Transcriptome

• Transcriptome : ensemble des ARNm ou transcrits

présents dans une cellule ou une population de
cellules dans des conditions données.

• Plan
● Introduction
●Acquisition des données
●Description des données
●Transformation, normalisation et filtrage
● Analyse des données de transcriptome
●Gènes différentiellement exprimés
●Gènes co-exprimés
● Interprétation
●Caractérisation d’un ensemble de gènes
Applications
2

Accès au niveau d’expression de milliers de gènes

simultanément
• Indication sur la fonction des gènes ou implication des
gènes dans des processus biologiques
• criblage antérieur à des expérimentations plus ciblées,
plus longues et plus coûteuses
• Reconstruction de réseaux de régulation (cinétique)
• Exemples
● Traitement chimique, antibiotique, … : gènes de
résistance, processus biologique (ex: transformation et
compétence) , toxicité
● Tissus sain vs. tissus malade
● cancer : oncogènes et gènes suppresseurs,
diagnostique clinique et traitement adapté
● Organes différents : gènes spécifiques et « gènes de
ménage »
● Différents stades de développement : gènes impliqués
au cours des différentes phases
Contexte
3

transcription
ADN ARNm traduction
Protéines
gènes (transcriptome)

régulation

structure
cellulaire réplication réparation métabolisme
Contexte
4

quantité de
protéines non
proportionnelle à
celle de l’ARNm
transcription
ADN ARNm traduction
Protéines
gènes (transcriptome)
régulation
ex: ARNnc

s
i on
type miARN quantité de

at
protéines non

ific
proportionnelle à

od
régulation leur activité

m
structure
cellulaire réplication réparation métabolisme
Principales techniques d’acquisition 5

• Next Generation Sequencing (NGS)

● RNAseq
● sRNAseq

• Microarrays

• qPCR, RT-PCR, qRT-PCR

Acquisition des données (RNAseq) 6

Échantillon 1 Échantillon 2

extraction Traitement des données

(assemblage, alignement sur
ARNm le génome, normalisation…)

Préparation de la librairie
(sélection des fragments,
ajout des linkers, …)

ADNc

(centaines de)
séquençage millions de séquences
(reads)
Acquisition des données (microarray) 7

Échantillon 1 Échantillon 2 Intensités rouge et verte

pour chaque spot

extraction

ARNm
transcription inverse et amplification

ADNc scan

marquage

hybridation
+
puis lavage
Exemple d’application
8

• Plante modèle : le riz (Oryza sativa), monocotylédone

• Génome :
● Petit : ~450Mb
● 12 chromosomes
● ~55k gènes codants pour des protéines
• Etude des gènes au cours du développement (approche globale)
● Masahiro Fujita et al. Plant Cell Physiol 2010;51:2060-2081
● Affymetrix microarray
● 57k probesets (dont 25k pour des gènes seulement prédits)
● 98 hybridations sur 25 organes ou stades de développement
 Reproductive organs and stages used in this study.

Masahiro Fujita et al. Plant Cell Physiol 2010;51:2060-2081

© The Author 2010. Published by Oxford University Press on behalf of Japanese Society of Plant
Physiologists.
 Changes in expression values detected by different microarrays and qRT–PCR.

Masahiro Fujita et al. Plant Cell Physiol 2010;51:2060-2081

© The Author 2010. Published by Oxford University Press on behalf of Japanese Society of Plant
Physiologists.
 Expression of meiotic anther-specific genes detected by microarray and in situ hybridization.

Masahiro Fujita et al. Plant Cell Physiol 2010;51:2060-2081

© The Author 2010. Published by Oxford University Press on behalf of Japanese Society of Plant
Physiologists.
 The number of expressed genes in reproductive stages classified by GO terms.

Masahiro Fujita et al. Plant Cell Physiol 2010;51:2060-2081

© The Author 2010. Published by Oxford University Press on behalf of Japanese Society of Plant
Physiologists.
 The number of expressed genes in reproductive stages classified by GO terms.

