silico.biotoul.fr
 

M1 BBS Graphes - Projets

From silico.biotoul.fr

Revision as of 17:12, 15 November 2022 by Barriot (Talk | contribs)
Jump to: navigation, search

Bibliothèque Python

Une partie du projet consiste à terminer le module python entamé au cours des TP.

La liste des fonctions à terminer est la suivante (correspond à l'ensemble des questions des 3 premiers TP) :

  • TP1: bfs, induced_subgraph, clustering_coeficient
  • TP2 : dfs, is_acyclic, topological_sort
  • TP3: BellmanFord, script graphmaster.STRINGdb_path.py, FloydWarshall et FloydWarshallPath, diameter


Une attention particulière sera portée à la qualité du code et de ses commentaires.

Pour cette partie, il n'est pas demandé de rapport et seul un script de tests/validations devra être fourni (ou bien intégré directement dans la bibliothèque) et testera chacune des fonctions sur un exemple.


Gene Ontology

La deuxième partie du projet consiste à étendre la bibliothèque python afin de fournir des utilitaires pour la Gene Ontology. Ses principales fonctionnalités seront :

Une fois ces étapes réalisées, les fonctions à implémenter sont :

  • détermination du plus long chemin possible entre 2 sommets afin d'obtenir la profondeur maximale de chacune des trois ontologies (biological process, molecular function et cellular component)
  • obtention des GeneProducts directement associés à un GOTerm
  • obtention des GOTerms directement associés à un GeneProduct
  • obtention des GeneProducts associés à un GOTerm ou à un de ses descendants (ou ancêtres selon le choix sur l'orientation des arcs lors du chargement du graphe) correspondant à des termes GO plus spécifiques
  • pour un gene product, l'obtention des GO Terms associés en incluant les termes ancêtres (ou descendants ...) correspondant à des termes GO plus généraux

Remarque : Vous êtes libres d'apporter toutes les modifications que vous voulez aux modules commencés en TP ainsi qu'au code fourni pour le chargement de la Gene Ontology et des annotations d'un génome (ex: orientation des arcs, représentation interne du graphe, ...), mais la pertinence et l'efficacité (complexité en temps/espace) seront prises en compte.

Pour le chargement des annotations, le format à prendre en charge s'appelle gaf (version 2.1). Vous pourrez travailler sur le(s) fichier(s) de votre choix. Un ensemble de proteomes est disponible sur le FTP de l'EBI : http://ftp.ebi.ac.uk/pub/databases/GO/goa, notamment le répertoire proteomes, avec le README qui vous indique à quoi correspondent les colonnes des fichiers. Celles (au minimum) à conserver sont :

  • 2) DB_Object_ID = identifiant unique (id)
  • 3) DB_Object_Symbol = nom du produit du gène (name)
  • 7) Evidence Code = qualité de l'annotation (evidence-code)
  • 11) DB_Object_Synonym = autres identifiants pour ce produit de gène (aliases).

Vous devez donc choisir un organisme parmi tout ceux disponibles ou bien en prendre un dans la liste ci dessous :

