Revue de presse : les articles de février que vous avez (peut-être) lus

Ce billet est le pre­mier de notre nou­velle rubrique Jour­nal Club (JC pour les intimes). Le JC est le moment où on parle de papiers récents proches des thé­ma­tiques de recherche des gens de l'équipe. La bio-infor­ma­tique n'échappe pas à cette tra­di­tion : étant un domaine en constante évo­lu­tion et pas­sion­nante ébul­li­tion, un tas d'études et nou­velles méthodes d'analyse est publié régu­liè­re­ment. Ain­si, mettre cer­taines d'entre elles en exergue ici nous a sem­blé une bonne idée.

Bonne lec­ture ! Et n'oubliez pas : les com­men­taires sont là pour enta­mer la dis­cus­sion et aller plus loin 😉

Un rapide tour des jour­naux du mois de février 2012 que je suis et qui ont trait à la bio-infor­ma­tique 🙂

Le monde merveilleux de la chromatine

Ce mois-ci, pas mal de papiers ont par­lé de méthodes et outils d'analyse des états de la chro­ma­tine. D'abord, une "Cor­res­pon­dence" dans Nature Methods pré­sente ChromHMM : il s'agit d'un outil qui découvre et décrit des états de la chro­ma­tine. Plus pré­ci­sé­ment, il uti­lise des modèles de Mar­kov cachés (des Hid­den Mar­kov Models ou HMM) ce qui est une approche plu­tôt clas­sique en la matière. Ce qui est inté­res­sant ici c'est qu'on peut non seule­ment uti­li­ser cet outil pour les décou­vrir, mais aus­si pour carac­té­ri­ser leurs fonc­tions bio­lo­giques et les cor­ré­ler à des jeux de don­nées fonc­tio­nels, et visua­li­ser les anno­ta­tions au niveau géno­mique. Plus inté­res­sant encore : il est pos­sible d'analyser les états de la chro­ma­tine à tra­vers de nom­breux types cel­lu­laires. Le logi­ciel est en Java ce qui vous per­met­tra de l'utiliser quel que soit votre sys­tème d'exploitation. (Note per­son­nelle : je connais vague­ment le pre­mier auteur du papier qui est un excellent bio­in­for­ma­ti­cien et qui a fait quelques logi­ciels d'analyse assez superbes jusque là. Celui-là ne devrait pas être en reste.)

Dans la veine "outil", si vous êtes un afi­cio­na­do de Galaxy, il existe désor­mais le plug-in CHROMATRA pour vous aider à visua­li­ser les taux d'enrichissement en pre­nant en compte la lon­gueur des gènes (ou l'élément géno­mique de votre choix) ain­si que des carac­té­ris­tiques sup­plé­men­taires telles que d'éventuelles don­nées d'expression.

Enfin, vous avez quelques papiers inté­res­sants mais d'objet plus res­treint dans la sec­tion "Gene Regu­la­tion, Chro­ma­tin and Epi­ge­ne­tics" de Nucleic Acids Research.

Des phages et autres bébêtes

Ce mois-ci, j'ai eu l'agréable sur­prise de décou­vrir une quan­ti­té non-négli­geable de papiers trai­tant de sujets assez mar­rants. Ain­si, Bio­in­for­ma­tics publie un article pré­sen­tant une approche théo­rique de clas­si­fi­ca­tion des styles de vie des phages, appe­lée PHACTS. Les auteurs implé­mentent une com­bi­nai­son d'algorithme de simi­la­ri­té et de clas­si­fi­ca­teur de type Ran­dom Forest pour déter­mi­ner à par­tir de don­nées de pro­téo­mique dis­po­nibles si le phage étu­dié est en cycle lytique ou en lyso­gé­nique. Ain­si, l'algo de simi­la­ri­té crée un jeu de don­nées d'entraînement à par­tir de don­nées déjà connues conte­nant des anno­ta­tions sur le cycle de vie lequel sert à entraî­ner le clas­si­fi­ca­teur. Ce der­nier ensuite joue sur les don­nées de votre phage d'intérêt. De façon assez impres­sion­nante, le taux de pré­ci­sion est de 99%. C'est écrit en Perl et R, c'est sous une licence libre, alors man­gez-en, c'est bon 🙂

Aus­si dans Bio­in­for­ma­tics, un papier très sym­pa pré­sente une façon de modé­li­ser les réseaux molé­cu­laires d'interactions intra- et inter­cel­lu­laires. Que ce soit dans le cadre d'organismes mul­ti­cel­lu­laires ou de com­mu­nau­tés micro­biennes, ce genre d'approche pré­sente la pos­si­bi­li­té d'avoir une véri­table image de com­ment les cel­lules se parlent. L'exemple dans le papier est avec un modèle murin d'adénocarcinome des pou­mons. Je vous laisse décou­vrir, ça vaut le détour !