Masahiro Fujita et al. Plant Cell Physiol 2010;51:2060-2081

© The Author 2010. Published by Oxford University Press on behalf of Japanese Society of Plant
Physiologists.
Acquisition des données (microarray) 14

Échantillon 1 Échantillon 2 Intensités rouge et verte

pour chaque spot

extraction

ARNm
transcription inverse et amplification

ADNc scan

marquage

hybridation
+
puis lavage
Hybridation
15
Analyse et interprétation des données 16

mesures
(intensités moyennes,
médianes, écart-types, …)
conditions

i on
ui s i t
probesets
a cq

gènes
filtrage
normalisation

analyse

Identification des gènes Identification des ensembles de

différentiellement exprimés gènes
interprétation co-exprimés

Caractérisation d’un
ensemble de gènes
Analyse d’image : segmentation 17
Données de transcriptome
18

• Accès au niveau d’expression de milliers de gènes

simultanément
●Intensité de fluorescence par spot
proportionnelle à la quantité d’ADN hybridé
●

abondance relative des transcrits : ratio

●

(quantification absolue encore difficile)

Mesure du niveau d’expression
19

 échantillon 1 = fluorochrome vert (Cy3)

 échantillon 2 = fluorochrome rouge (Cy5)

 1 spot = ensemble
d’oligonucléotides
 tous les mêmes
 variations de séquence
 plusieurs séquences spécifiques
d’un gène
2 canaux :  des spots différents peuvent
• intensité de vert correspondre au même gène
• intensité de rouge  un spot peut correspondre à
plusieurs gènes
Données de transcriptome
20

• De nombreuses sources d’erreur et de variabilité

•Variabilité biologique
• Population de cellules ou patients/tissus différents
• Variabilité technique
• Étape d'amplification
• Incorporation des fluorochromes
• Bruit (artefacts, bruit de fond)
• Données manquantes (mesures absentes pour certains
réplicats)
• Erreur, exemple : Saturation
• du scanner pour les fluorochromes
• de la plaque pour la radioactivité
• du spot sur la puce
Acquisition des données (microarray) 21

Échantillon 1 Échantillon 2 Intensités rouge et verte

pour chaque spot

extraction

ARNm
transcription inverse et amplification

ADNc scan

marquage

hybridation
+
puis lavage
Problème : variabilité technique et biologique 22

• Solution : réplicats & traitement statistique

•Nombre de réplicats augmente la fiabilité
des résultats
•Réplicat biologique & réplicat technique
• estimer l’erreur non systématique associée
à une mesure
• évaluer le niveau de variabilité des mesures
(moyenne + intervalle de confiance)
Réplicats & validation 23

• Nombre et nature des réplicats dépendent des

objectifs de l’étude
● réplicat technique : plusieurs extraits d’un même
échantillon
● ex: dye swap (inversion du marquage)
● variabilité due au bruit expérimental
● réplicat biologique : échantillons différents sur un
même processus biologiques
● provenant d’expériences menées en parallèle
● ex: population de cellules, patient différent
● variabilité « naturelle » d’un système
Réplicats
24

Protocole
Réplicats expérimental
biologiques

Réplicat 1 Réplicat 2

Extrait 1 Extrait 2

Réplicats
techniques
Label Cy3 Label Cy5

Spot 1 Spot 2 Spot 3

Exemples d’hybridation 25
Filtrage
26

• valeurs de (trop) faible intensité

• non exprimé ou valeur manquante (problème sur
la puce) ?
• les valeurs dépassant légèrement le bruit de
fond ont plus de chance d’être imprécises ou de
mauvaise qualité
• Filtrage : on élimine les valeurs inférieures à
• Imédiane du bruit de fond + 2 x σ(bruit de fond)
• Imoyenne du bruit de fond + 2 x σ(bruit de
fond)
• outlier (valeurs aberrantes)
• valeurs de trop forte intensité (saturation)
Normalisation 27

