STAN (Suffix Tree ANalyser) Un outil de recherche de motif dans les génomes Grégory Ranchy Anne-Sophie Valin 9 décembre 2004.

Présentation au sujet: "STAN (Suffix Tree ANalyser) Un outil de recherche de motif dans les génomes Grégory Ranchy Anne-Sophie Valin 9 décembre 2004."— Transcription de la présentation:

1 STAN (Suffix Tree ANalyser) Un outil de recherche de motif dans les génomes Grégory Ranchy Anne-Sophie Valin 9 décembre 2004

2 Plan La recherche de motifs Fonctionnement de STAN Syntaxe des motifs Étude sur le temps d’exécution Interface graphique

3 La recherche de motif Signature de familles de protéines Signature de sites fonctionnels Eléments structuraux (palindromes) Eléments répétés

4 Problèmes soulevés par la recherche de motifs Taille des génomes  Génome humain 3.2 milliards de bp Indexation des génomes Complexité des modèles biologiques  Formalismes avancés Grammaire de type SVG (String Variables Grammars)

5 STAN: Fonctionnement Motif (grammaire) Séquence Arbre des suffixes Suite d’instructions (sur l’arbre des suffixes) Résultats de la recherche 4 3 1 2

6 STAN: Arbre des suffixes Contient tous les suffixes de la séquence Indexe tous les mots de la séquence Méthode de S. Kurtz  Complexité en espace (facteur 12)  Construction en un temps linéaire

7 Les arbres des suffixes Exemple de construction :  Séquence : AGGAGCT

8 AGGAGCT Exemple de construction

9 AGGAGCT 1 Exemple de construction

10 AGGAGCT 1 GGAGCT 2 AGGAGCT Exemple de construction

11 AGGAGCT Exemple de construction AGGAGCT 1 GGAGCT 2

12 AGGAGCT 1 3 G AGCT 2 GAGCT Exemple de construction

13 AGGAGCT Exemple de construction AGGAGCT 1 3 G AGCT 2 GAGCT

14 AGGAGCT Exemple de construction GAGCT AG 1 CT 4 3 G AGCT 2 GAGCT

15 AGGAGCT Exemple de construction CT 5 GAGCT AG 1 CT 4 3 G AGCT 2 GAGCT

16 Exemple de construction AGGAGCT CT 6 5 GAGCT AG 1 CT 4 3 G AGCT 2 GAGCT

17 Exemple de construction AGGAGCT T 7 CT 6 GAGCT AG 1 CT 4 3 G AGCT 2 GAGCT CT 5

18 Exemple de construction Arbre des suffixes pour la séquence AGGAGCT T 7 CT 6 GAGCT AG 1 CT 4 3 G AGCT 2 GAGCT CT 5

19 Arbre des suffixes pour un chromosome

20 STAN: Syntaxe du motif Succession de bases (mot) abcd avec a, b, c et d des bases. Disjonction de bases [abc] avec a, b et c différentes bases Disjonction de mots [A|C] avec A et C deux mots GAP (ensemble de bases quelconques) de taille fixe x(num) avec num la taille du gap. GAP de taille variable x(num1,num2), avec la taille du gap comprise entre num1 et num2 Succession de bases avec erreur de substitution pattern:num Variable de chaîne X:[num] ou X:[min,max] suivi de X dans le motif ou de ~X pour le palindrome de X

21 Recherche de structures en palindrome avec les variables de chaîne CTAGATTTTAA:2 - X:[7] - x(4) - ~X:5 - ACGATTT:1 CTAGATTTTAA ACGATTT N N N N

22 Séquence:  Chromosome 1 de A. Thaliana Motif:  6 types de complexité croissante   type, 10 motifs générés aléatoirement STAN: Temps d’exécution

23 STAN: Types de motifs Type 1:  Un mot (20 ≤ taille ≤ 30) Type 2:  Un mot avec erreurs (taux d’erreurs 33%)

24 STAN: Types de motifs Type 3:  mot - gap - mot - gap - mot mot: (5 ≤ taille ≤ 10) gap: x(a,b) avec a  [100;200], b-a  [1;200] Type 4:  mot - gap – mot - gap – mot mot: (5 ≤ taille ≤ 10) avec erreurs (taux d’erreur 33%) gap: x(a,b) avec a  [100;200], b-a  [1;200]

25 STAN: Types de motifs Type 5:  mot - var - palindrome(var) - mot mot: (10 ≤ taille ≤ 15) var: variable de chaîne ( 5 ≤ taille ≤ 10 ) Type 4:  mot - var - palindrome(var) - mot mot: (10 ≤ taille ≤ 15) avec erreurs (taux d’erreur 33%) var: variable de chaîne ( 5 ≤ taille ≤ 10 ) taux d’erreur 50%

26 STAN: Temps d’exécution

27

28 STAN: Interface graphique http://idefix.univ-rennes1.fr:8080/PatternMatching/

29

30 STAN: Interface graphique

31

32 Questions?