From silico.biotoul.fr

Bibliothèque Python

Une partie du projet consiste à terminer la bibliothèque python entamée au cours des TP.

La liste des méthodes à implémenter est la suivante :

• TP1: dfs, isAcyclic, topologicalSort
• TP2: bfs, BellmanFord, FloydWarshall, FloydWarshallPath, diameter

Une attention particulière sera portée à la qualité du code et de ses commentaires. Un script de tests/validations devra être fourni (ou bien intégré directement dans la bibliothèque).

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 :

• le chargement du graphe représentant la Gene Ontology
• le chargement des associations gene product - GO Term

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

• détermination du plus long chemin afin d'obtenir la profondeur maximale des trois ontologies (biological process, molecular function et cellular component)
• obtention des gene products directement associés à un GO Term et inversement
• obtention des gene products associés à un GO Term ou à un de ses descendants
• pour un gene product, l'obtention des GO Term associés (avec les termes ancêtres)

Pour le chargement du graphe de la Gene Ontology ainsi que le chargement des annotations spécifiques à un organisme, il vous est fourni en exemple un fichier GeneOntology.py proposant les fonctions loadOBO pour le chargement du graphe de la Gene Ontology et loadGOA pour le chargement des annotations et leur ajout au graphe précédent. Vous pouvez vous servir de GeneOntology.py comme base de départ pour cette partie du projet, auquel cas vous ajouterez donc des fonctions.

Pour le chargement du graphe, il s'agit d'implémenter la méthode loadOBO qui charge le format OBO (version 1.2, cf. OBO_1.2). Toutes les spécifications du format ne sont pas à respecter. On ne s'intéressera qu'aux tags : id, name, namespace, def, is_a, relationship. Les termes indiqués obsolete sont à ignorer. Le fichier à charger sera celui nommé go-basic dans la partie téléchargement de http://geneontology.org.

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 à sélectionner dans la partie Annotations de la section téléchargement de http://geneontology.org. Un ensemble de proteomes est disponible sur le FTP de l'EBI : ftp://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).

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

Le code de la bibliothèque annoté et assorti de jeux de tests (sans le fichier obo qui est le même pour tous).

Un rapport synthétique au format PDF comprenant a minima les sections :

• analyse : analyse du contexte, des besoins et des fonctionnalités à fournir
• conception : choix d'une représentation et algorithmes (avec leur complexité) pour réaliser les fonctionnalités
• réalisation : choix techniques
• bilan et perspectives : est-ce que les besoins sont satisfaits ? qu'est-ce que l'on pourrait améliorer

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

Documentation pour GeneOntology.py

loadOBO(filename)

def loadOBO(filename):
	# parse OBO file to create a DAG
	# obsolete terms are discarded
	# only is_a and part_of relationships are loaded
	def parseTerm(lines):
		# search for obsolete
		for l in lines:
			if l.startswith('is_obsolete: true'):
				return
		# otherwise create node
		id = lines.pop(0)[4:].rstrip()
		term = gr.add_node(g,id)
		term['id'] = id
		term['type'] = 'GOTerm'
		for line in lines:
			# attributes (name, namespace, def)
			if line.startswith('name:'): term['name'] = line[6:]
			elif line.startswith('namespace:'): term['namespace'] = line[11:]
			elif line.startswith('def:'): term['def'] = line[5:]
			# relationships
			elif line.startswith('is_a:'): # is_a
				parent = line[6:line.index('!')].rstrip()
				e = gr.add_egde(g,id, parent)
				e['type'] = 'is_a'
			elif line.startswith('relationship: part_of '): # part_of
				line = line[line.index('GO:'):]
				dest = line[:line.index(' ')]
				e = gr.add_egde(g,id, dest)
				e['type'] = 'part_of'
	#
	g=gr.createGraph(directed=True, weighted=False)
	with open(filename) as f: 
		line = f.readline().rstrip()
		# skip header to reach 1st Term
		while not line.startswith('[Term]'): 
			line = f.readline().rstrip()
		buff = []
		line = f.readline()
		stop = False
		while line and not stop:
			# buffer lines until the next Term is found
			line = line.rstrip()
			# new Term
			if line.startswith('[Term]'):
				# next Term found: create corresponding node and edges in parseTerm and empty buffer
				parseTerm(buff)
				buff=[]
			# last Term
			elif line.startswith('[Typedef]'):
				parseTerm(buff)
				stop=True
			# or append to buffer
			else:
				buff.append(line)
			line = f.readline()
	return g

Exemple pour le GOTerm suivant du fichier .obo

[Term]
id: GO:0000028
name: ribosomal small subunit assembly
namespace: biological_process
def: "The aggregation, arrangement and bonding together of constituent RNAs and proteins to form the small ribosomal subunit." [GOC:jl]
subset: gosubset_prok
synonym: "30S ribosomal subunit assembly" NARROW [GOC:mah]
synonym: "40S ribosomal subunit assembly" NARROW [GOC:mah]
is_a: GO:0022618 ! ribonucleoprotein complex assembly
relationship: part_of GO:0042255 ! ribosome assembly
relationship: part_of GO:0042274 ! ribosomal small subunit biogenesis

Dans le script python, un sommet correspondant sera créé :

 go['nodes']['GO:0000028'] = {
   'id'        : 'GO:0000028',
   'name'      : 'ribosomal small subunit assembly',
   'def'       : 'The aggregation, arrangement and bonding together of constituent RNAs and proteins to form the small ribosomal subunit." [GOC:jl]',
   'namespace' : 'biological_process',
   'type'      : 'GOTerm'
 }

Et les arcs suivants :

 go['edges']['GO:0000028']['GO:0022618'] = { 'type': 'is_a' }
 go['edges']['GO:0000028']['GO:0042255'] = { 'type': 'part_of' }
 go['edges']['GO:0000028']['GO:0042274'] = { 'type': 'part_of' }