• Motivations
● rendre comparables les intensités provenant
● des différents canaux d’une même hybridation
● de différentes hybridations
● quantité d’ARN différentes dans les échantillons
● efficacité de la détection de fluorescence
● biais systématiques, artefacts
• Normalisation : transformation des données pour
corriger ces effets.
Normalisation 28

• 2 Approches:

● ensemble de contrôle
● soit gènes de ménage, soit exogène

● (sous-)ensemble des intensités sur la puce

● suppose que la plupart des gènes ont le même
niveau d'expression
Avant normalisation
29

réplicat 1 réplicat 2 réplicat 3

Distributions des intensités rouges et vertes

sur 3 hybridations (répétitions)

Hypothèses pour la normalisation :

• le niveau d’expression de la plupart des gènes est le même entre les 2 conditions
• les niveaux d’expression sont les mêmes d’une hybridation à l’autre
Avant normalisation
30

Après normalisation intra-puces

= rendre comparables les intensités rouges et vertes au sein d’une même hybridation
Après normalisation intra-puces 31

réplicats sur le
même graphique

Après normalisation
inter-puces

= rendre comparables les niveaux d’expression provenant d’hybridations différentes

Avant - après normalisation
32

• M-A plot
• M: ordonnées, ratios des intensités. log2 R – log2 G = log2 (R/G)
• variation de l’expression entre les 2 hybridations
• A: abscisses, moyenne des intensités du spot. ½ (log2 R + log2 G)
• niveau (intensité) d’expression
Analyse et interprétation des données 33

mesures
(intensités moyennes,
médianes, écart-types, …)
conditions

i on
ui s i t
probesets
a cq

gènes
filtrage
normalisation

analyse

Identification des gènes Identification des ensembles de

différentiellement exprimés gènes
interprétation co-exprimés

Caractérisation d’un
ensemble de gènes
Gènes différentiellement exprimés 34

• Motivation
● Gènes activés (induits) ou inactivés (réprimés)
dans certaines conditions
expérimentales/environnementales

• Identification des gènes différentiellement

exprimés
● Fold change
● Modèles statistiques
● Modèles probabilistes
Gènes différentiellement exprimés 35

• Fold-change
● seuil au-delà duquel un gène est considéré comme
différentiellement exprimé
● Ex :
● 2x plus ou 2x moins exprimé
● s’écarte de plus de 2x l’écart type
● Pas un test statistique, pas de niveau de confiance
● Ne tient pas compte de la variance au sein des
réplicats
Modèles statistiques
36

• Test de Student (t-test)

● 2 conditions

• Analyse de variance (ANOVA)

●>2 conditions

• Bayésiens, modèles de mélange (mixture models), …

Test de Student (2 conditions) 37

• But : déterminer si un gène est différentiellement

exprimé entre 2 conditions

• Motivation :
● Le niveau d’expression du gène est mesuré dans
les 2 conditions en faisant n répétitions
● ex : R1, R2, …, Rn et G1, G2, …, Gn
● Si le gène n’est pas différentiellement exprimé, la
moyenne des ratios d’expression du gène vaut 1
● moyenne(Ri) = moyenne(Gi) ?
● two sample t-test permet de déterminer si les
valeurs observées proviennent de distributions
ayant la même moyenne
Application du test de Student 38

• H0: les valeurs observées proviennent de distributions

ayant la même moyenne

• Autrement dit, H0 : le gène a le même niveau

d’expression dans les 2 conditions

• Mise en œuvre du test sur chaque gène séparément

● Obtention de la p-valeur
● Comparaison au seuil α (généralement 0.05)
● Décision : Acceptation ou rejet de H0
● p-valeur ≥ α : le gène a le même niveau d’expression dans les 2
conditions
● p-valeur < α : le gène est différentiellement exprimé
Test de Student : illustration 39

• Application
● R : contrôle
● G : traitement

R1 R2 G1 G2 p-value

267627_at 57 6 45.5 38.6 0.7504

267628_at 441.8 431.5 347.2 355.2 0.0072

267629_at 226.5 205.6 148.2 132.9 0.0343

267630_at 1142.6 1080.7 1019.8 1018.6 0.2055

267631_at 77.7 58 84.4 57.4 0.8734

Volcano plot
40

fold change
(variation
d’expression
en abscisses x)

vs.

