M2BBS - IDH
From silico.biotoul.fr
m (→Prise en main de la librairie R/Bioconductor STRINGdb) |
m |
||
Line 68: | Line 68: | ||
<!-- ARCHIVES --> | <!-- ARCHIVES --> | ||
+ | |||
+ | <!-- | ||
+ | = Prioritization = | ||
+ | Installation des bibliothèques requises : | ||
+ | dnf -y install hdf5.x86_64 hdf5-devel.x86_64 h5py python-matplotlib.x86_64 | ||
+ | pip install scikit-learn | ||
+ | <!-- | ||
+ | easy_install pip | ||
+ | pip list | ||
+ | pip search h5py | ||
+ | pip install h5py | ||
+ | yum -y install libpng-devel.x86_64 | ||
+ | pip install matplotlib | ||
+ | --> | ||
+ | <!-- | ||
+ | Prise en main des scripts | ||
+ | * librairie [[Media:Prioritization.py|Prioritization.py]]: classes pour la priorisation de gènes par fusion de données génomiques | ||
+ | ** ScoreMatrix: matrice de dissimilarité/similarité/distance entre paires de gènes | ||
+ | ** Identifiers et IdentifierMap: chargement et manipulation d'identifiant de gènes | ||
+ | ** PrioritizedItem: représentation d'un candidat évalué (score, rank, ...) | ||
+ | ** Prioritizer: priorisation et fusion à partir de différentes matrices | ||
+ | * script [[Media:mat.info.py|mat.info.py]]: affiche les informations contenues dans un fichier HDF5 représentant une matrice | ||
+ | * script [[Media:prioritize.py|prioritize.py]]: Chargement d'une matrice et priorisation des candidats par rapport aux gènes d'entrainement | ||
+ | * script [[Media:fuse.py|fuse.py]]: Fusion de priorisations obtenues avec le script précédent | ||
+ | |||
+ | Représentation d'une matrice de distance avec le format HDF5. | ||
+ | |||
+ | Jeu de données : | ||
+ | * Gènes impliqués dans la synthèse du peptidoglycane : | ||
+ | ** core : MURA MURB MURC MURD MURE MURF MRAY MURG | ||
+ | ** biosynthèse : MURA MURB MURC MURD MURE MURF MRAY MURG GLMU MRSA GLMS BACA YAES DDLA DDLB DADX MURI DAPF DAPE ARGD DAPD DAPB DAPA ASD LYSC | ||
+ | * Systèmes ABC expertisés : [[Media:EcolA.ncleandb12.training.abc|EcolA.ncleandb12.training.abc]] et candidats [[Media:EcolA.ncleandb12.candidates.abc|EcolA.ncleandb12.candidates.abc]] | ||
+ | * Matrices : | ||
+ | ** [[silico:enseignement/m2BBS/idh/EcolA.geo.h5|EcolA.geo.h5]]: gene-gene dissimilarity matrix based on GEO expression profiles | ||
+ | ** [[silico:enseignement/m2BBS/idh/EcolA.go.h5|EcolA.go.h5]]: gene-gene dissimilarity matrix based on Gene Ontology annotations | ||
+ | ** [[silico:enseignement/m2BBS/idh/EcolA.string.combined_score.h5|EcolA.string.combined_score.h5]]: gene-gene dissimilarity matrix based on STRING combined score | ||
+ | ** [[silico:enseignement/m2BBS/idh/EcolA.pp.0.7.jaccard.h5|EcolA.pp.0.7.jaccard.h5]]: gene-gene dissimilarity matrix based on phylogenetic profiles (selected strains) | ||
+ | ** [[silico:enseignement/m2BBS/idh/EcolA.pp.all.jaccard.h5|EcolA.pp.all.jaccard.h5]]: gene-gene dissimilarity matrix based on phylogenetic profiles (all available strains) | ||
+ | ** [[silico:enseignement/m2BBS/idh/EcolA.gn.0.7.h5|EcolA.gn.0.7.h5]]: gene-gene dissimilarity matrix based on genomic context (selected strains) | ||
+ | |||
+ | Information sur un gène à partir de son identifiant dans ABCdb : https://www-abcdb.biotoul.fr/#/entry/findbestmatch/ID/EcolA.RBSA | ||
+ | --> | ||
+ | |||
<!-- | <!-- |
Revision as of 17:14, 18 September 2016
Enrichment analysis
Dans cette partie, il s'agit d'analyser un groupe de gènes en le confrontant à des groupes de gènes obtenus selon différentes fonctions de regroupement.
La fonction de regroupement proposée est l'appartenance à une même voie métabolique dans la banque de données BioCyc. Ainsi, pour chaque pathway, un groupe de gène est formé.
Le script python search_enriched_sets.py permet de charger ces ensembles de gènes pré-formés EcolA.biocyc.sets et de chercher les plus similaires à un groupe de gènes d'intérêts. Essayez-le avec ALAS ARGS ASNS ASPS CYSS GLTX GLYQ GLYS HISS ILES par exemple pour vous faire une idée de son fonctionnement.
Remarque : le script python utilise le module scipy.
root> pip install scipy
Comparez les résultats avec ceux obtenus en recherchant parmi les ensembles formés des gènes annotés avec le même terme de la Gene Ontology (EcolA.go.sets). Que constatez-vous ?
Travail à réaliser :
- Analyser le code source du script search_enriched_sets.py
- Pour chaque pathway biocyc, proposer le term GO le plus représentatif
- Visualisation des résultats avec REVIGO
Prise en main de la librairie R/Bioconductor RSTRINGdb
Sites et documentation :
- STRING : http://string-db.org/
- RSTRINGdb : https://bioconductor.org/packages/release/bioc/html/STRINGdb.html
- RSTRINGdb Vignette et Man
Travail à réaliser :
- Installer la librairie (si nécessaire)
- Retrouver l'espèce Escherichia coli K12 MG1655, quel est son identifiant taxonomique/STRINGdb ?
- Quelle est la différence entre STRINGdb core et STRINGdb periphery ?
- Télécharger tout le graphe pour E. coli K12 pour un seuil de 400. A quoi correspond ce seuil ? combien d'interactions obtenez-vous ?
- Afficher le sous graphe pour les groupe de gènes ALAS ARGS ASNS ASPS CYSS GLTX GLYQ GLYS HISS ILES. A quoi correspond la p-valeur affichée ?
- Télécharger les annotations associées à chaque sommet.
Données et scripts
- enrichment analysis