Dans la caté­go­rie des papiers mar­rants, j'attire votre atten­tion vers l'étude publiée dans Nature Methods, j'ai trou­vé un papier sur les homo­lo­gies entre les cer­veaux humain et pri­mate. Je ne suis pas une fine connais­seuse des tech­niques de neu­ro-ima­ge­rie, mais de ce que j'ai com­pris, ils uti­lisent des visua­li­sa­tions d'IRMf (réso­nance magné­tique fonc­tion­nelle) pour iden­ti­fier des régions du cer­veau répon­dant au même sti­mu­lus dyna­mique. Plus pré­ci­sé­ment, ils ont mis des humains et des macaques devant  un extrait de 30 minutes du film "Le bon, la brute et le truand" et on enre­gis­tré quelles régions "s'allument". L'idée de départ est que les régions homo­logues du cer­veau devraient avoir des acti­vi­tés simi­laires chez les espèces en ques­tion. Mal­gré toutes les infor­ma­tions insuf­fi­santes et plein de détails à prendre en compte lorsqu'on éta­blit une telle cor­res­pon­dance, la méthode a l'air pro­met­teuse et offre des pos­si­bi­li­tés très inté­res­santes pour une étude appro­fon­die du cer­veau.

La vie dans les cellules

Tou­jours dans Nature Methods por­tant sur l'intégration du fac­teur "espace" dans la modé­li­sa­tion de la signa­li­sa­tion cel­lu­laire. La repré­sen­ta­tion clas­sique des réseaux de signa­li­sa­tion est sous la forme de cir­cuits ou de dia­grammes connec­tés. Cette vision est cepen­dant incom­plète puisqu'elle ne prend abso­lu­ment pas en compte la dyna­mique spa­tiale cel­lu­laire. En effet, les réac­tions bio­chi­miques dans la cel­lule modi­fient sa forme ce qui a une influence assez directe sur la posi­tion dans l'espace des molé­cules et donc sur la fai­sa­bi­li­té d'autres réac­tions bio­chi­miques.

Quelques méthodes, uti­li­sant des équa­tions dif­fé­ren­tielles par­tielles, existent déjà (CompuCell3D, Visual Cell, etc.) qui essayent de prendre en compte la dyna­mique spa­tiale mais elles souffrent de quelques insuf­fi­sances. Dans le der­nier Nature Methods, un papier pré­sente une nou­velle méthode qui implé­mente une approche hybride. Ain­si, il est d'une part pos­sible de suivre les effets des réac­tions bio­chi­miques sur la géo­mé­trie cel­lu­laire et, d'autre part, de recons­truire les réseaux de signa­li­sa­tion en fonc­tion des chan­ge­ments spa­tiaux locaux. Cette méthode est acces­sible via le logi­ciel Sim­mune ce qui a pour avan­tage de pro­po­ser une inter­face gra­phique acces­sible pour ne pas frei­ner les scien­ti­fiques "pas à l'aise avec l'informatique" 😉

Point de vue

Et avant d'être accu­sée d'être un Nature Methods fan­girl, je vou­lais atti­rer votre atten­tion vers cette "Opi­nion" sur les heat­maps. Vous en avez peut-être cer­tai­ne­ment fait quelques-unes, on en voit dans de nom­breuses publi­ca­tions : c'est une repré­sen­ta­tion gra­phique très pra­tique et très claire spé­cia­le­ment utile quand on a plein de don­nées d'expression et on veut leur don­ner une tête potable. Les auteurs pointent donc deux carac­té­ris­tiques des heat­maps aux­quelles il faut por­ter une atten­tion par­ti­cu­lière pour tirer un véri­table pro­fit de cette visua­li­sa­tion : les cou­leurs uti­li­sées (et leurs gra­dients res­pec­tifs) et l'ordonnancement des colonnes et lignes. Avec jus­tesse, les auteurs rap­pellent qu'il fau­drait évi­ter les colo­ra­tions rouge et verte (les plus fré­quentes tout de même) parce qu'elles rendent le tout illi­sible pour les dal­to­niens. Enfin, la méthode de clus­te­ring uti­li­sée joue gran­de­ment sur ce qu'on peut (#oupas) voir à par­tir des don­nées en entrée.

Utile et pratique

Last but not least comme on dit en vieux fran­çois, voi­ci rapi­de­ment un papier fran­che­ment pra­tique : il intro­duit MetEx­tract, un logi­ciel pour la méta­bo­lo­mique. Si vous avez déjà anno­té des spec­tra de LC/​MS, vous allez être content d'avoir cette implé­men­ta­tion sous la main. En sor­tie, vous avez une liste de valeurs m/​z ain­si que quelques détails sup­plé­men­taires sur ce qu'il pense avoir détec­té. Pour l'instant, MetEx­tract n'est cepen­dant dis­po­nible que pour Win­dows : on attend sa ver­sion sous GNU/​Linux avec impa­tience.

—

Source de l'image : ted_​majour sur Fli­ckr