-log(p-valeur)
(significativité :
t-test
ou autre en
ordonnées y)
Tests multiples 41

• H0 : le gène g a un niveau d’expression constant

• seuil α typique de 5% i.e. g est considéré comme

différentiellement exprimé si p-valeur(g) < 0.05

• Idée : plus on augmente le nombre de tests, plus on a

de chances de décider qu’un gène est
différentiellement exprimé alors qu’il ne l’est pas

• combien de faux positifs et de faux négatifs ?

Erreurs de 1ère et 2ème espèce 42

• Erreur de 1ère espèce (Type 1 error) :

● probabilité α de rejeter H0 alors qu’elle est vraie
● probabilité de décider qu’un gène est diff. exprimé alors qu’il ne l’est pas
● faux positif

• Erreur de 2ème espèce (Type 2 error) :

● probabilité β d’accepter H0 alors qu’elle est fausse
● probabilité de décider qu’un gène n’est pas diff. exprimé alors qu’il l’est
● faux négatif
Décision
Situation
accepter H0 rejeter H0

H0 vraie 1-α α
H0 fausse (diff. expr.) β 1-β
• Conséquence :
● En testant les 50 000 gènes de la puce avec α = 5%
● 2000 gènes ont une p-valeur comprise entre 0.01 et 0.05
● on s’attend à obtenir au moins 2000x0.01 faux positifs
soit >20 gènes qui ne sont en réalité pas différentiellement exprimés
Correction pour tests multiples 43

• Bonferroni
● consiste à diviser le seuil par le nombre de tests effectués
● souvent trop conservateur (peu voire pas de gènes
différentiellement exprimés détectés)

• False Discovery Rate (FDR) Benjamini & Hochberg ‘95

● Principe : ajuster le seuil α en fonction des résultats observés
(p-valeurs obtenues)

● m tests ayant des p-valeurs P1..Pm triées par ordre croissant

● Pour un seuil α trouver le plus grand k tel que

et déclarer les gènes 1..k différentiellement exprimés

Application de la FDR
44

gène g différentiellement exprimé si

R1 R2 G1 G2 p-value α * k/m
267628_at 441.8 431.5 347.2 355.2 0.0072 0.01
267629_at 226.5 205.6 148.2 132.9 0.0343 0.02
267630_at 1142.6 1080.7 1019.8 1018.6 0.2055 0.03
267627_at 57 6 45.5 38.6 0.7504 0.04
267631_at 77.7 58 84.4 57.4 0.8734 0.05

un seul gène est déclaré différentiellement

exprimé pour α = 0.05
ANOVA (≥ 2 conditions) 45

• But : déterminer si un gène est différentiellement dans (au

moins) une des conditions
• Hypothèse testée : les moyennes des niveaux d’expression du
gène dans les différentes conditions sont égales
• Autrement dit, H0 : le gène a le même niveau d’expression dans
toutes les conditions

• Mise en œuvre du test sur chaque gène séparément

● Obtention de la p-valeur
● Comparaison au seuil α (généralement 0.05)
● Décision : Acceptation ou rejet de H0
● p-valeur ≥ α : le gène a le même niveau d’expression dans toutes les conditions
● p-valeur < α : le gène a un niveau d’expression différent dans au moins une
condition
• Remarque: pour 2 conditions, cela équivaut au t-test
Diagramme de Venn 46

• Aire proportionnelle à la taille des ensembles Ghandhi et al. BMC Genomics (2015)
16:586
• Chevauchement proportionnel aux gènes communs
• possible pour un petit nombre d’ensembles

en ligne (Toulouse) [Link]

Philippe Bardou, Jérôme Mariette, Frédéric Escudié, Christophe Djemiel and Christophe Klopp.
jvenn: an interactive Venn diagram viewer. BMC Bioinformatics 2014, 15:293 doi:10.1186/1471-2105-15-293
Gènes co-exprimés
47

