1 / 22

Bases de données en biologie

Bases de données en biologie. anne.morgat@inrialpes.fr Institut National de Recherche en Informatique et en Automatique. Plan du cours : Bases de données en biologie. Historique. BD séquences généralistes. - séquences nucléotidiques - séquences protéiques. Rappels de BIO.

nitara
Télécharger la présentation

Bases de données en biologie

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Bases de données en biologie anne.morgat@inrialpes.fr Institut National de Recherche en Informatique et en Automatique

  2. Plan du cours : Bases de données en biologie • Historique • BD séquences généralistes - séquences nucléotidiques - séquences protéiques Rappels de BIO • BD spécialisées • - par organisme • - par thématique (problématique bio) • BD bibliographiques Violaine Pillet + Extraction d ’information à partir de textes • Des basesde données aux bases de connaissances

  3. Bases de données en biologie • Bases de données dédiées à la biologie moléculaire • Complément essentiel aux données de la littérature scientifique spécialisée • Premier point de contact avec l’informatique pour les biologistes • Outil essentiel pour la recherche en biologie

  4. Bases de données en biologie PLAN • Historique • BD séquences généralistes - séquences nucléotidiques - séquences protéiques • BD spécialisées • - par organisme • - par thématique (problématique bio)

  5. Historique (1) • 1954: Première séquence de protéine (insuline, Sanger) • 1958: Première structure 3D de protéine (myoglobine, Kendrew) • 1965: Première compilation de protéines • Margaret Dayhoff: Atlas of Protein Sequences (50 entrées) • Imprimé jusqu ’en 1978, puis format électronique • 1971: PDB - Protein Data Bank (struct. 3D macromolécules) • Début des années 80:premières grandes banques de séquences généralistes • 1985: CABIOS (première revue de bioinformatique)

  6. Historique (2) • 1988 : Processus de double publication • Dépôt des séquences aux banques avant soumission de l ’article associé aux revues scientifiques • 1992: Séquence du Chromosome III de la levure (3 105 bp) • 1995: Premier génome bactérien entièrement séquencé Haemophilus influenzae (2 106 bp) • 1999: Premier organisme multicellulaire Caenorhabditis elegans (108 bp) • Juin 2000: A grand renfort de publicité séquence du génome humain (3 109 bp)

  7. Banques de données • Banque : les séquences sont déposés directement par les chercheurs qui les ont obtenues, sous leur seule responsabilité.

  8. Base de données • Collection de données • structurées • requêtable (index) • périodiquement mises à jour (release) • références croisées (hyperliens) • Outils associés - accès à la base - mise à jour (insertion, délétion,…) • Système de gestion - fichiers à plat (ASCII) - SGBD relationnel …

  9. Quelques stats • Difficile d ’identifier le nombre exact de BD. > 1000 • Taille variable : < 100 Ko to > 10 Go • Seq. nucléique: > 10 Go • Seq. protéique: 1 Go • Structures 3D: 5 Go • Fréquence de mise à jour: - jour  année

