’interactions

DIP (fichier XML)

BIND Données personnelles

Liste de paires au format simplifié

SPIN spider

Interface utilisateur

Identifiant dela protéine

Requête

graphe

SPIN spider : parcours de graphe

Protéine de la requête

G_7 8400738 0 0 0 9606 G_12 627657 0 0 0 9606 Immunoprecipitation qu file pointer

Le réseau d’interactions protéine-protéine obtenu est un graphe:- connexe et cyclique- un vertex = une protéine (identifiant gi)- une arête = une interaction protéine-protéine- il peut exister plusieurs arrêtes entre 2 vertex (plusieurs méthodes)

Protéome del’organismede requête

SPIN spider : interaction prédictive déduite du BlastProtéine de la requête


Autre organisme

Blast

Protéines de la basede données d’interactions



Autre organisme

Blast

Protéines de la basede données d’interaction



Autre organisme

Blast

Protéines de la basede données d’interaction

Blast

Protéines de la base de donnéesnon redondante du NCBI

Method = ‘Blast predictive’

SPIN spider : problèmes des identifiants du NCBIgi et taxon-id

la ligne d’interaction utilise le gi et le taxon-id:

gi - 2 gi différents pour la même protéine- base de données pas formatable pour le Blast Prend le premier gi de la liste

taxon-id

G_7 8400738 0 0 0 9606 G_12 627657 0 0 0 9606 Immunoprecipitation qu file pointer

- lors de la remontée du Blast, l’organisme est un nom est en latin=> Il faut trouver le taxon-id

Format fasta

SPIN spider : parseur de la sortie du Blast

Choix de l’algorithme: Parcours en largeur

Premiers tests de création/parcours de graphe:

Le réseau comportant la protéine peut être très important (exemple: un réseau de la levure S. saccharomyces cerevisiae : 15340 interactions, 4927 protéines)

Introduire la notion de niveau pour l’utilisateur, qui correspondra a la distance entre le vertex (la protéine) considéré et le vertex (la protéine) de départ

Parcours en largeur :Inspiré de l’algorithme du BFS (Breadth First Search)


SPIN spider: Structure du programme

Protein__dict__

Attributs

dict_index

Fonctionsfind_interactions()add-interaction()fasta_file()

instance__dict__

Attributs

giorggraphinteractfind_interdistance

__class__

BFS()black_interaction()print_interaction()Class Protein

Spider

Blastinterrog_blast()parse_blast()find_predictive_interactions()


SPIN spider: exemple de résultats par niveaux

0

10

20

30

40

50

60

0 5 10 15

Homo sapiens gi:1070666 Homo sapiens gi :66820

0

500

1000

1500

2000

2500

3000

0 2 4 6 8

S. cerevisiae gi :82888

0

500

1000

1500

2000

2500

0 2 4 6 8

S. cerevisiae gi :1077878 fichier level

4926 protéines

285 protéines285 protéines

4926 protéines

0

10

20

30

40

50

60

70

0 2 4 6

E. coli gi :749025

115 protéines

Nombre protéines nouvelles par niveau = f (niveau)

0

10

20

30

40

50

60

0 5 10 15

Niveau = nombre d’intermédiaires

fichier pairs

niveau A orgA B orgB méthode

0

20

40

60

80

100

120

140

160

180

200

0 2 4 6

Test 1: gi=1070666 niveau= 1, 2 et 4

3 2155 514 5604 1187 6711 131

0

1000

2000

3000

4000

5000

6000

7000

8000

0 2 4 6 8

Test 2: gi=8288 niveau= 3, 4 et 7

SPIN spider: Optimisation

Protein__dict__

Attributs

dict_indexFonctions

find_interactions()add-interaction()fasta_file()

instance__dict__

Attributs

giorggraphinteractfind_interdistance

__class__

Calcul en CPU.s = f (niveau)

1 2,83 2,832 45,63 3,044 181,62 4,34

niveau + index- index

niveau + index- index

SPIN spider: entrée/sortie DIP (fichier XML)


fasta databaseindex

gml

file2fasta database-index

simple2gml

SPIN spider

level

gml

Requête(gi,niveau)

pairs list_gi fasta

simple2gml

Liste_simple

fichier mis au format gml

Sortie graphiqueSur yEd Graph Editor

Rosetta


DIP (fichier XML)



SPIN spider


Identifiant dela protéine

Requête

Rosetta


DIP (fichier XML)




Requête

Grapher: interfaceTK

Client form

CGI

- Identifiant de la protéine (gi)- Niveau (distance)- Méthode (immunoprécipitation)

http

http

SPIN spider

Création de 5 fichiers temporaires (propriétaire =www)

Ecriture

Informatique en Biologie 2004, Institut Pasteur Search in Protein Interaction Network SPIN Elizabeth...

Documents

Transcript of Informatique en Biologie 2004, Institut Pasteur Search in Protein Interaction Network SPIN Elizabeth...