• Motivation : les gènes ayant des profils d’expression similaires sont

potentiellement co-régulés et participent à un même processus
biologique
• But : regrouper les gènes impliqués dans un même processus biologique

conditions
gènes

Robinson et al. 2002

Qu’est-ce que le clustering ? 48

• analyse de clustering
● regroupement des objets en clusters (groupes)

• un cluster : une collection d’objets

● similaires au sein d’un même cluster
● dissimilaires aux objets appartenant à d’autres clusters

• classification non supervisée : pas de classes

prédéfinies

• Applications typiques
● afin de mieux comprendre les données
● comme prétraitement avant d’autres analyses
Principales approches
49

• partitionnement
● partitionne les objets et évalue les partitions (les
ensembles)
● ex: k-means
• hiérarchique
● décomposition hiérarchique d’ensembles d’objets

• densité
● basée sur une fonction de densité ou de connectivité
• grille
● basée sur une structure de granularité à plusieurs
niveaux
• basée sur un modèle
● construction d’un modèle pour chaque cluster
• …
Méthodes et résultats variés
50
Structure de données
51

conditions / hybridations
• Matrice de données

spots / gènes
spots / gènes
• Matrice de distance
(ou dissimilarité spots / gènes
ou dissemblance)
Mesure de similarité entre 2 gènes : Gènes co-exprimés
52

• Profil d’expression
d’un gène : niveau d’expression à travers différentes conditions
(mutants, tissus, cinétique, …)

• Mesure de similarité entre 2 profils :

Coefficient de corrélation de
Pearson (ou Spearman)
● -1 : corrélation négative
● 0 : indépendance
● 1 : corrélation positive

• Clustering des profils

● Ensembles de gènes ayant
des profils d’expression
similaires

[Link]
 53
k-means

4 étapes

1. Partitionne les objets en k ensembles non vides

2. Calcule le centroïde de chaque partition/cluster

3. Assigne à chaque objet le cluster dont le centroïde

est le plus proche

4. refaire à partir de l'étape n°2 jusqu’à ce les clusters

soient stables.
k-means, exemple
54

[Link]
k-means, application
55

k = 16 clusters

[Link]
Clustering hiérarchique
56

• Utilisation d’une matrice de distance : ne nécessite

pas de spécifier le nombre de clusters

Step 0 Step 1 Step 2 Step 3 Step 4

agglomérative

a ab
b abcde
c
cde
d
de
e
séparative
Step 4 Step 3 Step 2 Step 1 Step 0
Dendrogramme : clusters fusionnés hiérarchiquement 57

• Décompose les données en plusieurs niveaux

imbriqués de partitionnement

• Un clustering est obtenu en coupant le dendrogramme

au niveau choisi
Mesures de similarité entre 2 clusters 58

• Lien complet (complete linkage)

● distance entre 2 clusters = plus petite similarité/plus grande
distance entre toutes les paires de gènes entre 2 clusters
● la paire de clusters ayant la plus petite distance sont fusionnés

• Lien moyen (average linkage)

● distance = moyenne des similarités entre toutes
les paires de gènes entre 2 clusters

• Lien simple (single linkage)

● distance = plus grande similarité/plus petite
distance entre 2 gènes de 2 clusters
Mesures de similarité entre 2 clusters
59

• centroïde
●distance entre les centroïdes des clusters

! la distance entre les centroïdes ≠ la moyenne des

distances, ex :
y \ x 1 2 3 µx = 2
2 d(2,1) = 1 0 1
4 3 2 1
|µx - µy| = 1
µy = 3
µd(x,y) = 1.3

• Ward
●distance =
augmentation de la distance au carré au
●

centroïde en fusionnant 2 clusters

augmentation de la variance totale
●
Application 60

Réalisez un clustering hiérarchique agglomératif sur les objets ci-dessous (en utilisant
• le lien simple
• le lien complet
L'échelle est tracée en dessous pour vous aider à estimer la distance entre carrés.
Caractérisation d'un ensemble 61