  10. Bases de données - biologie moléculaire AATDB, AceDb, ACUTS, ADB, AFDB, AGIS, AMSdb, ARR, AsDb, BBDB, BCGD, Beanref, Biolmage, BioMagResBank, BIOMDB, BLOCKS, BovGBASE, BOVMAP, BSORF, BTKbase, CANSITE, CarbBank, CARBHYD, CATH, CAZY, CCDC, CD4OLbase, CGAP, ChickGBASE, Colibri, COPE, CottonDB, CSNDB, CUTG, CyanoBase, dbCFC, dbEST, dbSTS, DDBJ, DGP, DictyDb, Picty_cDB, DIP, DOGS, DOMO, DPD, DPlnteract, ECDC, ECGC, EC02DBASE, EcoCyc, EcoGene, EMBL, EMD db, ENZYME, EPD, EpoDB, ESTHER, FlyBase, FlyView, GCRDB, GDB, GENATLAS, Genbank, GeneCards, Genline, GenLink, GENOTK, GenProtEC, GIFTS, GPCRDB, GRAP, GRBase, gRNAsdb, GRR, GSDB, HAEMB, HAMSTERS, HEART-2DPAGE, HEXAdb, HGMD, HIDB, HIDC, HlVdb, HotMolecBase, HOVERGEN, HPDB, HSC-2DPAGE, ICN, ICTVDB, IL2RGbase, IMGT, Kabat, KDNA, KEGG, Klotho, LGIC, MAD, MaizeDb, MDB, Medline, Mendel, MEROPS, MGDB, MGI, MHCPEP5 Micado, MitoDat, MITOMAP, MJDB, MmtDB, Mol-R-Us, MPDB, MRR, MutBase, MycDB, NDB, NRSub, 0-lycBase, OMIA, OMIM, OPD, ORDB, OWL, PAHdb, PatBase, PDB, PDD, Pfam, PhosphoBase, PigBASE, PIR, PKR, PMD, PPDB, PRESAGE, PRINTS, ProDom, Prolysis, PROSITE, PROTOMAP, RatMAP, RDP, REBASE, RGP, SBASE, SCOP, SeqAnaiRef, SGD, SGP, SheepMap, Soybase, SPAD, SRNA db, SRPDB, STACK, StyGene,Sub2D, SubtiList, SWISS-2DPAGE, SWISS-3DIMAGE, SWISS- MODEL Repository, SWISS-PROT, TelDB, TGN, tmRDB, TOPS, TRANSFAC, TRR, UniGene, URNADB, V BASE, VDRR, VectorDB, WDCM, WIT, WormPep, YEPD, YPD, YPM, etc, etc, etc...... !!!!

  11. Bases de données - accessibilité (1) • Généralement accessibles au travers du web • Attention toutes ne sont pas gratuites • Numéro de janvier de la revue: • Nucleic Acids Research • http://nar.oupjournals.org • > 100 articles décrivant les bases les plus importantes et introduisant les nouvelles. • La version électronique de la revue permet d’accéder à une liste de ~ 300 BD • http://www3.oup.co.uk/nar/database/c/

  12. Bases de données - accessibilité (2) Plusieurs sites Web ont pour vocation de répertorier l’ensemble des bases disponibles.

  13. Bases de données - accessibilité (3) www.infobiogen.fr/services/dbcat

  14. Bases de données - accessibilité (4) www.expasy.ch/alinks.html

  15. Bases de données en biologie PLAN • Historique • BD séquences généralistes - séquences nucléotidiques - séquences protéiques Rappels de BIO • BD spécialisées • - par organisme • - par thématique (problématique bio)

  16. BD séquences La séquence: élément central autour duquel les banques de données se sont constituées  Dogme central de la biologie moléculaire

  17. BD séquences

  18. Banques de séquences généralistes (nt) Séquences nucléiques • ADN / ARN • gènes (CDS, ARNr, ARNt,..) • signaux de régulation Banques de séquences nucléotidiques • Genbank • EMBL • DDBJ • Mission • rendre publiques les données issues des fonds publics, donc collectives

  19. Banques nucléiques: Genbank + EMBL + DDBJ Depuis 1987, • les banques Genbank, EMBL et DDBJ s ’échangent systématiquement leur contenu • adoptent un système de conventions communes • (The DDBJ/EMBL/Genbank feature Table Definition)

  20. Banques nucléiques: Genbank + EMBL + DDBJ

  21. Banques nucléiques: Genbank + EMBL + DDBJ Ces grandes banques généralistes, internationales, sont devenues indispensables à la communauté scientifique • Mémoire des données produites dans les laboratoires • - scientifiques • - projet de séquençage d ’un génome • - centres de séquençages • - bureau des brevets (EPO: European Pantent Office) •  gènes, ESTs, génomes complets,... • Gisement de connaissances à explorer • Diversité des organismes (> 50 ’000 espèces différentes)  analyse de type évolutif (phylogénie moléculaire)

  22. Banques nucléiques: Genbank + EMBL + DDBJ Mais... • Donnéeshétérogènes • génomes, variants, fragments • taille min: 10 bp • taille max: 300,000 bp (fragments de génomes) • Genome division (http://www.ebi.ac.uk/genomes/) • Données redondantes • Archive : pas de vérification • Qualité variable • Erreurs: séquences, annotations • Annotations (données associées aux séquences) hétérogènes • = responsabilité de l ’auteur • données incomplètes • pas de remise à jour Problème de propagation des erreurs = effet boule de neige

More Related