From silico.biotoul.fr

Au cours de ce TD, nous allons utiliser une librairie (minet) faisant partie de la suite Bioconductor afin d'inférer un réseau de régulation à partir de données d'expression.

Une fois le réseau reconstruit, il s'agira d'évaluer sa qualité.

Ensuite, on pourra également visualiser le réseau obtenu avec Cytoscape par exemple.

Principe

• Calcul d'une matrice d'information mutuelle (ou de corrélations) entre chaque paire de profils d'expression
  • pour cela plusieurs estimateurs sont disponibles et utilisent des données nominales. Il faudra donc effectuer une discrétisation au préalable.
• Inférence du réseau
  • méthodes : CLR, ARACNe, et MRNET
• Evaluation du réseau obtenu par rapport à un jeu de référence
  • courbes Precision-Recall et ROC
• Choix d'un seuil, extraction du graphe obtenu et visualisation sous Cytoscape
• Partitionnement du réseau et recherche de fonctions biologiques sur-représentées au sein des clusters

Données

Données de Large-Scale Mapping and Validation of Escherichia coli Transcriptional Regulation from a Compendium of Expression Profiles (2007) Faith et al.

• Récupérer les données sur http://m3d.bu.edu/norm/ (données d'expression du papier : E_coli_v3_Build_1_norm.tar.gz)

• RegulonDB du papier sur http://gardnerlab.bu.edu/data/PLoS_2007/data_and_validation.html

Librairie R

• Installer la librairie minet de Bioconductor