• Ensemble de gènes/protéines/... d'intérêt :

● co-expression : profils d’expression similaires sont potentiellement
co-régulés et participent à un même processus biologique ?
● expression différentielle : variation d'expression dûe à une condition
particulière ?
• autres noms : Gene Set Enrichment (Analysis) ou GSEA, over-reprentation

conditions
gènes

Robinson et al. 2002

Caractérisation d'un ensemble 62

• Motivation
● jusqu’à plusieurs milliers de gènes co-exprimés ou
différentiellement exprimés
● analyse « manuelle » laborieuse, biaisée

• Principe
● Rechercher les caractéristiques communes aux
gènes/protéines/...
● Sur-représentation statistique
Question(s) posée(s) : Sources de données = caractéristiques 63
→ Comparaison d'ensembles formés selon différentes relations de voisinages

localisation chromosomique

voies interactions ou
métaboliques complexes
ensembles de gènes protéiques

Annotations :
Gene
co-expression Ontology
co-citation
Mots-clés Uniprot/Swissprot
64

• à chaque mot-clé
correspond un
ensemble de
protéines annotées
avec ce mot-clé
Exemple 65

Amino-acid
P07245 ATP-binding Complete proteome Cytoplasm
biosynthesis
Amino-acid
Q03677 Cell membrane Complete proteome Dioxygenase
biosynthesis
Amino-acid
P22768 Arginine biosynthesis ATP-binding Complete proteom
biosynthesis
Amino-acid
P05150 Arginine biosynthesis Complete proteome Cytoplasm
biosynthesis
Amino-acid
P04076 Arginine biosynthesis Complete proteome Lyase
biosynthesis
Amino-acid
Q01217 Arginine biosynthesis Complete proteome Kinase
biosynthesis
Amino-acid
P18544 Aminotransferase Arginine biosynthesis Complete proteom
biosynthesis
Amino-acid Aromatic amino acid
P08566 ATP-binding Complete proteom
biosynthesis biosynthesis
Amino-acid Aromatic amino acid
P14843 Complete proteome Phosphoprotein
biosynthesis biosynthesis
Amino-acid Glutamine
P49089 Asparagine biosynthesis Complete proteome
biosynthesis amidotransferase
Amino-acid Glutamine
P49090 Asparagine biosynthesis Complete proteome
biosynthesis amidotransferase
Amino-acid Branched-chain amino
P38891 Aminotransferase Complete proteom
biosynthesis acid biosynthesis
Gene Ontology
66

• Vocabulaire contrôlé : le même terme pour parler de la même

chose

• Ensemble de termes (définitions) reliés par des relations de type

● est-un·e (is a) : généralisation/spécialisation, du plus
général au plus spécifique. ex: la membrane interne d'une
mitochondrie est une membrane
● fait-partie-de (part of) : aggrégation. ex: membrane
interne d'une mitochondrie fait partie de la membrane
d'une mitochondrie

• Trois ontologies:
● Biological process
● Molecular function
● Cellular component

[Link]
Gene Ontology
67

• à chaque terme correspond un ensemble de gènes annotés avec ce

terme ou un plus spécifique
Gene Ontology

GO:0008150 GO:0005575 GO:0003674

Biological process Cellular component Molecular function
Test de sur-représentation
68

• Test statistique :
● loi binomiale ou hypergéométrique, χ2 d'indépendance

Q : gènes T : gènes annotés

G
co-exprimés biosynthèse des
acides aminés

• Loi binomiale (ou hypergéométrique) : probabilité d’avoir au moins le nombre

d’éléments communs observé entre 2 échantillons tirés aléatoirement avec (ou
sans) remise issus d’une même population
avec
● g = |G| : nombre total de gènes
● q = |Q| : nombre de gènes co-exprimés
● t = |T| : nombre de gènes annotés biosynthèse des a.a.
● c = |Q ∩ T| : nombre de gènes communs
Loi binomiale 69

• Quelle est la probabilité d’avoir au moins autant de

gènes annotés de telle manière parmi les gènes
différentiellement exprimés/co-exprimés ?