  1. M. musculus 59.M_musculus.goa - archive de 2017
  2. H. sapiens 25.H_sapiens.goa - archive de 2017
  3. C. elegans 9.C_elegans.goa - archive de 2017 → Julie
  4. G. gallus 21457.G_gallus.goa - archive de 2017
  5. R. norvegicus 122.R_norvegicus.goa - archive de 2017
  6. D. melanogaster 17.D_melanogaster.goa - archive de 2017
  7. A. thaliana 217288.A_thaliana.goa - archive de 2017
  8. D. rerio 4832498.D_rerio_1.goa - archive de 2017
  9. S. aureus 22608.S_aureus_NCTC_8325.goa - archive de 2017
  10. S. cerevisiae 71242.S_cerevisiae_ATCC_204508.goa - archive de 2017
  11. S. mutans 102.S_mutans_ATCC_700610.goa - archive de 2017
  12. P. putida 109.P_putida_KT2440.goa - archive de 2017
  13. C. tetani 119.C_tetani.goa - archive de 2017
  14. B. cereus 134.B_cereus_ATCC_14579.goa - archive de 2017
  15. D. radiodurans 16.D_radiodurans.goa - archive de 2017
  16. S. thermophilum 20300.S_thermophilum.goa - archive de 2017
  17. T. thermophilus 20981.T_thermophilus_HB8.goa - archive de 2017
  18. H. influenzae 21.H_influenzae_ATCC_51907.goa - archive de 2017
  19. L. major 21780.L_major.goa - archive de 2017
  20. P. fluorescens 21840.P_fluorescens_Pf-5.goa - archive de 2017
  21. N. crassa 22025.N_crassa.goa - archive de 2017
  22. A. gambiae 22426.A_gambiae.goa - archive de 2017
  23. M. truncatula 23232.M_truncatula.goa - archive de 2017
  24. O. sativa indica 23240.O_sativa_indica.goa - archive de 2017
  25. P. parasitica 2325912.P_parasitica_CBS_412.66.goa - archive de 2017
  26. O. oeni 25791.O_oeni.goa - archive de 2017
  27. M. smegmatis 25827.M_smegmatis.goa - archive de 2017


Votre choix de l'organisme doit être envoyé par mail à R. Barriot. La règle est que deux étudiant·e·s ne doivent pas travailler sur le même organisme (premier arrivé, premier servi).

Dossier à rendre sous la forme d'une archive au format zip ou tar.gz

Les modules python annotés et assortis de jeux de tests (sans le fichier obo qui est le même pour tous). Cela devrait correspondre à vos fichiers graphmaster.py et geneontology.py.

Un rapport synthétique au format PDF ressemblant à un rapport de projet d'ingéieurie qui comprend en général les sections suivantes :

  • Contexte
Une très brève introduction sur le cadre et l'objectif du projet. La description de l'organisme choisi.
  • Analyse
Analyse du contexte, des besoins et des fonctionnalités à fournir : qu'est-ce qui est disponible et où et qu'est-ce qu'il manque et qu'il faudra réaliser.
  • Conception
Fort de l'analyse précédente, présenter l'approche choisie et pourquoi.
  • Choix d'une représentation (si différente de celle utilisée en TP) : listes ou matrice d'adjacence, informations sur les sommets, les arcs/arêtes, ...
  • Élaboration des algorithmes (avec leur complexité) pour réaliser les fonctionnalités demandées. Par exemple, comment (en français) est conçu votre algorithme pour récupérer tous les GeneProducts concernés par un GOTerm ?
  • Réalisation
    • Choix techniques s'il y en a (ex: format de fichier utilisé, structures de données propres au langage utilisé, ...)
    • Résultats obtenus sur les données traitées
      • Temps d'exécution
      • Nombre de sommets, d'arcs, nombre de GeneProducts, de GOTerms (avec et/ou sans annotations directes), ... il sera intéressant dans cette partie de calculer des statistiques permettant d'étudier à quel point l'organisme choisi est annoté (nombre de gènes annotés vs. nombre de gènes dans le génome, en fonction des différentes branches de la GO, distribution du nombre d'annotation par gènes, ...).
      • Résultats des tests réalisés
  • Discussion
Quelques observations remarquables par rapport à l'annotation en GOTerm de l'organisme utilisé.
  • Bilan et perspectives
    • Est-ce que les besoins sont satisfaits ?
    • Discussion sur les résultats obtenus par rapport aux choix effectués
    • Qu'est-ce qu'il est possible d'améliorer ?
    • Quelles études permettent les résultats et codes obtenus ?

Pour ces différentes sections, des schémas peuvent venir appuyer votre discours.

Date limite d'envoi du dossier : avant le 22 décembre