Pons Nicolas, Jean-Michel Batto, S.Dusko Ehrlich, Pierre Renault

Présentation au sujet: "Pons Nicolas, Jean-Michel Batto, S.Dusko Ehrlich, Pierre Renault"— Transcription de la présentation:

1 Pons Nicolas, Jean-Michel Batto, S.Dusko Ehrlich, Pierre Renault
iMoMi (interactive Motif Mining database) Une base de données relationelle pour comprendre l’adaptation des cellules à l’environnement Pons Nicolas, Jean-Michel Batto, S.Dusko Ehrlich, Pierre Renault Unité de Génétique Microbienne Colloque Doc’J – 30 et 31 mai 2005

2 les régulations des gènes chez les streptocoques
Cartographier les régulations des gènes chez les streptocoques

3 Qu’est-ce qu’un réseau de régulation ?
REG 1 M1 Gène 1 REG 2 M2 Gène 2 Régulation directe Régulation indirecte ...

4 Comment construire un réseau de régulation ?
Identifier les ensembles de gènes co-régulés ou régulons. Régulation assurée par une même protéine régulatrice. Présence d’un site de fixation pour la protéine régulatrice plus ou moins semblable en amont de leur séquence nucléique. Déterminer les interconnexions entre ces régulons.

5 Comment détecter les motifs de régulation ?
Approche intragénomique Étude comparative des séquences en amont des gènes co-régulés (regroupés selon : transcriptome, Kegg, fonction…). Approche intergénomique (phylogenetic footprinting) Étude comparative des séquences en amont des gènes orthologues d’organismes phylogénétiquement proche.

6 Stratégie de détection des motifs de régulation
Choix d’un ensemble de gènes Élargissement par recherche des orthologues Choix de la zone en amont des gènes à analyser Détection des motifs Filtrage / scoring des motifs Recherche des motifs découverts à l’échelle des génomes

7 iMoMi (interactive Motif Mining)
iMoMI DB iMoMI utilities Sequence & annotation data Sequence DB GenBank The Seed KEGG COG Ortholog group builder Orthologous gene clusters Expression data Microarray manager Promoter sequences ExtractMotif Regulatory motifs

8 ExtractMotif Adapté à la détection des motifs dans le cadre des deux approches intragénomique et intergénomique. Associé au programme de détection de motifs MEME Outil facilement utilisable par tous Développé selon et pour les besoins des biologistes Environnement Windows Pas de connaissance nécessaire du langage SQL

9 ExtractMotif

10 ExtractMotif

11 ExtractMotif

12 ExtractMotif

13 ExtractMotif

14 ExtractMotif

15 ExtractMotif

16 Validation Validation avec Lactococcus lactis Motifs connus retrouvés
purR, pyrR, gluR, argR, ohR, CIRCE (Guédon et al, 2002) Nouveaux motifs découverts fruR (Barrière et al, 2005) fhuR (Spérandio et al, 2005) codY (Guédon et al, 2005)

17 Conclusions / Perspectives
Approche validée Base de données et approches génériques Actuellement, mise en place d’une version dédiée aux streptocoques (25 streptocoques dont 15 différents)

18 L’équipe Métabolisme et Régulation
Remerciements L’équipe Métabolisme et Régulation Jean-Michel Batto Ozlem Avci Irvin Le Guillou

19 Pons Nicolas, Jean-Michel Batto, S.Dusko Ehrlich, Pierre Renault
iMoMi (interactive Motif Mining database) Une base de données relationelle pour comprendre l’adaptation des cellules à l’environnement Pons Nicolas, Jean-Michel Batto, S.Dusko Ehrlich, Pierre Renault Unité de Génétique Microbienne Colloque Doc’J 2005