• Chaque annotation est considérée indépendamment

des autres et utilisée pour un test statistique
● Probabilité/fréquence qu’un gène soit annoté
« biosynthèse des a.a. » = t/g
● Est-ce que cette fréquence est plus importante
parmi les gènes considérés ?
Recherche de caractéristiques communes
70

• Annotations Gene Ontology (~50k termes → ~50k tests statistiques)

• Complexes multi-protéiques ou intéraction protéine-
protéine
• Voies métaboliques
• Littérature
• Localisation chromosomique
• Lien phylogénétique
• … bio-
synthèse
a.a.

• Correction pour tests multiples (FDR ou autre)

• Les caractéristiques statistiquement significatives sont
retenues
Complex 440.30.10 mRNA splicing (de la levure)
71

Target Common
GO Term Description size elements
GO:0008152 (34/2465)
GO:0000398 nuclear mRNA splicing, via spliceosome 84 33

RNA splicing, via transesterification reactions with

GO:0000377 84 33
bulged adenosine as nucleophile
GO:0044238 (34/2191) GO:0044237 (34/2407)
GO:0000375 RNA splicing, via transesterification reactions 88 33

GO:0008380 RNA splicing 99 33

GO:0006139 (34/1057) GO:0042283 (34/812)
GO:0006397 mRNA processing 108 33

GO:0016071 mRNA metabolism 132 33

GO:0008380 (33/99)
GO:0006396 RNA processing 262 34 GO:0016070 (34/360)
GO:0016070 RNA metabolism 360 34
GO:0000375 (33/88)
GO:0043283 biopolymer metabolism 812 34
GO:0016071 (33/132) GO:0006396 (34/262)
nucleobase, nucleoside, nucleotide and nucleic
GO:0006139 1057 34
acid metabolism

GO:0044238 primary metabolism 2191 34

GO:0000377 (33/84) GO:0006397 (33/108)
GO:0044237 cellular metabolism 2407 34

GO:0008152 metabolism 2465 34

GO:0000398 (33/84) GO:0006461 (5/61)
GO:0000245 spliceosome assembly 10 5

GO:0006461 protein complex assembly 61 5

GO:0000390 (2/2)
nuclear mRNA splicing via U2-type GO:0000245 (5/10)
GO:0006374 8 8
spliceosome
GO:0006374 (8/8)
GO:0000391 U2-type spliceosome dissembly 2 2
GO:0000393 (3/3)
GO:0000390 spliceosome dissembly 2 2

GO:0000370 U2-type nuclear mRNA branch site recognition 2 2 GO:0000348 (2/2)

GO:0000348 nuclear mRNA branch site recognition 2 2 GO:0000391 (2/2)

spliceosomal conformational changes to GO:0000370 (2/2)

GO:0000393 3 3
generate catalytic conformation
Exemple du TP : rice atlas
72

• 57 381 spots
• 1277 gènes différentiellement exprimés entre les stades de
développements P1 et P3 (différenciation du pollen)
• 105 termes GO sur-représentés :
Aide à l'interprétation : REVIGO scatterplot
73

GOTerm p-value

Supek F, Bošnjak M, Škunca N, Šmuc T., "REVIGO summarizes and visualizes long lists of
Gene Ontology terms", PLoS ONE 2011. doi:10.1371/[Link].0021800
Aide à l'interprétation : REVIGO treemap
74
Communauté, standards et banques de données 75

• Microarray Gene Expression Data (MGED) society

• MIAME (Minimum Information About a Microarray Experiment)

● interprétation non ambigüe
● reproductibilité

• MGED (MicroArray Gene Expression Data)

● MAGE-ML (Markup Language): format d’échange
● MAGE-OM (Object Model)
● MGED Ontology: vocabulaire contrôlé

• Entrepôts
● GEO (Gene Expression Omnibus) au NCBI
● ArrayExpress
● SMD (Stanford Microarray Database)