Actuel­le­ment le lan­gage R est incon­tour­nable pour qui veut mani­pu­ler des don­nées en bio­in­for­ma­tique, en par­ti­cu­lier pour l'analyse sta­tis­tique. Mais un suc­ces­seur est en passe de s'imposer : Julia, com­bi­nant puis­sance du lan­gage avec les fonc­tion­na­li­tés de R, et com­blant les nom­breux défauts de ce der­nier - mais plus encore ! Voi­ci une pré­sen­ta­tion de ce tout nou­veau lan­gage.

À l'origine

La prin­ci­pale rai­son du suc­cès de R est le sys­tème de "packages" qui a per­mis à chaque labo d'écrire et de rendre faci­le­ment récu­pé­rable le code qui résout son pro­blème par­ti­cu­lier. Aujourd'hui c'est la grande force de R : vous avez un pro­blème ? Quelqu'un l'a déjà réso­lu, télé­char­gez le package, écri­vez trois lignes et appuyez sur le bou­ton : c'est fait. Le type "data frame" pour mani­pu­ler les tableaux de don­nées est éga­le­ment très appré­cié.

Bien sûr il arrive que vous ayez un nou­veau pro­blème, ou que vous sou­hai­tiez écrire votre propre pro­gramme. Si, à l'usure, on arrive à peu près tou­jours à ce qu'on veut, on est quand même obli­gé de remar­quer que le lan­gage souffre de nom­breux défauts : sa docu­men­ta­tion déplo­rable, sa len­teur, sa syn­taxe lourde, la dif­fi­cul­té à débu­guer, les fonc­tions redon­dantes, etc. Mais énu­mé­rons les alter­na­tives :

• SAS, S+, Mat­lab, etc. sont payants et donc pas bien adap­tés au monde aca­dé­mique.
• Sci­py, librai­rie de Python, est pas mal mais n'est pas aus­si com­plète et pose sou­vent des pro­blèmes d'installation.
• Qui a osé dire Excel ?…
• Julia ?

Qu'est-ce que Julia ?

Julia est un lan­gage de pro­gram­ma­tion écrit en C par Jeff Bezan­son, Ste­fan Kar­pins­ki, Viral Shah et Alan Edel­man. Il est gra­tuit et open source, ins­pi­ré de la syn­taxe et des fonc­tion­na­li­tés de Python/​Ruby, mais qui vise le même champ d'applications que R : la mani­pu­la­tion de don­nées et les ana­lyses sta­tis­tiques.

Tout en repre­nant des avan­tages de l'un et de l'autre, il est presque aus­si rapide que C lui-même - Python est des dizaines de fois plus lent, R des cen­taines. En effet, Julia est un lan­gage com­pi­lé ce qui lui per­met d'être très rapide. Mais pour gar­der la flexi­bi­li­té du typage dyna­mique, il est com­pi­lé "Just In Time". Par exemple, pour trier une liste (rela­ti­ve­ment à C ; exemple tiré de la page d'accueil) :

[table],C,Fortran,Julia,Python,Matlab,R,Javascript
quicksort,1.00,1.65,1.37,69.20,133.46,708.76,4.95
[/​table]

Du lan­gage R, il reprend le type "data frame" pour les don­nées tabu­lées (le package "Data­Frames"), les faci­li­tés à pro­duire des graphes ("Cai­ro", "Wins­ton" ou "Gad­fly"), et tout ce qui a trait aux sta­tis­tiques (comme les "Dis­tri­bu­tions"). De Python/​Ruby, il reprend l'élégance de la syn­taxe, la com­pré­hen­sion de liste, la nota­tion vec­to­rielle, les ité­ra­teurs, etc. Les déve­lop­peurs s'attèlent main­te­nant à repro­duire un maxi­mum de packages sta­tis­tiques, en par­ti­cu­lier pour les GLM et les MCMC.

A vrai dire, les déve­lop­peurs n'entendent pas vrai­ment rem­pla­cer R ou Mat­lab, mais seule­ment créer le lan­gage ultime de l'analyse de don­nées. Quelques cita­tions tra­duites de la page "Pour­quoi nous avons créé Julia" :

Nous vou­lons un lan­gage open-source, avec une licence libre. Nous vou­lons la vitesse de C avec le dyna­misme de Ruby. […] Nous vou­lons un lan­gage pour un usage aus­si géné­ral que Python, aus­si facile pour les stats que R, aus­si natu­rel que Perl pour le par­sing, aus­si puis­sant que Mat­lab pour l'algèbre linéaire, aus­si bon que le shell à chaî­ner des pro­grammes. Quelque chose de simple à apprendre mais qui ren­dra quand même les hackers heu­reux. Nous le vou­lons inter­ac­tif et nous le vou­lons com­pi­lé. […] Mal­gré toute sa puis­sance, nous vou­lons un lan­gage simple et propre.

Voi­ci un exemple de code en Julia (exer­cice : trou­vez à quoi il sert) :

Ajou­tons encore que les déve­lop­peurs sont très actifs et à l'écoute, j'en veux pour preuve que suite à ma requête concer­nant l'incompatibilité avec OSX 10.6, j'ai reçu un mail immé­dia­te­ment me disant que quelqu'un s'y colle… et un ins­tal­leur com­pa­tible deux heures plus tard.

Un exemple d'application en bioinfo

Nous allons créer un MA-plot à par­tir de don­nées RNA-seq : l'expression de gènes dans deux condi­tions. On sup­pose que vous avez réus­si à ins­tal­ler Julia et à le lan­cer en ligne de com­mande (en prin­cipe, en tapant "julia" dans votre console). Ce script a été tes­té sous OSX Lion.

Tout d'abord voi­ci un fichier de test. Mais tout autre fichier conte­nant 2 colonnes de nombres sépa­rées par des tabu­la­tions fera l'affaire. Ensuite on va ins­tal­ler les packages néces­saires : Data­Frames et Wins­ton, comme suit :

Il est pos­sible que l'installeur vous demande de faire d'abord de même avec cer­taines dépen­dances, comme "Home­brew" ou "Cai­ro". Une fois les packages ins­tal­lés, ce n'est bien sûr plus néces­saire par la suite. Par contre il faut les impor­ter au début de vos scripts les uti­li­sant :

On va se ser­vir de la fonc­tion "read­table" de Data­Frames pour lire et par­ser le fichier, en indi­quant que le sépa­ra­teur est une tabu­la­tion et que la pre­mière ligne ne doit pas faire par­tie des don­nées - mais sera uti­li­sée pour nom­mer les colonnes, qui seront alors acces­sibles par ce nom :

Pour voir ce qu'il y a dedans, on visionne juste les pre­mières lignes avec "head" :

qui devrait affi­cher quelque chose comme ça :

Ensuite on va pro­duire un vec­teur de ratios et un vec­teur de moyennes (géo­mé­triques) à par­tir des colonnes :

Notez le "." devant les opé­ra­tions, pour indi­quer que l'opération se fait terme par terme entre les vec­teurs (contrai­re­ment au simple * par exemple qui serait un pro­duit sca­laire).

Fina­le­ment on va ini­tia­li­ser le graphe, y col­ler nos points, et rajou­ter quelques options comme les labels des axes, le titre et l'intervalle cou­vert par cha­cun des axes :

Et voi­là le fabu­leux résul­tat :

Conclusion

Pour le moment, Julia est encore en déve­lop­pe­ment, même s'il est uti­li­sable - et uti­li­sé - et se rap­proche de sa pre­mière sor­tie offi­cielle. On peut suivre son évo­lu­tion sur son blog et ses forums , ou sim­ple­ment le télé­char­ger et essayer !

Qu'à terme il s'impose dépen­dra du nombre de déve­lop­peurs s'impliquant dans la créa­tion de packages sta­tis­tiques, de la faci­li­té de codage/​débugage et de la docu­men­ta­tion.

Et vous, déjà convain­cus ?

Site offi­ciel : http://​julia​lang​.org/

 Mer­ci à bilou­web et Yoann M. pour leur relec­ture.